Luận văn: Nghiên cứu phương pháp phát hiện chuyển động trong video và ứng dụng

Luận văn thạc sĩ: Nghiên cứu các phương pháp phát hiện chuyển động trong video. Ứng dụng thực tiễn, phân tích ưu nhược điểm từng phương pháp.

• Tác giả: Trần Thị Hoàn
• Người hướng dẫn: PGS. Đỗ Năng Toàn
• Trường học: Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Nghiên cứu một số phương pháp phát hiện chuyển động trong video và ứng dụng
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2009
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ VIDEO VÀ PHÁT HIỆN ĐỐI TƯỢNG CHUYỂN ĐỘNG
• 1.1. Tổng quan về xử lý Video
• 1.2. Sơ lược về Video
• 1.2.1. Video tương tự
• 1.3. Một số vấn đề cơ bản trong xử lý Video
• 1.4. Phát hiện đối tượng chuyển động trong Video
• 1.5. Phép trừ nền
• 1.6. Các phương pháp tĩnh
• 1.7. Sự khác biệt theo thời gian
• 1.8. Phân loại đối tượng trong video
• 1.9. Phân loại dựa theo hình dạng
• 1.10. Phân loại dựa theo chuyển động
• 1.11. Phát hiện ánh sáng
• 1.12. Đánh dấu đối tượng
• 2. CHƯƠNG 2: PHÁT HIỆN, ĐÁNH DẤU VÀ PHÂN LOẠI ĐỐI TƯỢNG CHUYỂN ĐỘNG TRONG VIDEO
• 2.1. Phát hiện đối tượng
• 2.2. Phát hiện nổi trội
• 2.2.1. Mô hình trừ nền có khả năng thích ứng
• 2.2.2. Mô hình hỗn hợp Gaussian tương thích
• 2.3. Sự khác biệt theo thời gian
• 2.4. Bước hậu xử lý điểm ảnh
• 2.5. Phát hiện bóng và sự thay đổi ánh sáng đột ngột
• 2.6. Phát hiện các vùng liên tục
• 2.7. Bước hậu xử lý vùng
• 2.8. Trích rút các đặc trưng của đối tượng
• 2.9. Đánh dấu đối tượng
• 2.10. Tham chiếu tương tự với các đối tượng cơ bản
• 2.11. Điều khiển sự chồng chéo của các đối tượng
• 2.11.1. Phát hiện các đối tượng bị che khuất
• 2.12. Phát hiện các đối tượng tách ra
• 2.13. Lược đồ cơ sở tham chiếu tương ứng
• 2.14. Phát hiện các đối tượng dời đi và các đối tượng biến mất
• 2.15. Phân loại đối tượng
• 2.16. Phân loại dựa trên mẫu hình chiếu
• 2.17. Cơ sở dữ liệu mẫu hình chiếu
• 2.18. Ma trận phân loại. Sự bảo toàn theo thời gian
• 3. CHƯƠNG 3: ỨNG DỤNG
• 3.1. Một số ứng dụng trong công nghệ phần mềm
• 3.2. Ứng dụng trong phần mềm nhúng (Embedded Software)
• 3.2.1. Khái niệm phần mềm nhúng
• 3.2.2. Mục đích của phần mềm nhúng
• 3.2.3. Tính chất của phần mềm nhúng
• 3.2.4. Lợi ích của phần mềm nhúng
• 3.3. Ứng dụng trong xử lý video
• 3.4. Xây dựng các phần mềm điều khiển
• 3.5. Cài đặt một số phương pháp phát hiện và đánh dấu đối tượng
• 3.6. Giao diện của chương trình. Một số hình ảnh về phát hiện và đánh dấu đối tượng chuyển động
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Phát Hiện Chuyển Động Video Ứng Dụng Lợi Ích

Trong kỷ nguyên công nghệ thông tin, xử lý video đóng vai trò then chốt, đặc biệt với sự bùng nổ của các hệ thống giám sát. Các hệ thống này thu thập dữ liệu dưới dạng video, đòi hỏi các giải pháp phần mềm thông minh để phân tích và diễn giải. Giám sát video không chỉ giới hạn trong an ninh mà còn mở rộng sang nhiều lĩnh vực khác như giao thông, y tế, và công nghiệp. Thách thức lớn nhất là xây dựng hệ thống có khả năng phát hiện chính xác và kịp thời các sự kiện bất thường, từ đó ngăn chặn thiệt hại và bảo vệ cộng đồng. Các nghiên cứu về xử lý video đang phát triển mạnh mẽ trên toàn cầu, nhưng tại Việt Nam, đây vẫn là một lĩnh vực mới mẻ, hứa hẹn nhiều tiềm năng phát triển, đặc biệt trong bối cảnh hệ thống nhúng ngày càng được ứng dụng rộng rãi. Phát hiện chuyển động là một bước quan trọng trong xử lý video. Luận văn này tập trung vào nghiên cứu các phương pháp phát hiện, đánh dấu và phân loại đối tượng chuyển động, đồng thời so sánh và đánh giá hiệu quả của chúng trong điều kiện thực tế. Mục tiêu là tìm ra các giải pháp tối ưu để xây dựng các hệ thống giám sát video thông minh và hiệu quả, đáp ứng nhu cầu ngày càng cao của xã hội. PGS. Đỗ Năng Toàn đã hướng dẫn và hỗ trợ nghiên cứu này.

1.1. Xử Lý Video và Giám Sát Nhu Cầu Thực Tế

Xã hội hiện đại đặt ra yêu cầu cao về an ninh và an toàn. Các hệ thống giám sát video là công cụ đắc lực để đáp ứng nhu cầu này, từ giám sát tội phạm, khủng bố, đến bảo vệ tài sản và kiểm soát giao thông. Tuy nhiên, hiệu quả của các hệ thống này phụ thuộc vào khả năng xử lý video thông minh, tức là khả năng tự động phát hiện, phân tích và diễn giải các sự kiện diễn ra trong video. Điều này đòi hỏi các thuật toán phức tạp và khả năng thích ứng với nhiều điều kiện môi trường khác nhau. Việc nghiên cứu và phát triển các giải pháp xử lý video hiệu quả là vô cùng quan trọng để nâng cao chất lượng cuộc sống và bảo vệ cộng đồng. Các giải pháp này giúp phát hiện hành vi khả nghi, ngăn chặn trộm cắp, điều phối giao thông... góp phần vào sự phát triển kinh tế - xã hội.

1.2. Tổng Quan Về Video Từ Tương Tự Đến Kỹ Thuật Số

Video, về bản chất, là một chuỗi ảnh liên tục theo thời gian, mô phỏng sự chuyển động. Ý tưởng này đã xuất hiện từ thế kỷ 19, nhưng chỉ đến khi công nghệ phim ảnh phát triển, video mới trở nên phổ biến. Video tương tự, với các chuẩn như NTSC và PAL, thống trị trong nhiều thập kỷ, nhưng dần được thay thế bởi video kỹ thuật số, với các chuẩn như MPEG và H.26x. Video kỹ thuật số mang lại nhiều ưu điểm như khả năng nén cao, chất lượng hình ảnh tốt hơn và dễ dàng lưu trữ và truyền tải. Các chuẩn video khác nhau có các đặc điểm khác nhau về độ phân giải, tốc độ khung hình và phương pháp nén. Việc lựa chọn chuẩn video phù hợp phụ thuộc vào ứng dụng cụ thể và các yêu cầu về băng thông và bộ nhớ. Việc nắm vững các khái niệm cơ bản về video, cả tương tự và kỹ thuật số, là rất quan trọng để phát triển các giải pháp xử lý video hiệu quả.

II. Các Thách Thức Chính Trong Phát Hiện Chuyển Động Video

Phát hiện chuyển động trong video là một bài toán phức tạp, đối mặt với nhiều thách thức. Các yếu tố như nhiễu, thay đổi ánh sáng, bóng đổ, và các đối tượng tương đồng với nền có thể gây khó khăn cho việc phát hiện chính xác các đối tượng chuyển động. Thay đổi ánh sáng là một trong những thách thức lớn nhất, đặc biệt trong môi trường ngoài trời. Bóng đổ cũng có thể gây ra các lỗi phân đoạn, dẫn đến việc nhận dạng sai các đối tượng. Các phương pháp truyền thống như trừ nền và khác biệt theo thời gian có thể không hiệu quả trong các điều kiện này. Cần có các thuật toán mạnh mẽ và khả năng thích ứng cao để giải quyết các thách thức này và đảm bảo độ chính xác của hệ thống giám sát video. Các hệ thống giám sát cần phải có khả năng hoạt động ổn định trong nhiều điều kiện thời tiết và ánh sáng khác nhau, đồng thời giảm thiểu các lỗi phân loại và nhận dạng.

2.1. Ảnh Hưởng Của Nhiễu Và Thay Đổi Ánh Sáng

Nhiễu và thay đổi ánh sáng là hai yếu tố chính gây ảnh hưởng đến hiệu quả của các thuật toán phát hiện chuyển động. Nhiễu có thể do nhiều nguyên nhân khác nhau, từ chất lượng camera kém đến điều kiện môi trường không thuận lợi. Thay đổi ánh sáng có thể do sự thay đổi vị trí của mặt trời, sự xuất hiện của mây, hoặc sự bật tắt đèn. Cả hai yếu tố này đều có thể làm thay đổi giá trị pixel của các đối tượng, khiến cho việc phân biệt giữa đối tượng chuyển động và nền trở nên khó khăn hơn. Các thuật toán cần phải có khả năng lọc nhiễu và bù trừ các thay đổi ánh sáng để đảm bảo độ chính xác của việc phát hiện chuyển động. Các kỹ thuật như lọc Gaussian, cân bằng histogram và mô hình thích ứng nền có thể được sử dụng để giải quyết các vấn đề này.

2.2. Vấn Đề Bóng Đổ Và Các Đối Tượng Tương Đồng Nền

Bóng đổ và các đối tượng có màu sắc hoặc kết cấu tương đồng với nền cũng là những thách thức đáng kể trong phát hiện chuyển động. Bóng đổ có thể bị nhầm lẫn với các đối tượng chuyển động thực sự, trong khi các đối tượng tương đồng nền có thể bị bỏ sót. Điều này có thể dẫn đến các lỗi phân đoạn và nhận dạng, ảnh hưởng đến hiệu quả của hệ thống giám sát. Các thuật toán cần phải có khả năng phân biệt giữa bóng đổ và đối tượng thực sự, đồng thời phát hiện các đối tượng tương đồng nền. Các kỹ thuật như phân tích bóng đổ dựa trên màu sắc, mô hình hóa nền phức tạp và sử dụng thông tin về chuyển động có thể được sử dụng để giải quyết các vấn đề này. Ví dụ, thuật toán của Horprasert đã đưa ra một cách giải quyết về phép trừ nền và phương pháp phát hiện bóng, với phương pháp đó, mỗi pixel được diễn tả bởi một mô hình màu phân biệt bởi độ sáng từ các tín hiệu chứa màu sắc thành phần. Mỗi điểm ảnh đã định rõ được phân chia vào bốn loại khác nhau (nền, nền bóng hoặc bóng, ánh sáng nền hoặc đối tượng chuyển động nổi trội) bằng cách tính toán sự chênh lệch của màu sắc và các tín hiệu chứa màu sắc giữa các điểm ảnh nền và ảnh hiện thời.

III. Phương Pháp Trừ Nền Thích Ứng Để Phát Hiện Chuyển Động

Phương pháp trừ nền là một kỹ thuật phổ biến để phát hiện chuyển động trong video, đặc biệt trong các cảnh tĩnh. Tuy nhiên, phương pháp này cần được cải tiến để thích ứng với các thay đổi động trong môi trường, chẳng hạn như thay đổi ánh sáng và sự xuất hiện của các đối tượng mới. Mô hình trừ nền thích ứng là một giải pháp cho vấn đề này, bằng cách liên tục cập nhật nền tham chiếu để phản ánh các thay đổi trong cảnh. Thuật toán này so sánh ảnh hiện tại với nền tham chiếu đã được cập nhật, và xác định các vùng có sự khác biệt đáng kể là các đối tượng chuyển động. Việc cập nhật nền tham chiếu cần được thực hiện một cách cẩn thận để tránh làm mờ các đối tượng chuyển động thực sự.

3.1. Khởi Tạo Và Cập Nhật Nền Tham Chiếu

Quá trình khởi tạo và cập nhật nền tham chiếu là rất quan trọng để đảm bảo hiệu quả của thuật toán trừ nền thích ứng. Ban đầu, nền tham chiếu có thể được tạo bằng cách lấy trung bình một số khung hình đầu tiên của video. Tuy nhiên, nền tham chiếu này cần được cập nhật liên tục để phản ánh các thay đổi trong cảnh. Việc cập nhật có thể được thực hiện bằng cách sử dụng một bộ lọc trung bình trượt, hoặc bằng cách sử dụng các thuật toán phức tạp hơn để phát hiện và loại bỏ các đối tượng chuyển động tạm thời. Tốc độ cập nhật cũng cần được điều chỉnh để phù hợp với tốc độ thay đổi của cảnh. Nếu tốc độ cập nhật quá chậm, nền tham chiếu có thể không phản ánh chính xác các thay đổi trong cảnh. Nếu tốc độ cập nhật quá nhanh, nền tham chiếu có thể bị ảnh hưởng bởi các đối tượng chuyển động tạm thời. Công thức 2.3 trong tài liệu gốc thể hiện rõ cách ảnh nền được cập nhật.

3.2. Xác Định Ngưỡng Thích Ứng Để Phân Biệt Đối Tượng

Sau khi có nền tham chiếu, bước tiếp theo là xác định ngưỡng để phân biệt giữa đối tượng chuyển động và nền. Ngưỡng này cần được điều chỉnh để phù hợp với mức độ nhiễu và thay đổi ánh sáng trong cảnh. Một ngưỡng cố định có thể không hiệu quả trong các điều kiện khác nhau. Do đó, cần sử dụng một ngưỡng thích ứng, có thể tự động điều chỉnh dựa trên các thông số của video. Có nhiều phương pháp khác nhau để xác định ngưỡng thích ứng, chẳng hạn như sử dụng độ lệch chuẩn của giá trị pixel, hoặc sử dụng các thuật toán học máy để học ngưỡng từ dữ liệu. Công thức 2.1, 2.2 trong tài liệu gốc cho thấy ngưỡng thích ứng được cập nhật dựa trên các điểm ảnh x thuộc FG hoặc BG, sử dụng các hằng số α,  và . Giá trị của 3 hằng số này sẽ ảnh hưởng đến sự thích ứng của thuật toán.

IV. Mô Hình Hỗn Hợp Gaussian Cho Phát Hiện Chuyển Động Video

Mô hình hỗn hợp Gaussian (GMM) là một phương pháp mạnh mẽ để phát hiện chuyển động trong video, đặc biệt trong các cảnh phức tạp với nhiều yếu tố gây nhiễu. Thay vì sử dụng một nền tham chiếu duy nhất, GMM sử dụng một hỗn hợp các phân phối Gaussian để mô hình hóa nền, cho phép nó thích ứng với các thay đổi ánh sáng, chuyển động lặp đi lặp lại, và các đối tượng di chuyển chậm. Mỗi pixel trong video được mô hình hóa bởi một hỗn hợp các Gaussian, và các thông số của các Gaussian này được cập nhật liên tục để phản ánh các thay đổi trong cảnh. Các pixel không phù hợp với bất kỳ Gaussian nào trong hỗn hợp được coi là các đối tượng chuyển động.

4.1. Mô Hình Hóa Nền Bằng Hỗn Hợp Gaussian

Mô hình hóa nền bằng hỗn hợp Gaussian là một quá trình phức tạp, đòi hỏi sự hiểu biết sâu sắc về các tham số của Gaussian và cách chúng tương tác với nhau. Mỗi Gaussian trong hỗn hợp đại diện cho một trạng thái tiềm năng của pixel, và các trọng số của các Gaussian này thể hiện khả năng mỗi trạng thái xảy ra. Các tham số của Gaussian, bao gồm giá trị trung bình và độ lệch chuẩn, được cập nhật liên tục để phản ánh các thay đổi trong pixel. Việc lựa chọn số lượng Gaussian trong hỗn hợp là rất quan trọng. Nếu số lượng Gaussian quá ít, mô hình có thể không đủ linh hoạt để mô hình hóa các thay đổi phức tạp trong cảnh. Nếu số lượng Gaussian quá nhiều, mô hình có thể trở nên quá phức tạp và dễ bị overfitting. Công thức 2.4, 2.5 trong tài liệu gốc thể hiện cách tính toán mật độ khả năng Gaussian.

4.2. Cập Nhật Tham Số Và Phát Hiện Điểm Ảnh Nổi Bật

Quá trình cập nhật các tham số của Gaussian và phát hiện điểm ảnh nổi bật là hai bước quan trọng trong thuật toán GMM. Khi một điểm ảnh mới được quan sát, nó được so sánh với các Gaussian trong hỗn hợp. Nếu điểm ảnh phù hợp với một Gaussian, các tham số của Gaussian đó được cập nhật để phản ánh thông tin mới. Nếu điểm ảnh không phù hợp với bất kỳ Gaussian nào, một Gaussian mới được tạo ra để đại diện cho điểm ảnh đó. Các điểm ảnh không phù hợp với bất kỳ Gaussian nào được coi là các điểm ảnh nổi bật, đại diện cho các đối tượng chuyển động. Tỷ lệ học tập α trong công thức 2.7 quyết định tốc độ cập nhật tham số cho từng Gaussian.

V. Đánh Dấu Đối Tượng Trong Video Theo Dõi Duy Trì

Đánh dấu đối tượng (Object Tracking) là quá trình xác định và theo dõi các đối tượng trong video theo thời gian. Đây là một bước quan trọng trong nhiều ứng dụng giám sát video, cho phép hệ thống hiểu rõ hơn về hành vi và tương tác của các đối tượng trong cảnh. Thuật toán đánh dấu đối tượng cần có khả năng xử lý các tình huống phức tạp như đối tượng bị che khuất, thay đổi hình dạng, và di chuyển nhanh. Hệ thống đánh dấu này sử dụng phương pháp đánh giá dựa trên kinh nghiệm đơn giản để phát hiện và tách các nhóm đối tượng bị che khuất và phân biệt các đối tượng đồng dạng. Các thông tin trích rút được ở mức này đều đầy đủ cho hầu hết các ứng dụng giám sát thông minh.

5.1. Tham Chiếu Tương Tự Với Các Đối Tượng Cơ Bản

Bước đầu tiên trong quá trình đánh dấu đối tượng là tham chiếu các đối tượng trong khung hình trước đó với các đối tượng mới phát hiện trong khung hình hiện tại. Việc tham chiếu này dựa trên các đặc điểm của đối tượng như vị trí, kích thước, hình dạng, và màu sắc. Thuật toán so sánh các đặc điểm này giữa các đối tượng trong các khung hình khác nhau, và tạo ra các liên kết giữa các đối tượng tương tự nhau. Khoảng cách giữa điểm chính giữa của khối của hai đối tượng, cùng với tỉ lệ kích thước giúp xác định sự tương thích (công thức 2.19, 2.20, 2.21).

5.2. Điều Khiển Sự Chồng Chéo Của Các Đối Tượng

Một trong những thách thức lớn nhất trong đánh dấu đối tượng là xử lý các tình huống khi các đối tượng bị chồng chéo lên nhau. Khi các đối tượng chồng chéo, việc phân biệt và theo dõi chúng trở nên rất khó khăn. Các thuật toán cần phải có khả năng phát hiện và xử lý các tình huống chồng chéo một cách hiệu quả. Để làm điều này, các thuật toán có thể sử dụng các thông tin bổ sung như hình dạng, chuyển động, và màu sắc của các đối tượng. Trong trường hợp này, nếu một đối tượng Op được phát hiện biến mất, thì sẽ kiểm tra xem có một đối tượng mới Oi nào có đường bao xung quanh che lên Op và nó được tham chiếu bởi đối tượng trước là Ot không. (Xem sơ đồ 2.2 và phần 2.2.2)

VI. Ứng Dụng Phát Hiện Chuyển Động Giám Sát An Ninh

Các phương pháp phát hiện chuyển động trong video có rất nhiều ứng dụng thực tiễn, đặc biệt trong lĩnh vực giám sát và an ninh. Hệ thống giám sát video thông minh có thể được sử dụng để phát hiện các hành vi bất thường, ngăn chặn tội phạm, điều khiển giao thông, và bảo vệ tài sản. Các ứng dụng khác bao gồm giám sát sức khỏe, phân tích hành vi của khách hàng, và kiểm soát chất lượng trong sản xuất. Việc phát triển các thuật toán phát hiện chuyển động hiệu quả là rất quan trọng để nâng cao hiệu quả và độ tin cậy của các hệ thống này.

6.1. Hệ Thống Giám Sát An Ninh Thông Minh

Hệ thống giám sát an ninh thông minh sử dụng các thuật toán phát hiện chuyển động để tự động phát hiện các sự kiện đáng ngờ trong video. Ví dụ, hệ thống có thể được lập trình để phát hiện khi có người xâm nhập vào khu vực cấm, khi có xe dừng lại ở vị trí không được phép, hoặc khi có người bỏ lại hành lý không có người trông coi. Khi một sự kiện đáng ngờ được phát hiện, hệ thống có thể tự động cảnh báo cho người quản lý, hoặc kích hoạt các biện pháp an ninh khác. Như vậy, khả năng phát hiện sự dời đi và biến mất của các đối tượng là vấn đề sống còn của một số ứng dụng giám sát.

6.2. Kiểm Soát Giao Thông Và Điều Phối Xe Cộ

Các thuật toán phát hiện chuyển động cũng có thể được sử dụng để kiểm soát giao thông và điều phối xe cộ một cách hiệu quả hơn. Ví dụ, hệ thống có thể sử dụng camera để theo dõi lưu lượng xe trên đường, và tự động điều chỉnh thời gian đèn tín hiệu để giảm tắc nghẽn giao thông. Hệ thống cũng có thể được sử dụng để phát hiện các vụ tai nạn giao thông, và tự động thông báo cho các dịch vụ khẩn cấp. Bằng cách sử dụng thông tin từ camera, các hệ thống giao thông thông minh có thể cải thiện an toàn giao thông, giảm thời gian di chuyển, và giảm ô nhiễm môi trường.

Trích đoạn nội dung tài liệu

Chương 1 - TỔNG QUAN VỀ XỬ LÝ VIDEO VÀ PHÁT HIỆN ĐỐI TƯỢNG CHUYỂN ĐỘNG 1. Tổng quan về xử lý Video 1. Sơ lược về Video Ngày nay, không ai có thể phủ nhận các thành tựu mà ngành công nghệ thông tin mang lại. Trong đó, đa phương tiện là một khía cạnh quan trọng với nhiều ứng dụng thiết thực nhằm làm cho xã hội ngày càng phát triển hơn, văn minh hơn.

Nhưng với sự phát triển không ngừng như hiện nay của công nghệ thông tin, như thế vẫn là chưa đủ. Vẫn cần nhiều hơn nữa các nghiên cứu liên quan đến khía cạnh này. Trong đó phải kể đến một lĩnh vực rất quan trọng của đa phương tiện, đó là Video và xử lý video. Video là sự tái tạo ảnh tự nhiên theo không gian và thời gian hoặc cả hai, thực chất là một dãy ảnh liên tục theo thời gian nhằm mô phỏng sự chuyển động.

Việc dùng ảnh liên tục để mô tả chuyển động theo thời gian đã xuất hiện gần 2 thế kỉ nay. Năm 1834 nhà toán học William George Horner đã phát minh ra cách mô tả này. Sau đó, hàng loạt các nghiên cứu khác được triển khai và đã có những ứng dụng đáng kể. Năm 1887, khi Hannubal Good phát minh ra phim ảnh thì vấn đề ảnh chuyển động được quan tâm đặc biệt vì những lợi ích kinh tế mà nó mang lại.

Năm 1895, một hệ thống camera/Projector với các chuẩn phim (35mm chiều rộng, 24 khung hình trên giây) được phát triển bởi Louis Lumiére. Sự chuẩn hóa của video tương tự trong những năm đầu của thập niên 1950 (NTSC) và những năm cuối của 1960 (SECAM và PAL) làm cho ảnh chuyển động xuất hiện hầu như khắp nơi, với các thiết bị vô tuyến được dùng rộng rãi cho mục đích giải trí, các hệ thống ứng dụng công nghệ như phát hiện chuyển động tiếp tục được phát triển. Vào năm 1990, các tổ chức về chuẩn hóa như tổ chức ISO-IEC (International Organization for Standard – International Electrotechnical Commission) đã đưa ra chuẩn MJPEG cho video kĩ thuật số, tổ chức chuẩn ITU-T (International Telecommunication Union) đã đưa ra chuẩn H.261 và một số các chuẩn liên quan khác. Đi kèm với nó là các thiết bị tin học giá rẻ đã tạo nên sự phát triển bùng nổ cho các ứng dụng đa phương tiện.

TIEU LUAN MOI download : skknchat@gmail.1 Video tương tự NTSC Video: Đây là dạng Video tương tự với 525 dòng trên một khung hình, 30 khung hình trong một giây, quét cách dòng, chia làm hai trường (mỗi trường 262.5 dòng), có 20 dòng dự trữ cho thông tin điều khiển tại thời điểm bắt đầu mỗi trường. PAL Video: Dạng Video này có 625 dòng trên một khung hình, 25 khung hình trong một giây, quét cách dòng. Khung gồm hai trường chẵn lẽ, mỗi trường bao gồm 312.2 Video số Một số tiêu chuẩn của Video số lấy theo tiêu chuẩn CCIR (Consultative Committee for International Radio) Bảng1. Các tiêu chuẩn của Video số CCIR CCIR 601625/50 601525/60 CIF QCIF PAL/SECAM NTSC Độ phân giải 720x480 360x576 352x288 176x144 độ chói Độ phân giải 360x480 360x576 176x144 88x72 màu sắc Lấy mẫu màu 4:2:2 4:2:2 4:2:0 4:2:0 Số trường /s 60 50 30,15,10,7.5 Cách quét Cách dòng Cách dòng Liên tục Liên tục 1.

Các chuẩn video Các chuẩn do tổ chức chuẩn ISO-IEC (International Organization for Standard- International Electrotechnical Commission) đưa ra bao gồm: Chuẩn MJPEG MJPEG (Motion JPEG) là tên gọi của một lớp các quy cách của video, trong đó mỗi frame của video hoặc phạm vi được kết hợp lại của một dãy video số được nén lại một cách độc lập như là một ảnh JPEG MJPEG sử dụng hình thái nén dựa trên phép biến đổi cosin rời rạc. Phép toán này chuyển đổi mỗi frame của video nguồn từ miền thời gian xác định vào miền tần số. Một mô hình tri giác dựa theo một cách không chặt chẽ vào hệ thống trực quan của TIEU LUAN MOI download : [e-mail] 5 con người để loại bỏ thông tin có tần số cao, ví dụ như sự chuyển đổi một cách chính xác theo cường độ và màu sắc. Trong miền chuyển đổi, việc xử lý rút gọn các thông tin được gọi là lượng tử.

Trong đó, lượng tử là một phương pháp làm giảm được một nhóm tỷ lệ lớn (với sự xẩy ra khác nhau của mỗi một nhóm) vào một nhóm nhỏ hơn, và miền chuyển đổi này rất thuận tiện cho việc biểu diễn ảnh bởi các hệ số có tần số cao, nó góp phần làm giảm các ảnh trên hơn là các hệ số khác với những đặc tính có giá trị nhỏ với hệ số nén cao. Các hệ số lượng tử này ngay sau đó được xếp dãy và đóng gói vào đầu ra của các tuyến bit. Gần như việc thi hành của tất cả các phần mềm của chuẩn MJPEG cho phép người dùng điểu khiển trên tỉ lệ nén (như là các tham biến tùy ý khác), cho phép người sử dụng để trao đổi ngoại tuyến đối với các tệp có kích thước nhỏ hơn. Trong các ứng dụng nhúng (miniDV, nó được sử dụng tương tự như sự pha trộn nén biến đổi cosine rời rạc), Các tham biến này được lựa chọn trước và thiết lập cho ứng dụng.

Chuẩn Video MPEG-1 MPEG-1 là một chuẩn được phát triển và thừa nhận năm 1992 để lưu trữ dạng nén thô các Video dạng CIF và kết hợp với audio khoảng 1.5 Mbps (các tỉ lệ nén tách biệt là 26:1 và 6:1) trên nhiều môi trường lưu trữ số khác nhau như VCD , DAT, Winchester, đĩa quang, cáp, vệ tinh số và truyền thanh số với ứng dụng chính là các hệ thống đa phương tiện trực tuyến Chuẩn MPEG-1 còn được gọi là ISO/IEC-11172 bao gồm các phần sau: 1. Kiểm tra sự đúng đắn (kiểm tra sự chính xác của việc thực hiện chuẩn) 5. Các phần mềm cơ sở (chẳng hạn như các phần mềm mã hóa và giải mã) Cụ thể chuẩn MPEG-1 cho Video như sau Không gian màu của MPEG-1 Trước khi mã hóa video thành MPEG-1, không gian màu được chuyển đổi thành Y‟CbCr (Y‟=Luma, Cb = Thành phần màu Blue, Cr = thành phần màu Red). Luma bao gồm độ sáng và độ phân giải được lưu trữ tách biệt nhau theo thành phần (màu, màu sắc, giai đoạn) và được phân biệt giữa các thành phần Red và Blue Các đặc tính của MPEG-1  Là tiêu chuẩn tổng quát cú pháp, hỗ trợ ước lượng chuyển động, dự đoán bù chuyển động, dùng thuật toán mã hóa rời rạc cosine TIEU LUAN MOI download : [e-mail] 6  Không định nghĩa các thuật toán xác định cụ thể mà thiết kế bộ mã hóa linh hoạt  Khả năng phục vụ các ảnh khác nhau, hoạt động trên các thiết bị, tốc độ khác nhau.

 Truy cập ngẫu nhiên dựa trên các điểm truy cập độc lập.  Tìm nhanh xem như quét dòng bit mã hóa, chỉ hiển thị các khung được chọn.  Trễ mã hóa và giải mã hợp lý (1s), gây ấn tượng tốt cho truy cập video đơn công. MPEG-1 chỉ xét các tín hiệu Video lũy tiến.

Sử dụng không gian màu (Y, Cr, Cb) đã được thừa nhận theo kiến nghị CCIR 601. Trong SIF (Standard Input Format) MPEG kênh chính là 352 pixel x 240 dòng và 30 khung hình/s. Sau đây là một số ràng buộc đối với MPEG-1: Bảng 1. Một số ràng buộc của MPEG-1 Số pixel lớn nhất trên một dòng 720 Số dòng lớn nhất trên một ảnh 576 Số ảnh trong một giây 30 Số MB trên một ảnh 396 Số MB trên một giây 9900 Tốc độ bit tối đa 1.86 Mbps Kích thước bộ đệm giải nén tối đa 376.832 bits Chuẩn Video MPEG-2 MPEG-2 là một phiên bản mở rộng của MPEG-1 để cung cấp phạm vi rộng các ứng dụng với tốc độ bit và các độ phân giải khác nhau (2-20Mbps) Các đặc tính chính MPEG-2 được sử dụng rộng rãi như là định dạng của các tín hiệu vô tuyến kỹ thuật số, các tín hiệu này có thể là tín hiệu vệ tinh, tín hiệu hữu tuyến, vô tuyến.

Nó cũng định dạng cho phim ảnh và một số chương trình khác được lưu trên DVD hoặc một số đĩa từ tương tự. MPEG-2 là một chuẩn quốc tế và còn có tên gọi khác là ISO/IEC 13818 Chuẩn MPEG-2 cho video tương tự như chuẩn MPEG-1 Chuẩn Video MPEG-4 TIEU LUAN MOI download : [e-mail] 7 MPEG-4 phát triển cho tốc độ bit rất thấp từ 4.8 đến 68 kbps, tuy nhiên sau đó đã nâng tốc độ lên đáng kể. - Video: 5kbps đến 10 Mbps - Audio: 2kbps đến 64 kbps Dạng chuẩn này nhằm hỗ trợ phát triển riêng cho các đối tượng khác nhau tạo khả năng thích nghi, linh động để cải thiện chất lượng của các dịch vụ như: tivi số, đồ họa trình diễn, World Wide Web, videophone và các mở rộng của chúng. MPEG-4 còn được gọi là chuẩn ISO/IEC 14496 Chuẩn Video MPEG-7 Được thừa nhận thành tiêu chuẩn quốc tế tháng 7/2001 MPEG-7 đề xuất cho việc tìm kiếm, chọn lựa, quản lý và phân tích thông tin đa phương tiện, không tập trung vào một ứng dụng cụ thể, không phải là một tiêu chuẩn mã hóa thực sự cho Audio, Video hay multimedia.

MPEG-7 cũng là một dạng phát triển lên từ phiên bản của MPEG-1 và nó đang được phát triển. MPEG-7 cung cấp một tập hợp đầy đủ các công cụ chuẩn hóa để mô tả nội dung của đa phương tiện. Cả người dùng và hệ thống tự động xử lý hệ âm thanh thực đều thuộc phạm vi của MPEG-7. Ngoài ra, tổ chức chuẩn ITU-T (International Telecommunication Union) cũng đưa ra một số chuẩn cho Video như sau: Chuẩn H.120 là chuẩn đầu tiên cho việc mã hóa video kĩ thuật số.

được đưa ra vào những năm 1984.120 chạy với tốc độ 1544kbit/s cho NTSC và 2048 cho PAL Chuẩn Video H.261 được phát triển cho dịch vụ truyền hình hội nghị và Video phone qua ISDN ở tốc độ px64kbps/s (p=1, 2, …,30), H.261 làm cơ sở cho các chuẩn nén sau này như MPEG 1, 2.261 sử dụng dạng thức trung gian CIF (Common Intermediate Format) với các tốc độ bit thấp hơn, nó sử dụng dạng có tốc độ nhỏ hơn ¼ là QCIF (Quadrature). Với tốc độ 30 khung hình/s thì tốc độ dữ liệu của CIF là 37.3 Mbps, QCIF là 9. Tốc độ càng thấp thì càng giảm số khung hình/s. Tín hiệu video được phân thành các lớp, mỗi lớp đều có các header để định nghĩa các tham số được sử dụng bởi bộ mã hóa khi tạo dòng bit.

Lớp ảnh được phân thành TIEU LUAN MOI download : [e-mail] 8 các nhóm khối GOB (Group of Block), các GOB bao gồm các MB (MacroBlock). MB là đơn vị nhỏ nhất bao gồm 4 khối 8x8 của tín hiệu Y và hai khối 8x8 của tín hiệu sắc. Lớp GOB luôn được kết hợp của 33 MB hợp thành ma trận 3x11. Mỗi MB có một header chứa địa chỉ MB và kiểu nén, tiếp theo là dữ liệu của khối.