## Tổng quan nghiên cứu

Trong bối cảnh công nghệ thông tin ngày càng phát triển, dữ liệu số và hình ảnh đóng vai trò quan trọng trong việc truyền tải thông tin, đặc biệt là trong các hệ thống giám sát tự động. Theo ước tính, tốc độ xử lý video hiện nay đạt khoảng 25-30 khung hình mỗi giây, tương đương với hàng chục nghìn khung hình mỗi giờ, đòi hỏi các giải pháp xử lý hiệu quả để phát hiện chuyển động trong video. Bài toán phát hiện chuyển động bằng phương pháp trừ nền được lựa chọn nhằm xây dựng hệ thống giám sát camera có độ chính xác cao, phù hợp với các mục đích an ninh, giám sát giao thông và các ứng dụng công nghệ khác.

Mục tiêu nghiên cứu là phát triển giải thuật phát hiện chuyển động dựa trên phương pháp trừ nền thích ứng, kết hợp với các kỹ thuật xử lý ảnh để phát hiện và cảnh báo kịp thời khi có đối tượng đột nhập vào khu vực giám sát. Phạm vi nghiên cứu tập trung vào xử lý video thu được từ camera giám sát tại các trụ sở, với dữ liệu thực nghiệm gồm chuỗi video có độ phân giải 640x480, tốc độ 24 khung hình/giây, trong khoảng thời gian thực tế tại một số địa điểm giám sát.

Nghiên cứu có ý nghĩa quan trọng trong việc nâng cao hiệu quả của hệ thống giám sát tự động, giảm thiểu sự phụ thuộc vào con người trong việc theo dõi liên tục, đồng thời tăng cường khả năng phát hiện chính xác các đối tượng chuyển động trong môi trường phức tạp, góp phần đảm bảo an ninh và an toàn cho các mục tiêu được giám sát.

## Cơ sở lý thuyết và phương pháp nghiên cứu

### Khung lý thuyết áp dụng

- **Phương pháp trừ nền (Background Subtraction):** Là kỹ thuật cơ bản và phổ biến nhất trong phát hiện chuyển động, dựa trên việc so sánh khung hình hiện tại với mô hình nền để xác định các điểm ảnh chuyển động. Các mô hình nền được sử dụng bao gồm mô hình trừ ảnh nền thích hợp, mô hình pha trộn Gaussian và mô hình chênh lệch tạm thời.

- **Entropy trong xử lý ảnh:** Entropy được sử dụng để đo lượng thông tin không chắc chắn trong phân phối mức xám của các khối ảnh, giúp xác định các khối có sự biến đổi lớn, khả năng chứa đối tượng chuyển động cao.

- **Phép toán hình thái học (Morphological Operations):** Các phép toán như co ảnh (erosion) và giãn ảnh (dilation) được áp dụng để loại bỏ nhiễu, làm sạch vùng ảnh nổi và khôi phục kích thước đối tượng chuyển động.

- **Các khái niệm chính:**
  - *Khung hình (Frame):* Ảnh đơn lẻ trong chuỗi video.
  - *Mặt nạ vùng chuyển động (Foreground Mask):* Bản đồ nhị phân xác định vùng có chuyển động.
  - *Khối chuyển động (Motion Block):* Khối pixel có khả năng chứa đối tượng chuyển động.
  - *Mô hình nền thích ứng (Adaptive Background Model):* Mô hình nền được cập nhật liên tục để thích ứng với sự thay đổi môi trường.

### Phương pháp nghiên cứu

- **Nguồn dữ liệu:** Chuỗi video thu thập từ camera giám sát tại các trụ sở, với độ phân giải 640x480, tốc độ 24 khung hình/giây, tổng số mẫu khoảng 50.000 khung hình.

- **Phương pháp phân tích:** 
  - Xây dựng mô hình nền tối ưu bằng thuật toán Modified Moving Average (MMA) với 50 khung hình đầu tiên để khởi tạo nền.
  - Sử dụng thuật toán so sánh nhanh (Rapid Matching) và huấn luyện tín hiệu ổn định (Stable Signal Trainer) để lựa chọn nền tối ưu.
  - Tính giá trị Entropy cho từng khối pixel kích thước 8x8 để xác định khối chuyển động.
  - Áp dụng các phép toán hình thái học để làm sạch và xác định chính xác vùng chuyển động.
  - Trích xuất đối tượng chuyển động dựa trên mặt nạ nhị phân phát hiện chuyển động.

- **Timeline nghiên cứu:** 
  - Giai đoạn 1 (3 tháng): Thu thập và xử lý dữ liệu video, khởi tạo mô hình nền.
  - Giai đoạn 2 (4 tháng): Phát triển và tối ưu giải thuật phát hiện chuyển động.
  - Giai đoạn 3 (2 tháng): Thử nghiệm, đánh giá và hoàn thiện phần mềm phát hiện chuyển động.

## Kết quả nghiên cứu và thảo luận

### Những phát hiện chính

- Giải thuật trừ nền thích ứng kết hợp với tính Entropy và phép toán hình thái học đã phát hiện chính xác trên 92% các đối tượng chuyển động trong video thử nghiệm, vượt trội hơn so với các giải thuật trừ nền cơ bản chỉ đạt khoảng 75%.

- Thời gian xử lý trung bình cho mỗi khung hình là khoảng 30ms, đảm bảo khả năng xử lý gần thời gian thực với độ trễ chấp nhận được dưới 1 giây.

- Việc cập nhật mô hình nền không cần thực hiện liên tục cho từng khung hình mà có thể thực hiện sau mỗi 3-5 khung hình vẫn giữ được độ chính xác phát hiện trên 90%, giúp giảm tải tính toán đáng kể.

- Giải thuật có khả năng thích ứng tốt với các điều kiện ánh sáng thay đổi đột ngột và loại bỏ hiệu quả các nhiễu do bóng vật thể, nâng cao độ tin cậy của hệ thống giám sát.

### Thảo luận kết quả

Kết quả cho thấy việc sử dụng mô hình nền thích ứng kết hợp với phân tích Entropy và xử lý hình thái học là hướng tiếp cận hiệu quả trong phát hiện chuyển động. So với các nghiên cứu trước đây, giải thuật này cải thiện đáng kể độ chính xác và tốc độ xử lý, phù hợp với các ứng dụng giám sát thực tế có nhiều đối tượng chuyển động phức tạp.

Việc giảm tần suất cập nhật mô hình nền không những giảm tải cho hệ thống mà còn duy trì được hiệu quả phát hiện, điều này phù hợp với các môi trường giám sát có điều kiện ánh sáng ổn định hoặc thay đổi chậm. Các phép toán hình thái học giúp loại bỏ nhiễu và bóng vật thể, điều mà nhiều giải thuật truyền thống chưa xử lý triệt để.

Dữ liệu có thể được trình bày qua biểu đồ so sánh độ chính xác phát hiện giữa các giải thuật, bảng thống kê thời gian xử lý trung bình và biểu đồ phân bố Entropy của các khối ảnh trong video.

## Đề xuất và khuyến nghị

- **Triển khai hệ thống giám sát thông minh:** Áp dụng giải thuật phát hiện chuyển động vào các hệ thống camera giám sát tại các trụ sở, khu vực công cộng nhằm nâng cao hiệu quả an ninh.

- **Tối ưu hóa cập nhật mô hình nền:** Điều chỉnh tần suất cập nhật mô hình nền phù hợp với điều kiện môi trường để cân bằng giữa độ chính xác và hiệu suất xử lý.

- **Phát triển module cảnh báo tự động:** Kết hợp với phần mềm phát hiện chuyển động để gửi cảnh báo tức thời qua các thiết bị di động hoặc hệ thống giám sát trung tâm.

- **Mở rộng nghiên cứu:** Nghiên cứu thêm các phương pháp phân loại và theo dõi đối tượng chuyển động để nâng cao khả năng phân tích hành vi và dự đoán sự kiện.

- **Đào tạo và nâng cao nhận thức:** Tổ chức các khóa đào tạo cho nhân viên an ninh về sử dụng và vận hành hệ thống giám sát thông minh, đảm bảo khai thác hiệu quả công nghệ.

## Đối tượng nên tham khảo luận văn

- **Nhà nghiên cứu và sinh viên ngành Khoa học máy tính:** Có thể áp dụng các phương pháp và thuật toán phát hiện chuyển động trong các đề tài nghiên cứu liên quan đến xử lý ảnh và thị giác máy tính.

- **Chuyên gia phát triển phần mềm giám sát:** Tham khảo để tích hợp giải thuật phát hiện chuyển động vào các sản phẩm phần mềm giám sát an ninh và giao thông.

- **Cơ quan an ninh và quản lý đô thị:** Áp dụng hệ thống giám sát thông minh để nâng cao hiệu quả quản lý, giám sát an ninh trật tự và điều tiết giao thông.

- **Doanh nghiệp cung cấp thiết bị giám sát:** Nâng cao chất lượng sản phẩm bằng cách tích hợp các giải thuật phát hiện chuyển động tiên tiến, đáp ứng nhu cầu thị trường.

## Câu hỏi thường gặp

1. **Phương pháp trừ nền thích ứng là gì?**  
Là kỹ thuật xây dựng mô hình nền liên tục cập nhật theo thời gian để phát hiện sự khác biệt giữa khung hình hiện tại và nền, giúp xác định vùng chuyển động chính xác hơn trong môi trường thay đổi.

2. **Tại sao sử dụng Entropy trong phát hiện chuyển động?**  
Entropy đo lượng biến đổi không chắc chắn trong khối ảnh, giúp xác định các khối có sự thay đổi lớn, từ đó phát hiện chính xác các vùng chứa đối tượng chuyển động.

3. **Giải thuật có xử lý được các điều kiện ánh sáng thay đổi không?**  
Có, giải thuật sử dụng mô hình nền thích ứng và xử lý bóng vật thể giúp thích ứng với sự thay đổi ánh sáng đột ngột, giảm nhiễu và tăng độ chính xác.

4. **Thời gian xử lý có đáp ứng được yêu cầu thời gian thực không?**  
Thời gian xử lý trung bình khoảng 30ms cho mỗi khung hình, phù hợp với yêu cầu xử lý gần thời gian thực trong các hệ thống giám sát.

5. **Giải thuật có thể áp dụng cho các loại camera nào?**  
Giải thuật phù hợp với các camera giám sát chuẩn video số có tốc độ từ 16 đến 30 khung hình/giây và độ phân giải phổ biến như 640x480 hoặc cao hơn.

## Kết luận

- Đã phát triển thành công giải thuật phát hiện chuyển động dựa trên phương pháp trừ nền thích ứng kết hợp phân tích Entropy và xử lý hình thái học.  
- Giải thuật đạt độ chính xác phát hiện trên 92% và thời gian xử lý phù hợp với yêu cầu thực tế.  
- Mô hình nền được cập nhật linh hoạt, giảm tải tính toán mà vẫn duy trì hiệu quả phát hiện.  
- Giải thuật có khả năng thích ứng với điều kiện ánh sáng thay đổi và loại bỏ nhiễu do bóng vật thể.  
- Đề xuất triển khai hệ thống giám sát thông minh và mở rộng nghiên cứu để nâng cao tính năng phân loại, theo dõi đối tượng.

Hành động tiếp theo là thử nghiệm giải thuật trên các môi trường thực tế đa dạng hơn và phát triển phần mềm tích hợp hoàn chỉnh để ứng dụng trong các hệ thống giám sát hiện đại.