-44- HỆ THỐNG GIÁM SÁT ĐỐI TƯỢNG TRONG KHÔNG GIAN TĨNH Vũ Ngọc Hà MSV: 0320107 Email: haninhbinh85@gmail.com Nguyễn Thị Thúy Tâm MSV: 0320267 Email: thuytamnt@yahoo.com Người hướng dẫn: PGS.TS. Nguyễn Văn Vỵ 1. Giới thiệu Hệ thống giám sát đối tượng ngày càng được phát triển và được ứng dụng rộng rãi trong thực tế đặc biệt là trong giao thông – một vấn đề bức bách trong xã hội hiện nay. Với hệ thống giám sát đối tượng này sẽ giải quyết được hầu hết những công việc trong nghành giao thông như là sẽ phát hiện đối tượng chuyển động, phân loại đối tượng, xác định vận tốc các phương tiện, đếm số lượng phương tiện đang tham gia,… Trong khóa luận này chúng tôi đưa ra những giải pháp, thuật toán để có thể xây dựng một hệ thống hoàn chỉnh. Để xây dựng hệ thống giám sát đối tượng, chúng tôi tập trung vào giải quyết ba bài toán sau: phát hiện đối tượng, phân loại đối tượng và theo vết đối tượng. Các bài toán có quan hệ chặt chẽ và hỗ trợ cho nhau. 2. Bài toán phát hiện đối tượng Phát hiện các đối tượng chuyển động là bước cơ bản đầu tiên trong bài toán phân tích hình ảnh video. Nhiệm vụ của bài toán là từ những khung hình video thu được phát hiện ra những vùng đối tượng chuyển động từ đó đưa ra vị trí, một số tính chất đặc trưng của đối tượng chuyển động. Quá trình giải quyết bài toán là: tiền xử lý, phát hiện vùng ảnh nổi, lọc nhiễu, trích rút đường viền của đối tượng. Ứng với mỗi phần có những thuật toán khác nhau được áp dụng, cụ thể: Để phát hiện đối tượng chuyển động không thể dựa trên màu sắc. Do vậy, chúng tôi đưa ra một quá trình tiền xử lý là việc đưa những khung hình thu được sang các không gian màu nhằm tạo điểu kiện thuật lợi cho việc phát hiện vùng chuyển động. Phương pháp thường được s ử dụng để phát hiện vùng ảnh nổi là: phương pháp trừ ảnh nền, các phương pháp dựa trên thống kê và phương pháp chênh lệch tạm thời. Việc chuyển đối không gian màu, thiết lập ngưỡng trong khi phát hiện vùng ảnh nối đã hạn chế nhiễu trong khung hình thu được. Tuy nhiên để việc lọc nhiễu càng tốt làm cho việc phát hiện vị trí, đặc trưng của đối tượng càng chính xác. Do vậy chúng tôi giới thi ệu các phép toán hình thái học. Đặc biệt là phép đóng ảnh và mở ảnh. Nó là cơ sở để lọc nhiễu Mặt khác, khi áp dụng các phép toán hình thái học, chúng ta nhanh chóng đưa ra đường viền của đối tượng. Việc trích rút đường viền đối tượng đơn giản chỉ thực hiện một phép co ảnh và một phép trừ ảnh. 3. Bài toán phân loại đối tượng Bài toán phân loại đối tượng là bài toán tiếp theo bài toán phát hiện đối tượng. Nhiệm vụ của nó là phân loại đối tượng dựa trên những mẫu đối tượng đã được định nghĩa như là lớp người, lớp phương tiện, lớp động vật. Hiện tại, có một số hướng để giải quyết bài toán: dựa trên hình dáng, dựa trên chuyển động, dựa trên điểm đặc trưng và dựa trên thành phần đối tượng. Trong luận văn này, chúng tôi đưa ra những phương pháp, thuật toán áp dụng áp dụng để có thể xây dựng bộ xương khung của đối tượng, từ đó có thể lấy ra các điểm đặc trưng- là cơ sở để phân biệt đối tượng. 4. Bài toán theo vết đối tượng Theo dõi đối tượng đó là công việc đưa ra một chuỗi các hành vi của đối tượng chuyển động trong một thời gian từ các khung hình thu được. Việc theo dõi đối tượng có một ý nghĩa quan trọng trong thực tiễn như là: • Đưa ra đường đi của đối tượng • Xác định vận tốc của đối tượng -45- • Đếm số lượng tham gia chuyển động trong hệ thông. Để có thể theo vết đối tượng cần giải quyết những vấn đề sau: chính xác hóa đối tượng, phát hiện sự nhập nhằng, xử lý sự nhập nhằng. Chính xác hóa đối tượng là việc kiểm tra các vết tương ứng với nhau trong khung hình liên tiếp. Tuy nhiên trong quá trình chuyển động, các đối tượng có thể bị nhập nhằng – đối tượng đó bị che mất một phần hoặc nó che mất một phần đối tượng khác. Khi gặp những trường hợp hệ vậy đòi hỏi hệ thống phải phát hiện và giải quyết. 5. Thực nghiệm Với những thuật toán, phương pháp đã trình bày trong luận văn, chúng tôi đã tiến hành cài đặt và thu được những kết quả như sau: - chúng tôi xây dựng thành công module phát hiện đối tượng: đưa ra vùng đối tượng, lọc nhiễu, trích rút đường viền đối tượng, … - phân biệt đối tượng: đã phân loại các đối tượng giữa người, xe cộ. Đặc biệt trong module phân loại xe, chúng tôi phân biệt được các loại ô tô. - Theo vết đối tượng: chúng tôi xây dựng module chính xác hóa đối tượng, xử lý nhập nhằng. Việc chính xác hóa đối tượng và xử lý nhập nhằng được ứng dụng vào bài toán đưa ra đường đi của đối tượng, đếm số lượng đối tượng chuyển động trong một khung hình thu đươc. 6. Kết luận Trong luận này, chúng tôi đã đưa ra các giải pháp để xây dựng hệ thống hoàn chỉnh. Tiến hành thực nghiệm và thu được kết quả khá chính xác với ý tưởng xây dựng. Tuy nhiên, hệ thống vẫn còn một số nhược điểm sau: Việc xử lý nhập nhằng chưa tốt, khi đối tượng nhập nhằng nhiều việc phân chia không chính xác, dẫn đến không phân loại được đối tượng, theo vết đối tượng cũng không được tốt khi có sự nhập nhằng giữa các đối tượng. Việc phân loại đối tượng cũng như xử lý nhập nhằng tốc độ xử lý còn chậm. Các vấn đề cần tiếp tục nghiên cứu: hoàn thiện module phân loại đối tượng để có thể phát hiện nhiều loại đối tượng, cải tiến lại module xử lý nhập nhằng để xử lý nhanh hơn và theo dõi vết đối tượng chính xác hơn. Đồng thời, cải tiến lại tốc độ chung của chương trình. Tài liệu tham khảo Tài liệu tham khảo tiếng Anh [1] PIKS Inside, Third Edition. William K. Pratt . Digital Image Processing [2] Bernd Jahne. Digital Image Processing [3] F. Heijden. Object Recognition and Parameter Estimation. Image Based Measurement System Wiley, January 1996 … Tài liệu tham khảo tiếng Việt [11] Luận văn tốt nghiệp 2002 – 2006 : Trần Nguyên Khải, La Tuấn Dũng, Nguyễn Thị Lan Hương. . module phát hiện đối tượng: đưa ra vùng đối tượng, lọc nhiễu, trích rút đường viền đối tượng, … - phân biệt đối tượng: đã phân loại các đối tượng giữa người,. chưa tốt, khi đối tượng nhập nhằng nhiều việc phân chia không chính xác, dẫn đến không phân loại được đối tượng, theo vết đối tượng cũng không được tốt