CHƯƠNG 1 – GIỚI THIỆU BÀI TOÁN Trong chương này, đề án sẽ trình bày về cái nhìn tổng quan của bài toán phát hiện đối tượng cụ thể là bài toán phát hiện đám khói, nêu ra lý do chọn đề tài, mục tiêu chọn đề tài. Trong chương này còn nêu ra một số thành tựu đã được về bài toán phát hiện khói trong nước và ngoài nước. Đưa ra ý tưởng và hướng nghiên cứu cho đề tài, bao gồm các phần: • Giới thiệu bài toán phát hiện đối tượng • Thực trạng về hoả hoạn ở Việt Nam • Động lực và mục tiêu nghiên cứu • Các thành tựu nghiên cứu trong và ngoài nước về bài toán phát hiện khói 1.1 Giới thiệu bài toán phát hiện đối tượng Định nghĩa Object Detection ( Phát hiện đối tượng) là một kỹ thuật thị giác máy tính hoạt động để xác định và định vị các đối tượng trong một hình ảnh hoặc video. Cụ thể, phát hiện đối tượng vẽ các hộp giới hạn xung quanh các đối tượng được phát hiện này.
Các mô hình phát hiện đối tượng thường được đào tạo để phát hiện sự hiện diện của các đối tượng cụ thể trong hình ảnh, video hoặc hoạt động thời gian thực (real time). Ngay cả trước khi có phương pháp học sâu và công nghệ xử lý hình ảnh hiện đại, việc phát hiện đối tượng vẫn được quan tâm rất nhiều. Các đối tượng trong một hình ảnh và xác định từng đối tượng. Object Detection đã được sử dụng rộng rãi để phát hiện khuôn mặt, phát hiện xe, đếm số người đi bộ, hệ thống bảo mật và xe không người lái.
Có nhiều cách để nhận diện đối tượng có thể được sử dụng cũng như trong nhiều lĩnh vực thực hành. Giống như mọi công nghệ khác, một loạt các ứng dụng sáng tạo và tuyệt vời của Object Detection sẽ đến từ các lập trình viên và các nhà phát triển phần mềm. Object Detection đề cập đến khả năng của hệ thống máy tính và phần mềm để định vị các đối tượng trong một hình ảnh và xác định từng đối tượng. Object Detection 4 đã được sử dụng rộng rãi để phát hiện khuôn mặt, phát hiện xe, đếm số người đi bộ, hệ thống bảo mật và xe không người lái.
Có nhiều cách để nhận diện đối tượng có thể được sử dụng cũng như trong nhiều lĩnh vực thực hành. Ứng dụng của bài toán object detection Với công nghệ deeplearning phát triển như hiện nay với độ chính xác cao và tốc độ nhanh, bài toán object detection được áp dụng rất nhiều lĩnh vực, đặc biệt là trong việc tích hợp vào hệ thống giám sát AI camera, một số bài toán phổ biến như: phát hiện đám cháy, giám sát và đếm người, xe, phát hiện bạo lực trong các khu công cộng, phát hiện biển báo trên các hệ thống xe ô tô… Hình 1.1: Hệ thống giám sát lưu lượng phương tiện đi lại trên một tuyến đường đô thị Với việc độ chính xác của object detection càng cao, thì ứng dụng càng được áp dụng nhiều, đặc biệt là trong những các lĩnh vực quan trọng, chẳng hạn như trong y tế, phát hiện bệnh nhân đột quỵ (ngã) hoặc phát hiện ra các tế bào ung thư sớm từ các hình ảnh X quang. Trong quân sự cũng có thể là bước tiến tiếp theo của bài toán này với việc áp dụng vào các hệ thống máy bay không người lái, các hệ thống tấn công tự động khi phát hiện quân địch… 5 1.2 Thực trạng về hoả hoạn ở Việt Nam Từ xa xưa đến nay, hoả hoạn luôn là một vấn đề nhức nhối của toàn thế giới. Theo thông cáo báo chí của cục phòng cháy chữa cháy Việt Nam, chỉ tính trong 5 năm qua, cả nước xảy ra 17055 vụ cháy làm chết 433 người, bị thương 790 người, thiệt hại tài sản ước tính trên 7 nghìn tỉ đồng.
Trong đó có 15484 vụ cháy nhà dân, cơ sở, phương tiện giao thông, và 1571 vụ cháy rừng. Địa bàn xảy ra cháy chủ yếu ở thành thị chiếm khoảng trên 60%. Cháy và thiệt hại do cháy gây ra tập trung trong khu vực dân cư, nhà dân, kết hợp với sản xuất kinh doanh (chiếm trên 40% tổng số vụ cháy) và tại các cơ sở sản xuất, kho tàng (chiếm khoảng 30% tổng số vụ cháy), trong đó đã xảy ra một số vụ cháy gây hậu quả đặc biệt nghiêm trọng về người. Nguyên nhân chủ yếu là do sự cố về hệ thống, sự cố về thiết bị điện, chiếm khoảng 45%.
Các đám cháy lớn và khó kiểm soát thường xảy ra tại các môi trường hiếm khí như các khu đông dân cư có không gian chật chội, các nhà máy, xưởng có nhiều vật liệu dễ cháy nổ (theo tin thời sự, báo Giáo dục và thời đại 12/09/2022 thiếu tướng Nguyễn Văn Long, Thứ trưởng Bộ Công an báo cáo đánh giá công tác phòng cháy, chữa cháy).2: Vụ cháy xưởng chăn, ga, gối, đệm tại huyện Thanh Oai, thành phố Hà Nội Trích dẫn: Theo báo lao động, PHẠM ĐÔNG 10/09/2022 Ngoài ra thời tiết cũng là nguyên nhân khiến các vụ cháy nổ ngày một tăng nhiều, thời tiết nóng và hanh khô khiến lá cây trong rừng rất dễ bén lửa, hay do việc người dân đốt tổ ong trong môi trường hanh khô vậy khiến đám cháy khó kiểm soát. Như trong năm 2022 có một vụ cháy rừng thông lớn tại thôn 1, xã Vĩnh Thực, TP Móng Cái, Quảng Ninh, đám cháy đã khiến khoảng 6 ha rừng bị thiệt hại.3: Cháy rừng tại TP Móng Cái, Quảng Ninh 7 Trích dẫn: Theo báo tuổi trẻ, Tiến Thắng 17/12/2022 Ngoài ra còn nhiều nguyên nhân khác dẫn đến các vụ hoả hoạn như sử dụng bếp gas không an toàn, khu vực nấu nướng gần rèm cửa dễ gây bén lửa… Hầu hết trong các vụ cháy nổ, các đám khói toả ra rất nhiều trước cả khi đám cháy lan rộng, việc phát hiện sớm đám cháy là rất quan trọng, vì vậy smoke detection là bài toán vô cùng quan trọng trong việc phát hiện các vụ cháy nổ sớm sẽ được em trình bày trong đề án này.3 Các thành tựu nghiên cứu trong và ngoài nước về bài toán phát hiện khói Đã có rất nhiều bài báo cũng như ứng dụng được đăng tải lên các tạp chí khoa học nổi tiếng cho ra các kết quả với hiệu suất và độ chính xác rất cao. Có thể kể đến như: Vào năm 2006 tác giả Thou-Ho Chen và Yen-Hui Yin đã có một bài báo khoa học được đăng tải lên nhiều tạp chí khoa học với nội dung “Suggested a smoke detection method based on processing”. Tác giả đã dựa trên mầu sắc và tính chất lan ra khuếch tán vào không khí của khói để đưa ra kết luận mỗi pixel có hay không có sự xuất hiện của khói.
Tuy chỉ sử dụng thuần xử lý ảnh nhưng kết quả mang lại là khá 8 chính xác, trong 3421 ảnh khói thử nghiệm được tải về từ nhiều nguồn trên internet thì đã có tới 3168 ảnh đã phát hiện được vùng khói. Cũng vào khoảng thời gian đó tác giả B. Ugur Toreyin và Yigithan Dedeoglu cũng có một bài bào được đăng tải lên tạp chí IEEE với nội dung “Computer vision based method for real-time fire and flame detection”. Tác giả cũng sử dụng thuần xử lý ảnh, cụ thể là sử dụng motion và màu sắc kết hợp với blurring và flicker biên để phát hiện vùng lửa khói.
Kết quả cũng đưa ra độ chính xác lên tới 96% trên bộ thử nghiệm gồm 1860 ảnh khói lửa. Các phương pháp trên được tạo ra dựa trên tính chất của khói và xử dụng nhiều các thuật toán xử lý ảnh. Các tính chất của khói rất đa dạng phụ thuộc vào nhiều yếu tố bao gồm cách hình thành, kết cấu, mầu sắc. Và một nhiệm vụ rất khó để đạt được độ chính xác cao là hình ảnh khói tự nhiên.
Vì vậy trong những năm gần đây công nghệ deep learning phát triển giúp tăng độ chính xác khi phát hiện các vùng khói tự nhiên, dưới đây là một số bài báo nổi bật và thành tựu thu được. Vào năm 2015, các tác giả “Bugaric, M., & Stipanicev” đã có 1 nghiên cứu với nội dung “D. Computer Vision Based Measurement of Wildfire Smoke Dynamics. Advances in Electrical and Computer Engineering” tác giả dùng mạng CNN để học về những ảnh có khói và không có khói ở đám cháy rừng, kết quả thu được là khá cao lên tới 98% cho bộ training và 97% cho dữ liệu ngoài.
Năm 2016, nhóm tác giả “Zhang, Qingjie, Jiaolong Xu, Liang Xu, and Haifeng Guo” cũng có một nghiên cứu với nội dung “Deep convolutional neural networks for forest fire detection” sử dụng mạng Alexnet cũng cho độ chính xác cũng khá cao lên tới 97% cho cả bộ data training và bộ test. Năm 2018, tác giả “Qi-xing Zhang, Gao-hua Lin” cũng đưa ra một bài nghiên cứu với nội dung “Wildland Forest Fire Smoke Detection Based on Faster R-CNN using Synthetic Smoke Images”. Tác giả sử dụng mạng Faster R-CNN để dự đoán vùng khói trong 1 bức ảnh, dữ liệu gồm 2 class là có khói và không có khói được phân loại thủ công. Kết quả đưa ra lên tới 97% với bộ dữ liệu mới và 99% với bộ dữ liệu training.4 Động lực và mục tiêu nghiên cứu Động lực nghiên cứu: Với hàng loạt bài báo khoa học hiện nay về phát hiện khói lửa, độ chính xác và hiệu suất vẫn là đích đến cuối cùng của mọi giải pháp, vì cảnh báo khói lửa khi ứng dụng vào trong thực tế trong trường hợp detect nhầm thì có thể tắt cảnh báo được, nhưng sẽ là rất nguy hiểm nếu như hệ thống giám sát không phát hiện được khói lửa.
Ở những kết quả nghiên cứu trước đây, có rất nhiều nghiên cứu đưa ra tỉ lệ chính xác rất cao, lên tới 96 đến 98% trên tập data thử nghiệm, từ những năm từ 2002 đến năm 2015 chủ yếu những nghiên cứu về smoke detection tập trung vào xử lý ảnh thuần dựa vào mầu sắc, tính chất chuyển động của khói nên đạt được tốc độ rất tốt nhưng độ chính xác sẽ kém hơn vì rất dễ nhầm bởi những vật thể có tính chất chuyển động cũng như màu sắc giống khói. Từ những năm 2016 trở lại đây, cuộc cách mạng về trí tuệ nhân tạo cụ thể là các mạng deep learning đã giúp bài toán này cải thiện được độ chính xác nhưng yêu cầu về bộ nhớ và tốc độ xử lý của phần cứng cao. Dưới đây là 1 số dẫn chứng mà em thu thập được qua những nghiên cứu tốt nhất trước đây: Bảng 1.1: Kết quả so sánh hiệu suất đạt được của một số nghiên cứu trước Những T. Đề án này nghiên cứu Reyes [18] trước đây Độ chính xác 93-95 94-95 96-97 96-98 trên tập thử nghiệm(%) Tốc độ đạt 40-50 42-46 25-30 38-40 được(fps) Trong bảng 1.1, hai nghiên cứu của tác giả T.