Luận văn thạc sĩ HCMUTE về ứng dụng xử lý ảnh trong giám sát an ninh

Luận văn thạc sĩ nghiên cứu hcmute ứng dụng xử lý ảnh để giám sát an ninh, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải pháp cải thiện thực tiễn.

• Tác giả: Đoàn Chánh Tín
• Người hướng dẫn: TS. Lê Chí Thông
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện Tử
• Đề tài: Ứng Dụng Xử Lý Ảnh Trong Giám Sát An Ninh
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• CẢM TẠ
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Các kết quả nghiên cứu trong và ngoài nước đã công bố
• 1.2. Các kết quả nghiên cứu trong nước
• 1.3. Các kết quả nghiên cứu ngoài nước
• 1.4. Nhiệm vụ của đề tài
• 1.4.1. Yêu cầu của đề tài
• 1.4.2. Nội dung cần thực hiện
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT XỬ LÝ ẢNH
• 2.1. Phương pháp xử lý ảnh
• 2.2. Phát hiện và nhận dạng đối tượng
• 2.2.1. Bài toán phát hiện đối tượng
• 2.2.2. Đặc trưng Harr-like
• 2.2.3. Giới thiệu về AdaBoost
• 2.2.4. Cascade of Classifiers
• 2.2.5. Cascade of boosting classifier
• 2.2.6. Quá trình phát hiện đối tượng
• 2.3. Thư viện thị giác máy tính mã nguồn mở OpenCV
• 2.4. Tập lệnh AT
• 2.4.1. Các lệnh khởi tạo GSM sim900
• 2.4.2. Các lệnh xử lý cuộc gọi
• 2.4.3. Các lệnh về SMS
• 3. CHƯƠNG 3: THIẾT KẾ VÀ THỰC HIỆN HỆ THỐNG GIÁM SÁT AN NINH
• 3.1. Yêu cầu thiết kế
• 3.2. Cài đặt cho kit nhúng
• 3.2.1. Lựa chọn hệ điều hành
• 3.2.2. Cài đặt hệ điều hành
• 3.2.3. Khởi động hệ điều hành và LXTerminal, ROOT
• 3.2.4. Điều khiển Raspberry Pi từ máy tính
• 3.2.5. Phần mềm lập trình trên Raspbian
• 3.2.6. Cài đặt thư viện OPENCV cho python
• 3.2.7. Cài đặt driver và thư viện cho Pi Camera
• 3.2.8. Cài đặt thư viện GPiO và Serial (RS-232)
• 4. CHƯƠNG 4: THIẾT KẾ VÀ THỰC HIỆN CHƯƠNG TRÌNH XỬ LÝ
• 4.1. Lưu đồ giải thuật tổng quát
• 4.2. Lưu đồ giải thuật và chương trình phát hiện mặt người
• 4.2.1. Chương trình
• 4.3. Lưu đồ giải thuật và chương trình phát cảnh báo
• 5. CHƯƠNG 5: KẾT QUẢ THỰC HIỆN
• 5.1. Kết quả đạt được trong môi trường đủ sáng
• 5.2. Kết quả đạt được trong môi trường thiếu sáng hoặc chói sáng
• 5.3. Kết quả đạt được khi khuôn mặt bị che phủ một phần
• 5.4. Kết quả đạt được khi có nhiều khuôn mặt xuất hiện cùng lúc
• 5.5. Mạch thi công
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 6.1. Kết luận
• 6.2. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về ứng dụng xử lý ảnh trong giám sát an ninh

Trong bối cảnh hiện nay, giám sát an ninh trở thành một yếu tố quan trọng trong việc bảo vệ tài sản và an toàn cho con người. Hệ thống camera an ninh được lắp đặt rộng rãi tại các khu vực công cộng và tư nhân, tuy nhiên, việc giám sát thủ công vẫn tồn tại nhiều hạn chế. Luận văn này nghiên cứu việc ứng dụng xử lý ảnh để nâng cao hiệu quả của hệ thống giám sát. Hệ thống mới sẽ tự động phát hiện và cảnh báo khi có chuyển động, từ đó giảm thiểu sự can thiệp của con người và tăng cường tính chính xác trong việc phát hiện tội phạm.

1.1. Tình hình hiện tại của hệ thống giám sát

Hệ thống giám sát an ninh hiện tại chủ yếu dựa vào camera ghi hình liên tục. Tuy nhiên, việc thiếu nhân lực để theo dõi liên tục dẫn đến nhiều vụ việc không được phát hiện kịp thời. Theo thống kê, nhiều vụ trộm cắp xảy ra trong khu vực có lắp đặt camera nhưng không có người theo dõi, dẫn đến việc tội phạm có thể ra vào một cách dễ dàng. Điều này cho thấy sự cần thiết phải cải tiến công nghệ giám sát hiện tại bằng cách ứng dụng công nghệ hình ảnh và trí tuệ nhân tạo để tự động hóa quá trình giám sát.

II. Cơ sở lý thuyết về xử lý ảnh

Xử lý ảnh là một lĩnh vực quan trọng trong công nghệ hình ảnh, cho phép phân tích và xử lý các hình ảnh thu được từ camera. Các phương pháp như phát hiện đối tượng, nhận dạng khuôn mặt và phân tích chuyển động là những ứng dụng phổ biến. Luận văn này tập trung vào việc sử dụng thư viện OpenCV để phát triển hệ thống giám sát. OpenCV cung cấp nhiều công cụ mạnh mẽ cho việc phân tích hình ảnh, cho phép nhận diện và theo dõi đối tượng trong thời gian thực. Việc áp dụng các thuật toán như Haar-like features và AdaBoost giúp tăng cường khả năng phát hiện và nhận dạng đối tượng một cách chính xác.

2.1. Các phương pháp xử lý ảnh

Các phương pháp xử lý ảnh hiện nay bao gồm nhiều kỹ thuật khác nhau, từ đơn giản đến phức tạp. Một trong những phương pháp phổ biến là phát hiện chuyển động, cho phép hệ thống nhận diện sự thay đổi trong khung hình. Kỹ thuật này có thể được áp dụng để phát hiện sự xuất hiện của người trong khu vực giám sát. Bên cạnh đó, việc sử dụng mạng nơron để nhận dạng khuôn mặt cũng đang trở thành xu hướng, giúp tăng cường độ chính xác trong việc xác định danh tính của người xuất hiện trong khung hình.

III. Thiết kế và thực hiện hệ thống giám sát

Hệ thống giám sát được thiết kế với mục tiêu phát hiện và cảnh báo khi có người xuất hiện trong khu vực giám sát. Hệ thống sử dụng camera để thu thập hình ảnh và OpenCV để xử lý. Khi phát hiện có chuyển động, hệ thống sẽ gửi cảnh báo qua tin nhắn SMS đến người quản lý. Việc thiết kế này không chỉ giúp tiết kiệm thời gian mà còn nâng cao tính hiệu quả trong việc bảo vệ an ninh. Hệ thống được lập trình trên nền tảng Raspberry Pi, cho phép triển khai dễ dàng và tiết kiệm chi phí.

3.1. Cấu trúc hệ thống

Cấu trúc của hệ thống bao gồm các thành phần chính như camera, mạch xử lý, và module GSM. Camera thu thập hình ảnh và truyền về mạch xử lý, nơi diễn ra quá trình xử lý ảnh. Sau khi phát hiện có chuyển động, hệ thống sẽ gửi tín hiệu đến module GSM để phát cảnh báo. Cấu trúc này cho phép hệ thống hoạt động liên tục và tự động, giảm thiểu sự can thiệp của con người trong quá trình giám sát.

IV. Kết quả thực hiện và đánh giá

Kết quả thực hiện cho thấy hệ thống có khả năng phát hiện chuyển động và nhận dạng khuôn mặt trong nhiều điều kiện ánh sáng khác nhau. Hệ thống đã được thử nghiệm trong môi trường thực tế và cho kết quả khả quan. Tốc độ xử lý nhanh và độ chính xác cao là những điểm mạnh của hệ thống. Việc ứng dụng công nghệ hình ảnh trong giám sát an ninh không chỉ giúp nâng cao hiệu quả mà còn tạo ra một giải pháp an toàn hơn cho người dân.

4.1. Đánh giá hiệu quả hệ thống

Hệ thống đã chứng minh được tính hiệu quả trong việc phát hiện và cảnh báo. Các thử nghiệm cho thấy tỷ lệ phát hiện chính xác lên đến 95% trong điều kiện đủ sáng và 85% trong điều kiện thiếu sáng. Điều này cho thấy khả năng ứng dụng của hệ thống trong thực tế là rất cao. Hệ thống không chỉ giúp bảo vệ an ninh mà còn tạo ra sự yên tâm cho người dân khi biết rằng có một giải pháp giám sát hiệu quả đang hoạt động.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh phát triển mạnh mẽ của khoa học kỹ thuật và công nghệ thông tin, việc ứng dụng xử lý ảnh trong giám sát an ninh ngày càng trở nên thiết yếu. Theo ước tính, hầu hết các công ty và doanh nghiệp hiện nay đều trang bị hệ thống camera giám sát hoạt động liên tục 24/7. Tuy nhiên, hệ thống này vẫn phụ thuộc nhiều vào con người trong việc theo dõi và phát hiện các hành vi bất thường, dẫn đến nguy cơ bỏ sót tội phạm do mệt mỏi hoặc sơ suất của nhân viên giám sát. Thực tế cho thấy, nhiều vụ đột nhập vào hộ gia đình, cửa hàng hay văn phòng đã được camera ghi lại nhưng không được phát hiện kịp thời, khiến tội phạm dễ dàng thoát thân.

Xuất phát từ thực trạng này, luận văn tập trung nghiên cứu và phát triển một hệ thống giám sát an ninh ứng dụng kỹ thuật xử lý ảnh nhằm tự động phát hiện và cảnh báo các hoạt động bất thường mà không cần sự can thiệp trực tiếp của con người. Mục tiêu cụ thể là thiết kế hệ thống có khả năng giám sát thời gian thực, phát hiện và nhận dạng nhiều đối tượng dựa trên cơ sở dữ liệu sẵn có, đồng thời gửi cảnh báo qua mạng GSM đến người sử dụng. Phạm vi nghiên cứu tập trung vào việc ứng dụng thư viện thị giác máy tính mã nguồn mở OpenCV trên nền tảng kit nhúng Raspberry Pi, với các thử nghiệm trong môi trường đa dạng về ánh sáng như đủ sáng, thiếu sáng và chói sáng.

Ý nghĩa của nghiên cứu được thể hiện qua việc nâng cao hiệu quả giám sát an ninh, giảm thiểu chi phí nhân lực và tăng độ chính xác trong phát hiện tội phạm, góp phần cải thiện an toàn xã hội. Các chỉ số hiệu suất như tốc độ xử lý, độ chính xác nhận dạng khuôn mặt và tỉ lệ cảnh báo sai được xem xét làm thước đo đánh giá thành công của hệ thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình xử lý ảnh số, nhận dạng khuôn mặt và học máy để xây dựng hệ thống giám sát. Hai lý thuyết chính được áp dụng gồm:

1. Thuật toán phát hiện khuôn mặt Viola-Jones: Đây là phương pháp nhận dạng vật thể nhanh và chính xác, dựa trên ba điểm nổi bật gồm Integral Image giúp tính toán đặc trưng Haar-like nhanh chóng, thuật toán AdaBoost để lựa chọn đặc trưng quan trọng và mô hình Cascade of Classifiers nhằm giảm thiểu thời gian xử lý và tăng độ chính xác. Thuật toán này cho phép phát hiện khuôn mặt với tỉ lệ nhận dạng lên đến gần 94% và tốc độ xử lý nhanh gấp 15 lần so với các phương pháp truyền thống.

2. Thuật toán AdaBoost (Adaptive Boosting): Thuật toán học máy này kết hợp nhiều bộ phân loại yếu thành một bộ phân loại mạnh, tập trung vào các mẫu khó nhận dạng bằng cách điều chỉnh trọng số trong quá trình huấn luyện. AdaBoost giúp tăng độ chính xác nhận dạng khuôn mặt và giảm thiểu sai sót trong phát hiện.

Các khái niệm chuyên ngành quan trọng bao gồm: đặc trưng Haar-like (edge, line, center-surround features), Integral Image, Cascade of Classifiers, bộ phân loại yếu (weak classifier), bộ phân loại mạnh (strong classifier), và thư viện OpenCV hỗ trợ xử lý ảnh và nhận dạng khuôn mặt.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là các hình ảnh thu nhận từ camera giám sát trong môi trường thực tế với kích thước ảnh 480x640 pixel, được chuyển đổi sang ảnh xám để giảm chiều dữ liệu. Cỡ mẫu thử nghiệm bao gồm nhiều trường hợp khác nhau như môi trường đủ sáng, thiếu sáng, chói sáng, khuôn mặt bị che phủ một phần, và nhiều khuôn mặt xuất hiện đồng thời.

Phương pháp phân tích sử dụng thuật toán Viola-Jones kết hợp AdaBoost để phát hiện và nhận dạng khuôn mặt trên ảnh. Quá trình xử lý ảnh bao gồm tính toán Integral Image để nhanh chóng trích xuất đặc trưng Haar-like, sau đó áp dụng Cascade of Classifiers để loại bỏ các vùng ảnh không phải khuôn mặt, chỉ giữ lại các vùng có khả năng cao là khuôn mặt.

Hệ thống được triển khai trên kit nhúng Raspberry Pi phiên bản B, cài đặt hệ điều hành Raspbian và thư viện OpenCV cho Python. Module GSM Sim900 được tích hợp để gửi cảnh báo qua tin nhắn SMS khi phát hiện đối tượng trong khu vực giám sát. Phương pháp lập trình nhúng và điều khiển module GSM sử dụng tập lệnh AT.

Timeline nghiên cứu kéo dài trong khoảng một năm, bao gồm các giai đoạn: tìm hiểu lý thuyết và công nghệ, thiết kế hệ thống phần cứng và phần mềm, cài đặt và thử nghiệm, đánh giá kết quả và hoàn thiện luận văn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả phát hiện khuôn mặt trong môi trường đủ sáng: Hệ thống đạt tỉ lệ phát hiện chính xác trên 95% khi thử nghiệm trong điều kiện ánh sáng đầy đủ, với khả năng nhận dạng khuôn mặt chính diện và nghiêng ở khoảng cách gần và xa. Tốc độ xử lý trung bình đạt khoảng 15 khung hình mỗi giây, đảm bảo hoạt động thời gian thực.

2. Khả năng hoạt động trong điều kiện thiếu sáng hoặc chói sáng: Mặc dù độ chính xác giảm nhẹ, hệ thống vẫn duy trì tỉ lệ phát hiện trên 85% trong các môi trường ánh sáng phức tạp, nhờ vào thuật toán xử lý ảnh và điều chỉnh tham số phù hợp. Ví dụ, trong môi trường thiếu sáng, tỉ lệ phát hiện khuôn mặt chính diện đạt khoảng 87%, trong khi ở điều kiện chói sáng là khoảng 83%.

3. Phát hiện khuôn mặt bị che phủ một phần: Hệ thống có khả năng nhận dạng khuôn mặt khi người dùng đeo kính, khẩu trang hoặc tóc che phủ một phần, với tỉ lệ thành công khoảng 80%. Điều này chứng tỏ tính linh hoạt và ứng dụng thực tế cao của hệ thống trong các tình huống đa dạng.

4. Nhận dạng nhiều khuôn mặt cùng lúc: Trong các thử nghiệm với 2 đến 4 khuôn mặt xuất hiện đồng thời, hệ thống vẫn duy trì tỉ lệ phát hiện trên 75%, cho thấy khả năng xử lý song song và đa đối tượng hiệu quả.

Thảo luận kết quả

Nguyên nhân chính giúp hệ thống đạt được hiệu quả cao là nhờ sự kết hợp giữa thuật toán Viola-Jones với AdaBoost và mô hình Cascade of Classifiers, giúp giảm thiểu sai sót và tăng tốc độ xử lý. Việc sử dụng thư viện OpenCV mã nguồn mở cũng tạo điều kiện thuận lợi cho việc phát triển và tối ưu hóa thuật toán trên nền tảng nhúng Raspberry Pi.

So sánh với các nghiên cứu trước đây, hệ thống này có tốc độ xử lý nhanh hơn gấp nhiều lần và độ chính xác tương đương hoặc cao hơn, đặc biệt trong các điều kiện ánh sáng không thuận lợi. Kết quả có thể được trình bày qua biểu đồ so sánh tỉ lệ phát hiện khuôn mặt trong các môi trường khác nhau và bảng thống kê tỉ lệ cảnh báo sai (false alarm) theo từng trường hợp thử nghiệm.

Ý nghĩa của kết quả nghiên cứu là hệ thống có thể ứng dụng rộng rãi trong các lĩnh vực an ninh, giám sát công cộng, kiểm soát ra vào, và các ứng dụng tự động hóa khác, góp phần giảm thiểu chi phí nhân lực và nâng cao hiệu quả giám sát.

Đề xuất và khuyến nghị

1. Triển khai hệ thống giám sát tự động tại các khu vực trọng điểm: Khuyến nghị các cơ quan an ninh và doanh nghiệp lắp đặt hệ thống giám sát sử dụng công nghệ xử lý ảnh tự động để giảm thiểu sự phụ thuộc vào nhân viên giám sát, nâng cao tỉ lệ phát hiện kịp thời các hành vi bất thường. Thời gian thực hiện đề xuất này nên trong vòng 6-12 tháng.

2. Nâng cấp phần cứng và tối ưu thuật toán: Đề xuất nghiên cứu tiếp tục cải tiến thuật toán nhận dạng khuôn mặt để tăng độ chính xác trong điều kiện ánh sáng yếu và che phủ khuôn mặt, đồng thời nâng cấp kit nhúng hoặc sử dụng các bộ xử lý mạnh hơn nhằm tăng tốc độ xử lý. Chủ thể thực hiện là các nhóm nghiên cứu và nhà phát triển công nghệ trong vòng 12-18 tháng.

3. Mở rộng cơ sở dữ liệu đối tượng nhận dạng: Để tăng khả năng nhận dạng đa dạng đối tượng, cần xây dựng và cập nhật cơ sở dữ liệu khuôn mặt phong phú, bao gồm các biến thể về tuổi tác, giới tính, trang phục và phụ kiện. Các tổ chức an ninh và doanh nghiệp nên phối hợp thực hiện trong 12 tháng.

4. Tích hợp hệ thống cảnh báo đa kênh: Ngoài việc gửi cảnh báo qua SMS, hệ thống nên được mở rộng để gửi thông báo qua email, ứng dụng di động hoặc hệ thống quản lý trung tâm nhằm tăng tính linh hoạt và hiệu quả trong việc phản ứng nhanh. Thời gian triển khai dự kiến 6-9 tháng, do các nhà phát triển phần mềm đảm nhiệm.

Đối tượng nên tham khảo luận văn

1. Các nhà nghiên cứu và sinh viên ngành kỹ thuật điện tử, công nghệ thông tin: Luận văn cung cấp kiến thức chuyên sâu về xử lý ảnh, nhận dạng khuôn mặt và lập trình nhúng, giúp họ phát triển các đề tài nghiên cứu liên quan hoặc ứng dụng thực tế.

2. Doanh nghiệp và tổ chức an ninh: Các đơn vị này có thể áp dụng hệ thống giám sát tự động để nâng cao hiệu quả quản lý an ninh, giảm chi phí nhân sự và tăng cường khả năng phát hiện tội phạm.

3. Nhà phát triển phần mềm và kỹ sư hệ thống nhúng: Luận văn trình bày chi tiết về việc tích hợp thư viện OpenCV trên nền tảng Raspberry Pi và điều khiển module GSM, là tài liệu tham khảo hữu ích cho việc phát triển các ứng dụng tương tự.

4. Cơ quan quản lý và hoạch định chính sách về an ninh công cộng: Thông tin và kết quả nghiên cứu giúp họ đánh giá và đề xuất các giải pháp công nghệ phù hợp nhằm nâng cao an ninh xã hội.

Câu hỏi thường gặp

1. Hệ thống có thể hoạt động hiệu quả trong điều kiện ánh sáng yếu không?
   Hệ thống duy trì tỉ lệ phát hiện trên 85% trong môi trường thiếu sáng nhờ thuật toán xử lý ảnh và điều chỉnh tham số phù hợp, tuy độ chính xác có giảm nhẹ so với điều kiện đủ sáng.

2. Có thể nhận dạng nhiều khuôn mặt cùng lúc không?
   Có, hệ thống đã thử nghiệm với 2 đến 4 khuôn mặt đồng thời và đạt tỉ lệ phát hiện trên 75%, cho thấy khả năng xử lý đa đối tượng hiệu quả.

3. Hệ thống gửi cảnh báo bằng cách nào?
   Sau khi phát hiện đối tượng, hệ thống tự động gửi tin nhắn SMS qua module GSM Sim900 đến điện thoại người dùng, giúp cảnh báo kịp thời mà không cần sự can thiệp của con người.

4. Phần mềm sử dụng để phát triển hệ thống là gì?
   Luận văn sử dụng ngôn ngữ lập trình Python kết hợp thư viện OpenCV trên nền tảng hệ điều hành Raspbian của kit nhúng Raspberry Pi, đảm bảo tính linh hoạt và hiệu suất xử lý.

5. Hệ thống có thể áp dụng cho các mục đích khác ngoài giám sát an ninh không?
   Có, các kỹ thuật xử lý ảnh và nhận dạng khuôn mặt có thể được ứng dụng trong nhiều lĩnh vực như kiểm soát ra vào, tương tác người-máy, y tế và robot tự hành.

Kết luận

• Luận văn đã thiết kế và triển khai thành công hệ thống giám sát an ninh tự động ứng dụng xử lý ảnh và nhận dạng khuôn mặt trên nền tảng kit nhúng Raspberry Pi.
• Hệ thống hoạt động hiệu quả trong nhiều điều kiện ánh sáng khác nhau, với tỉ lệ phát hiện khuôn mặt đạt trên 85% trong môi trường phức tạp.
• Việc tích hợp module GSM cho phép gửi cảnh báo tự động qua tin nhắn SMS, giảm thiểu sự phụ thuộc vào nhân lực giám sát.
• Thuật toán Viola-Jones kết hợp AdaBoost và Cascade of Classifiers đảm bảo tốc độ xử lý nhanh và độ chính xác cao, phù hợp với yêu cầu thời gian thực.
• Hướng phát triển tiếp theo bao gồm nâng cấp phần cứng, mở rộng cơ sở dữ liệu nhận dạng và tích hợp đa kênh cảnh báo nhằm nâng cao hiệu quả và ứng dụng thực tế của hệ thống.

Để tiếp tục phát triển và ứng dụng hệ thống, các nhà nghiên cứu và doanh nghiệp được khuyến khích triển khai thử nghiệm thực tế, đồng thời phối hợp nghiên cứu cải tiến thuật toán và phần cứng. Hãy bắt đầu áp dụng công nghệ xử lý ảnh tự động để nâng cao an ninh và hiệu quả quản lý ngay hôm nay!

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ ĐOÀN CHÁNH TÍN ỨNG DỤNG XỬ LÝ ẢNH ĐỂ GIÁM SÁT AN NINH NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 S K C0 0 4 4 1 0 Tp. Hồ Chí Minh, tháng 10/2014 Luan van z BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ ĐOÀN CHÁNH TÍN ỨNG DỤNG XỬ LÝ ẢNH ĐỂ GIÁM SÁT AN NINH NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 Tp. Hồ Chí Minh, tháng 10 năm 2014 i Luan van z BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ ĐOÀN CHÁNH TÍN ỨNG DỤNG XỬ LÝ ẢNH ĐỂ GIÁM SÁT AN NINH NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 Hƣớng dẫn khoa học: TS. LÊ CHÍ THÔNG Tp.

Hồ Chí Minh, tháng 10 năm 2014 ii Luan van LÝ LỊCH KHOA HỌC I. LÝ LỊCH SƠ LƢỢC: Họ & tên: Đoàn Chánh Tín Giới tính: Nam Ngày, tháng, năm sinh: 20/02/1988 Nơi sinh: Tp.HCM Quê quán: Hóc Môn Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: 16/1 Ấp Trung Đông, xã Thới Tam Thôn, Hóc Môn, Tp. HCM Điện thoại di động: [phone] Điện thoại nhà riêng: 08.38910955 Fax: E-mail: doanchanhtin1@gmail. QUÁ TRÌNH ĐÀO TẠO: 1.

Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 9/2006 đến 6/2011 Nơi học (trƣờng, thành phố): Trƣờng Đại Học Kỹ Thuất Công Nghệ Tp. Hồ Chí Minh Ngành học: Kỹ Thuật Điện Tử, Truyền Thông Tên đồ án, luận án hoặc môn thi tốt nghiệp: Nghiên cứu và thi công mạch báo hành vi của thiết bị điện và điều khiển thiết bị điện qua mạng SMS Ngày & nơi bảo vệ đồ án, luận án hoặc thi tốt nghiệp: Trƣờng Đại Học Kỹ Thuật Công Nghệ Tp. Hồ Chí Minh Ngƣời hƣớng dẫn: Th.S Trần Duy Cƣờng III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm 2013-2014 Trƣờng Cao Đẳng Công Nghệ Thủ Đức Giảng viên iii Luan van LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi.

Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác. Hồ Chí Minh, ngày … tháng … năm 2014 Đoàn Chánh Tín iv Luan van CẢM TẠ Lời đầu tiên em xin gửi đến Thầy, TS.Lê Chí Thông lời cảm ơn chân thành và sâu sắc nhất về sự giúp đỡ của Thầy.Trong suốt thời gian thực hiện luận văn, mặc dù rất bận rộn trong công việc nhƣng Thầy vẫn giành rất nhìu thời gian và tâm huyết trong việc hƣơng dẫn em.Thầy đã cung cấp cho em rất nhìu hiểu biết về một lĩnh vực mới khi em bắt đầu thực hiện luận văn. Thầy luôn định hƣớng, góp ý, và sửa chữa những chổ sai giúp em không bị lạc lối.Những chỉ bảo của Thầy là những con đƣờng, hƣớng đi đúng đắn giúp em tự tin phát huy những cái đã làm đƣợc, bổ sung những gì thiếu sót và sữa chữa những sai sót để có thể hoàn thiện đề tài. Bên cạnh đó, em xin cảm ơn sự dạy dỗ tận tình của các thầy, cô trong khoa Điện-Điện Tử.

Những kiến thức mà thầy cô truyền đạt là một tài sản vô giá và những kinh nghiệm mà thầy cô chỉ bảo là hành trang giúp em bƣớc đi trên đƣờng đời. Đồng thời, cho con gửi lời cảm ơn đến công ơn sinh thành và dạy dỗ của ba mẹ. Gia đình luôn là nguồn động viên và hỗ trộ lớn nhất trong suốt thời gian con thực hiện đề tài cũng nhƣ trong suốt những năm tháng con lớn khôn. Ba mẹ luôn là điểm tựa cho con trong những khi khó khăn và là động lực cho con phấn đấu trong học tập.

Một lần nữa con xin gửi lời biết ơn sâu sắc nhất đến ba mẹ. Cuối cùng, tôi xin cảm ơn sự giúp đỡ của những bạn bè. Những năm tháng học tập là biết bao sự gắn bó, hỗ trợ, động viên của các bạn trong việc học, cũng nhƣ những giúp đỡ để tôi có thể hoàn thành luận văn này. Hồ Chí Minh, tháng ., năm 2014 Đoàn Chánh Tín v Luan van TÓM TẮT Hiện nay, hầu hết các công ty, xí nghiệp đều có hệ thống camera giám sát hoạt động 24/7, đồng nghĩa với việc phải có nhân viên túc trực để giám sát camera, điều này dẫn đến hao phí tài nguyên con ngƣời, và đôi khi do mệt mỏi hay sơ ý ngƣời nhân viên không quan sát camera thì có thể bỏ sót tội phạm.

Điển hình là hàng loạt các vụ đột nhập vào hộ gia đình, cửa hàng, văn phòng … tuy đƣợc camera ghi nhận lại hình ảnh nhƣng không có ngƣời phát hiện kịp thời, nên những tên tội phạm vẫn có thể ung dung hoạt động và trở ra an toàn. Đây chính là mặt hạn chế của hệ thống giám sát hiện nay. Xuất phát từ thực tiễn đó, luận văn này nghiên cứu phát triển một hệ thống giám sát cảnh báo hoạt động hiệu quả hơn, chính xác hơn mà không cần có sự can thiệp của con ngƣời. Hệ thống hoạt động trên thời gian thực, giám sát liên tục và đồng thời phát hiện, nhận dạng nhiều đối tƣợng dựa trên những cơ sỡ dữ liệu có sẵn.

Sau đó phát cảnh báo cho ngƣời sử dụng thông qua mạng GSM. Luận văn áp dụng những thành tựu khoa học kỹ thuật sẵn có nhƣ camera giám sát an ninh, hệ thống mạng GSM kết hợp với kỹ thuật xử lý ảnh bằng thƣ viện thị giác máy tính mã nguồn mở OpenCV để xử lý hình ảnh thu nhận. Luận văn là sự kết hợp của những kiến thức cơ bản về xử lý ảnh số, lập trình Visual C++ với thƣ viện OpenCV , lập trình nhúng và lập trình tập lệnh AT điều khiển module GSM. vi Luan van ABSTRACT Today, almost all companies, enterprises have surveillance security camera system that monitoring their business 24/7.

The surveillance security camera system that was used by many companies and enterprise today is not sophisticate enough; it requires human intervention. This is leading to the wastage of human resources, and sometime if the person who was monitoring the camera was tire or careless then the crime might be overlook. Typically, there were many crimes that the thieves break into household and office that have surveillance security camera system, but they were able to flee freely from the crime scene because no one was there to reports the crime. The surveillance camera only recorded the image and without an actual person to monitoring the camera, it will become useless.

The surveillance camera alerting side is very limited in the security monitoring system today because it cannot be automatic and it requires human intervation. This is the limited side of the security monitoring system today Stemming for this limit of the surveillance security camera system today, my dissertation research is to developed a monitoring and alerting security camera system that is more efficient and it doesn‟t need human intervention. The security camera system that I am developed can operate the system on real-time, it can continuously and simultaneously monitoring and detecting object, and the recognition of the object is based on multiple databases available. After the camera recognized an object, then it alerts the user through GSM network.

This thesis applies the scientific and technical achievements of security surveillance camera that are available today; the GSM networks combined with image processing techniques in computer vision library open source OpenCV to process the images that obtained. My thesis is a combination of the basic knowledge of digital image processing, Visual C + + programming with OpenCV libraries, embedded programming and programming control module AT command set GSM. vii Luan van MỤC LỤC TRANG TRANG TỰA QUYẾT ĐỊNH GIAO ĐỀ TÀI LÝ LỊCH KHOA HỌC. iii LỜI CAM ĐOAN.

iv CẢM TẠ. vi MỤC LỤC. viii DANH SÁCH CÁC CHỮ VIẾT TẮT. xi DANH SÁCH CÁC HÌNH .xii DANH SÁCH CÁC BẢNG.

xv Chƣơng I TỔNG QUAN .2 Các kết quả nghiên cứu trong và ngoài nƣớc đã công bố.1 Các kết quả nghiên cứu trong nƣớc .2 Các kết quả nghiên cứu ngoài nƣớc.3 Nhiệm vụ của đề tài.1 Yêu cầu của đề tài .2 Nội dung cần thực hiện. 5 Chƣơng 2 CƠ SỞ LÝ THUYẾT XỬ LÝ ẢNH .1 Phƣơng pháp xử lý ảnh.3 Độ phân giải của ảnh .6 Trích chọn đặc điểm .2 Phát hiện và nhận dạng đối tƣợng. 12 viii Luan van 2.1 Bài toán phát hiện đối tƣợng.2 Đặc trƣng Harr-like.4 Giới thiệu về AdaBoost .5 Cascade of Classifiers .6 Cascade of boosting classifier .7 Quá trình phát hiện đối tƣợng .3 Thƣ viện thị giác máy tính mã nguồn mở OpenCV.4 Tập lệnh AT .1 Các lệnh khởi tạo GSM sim900.2 Các lệnh xử lý cuộc gọi .3 Các lệnh về SMS. 38 Chƣơng 3 THIẾT KẾ VÀ THỰC HIỆN HỆ THỐNG GIÁM SÁT AN NINH.1 Yêu cầu thiết kế.2 Cài đặt cho kit nhúng.

Lựa chọn hệ điều hành. Cài đặt hệ điều hành. Khởi động hệ điều hành và LXTerminal, ROOT. Điều khiển Raspberry Pi từ mày tính.

Phần mềm lập trình trên Raspbian. Cài đặt thƣ viện OPENCV cho python. Cài đặt driver và thƣ viện cho Pi Camera. Cài đặt thƣ viện GPiO và Serial (RS-232).

58 Chƣơng 4 THIẾT KẾ VÀ THỰC HIỆN CHƢƠNG TRÌNH XỬ LÝ .1 Lƣu đồ giải thuật tổng quát .2 Lƣu đồ giải thuật và chƣơng trình phát hiện mặt ngƣời.2 Chƣơng trình .3 Lƣu đồ giải thuật và chƣơng trình phát cảnh báo. 62 ix Luan van 4.2 Chƣơng trình. 62 Chƣơng 5 KẾT QUẢ THỰC HIỆN .1 Kết quả đạt đƣợc trong môi trƣờng đủ sáng .2 Kết quả đạt đƣợc trong môi trƣờng thiếu sáng hoặc chói sáng.3 Kết quả đạt đƣợc khi khuôn mặt bị che phủ một phần.4 Kết quả đạt đƣợc khi có nhìu khuôn mặt xuất hiện cùng lúc.5 Mạch thi công. 75 Chƣơng 6 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN .2 Hƣớng phát triển.

78 TÀI LIỆU THAM KHẢO. 79 x Luan van DANH SÁCH CÁC CHỮ VIẾT TẮT PCA Principal Component Analysis SVM Support Vector Machine HMM Hidden Makov Model MS-HMM Multi-Stream Hidden Makov Model KLT Karhunen-Loeve Transform SMS Short Message Services GSM Global System for Mobile Communication CV Computervision MLL Machinelearninglibrary IPP Integrated Performance Primitives GPIO General Purpose I/O PEL Picture Element RGB Red Green Blue ANN Artificial Neural Network KNN K Nearest Neighbors Classification xi Luan van DANH SÁCH CÁC HÌNH HÌNH TRANG Hình 2.1 Đặc trƣng Harr-like cơ bản.2 Đặc trƣng cạnh.3 Các đặc trƣng đƣờng.4 Các đặc trƣng xung quanh tâm.5 Giá trị một phần tử của Integral Image .6 Ví dụ cách tính nhanh các giá trị mức xám cùa vùng D trên ảnh .8 Sơ đồ khối của thuật toán Adaboost .9 Minh họa sự huấn luyện của một cascade gồm N stages .10 Cascade of boosting classifiers .11 Quá trình phát hiện đối tƣợng. 14 Vùng ảnh con. 15 Sơ đồ nhận biết khuôn mặt theo từng hàm haar.

16 Vùng ảnh con tiếp theo .