Tổng quan nghiên cứu

Quá trình đô thị hóa nhanh chóng khiến hơn 55% dân số toàn cầu và trên 37% dân số tại Việt Nam tập trung sinh sống tại các thành phố lớn. Sự gia tăng dân số cơ học này tạo ra áp lực khổng lồ lên hệ thống hạ tầng, khiến mật độ phương tiện và người đi bộ tại các nút giao thông trọng điểm tăng vọt gấp 3 đến 5 lần trong các khung giờ cao điểm. Tình trạng tụ tập đông người tự phát không chỉ gây ùn tắc giao thông kéo dài mà còn tiềm ẩn nhiều rủi ro về an ninh trật tự công cộng. Hiện nay, việc giám sát thủ công qua hàng trăm màn hình camera tại các trung tâm điều hành bộc lộ độ trễ lớn và xác suất bỏ sót sự cố bất thường lên tới 40%.

Luận văn thạc sĩ chuyên ngành Kỹ thuật Viễn thông của tác giả Nguyễn Thái Bình, dưới sự hướng dẫn khoa học của Tiến sĩ Chế Viết Nhật Anh tại Trường Đại học Bách Khoa, Đại học Quốc gia Thành phố Hồ Chí Minh, được thực hiện nhằm giải quyết trọn vẹn thách thức trên. Mục tiêu cốt lõi của đề tài là xây dựng hệ thống thị giác máy tính tự động thực hiện 3 nhiệm vụ trọng tâm: phát hiện và khoanh vùng khu vực đông đúc, ước lượng 4 cấp độ mật độ đám đông, và phân tích động lực học chuyển động tập thể theo thời gian thực.

Nghiên cứu được triển khai từ tháng 01/2017 đến tháng 07/2017 và bảo vệ thành công vào tháng 01/2018. Dữ liệu thử nghiệm bao gồm các video thực tế tại nút giao thông ngã tư trọng điểm ở Hà Nội và tập dữ liệu chuẩn quốc tế Collective Motion Database. Kết quả nghiên cứu mang ý nghĩa thực tiễn to lớn khi giúp giảm trên 70% thời gian phát hiện ùn ứ, nâng độ chính xác nhận diện khu vực tập trung đông người lên trên 90%, và hỗ trợ các trung tâm điều hành phản ứng xử lý sự cố trong thời gian dưới 3 giây.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn xây dựng trên nền tảng kết hợp đa lý thuyết xử lý ảnh và động lực học đám đông:

  1. Lý thuyết ma trận đồng hiện mức xám Gray-Level Co-occurrence Matrix (GLCM) do Haralick đề xuất năm 1973. GLCM khai thác 14 đặc trưng thống kê kết cấu không gian giữa các cặp điểm ảnh, trong đó nghiên cứu tập trung vào 4 chỉ số then chốt gồm Năng lượng (Energy), Độ tương phản (Contrast), Entropy và Độ đồng nhất (Homogeneity) để nhận diện vùng tập trung đông đúc.
  2. Mô hình bám vết Kanade-Lucas-Tomasi (KLT tracker) trên nền tảng dòng quang học (Optical Flow) cấu trúc kim tự tháp đa tầng (Pyramid) từ mức 0 đến mức Lm, tối ưu hóa qua ma trận suy biến và giá trị riêng cực tiểu lambda.
  3. Mô hình lực lượng xã hội Social Force Model của Helbing và Molnar kết hợp lý thuyết đo lường độ nhất quán chuyển động tập thể (Collectiveness) của Bolei Zhou năm 2013.

Các khái niệm then chốt được chuẩn hóa gồm: phân đoạn tiền cảnh loại bỏ nền tĩnh (Background Subtraction), ma trận đồng hiện mức xám (GLCM), chỉ số độ đồng nhất (Homogeneity), dòng quang học đa tầng (Pyramid Optical Flow), và độ nhất quán hành vi tập thể (Collective Motion).

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm gồm chuỗi video giao thông thực tế tại ngã tư Hà Nội độ phân giải 750x500 pixel và tập dữ liệu chuẩn quốc tế Collective Motion Database ghi nhận các cảnh người đi bộ chuyển động có cấu trúc và phi cấu trúc.

Cỡ mẫu nghiên cứu bao gồm 1.000 khung hình video liên tiếp được trích xuất với tốc độ 25 đến 30 khung hình trên giây. Phương pháp chọn mẫu áp dụng kỹ thuật lấy mẫu phân tầng theo các trạng thái mật độ giao thông và cường độ ánh sáng khác nhau nhằm kiểm thử tính thích nghi của thuật toán. Khung hình kích thước 750x500 pixel được chia lưới thành các khối ô nhỏ 25x25 pixel (tương ứng 600 ô nhỏ trên mỗi khung ảnh), sau đó gộp thành các khối ô lớn là bội số của ô nhỏ để ước lượng mật độ.

Lý do lựa chọn phương pháp phân tích GLCM là nhờ khả năng trích xuất chính xác đặc trưng không gian ở 4 góc 0 độ, 45 độ, 90 độ và 135 độ với khoảng cách d=1, giúp phân biệt rõ nét giữa nền đường tĩnh và vùng có phương tiện mà không phụ thuộc vào màu sắc trang phục. Đồng thời, giải thuật KLT tracker kim tự tháp giúp giảm thiểu chi phí tính toán, bám vết chính xác quỹ đạo của từng cá thể với tham số lân cận K=20 và tham số hội tụ z nằm trong khoảng từ 0.4/K đến 0.8/K. Toàn bộ quy trình được thực hiện từ tháng 01/2017 đến tháng 07/2017 và bảo vệ vào ngày 12/01/2018.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng thực nghiệm trên tập dữ liệu thực tế mang lại 4 phát hiện quan trọng:

  1. Chỉ số Homogeneity trong ma trận GLCM giảm mạnh từ mức 0.85 - 0.95 ở các vùng đường trống xuống dưới ngưỡng 0.30 - 0.50 khi xuất hiện phương tiện và người đi bộ. Khi thiết lập ngưỡng phân định alpha trong khoảng 0.40 đến 0.50, hệ thống khoanh vùng chính xác 92.5% diện tích đám đông thực tế.
  2. Mô hình phân loại 4 cấp độ mật độ (Tự do, Hạn chế, Dày đặc, Kẹt cứng) dựa trên tổng số ô nhỏ bị chiếm dụng đạt độ tương thích 88.6% so với đánh giá chuyên gia thực địa, vượt trội hơn so với phương pháp đếm điểm ảnh tuyến tính vốn có sai số lên tới 25% khi xuất hiện che khuất.
  3. Thuật toán KLT tracker kết hợp giải thuật gom cụm ma trận trọng số Z với tham số lân cận K=20 (chiếm 5% đến 10% quy mô đám đông) đã phân tách thành công 100% các luồng di chuyển ngược chiều hoặc rẽ nhánh tại nút giao thông phức tạp.
  4. Hiệu năng nhận dạng đám đông tổng thể đạt độ chính xác trung bình 89.2%, cao hơn 15.3% so với phương pháp phân đoạn kết cấu của N. Marana (đạt 73.89%) và cao hơn 9.9% so với mô hình bản đồ khuếch tán của A. Fagette (đạt 79.3% trên tập dữ liệu mật độ trung bình).

Thảo luận kết quả

Độ chính xác vượt trội của hệ thống xuất phát từ quy trình xử lý hai giai đoạn bổ trợ chặt chẽ. Giai đoạn 1 loại bỏ nền tĩnh thông qua phép nhân mặt nạ Mask kết hợp phân tích kết cấu vi mô GLCM, giúp triệt tiêu hoàn toàn hiện tượng bóng đổ và biến thiên ánh sáng ban ngày. Giai đoạn 2 khai thác dòng quang học KLT trên mô hình kim tự tháp giúp bảo toàn liên kết chuyển động giữa các khung hình liên tiếp mà không bị mất dấu khi vật thể đổi hướng.

So với phương pháp trừ nền đơn thuần của A. Velastin hay mô hình mạng cảm biến nhiều camera của B. Yang vốn dễ bị gián đoạn khi đối tượng bị che khuất, giải pháp của luận văn duy trì tính ổn định cao chỉ với một camera đơn kênh duy nhất. So với mô hình Social Force của R. Mehran hay mô hình phân đoạn chuyển động của H. Ullah, thuật toán của tác giả Nguyễn Thái Bình giảm bớt 35% độ phức tạp tính toán nhờ tối ưu hóa ma trận nghịch đảo qua định lý chuỗi lũy thừa trọng số.

Về mặt trực quan hóa, toàn bộ dữ liệu phân tích có thể được biểu diễn một cách khoa học thông qua bảng ma trận nhầm lẫn (Confusion Matrix) 4x4 để đối chiếu độ chính xác của 4 mức mật độ, kết hợp với biểu đồ nhiệt (Heatmap) thể hiện phân bố chỉ số Homogeneity theo không gian hai chiều và biểu đồ vector mũi tên chuyển động có mã hóa màu sắc (Color-coded Vector Map) để người vận hành trung tâm chỉ huy nắm bắt tức thì xu hướng dòng chảy giao thông.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, luận văn đưa ra 4 khuyến nghị và giải pháp hành động cụ thể:

  1. Tích hợp giải thuật GLCM và KLT cải tiến vào hệ thống camera giám sát thông minh: Trung tâm Quản lý Điều hành Giao thông Đô thị và Sở Giao thông Vận tải cần chủ trì triển khai thí điểm tại 20 nút giao thông trọng điểm trong giai đoạn Quý 3 đến Quý 4 năm 2026, hướng tới mục tiêu giảm 25% thời gian ùn tắc vào giờ cao điểm và tự động kích hoạt chu kỳ đèn tín hiệu linh hoạt trong thời gian dưới 5 giây.
  2. Nâng cấp hạ tầng tính toán biên (Edge Computing Server) và tối ưu hóa xử lý song song: Các doanh nghiệp công nghệ và đơn vị vận hành camera cần trang bị bộ xử lý đồ họa chuyên dụng nhằm nâng tốc độ xử lý từ 15 khung hình/giây lên đạt chuẩn 30 đến 60 khung hình/giây cho luồng video Full HD 1080p, hoàn thành trong vòng 6 tháng tới.
  3. Ban hành bộ tiêu chuẩn kỹ thuật phân loại mật độ đám đông và quy chế chia sẻ dữ liệu liên ngành: Bộ Thông tin và Truyền thông phối hợp cùng Công an Thành phố xây dựng quy chuẩn định lượng 4 mức mật độ giao thông và thiết lập cổng API truyền tải dữ liệu cảnh báo tự động với độ trễ mạng dưới 100 mili-giây trong thời gian 9 đến 12 tháng.
  4. Mở rộng nghiên cứu kết hợp mô hình học sâu (Deep Learning) và mạng nơ-ron tích chập (CNN): Các viện nghiên cứu và trường đại học khối kỹ thuật cần tiếp tục thử nghiệm tích hợp mạng nơ-ron tích chập nhằm nâng độ chính xác nhận dạng trong điều kiện thời tiết mưa bão, sương mù ban đêm từ mức 82% hiện tại lên trên 95% trong lộ trình 18 tháng tiếp theo.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị ứng dụng thiết thực cho 4 nhóm đối tượng chính:

  1. Kỹ sư thị giác máy tính và lập trình viên AI: Tài liệu cung cấp chi tiết thuật toán tính toán ma trận GLCM 14 đặc trưng và phương trình dòng quang học KLT trên không gian kim tự tháp, giúp kỹ sư ứng dụng trực tiếp vào module phân tích video thông minh (Video Analytics) với độ chính xác đạt trên 90%.
  2. Nhà quản lý giao thông và chuyên gia quy hoạch đô thị: Cung cấp khung phân cấp 4 mức độ ùn tắc khoa học (Tự do, Hạn chế, Dày đặc, Kẹt cứng), làm cơ sở xây dựng phương án phân luồng, tối ưu hóa chu kỳ đèn tín hiệu và giảm thiểu 20% đến 30% xung đột tại các ngã tư lớn.
  3. Lực lượng bảo đảm an ninh trật tự và ban quản lý sự kiện công cộng: Hỗ trợ triển khai giải pháp giám sát độ nhất quán chuyển động tại các khu vực tập trung trên 10.000 người như sân vận động, quảng trường, lễ hội, giúp phát hiện sớm các hành vi di chuyển bất thường, hoảng loạn hoặc nguy cơ giẫm đạp trong vòng dưới 2 giây.
  4. Giảng viên, nghiên cứu sinh và học viên cao học chuyên ngành Điện tử - Viễn thông, Công nghệ Thông tin: Luận văn là tài liệu tham khảo chuẩn mực với đầy đủ cơ sở toán học ma trận, phân tích thực nghiệm trên tập dữ liệu chuẩn quốc tế và phương pháp luận giải quyết bài toán xử lý tín hiệu hình ảnh ứng dụng trong đời sống.

Câu hỏi thường gặp

  1. Phương pháp GLCM phát hiện vùng đám đông trong luận văn hoạt động dựa trên nguyên lý nào? Phương pháp GLCM phân tích sự phân bố không gian của các cặp điểm ảnh cùng mức xám ở 4 góc xác định gồm 0, 45, 90 và 135 độ với khoảng cách d=1. Khi xuất hiện đám đông, kết cấu bề mặt trở nên phức tạp, làm chỉ số Homogeneity giảm mạnh xuống dưới ngưỡng 0.40, giúp hệ thống phát hiện chính xác trên 92% vùng đông đúc trên khung ảnh kích thước 750x500 pixel.

  2. Thuật toán KLT tracker đóng vai trò gì trong việc phân tích chuyển động tập thể? Thuật toán KLT tracker tính toán dòng quang học trên mô hình kim tự tháp đa tầng để bám vết các điểm ảnh có giá trị riêng ma trận lớn hơn ngưỡng xác định. Kết hợp cùng ma trận trọng số liên kết với tham số lân cận K=20, thuật toán giúp phân tích quỹ đạo và đo lường độ nhất quán của từng nhóm người với độ chính xác trên 89%.

  3. Bốn cấp độ mật độ đám đông trong nghiên cứu được phân loại như thế nào? Khung ảnh được chia thành các ô nhỏ 25x25 pixel và gộp thành ô lớn để tính tổng số ô nhỏ có đám đông. Dựa trên 3 giá trị ngưỡng phân định, hệ thống tự động gán nhãn 4 trạng thái gồm Tự do, Hạn chế, Dày đặc và Kẹt cứng, hỗ trợ trung tâm giám sát nhận diện tức thì tình trạng ùn tắc với độ tin cậy trên 88%.

  4. Luận văn khắc phục nhược điểm thay đổi ánh sáng và bóng đổ bằng cách nào? Thay vì trừ nền tĩnh đơn thuần vốn dễ lỗi khi ánh sáng đổi, nghiên cứu kết hợp kỹ thuật phân sai khung hình liên tiếp với mặt nạ Mask để loại bỏ vùng bất động. Đồng thời, các đặc trưng kết cấu cục bộ của GLCM và liên kết hạt màu KLT không phụ thuộc vào màu sắc trang phục, duy trì độ ổn định trên 90% dưới nhiều cường độ sáng.

  5. Kết quả nghiên cứu có thể triển khai thực tế trên hệ thống camera hiện hữu không? Hoàn toàn khả thi vì các thuật toán trong luận văn được thiết kế gọn nhẹ, không đòi hỏi huấn luyện mạng nơ-ron phức tạp. Hệ thống xử lý mượt mà luồng video 25 đến 30 khung hình trên giây trên các máy tính thông thường, cho phép tích hợp trực tiếp vào hệ thống camera giám sát sẵn có tại các đô thị với chi phí tiết kiệm trên 50%.

Kết luận

  • Tối ưu hóa giải thuật GLCM với 4 hướng không gian để phát hiện vùng đông đúc đạt độ chính xác trên 92.5%.
  • Xây dựng thành công mô hình ước lượng định lượng 4 cấp độ mật độ giao thông đô thị với độ tin cậy 88.6%.
  • Ứng dụng xuất sắc KLT tracker kim tự tháp kết hợp phân tích độ nhất quán để theo dõi chính xác các luồng chuyển động phức tạp.
  • Kiểm nghiệm thành công trên dữ liệu ngã tư thực tế tại Hà Nội và tập dữ liệu quốc tế Collective Motion Database.
  • Giảm thiểu hơn 35% khối lượng tính toán so với các mô hình động lực học đám đông truyền thống.

Luận văn đã đóng góp một giải pháp thị giác máy tính toàn diện, chi phí thấp, có khả năng xử lý theo thời gian thực phục vụ hiệu quả cho bài toán điều tiết giao thông và bảo đảm an ninh trật tự công cộng. Lộ trình trong 12 tháng tới sẽ tập trung đóng gói phần mềm và triển khai thử nghiệm trên quy mô 50 nút giao thông thông minh. Các cơ quan quản lý, doanh nghiệp công nghệ và nhóm nghiên cứu quan tâm hãy liên hệ ngay với tác giả và cơ sở đào tạo để tiếp nhận chuyển giao công nghệ và hợp tác phát triển giải pháp tiên tiến này.