Luận văn thạc sĩ HCMUTE về ứng dụng kỹ thuật phát hiện người trong giám sát an ninh

• Tác giả: Nguyễn Thị Phong
• Người hướng dẫn: TS. Hoàng Văn Dũng
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện Tử
• Đề tài: Ứng Dụng Kỹ Thuật Phát Hiện Người Trong Giám Sát An Ninh
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: Tp. Hồ Chí Minh

• LÝ LỊCH KHOA HỌC
• LỜI CAM ĐOAN
• CẢM TẠ
• TÓM TẮT
• ABSTRACT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Các nghiên cứu liên quan đến đề tài
• 1.2. Các nghiên cứu trong nước
• 1.3. Các nghiên cứu ngoài nước
• 1.4. Mục tiêu nghiên cứu
• 1.5. Nhiệm vụ và giới hạn của đề tài
• 1.6. Phương pháp nghiên cứu
• 1.7. Kế hoạch thực hiện
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Tổng quan về phương pháp xử lý ảnh
• 2.2. Vector gradient ảnh
• 2.3. Đặc trưng HOG
• 2.4. Bộ mô tả HOG tĩnh
• 2.5. Bộ mô tả HOG chuyển động
• 2.6. Trích rút đặc trưng HOG
• 2.7. Các biến thể của phương pháp HOG
• 2.8. Các bộ mô tả đặc trưng khác
• 2.9. Cải thiện cách tính đặc trưng HOG
• 2.10. Máy vector hỗ trợ SVM (Support Vector Machines)
• 2.11. Phân loại tuyến tính với lề cực đại (maximum-margin linear classifier)
• 2.12. Các điều kiện Karush-Kuhn-Tucker
• 2.13. Hàm phân loại tuyến tính với lề mềm cực đại (Soft Margin Classifiers)
• 2.14. Hàm nhân và SVM phi tuyến (Kernel function and nonlinear SVMs)
• 2.15. Phương pháp trượt window phát hiện người
• 2.16. Đề xuất ứng dụng phát hiện người trong giám sát an ninh
• 2.17. Sự cấp thiết đề xuất mô hình nhận dạng cảnh báo an ninh
• 2.18. Đề xuất mô hình hệ thống nhận dạng cảnh báo an ninh
• 3. CHƯƠNG 3: THỰC NGHIỆM - ĐÁNH GIÁ
• 3.1. Sơ đồ các bước thực hiện
• 3.2. Trích rút đặc trưng HOG
• 3.3. Huấn luyện và test bộ phân loại nhị phân
• 3.4. Xây dựng bộ phát hiện người trên ảnh tĩnh
• 3.5. Cải thiện thời gian tính đặc trưng HOG dùng matlab
• 3.6. Phát hiện người trong video
• 3.7. Kết quả từ bộ phân loại SVM
• 3.8. Kết quả cải thiện tính thời gian trích đặc trưng HOG
• 4. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

I. Tổng quan

Trong thập kỷ qua, giám sát an ninh đã trở thành một lĩnh vực quan trọng trong công nghệ hiện đại. Các hệ thống tự động phát hiện người đã thu hút sự chú ý đáng kể nhờ vào khả năng ứng dụng đa dạng của chúng. Kỹ thuật phát hiện người được sử dụng rộng rãi trong nhiều lĩnh vực như an ninh, giám sát video và phát hiện người đi bộ trong các phương tiện thông minh. Tuy nhiên, việc phát hiện người trong ảnh và video gặp nhiều thách thức do sự đa dạng về môi trường, quang cảnh và hình dáng con người. Để giải quyết vấn đề này, các phương pháp như trích rút đặc trưng HOG và thuật toán SVM đã được áp dụng. Đề tài này nghiên cứu phát hiện người đi bộ dựa trên phương pháp trượt cửa sổ nhằm cải thiện độ chính xác và tốc độ của hệ thống. Mục tiêu chính là phát triển một mô hình có thể nhận diện và phát hiện người trong các tình huống thực tế.

II. Cơ sở lý thuyết

Cơ sở lý thuyết của nghiên cứu này bao gồm các khái niệm về giám sát an ninh, công nghệ giám sát và các phương pháp phát hiện đối tượng. Hệ thống giám sát thường bao gồm ba giai đoạn chính: trích rút đặc trưng, xây dựng mô hình phân loại và phát hiện đối tượng trong ảnh hoặc video. Đặc trưng HOG (Histogram of Oriented Gradients) là một trong những phương pháp phổ biến nhất để phát hiện người. Phương pháp này giúp trích xuất các đặc trưng hình ảnh từ các đối tượng mẫu, từ đó xây dựng mô hình phân loại bằng cách sử dụng thuật toán SVM. Việc cải thiện tốc độ tính toán HOG là rất cần thiết để đáp ứng yêu cầu thời gian thực trong giám sát an ninh. Các nghiên cứu trước đây đã chỉ ra rằng việc tối ưu hóa quy trình tính toán HOG có thể nâng cao hiệu suất của hệ thống phát hiện.

III. Thực nghiệm Đánh giá

Trong phần thực nghiệm, nghiên cứu đã tiến hành đánh giá hiệu quả của mô hình phát hiện người dựa trên phương pháp trượt cửa sổ. Các bước thực hiện bao gồm trích rút đặc trưng HOG từ ảnh tĩnh và video, huấn luyện và kiểm tra bộ phân loại nhị phân. Kết quả cho thấy rằng việc cải thiện thời gian tính toán HOG đã giúp tăng tốc độ phát hiện mà vẫn giữ được độ chính xác cao. Hệ thống được thử nghiệm trên tập dữ liệu INRIA và cho thấy khả năng phát hiện người trong các điều kiện khác nhau. Các kết quả thực nghiệm đã chứng minh rằng mô hình đề xuất có thể được áp dụng hiệu quả trong giám sát an ninh và các ứng dụng thực tế khác.

IV. Kết luận và hướng phát triển

Nghiên cứu đã chỉ ra rằng việc ứng dụng kỹ thuật phát hiện người trong giám sát an ninh tại HCMUTE có thể mang lại nhiều lợi ích thực tiễn. Mô hình phát hiện người dựa trên phương pháp trượt cửa sổ và trích rút đặc trưng HOG đã cho kết quả khả quan trong việc nhận diện và phát hiện người trong ảnh và video. Hướng phát triển tiếp theo có thể bao gồm việc cải thiện hơn nữa độ chính xác của mô hình và mở rộng ứng dụng của nó trong các lĩnh vực khác như an ninh công cộng và quản lý an ninh. Việc tích hợp các công nghệ mới như trí tuệ nhân tạo và hệ thống an ninh thông minh cũng sẽ là một hướng đi tiềm năng cho nghiên cứu trong tương lai.