Nghiên cứu phương pháp xác định trạng thái giao thông trong hầm đường bộ

Dựa vào các phương pháp đã nghiên cứu và xây dựng thuật tooán về bài toán xác định trạng thái giao thông trong hầm đường bộ qua camera, đề xuất giải pháp xác định trạng thái bằng phương

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TÓM TẮT LUẬN VĂN NGHIÊN CỨU PHƯƠNG PHÁP XÁC ĐỊNH TRẠNG THÁI GIAO

THÔNG TRONG HẦM ĐƯỜNG BỘ

Học viên: Hoàng Trọng Tú Chuyên ngành: Kỹ thuật Điện tử

Mã số: 8520203 Khóa: K35 Trường Đại học Bách khoa - ĐHĐN

Tóm tắt – Hệ thống camera quan sát ngày càng được sử dụng một cách rộng rãi nhờ những lợi

ích và hiệu quả thiết thực mà nó mang lại Việc xác định trạng thái giao thông trong hầm đường bộ dựa vào hình ảnh từ camera trong hầm để hỗ trợ công tác vận hành của nhân viên giám sát nhằm cung cấp cảnh báo nhanh chóng, đúng lúc và giảm thiệu rủi ro tai nạn là điều cần thiết

Luận văn tập trung nghiên cứu phương pháp xác định trạng thái giao thông trong hầm đường bộ Dựa vào các phương pháp đã nghiên cứu và xây dựng thuật tooán về bài toán xác định trạng thái giao thông trong hầm đường bộ qua camera, đề xuất giải pháp xác định trạng thái bằng phương pháp trừ nền và phương pháp luồng quang học

Kết quả luận văn đã xác định 3 trạng thái giao thông: xe dừng, xe đang di chuyển và đường thông thoáng không có xe

Từ khóa - Luồng quang học, Trừ nền, Camera giám sát, Phát hiện chuyển động, thị

giác máy tính

STUDY METHODS TO DETERMINE TRAFFIC STATUS IN THE ROAD

TUNNEL Abstract – CCTV system is increasingly used extensively thanks to its benefits and

practical effects The determination of road traffic state, based on the image from the camera in the tunnel to support the operation of the supervisor in providing a quick, timely warning and reducing the risk of accident is very necessary

The thesis focuses on researching methods to determine traffic status in the road tunnel Based on studied method and algorithm of determining traffic condition in road tunnels through camera, solutions to determine the state by subtraction method and optical flow method are proposed

Thesis results have identified 3 traffic states in the tunnel: stopping vehicles, moving vehicles and clear roads without vehicles

Key words – Opticalflow, background subtraction, Surveillance camera, Motion

Detection, computer vision

DANH MỤC CÁC TỪ VIẾT TẮT

CCTV Closed Circuit Television Truyền hình mạch kín

DIVAR Digital Vesatile Recorder Bộ ghi hình kỹ thuật số đa năng OCC Operation Control Center Trung tâm điều hành

SCADA Supervisory Control and Data

Acquisition

Điều khiển giám sát và thu thập

dữ liệu CCD Charge Coupled Device Linh kiện tích điện kép

CRT Creative Transceiver Bộ truyền tín hiệu

AVI Audio Video Interleave Tệp tin đa phương tiện

CMOS Complementary Metal Oxide

Semiconductor Bán dẫn kim loại ô-xít bù

MỤC LỤC

MỞ ĐẦU 1

1 Tính cấp thiết của đề tài 1

2 Mục tiêu nghiên cứu 1

3 Đối tượng và phạm vi nghiên cứu 2

3.1 Đối tượng nghiên cứu 2

3.2 Phạm vi nghiên cứu 2

4 Phương pháp nghiên cứu và nội dung nghiên cứu 2

5 Ý nghĩa khoa học và thực tiễn của đề tài 2

6 Kết quả dự kiến 2

7 Kết cấu của luận văn 3

CHƯƠNG 1: TỔNG QUAN VỀ BÀI TOÁN CHUYỂN ĐỘNG TRONG HẦM ĐƯỜNG BỘ 4

1.1 Giới thiệu chương 4

1.2 Bài toán chuyển động trong hầm đường bộ 4

1.3 Hầm đường bộ hải Vân 4

1.3.1 Bài toán chuyển động trong hầm đường bộ Hải Vân 4

1.3.2 Hệ thống giám sát giao thông và CCTV (truyền hình mạch kín) 6

1.3.3 Hệ thống vòng từ cảm ứng (Inductive loop) 8

1.3.4 Các vấn đề cần giải quyết 10

1.4 Tổng quan về Camera số và video 10

1.4.1 Khái niệm về Camera số 10

1.4.2 Phân loại Camera 10

1.4.3 Hệ thống Camera quan sát 11

1.4.4 Khái niệm về Video 12

1.4.5 Video số 12

1.5 Kết luận chương 13

CHƯƠNG 2: PHÁT HIỆN ĐỐI TƯỢNG CHUYỂN ĐỘNG 14

2.1 Giới thiệu chương 14

2.2 Tổng quan về phát hiện đối tượng 14

2.3 Phương pháp trừ nền 14

2.3.1 Tổng quan về trừ nền 14

2.3.2 Trừ khung hình 15

2.3.3 Trung bình trượt Gaussian 16

2.3.4 Bộ từ mã 17

2.3.5 So sánh và Đánh giá các phương pháp 20

2.4 Phương pháp luồng quang học 21

2.4.1 Tổng quan về luồng quang học 21

2.4.2 Xác định luồng quang học 21

2.5 Kết luận chương 25

CHƯƠNG 3: XÁC ĐỊNH TRẠNG THÁI GIAO THÔNG TRONG HẦM ĐƯỜNG BỘ 26

3.1 Giới thiệu chương 26

3.2 Bài toán xác định trạng thái giao thông trong hầm đường bộ qua Camera 26 3.3 Bối cảnh và một số giả thiết cho bài toán xác định trạng thái chuyển động 27 3.4 Phương pháp giải quyết bài toán xác định trạng thái chuyển động 28

3.4.1 Mô hình tổng thể 28

3.4.2 Tiền xử lý 29

3.5 Ước lượng chuyển động bằng phương pháp trừ nền 30

3.5.1 Mô tả phương pháp 30

3.5.2 Xây dựng thuật toán trừ nền 31

3.6 Phương pháp xác định chuyển động dựa trên luồng quang học 32

3.6.1 Ước lượng chuyển động 33

3.6.2 Xác định trạng thái chuyển động 33

3.7 Kết luận chương 37

CHƯƠNG 4: THỰC HIỆN VÀ ĐÁNH GIÁ 38

4.1 Giới thiệu chương 38

4.2 Cơ sở dữ liệu 38

4.3 Kết quả 38

4.3.1 Phương pháp trừ nền 38

4.3.2 Phương pháp luồng quang học 40

4.4 Phân tích và đánh giá 41

4.4.1 Phương pháp trừ nền 42

4.4.2 Phương pháp luồng quang học 43

4.5 Kết luận chương 47

KẾT LUẬN VÀ HƯỚNG PHÁT TRIÊN 48 TÀI LIỆU THAM KHẢO 49

DANH MỤC CÁC BẢNG

4.1 Các tình huống tương ứng với các trạng thái trong video 45

4.2 Bảng thống kê kết quả các tình huống xảy ra của 3 giải thuật

4.3 Bảng thống kê kết quả của 3 giải thuật với các camera khác nhau 46

DANH MỤC CÁC HÌNH

1.2 Biểu đồ lưu lượng giao thông trung bình/ngày trong hầm [2] 5

1.4 Camera Bosch LTC 0455/51 lắp đặt trong hầm (nguồn

1.6 Sơ đồ điều khiển giao thông vòng từ cảm ứng [2] 9

1.7 Màn hình giám sát tình trạng giao thông thông qua vòng từ

1.8 Camera có dây và camera không dây (nguồn Internet) 11

2.1 Tổng quan các khối xử lý trong phát hiện đối tượng 14

2.2 Trừ khung hình trong các trường hợp ngưỡng quá cao và quá

20

2.7 Sự thay đổi luồng quang học giữa 2 khung hình và phát hiện

2.8 Biểu đồ so sánh mức độ lỗi, nhiễu giữa các kĩ thuật trừ ảnh,

3.1 Hệ thống vòng từ cảm ứng bị hư hỏng nhiều [2] 26

3.2 Phương tiện giao thông làn này che khuất một phận phương

3.6 Xét làn đường bên phải cùng hướng với camera 29 3.7 Mặt nạ nhị phân tương ứng với một camera 30 3.8

Ảnh (a) là ước lượng nền cơ sở, ảnh (b) thu được ở bước tiếp theo ảnh (c) thể hiện bản đồ điểm ảnh nổi trội phát hiện được bằng cách sử dụng phép trừ nền [1]

31

3.9 Khung hình ảnh tại thời điểm t trước và sau khi vẽ các vector

4.1 Làn đường thông thoáng không có xe di chuyển (chỉ xét làn

4.4 Xe đang di chuyển bình thường (Giải thuật 1-2-3) 40 4.5 Không có xe di chuyển trong hầm (Giải thuật 1-2-3) 41

4.7 Kết quả thực hiện không đúng so với thực tế 42 4.8 So sánh phương pháp trừ nền với luồng quang học 42 4.9 Xe đang di chuyển nhưng kết quả là không có xe 43 4.10 So sánh kết quả của giải thuật 1 và giải thuật 2 44 4.11 Làn đường không có xe nhưng lại thông báo có xe dừng 44 4.12 So sánh kết quả của giải thuật 2 và giải thuật 3 45

MỞ ĐẦU

1 Tính cấp thiết của đề tài

Với sự phát triển nhanh chóng của các loại máy móc hiện đại như máy ảnh số, máy quay số, máy vi tính, điện thoại đi động … thì lượng thông tin con người thu được dưới dạng hình ảnh là khá lớn Để lượng thông tin này trở nên có ích hơn con người cần có các thao tác để tiến hành xử lý nó và từ đó tạo điều kiện cho sự phát triển không ngừng của các kỹ thuật xử lý hình ảnh Xử lý ảnh là một trong những công nghệ được ứng dụng rộng rãi hiện nay trong nhiều lĩnh vực của đời sống xã hội Không chỉ dừng lại ở việc

xử lý những vết nhòe, tái chế và phục hồi các ảnh cũ, ngày nay công nghệ xử lý ảnh đã mang lại những tiến bộ vượt bậc như nhận dạng vân tay, nhận dạng khuôn mặt, nhận dạng đối tượng …v.v khi nó kết hợp với lĩnh vực trí tuệ nhân tạo

Bên cạnh đó, hệ thống camera quan sát ngày càng được sử dụng một cách rộng rãi nhờ những lợi ích và hiệu quả thiết thực mà nó mang lại: giám sát hoạt động, giám sát

an ninh, tích hợp các ứng dụng báo động tức thời giúp phát hiện và xem lại ngay lập tức khi có báo động xảy ra…

Hầm đường bộ ngày càng phổ biến ở nước ta, có vai trò lớn trong việc tiết kiệm chi phí và an toàn cho người tham gia giao thông Hầm đường bộ Hải Vân xuyên qua đèo Hải Vân là hầm đường bộ dài nhất nước ta và cả Đông Nam Á, nối liền tỉnh Thừa Thiên Huế và thành phố Đà Nẵng, đóng vài trò quan trọng đối với giao thông của miền Trung Việt Nam Đến nay, sau hơn 12 năm vận hành và với sự phát triển mạnh mẽ của phương tiện giao thông, việc lưu thông 01 ống hầm với 02 làn xe 2 chiều dễ gây ra ùn tắc, hỏa hoạn và mất an toàn do lưu lượng giao thông trong khu vực quá lớn Do đó việc theo dõi, giám sát và quản lý xe lưu thông trong hầm rất khó khăn

Vì vậy việc xác định trạng thái giao thông trong hầm đường bộ dựa vào hình ảnh từ camera trong hầm để hỗ trợ công tác vận hành của nhân viên giám sát nhằm cung cấp cảnh báo nhanh chóng, đúng lúc và giảm thiệu rủi ro tai nạn là điều cần thiết

2 Mục tiêu nghiên cứu

Mục đích của đề tài nhằm nghiên cứu các thuật toán phát hiện, từ đó xác định đối tượng giao thông từ hình ảnh camera, làm cơ sở để xây dựng hệ thống xác định trạng thái giao thông trong hầm đường bộ

 Xác định đối tượng giao thông đang chuyển động, xe dừng hay không có xe

 Sử dụng phương pháp Optical flow (luồng quang học)

 Tạo tiền đề cho việc xác định trạng thái của các đối tượng giao thông

Bên cạnh đó đề tài còn mong muốn giúp cho mọi người có một cái nhìn toàn diện hơn về vai trò và khả năng ứng dụng của công nghệ xử lý ảnh vào trong thực tế của đời sống xã hội

3 Đối tượng và phạm vi nghiên cứu

3.1 Đối tượng nghiên cứu

 Trong luận văn này, dữ liệu được xử lý là các đoạn video có sẵn được quay từ một camera tĩnh ghi lại với chuẩn AVI (Audio Video Interleave)

3.2 Phạm vi nghiên cứu

 Phạm vi nghiên cứu của đề tài liên quan đến lĩnh vực xử lý ảnh số thông qua việc

sử phần mềm Matlab

4 Phương pháp nghiên cứu và nội dung nghiên cứu

 Phương pháp nghiên cứu lý thuyết

 Tìm hiểu cách lập trình với Matlab

 Tìm hiểu phương pháp trừ nền (Background subtraction) để phát hiện chuyển động

 Tìm hiểu phương pháp luồng quang học để phát hiện đối tượng chuyển động

 Phương pháp nghiên cứu thực nghiệm

 Tiến hành phân tích và cài đặt: thuật toán trừ nền để phát hiện chuyển động, thuật toán luồng quang học để phát hiện đối tượng chuyển động từ dữ liệu video, từ đó xác định trạng thái của đối tượng chuyển động

 So sánh và đánh giá kết quả đạt được

5 Ý nghĩa khoa học và thực tiễn của đề tài

 Về mặt lý thuyết

 Nghiên cứu việc ứng dụng xử lý ảnh vào việc giải quyết các vấn đề thực tế

 Phân tích, đánh giá sự hiệu quả của các giải thuật phát hiện chuyển động

 Tạo tiền đề cho những nghiên cứu tiếp theo trong tương lai

 Tạo được bảng so sánh kết quả, độ chính xác của các phương pháp phát hiện dựa trên tập các video có sẵn

7 Kết cấu của luận văn

Luận văn bao gồm có 4 chương được tóm tắt như sau:

 Chương 1 - Tổng quan về bài toán chuyển động trong hầm đường bộ:

Chương này trình bày các vấn đề ở hầm đường bộ, tổng quan bài toán chuyển động trong hầm đường bộ và tìm hiểu các khái niệm, phân loại, và các thông số

cơ bản của Camera và Video để làm tiền đề cho xử lí ảnh

 Chương 2 – Phát hiện đối tượng chuyển động: Trong chương này sẽ trình bày

các phương pháp phát hiện chuyển động: phương pháp trừ nền và phương pháp luồng quang học

 Chương 3 – Xác định trạng thái giao thông trong hầm đường bộ: chương này

sẽ trình bày về bài toán xác định trạng thái giao thông trong hầm đường bộ qua camera, đề xuất giải pháp xác định trạng thái bằng phương pháp trừ nền và phương pháp luồng quang học Từ kết quả đã có, xác định phương pháp nào áp dụng hiệu quả vào bài toán

 Chương 4 - Thực hiện và đánh giá: Nội dung chương trình bày các kết quả thực

hiện thông qua tổng hợp, chạy chương trình đồng thời so sánh kết quả đạt được giữa các phương pháp

CHƯƠNG 1: TỔNG QUAN VỀ BÀI TOÁN CHUYỂN ĐỘNG TRONG

HẦM ĐƯỜNG BỘ

1.1 Giới thiệu chương

Chương này trình bày các vấn đề ở hầm đường bộ, tổng quan bài toán chuyển động trong hầm đường bộ và tìm hiểu các khái niệm, phân loại, và các thông số cơ bản của Camera và Video để làm tiền đề cho xử lí ảnh

1.2 Bài toán chuyển động trong hầm đường bộ

Hầm đường bộ là công trình được đào qua núi, qua sông, qua đường bộ và ngày càng phổ biến ở nước ta, giúp người dân lưu thông nhanh chóng, dễ dàng hơn, có vai trò lớn trong việc tiết kiệm chi phí và an toàn cho người tham gia giao thông

Việc lưu thông trong hầm rất phức tạp do không gian hẹp, tầm nhìn bị hạn chế, ánh sáng yếu, lưu lượng xe nhiều Hầm đường bộ là điểm giao thông nguy hiểm nhất khi có

sự cố xảy ra như xe dừng, xe chạy chậm, ùn tắc kéo dài, đặc biệt là sự cố cháy/nổ hay tai nạn giao thông vì đây là những tuyến đường “độc đạo” Khi xảy ra sự cố ở hầm đường bộ, nếu không được khắc phụ kịp thời sẽ gây ra ùn tắc kéo dài, khó khăn trong việc cấp cứu người bị tai nạn cũng như việc tiếp cận giải tỏa ùn tắc Khi sự cố kèm thay cháy/nổ thì sẽ gây ra thiệt hại rất lớn về người và tài sản

Hầm đường bộ vốn đã nguy hiểm và còn có những rủi ro trong giao thông công cộng hơn là giao thông cơ giới khác Trọng tâm của hầm đường bộ là an toàn cho người sử dụng hầm và vận hành, bảo trì hầm

1.3 Hầm đường bộ hải Vân

1.3.1 Bài toán chuyển động trong hầm đường bộ Hải Vân

Hầm đường bộ qua đèo Hải Vân là công trình giao thông tổng hợp gồm hầm, cầu, đường và các hệ thống, thiết bị phục vụ vận hành an toàn giao thông qua Hầm Hầm Hải Vân được xây dựng nhằm mục đích phục vụ giao thông trên tuyến Quốc lộ 1 xuyên qua dãy núi Hải Vân, giảm thiểu các tai nạn khi các phương tiện tham gia lưu thông trên đèo Hải Vân, giảm chi phí và tiết kiệm thời gian cho phương tiện và người tham gia giao thông, thúc đẩy sự phát triển kinh tế của 2 vùng Đà Nẵng, Huế và hành lang kinh tế Đông-Tây Là 1 trong 30 hầm lớn, hiện đại, dài nhất trên thế giới và khu vực ASEAN, lần đầu tiên được xây dựng ở Việt Nam Công trình được thiết kế vĩnh cửu, tổng chiều dài hầm 6280 mét, tốc độ thiết kế 80 km/giờ, tải trọng 30 tấn Nằm giữa địa phận hai tỉnh: Điểm đầu phía Bắc cầu Hải Vân lý trình Km1+643 thuộc địa phận xã Lộc Hải - huyện Phú Lộc - tỉnh Thừa Thiên Huế, điểm cuối lý trình Km7+923 thuộc phường Hoà Hiệp Bắc - Quận Liên Chiểu - Thành phố Đà Nẵng, địa phận hành chính lý trình Km5+330 Cửa hầm phía Bắc ở cao độ 38,92m, cửa hầm phía Nam ở cao độ 127,17m

so với mực nước biển Công trình được khởi công xây dựng từ tháng 8 năm 2000 và hoàn thành đưa vào vận hành ngày 05 tháng 06 năm 2005

Hình 1.1 Tổng quan hầm đường bộ Hải Vân [2]

Sau hơn 13 năm vận hành, lưu lượng giao thông trung bình/ngày trong hầm có xu hướng tăng theo từng năm, dễ dẫn đến các vấn đề gây mất an toàn giao thông cũng tăng theo như xe dừng, xe tai nạn, xe cháy… Đồng thời mặc dù vận tốc tối đa cho phép chạy trong hầm là 70km/h, tuy nhiên vận tốc xe chạy trung bình thực tế lớn nhất chỉ là 49.8km/h và vận tốc này có xu hướng giảm trong những năm gần đây Điều này cho thấy lưu lượng giao thông qua hầm đã gần đạt tới năng lực thông hành tối đa của hầm

Hình 1.2 Biểu đồ lưu lượng giao thông trung bình/ngày trong hầm [2]

Các phương tiện lưu thông trong hầm chỉ có thể chạy 1 làn xe theo hướng Bắc – Nam hoặc Nam - Bắc và phải tuân thủ các quy định khi vào hầm như cấm vượt, không được quay đầu xe trong hầm Khi có một phương tiện dừng lại hay gặp sự cố chắc chắn

sẽ gây ra ùn tắc kéo dài

Hình 1.3 Lưu thông trong hầm đường bộ Hải Vân

1.3.2 Hệ thống giám sát giao thông và CCTV (truyền hình mạch kín)

Hệ thống giám sát giao thông và truyền hình mạch kín của hầm Hải Vân bao gồm 4

bộ DIVAR (ghi hình kỹ thuật số đa năng), 1 bộ video matrix (ma trận video), 1 bộ quản

lý tín hiệu, 1 bộ báo động được lắp đặt tại OCC (Trung tâm điều hành), 58 camera cố định hãng Bosch và 09 bộ camera PTZ (camera quét xoay tròn) được bố trí ở hai trạm thu phí, hai đầu cửa hầm và trong hầm, tầm quan sát bao phủ 100% hầm Tất cả được tích hợp hoàn toàn với SCADA (điều khiển giám sát và thu thập dữ liệu) cho phép người vận hành quan sát và điều khiển camera quét xoay tròn trực tiếp từ máy trạm điều khiển giám sát và thu thập dữ liệu Chức năng chính của các camera này là giám sát giao thông nên hệ thống camera này hoàn toàn độc lập (không được kết nối) với hệ thống mạch Loop (vòng từ cảm ứng), do đó các camera này không thẻ ghi nhận lại được hình ảnh các các sự cố trong hầm Hải Vân

Cơ chế giám sát và phát hiện trạng thái giao thông trong hầm đường bộ chủ yếu được thực hiện thủ công bởi các nhân viên trực vận hành trực tiếp, theo dõi qua màn hình hiển thị các camera lắp đặt trong hầm để giám sát giao thông trong hầm, xe đang di chuyển bình thường, xe dừng, xe chạy chậm, xe tai nạn… Việc sử dụng một thiết bị chuyên dùng trong ngành để xác định trạng thái giao thông có nhiều hạn chế như tốn kém chi phí cho việc mua thiết bị và nhân lực để sử dụng

Hình 1.4 Camera Bosch LTC 0455/51 lắp đặt trong hầm (nguồn Internet)

Nguyên lý truyền tín hiệu từ Camera về màn hình:

Cơ sở hạ tầng hiện tại truyền hình mạch kín của hầm Hải Vân dựa trên giải pháp công nghệ tương tự Camera truyền tín hiệu về các trạm trong Hầm bằng Eneo truyền (nhận tín hiệu từ Camera và khuyếch đại tín hiệu vì trong quá trình truyền tín hiệu bị suy hao ) qua cáp xoắn đôi → các trạm chuyển qua cáp đồng trục kết nối với bo mạch nguồn qua bộ Eneo nhận (lọc tín hiệu ) → chuyển qua bộ CRT 431, 441 chuyển đổi tín hiệu điện thành tín hiệu quang và truyền về trung tâm điều hành bằng cáp quang → trung tâm điều hành có bộ nhận quang CRR431, CRR441 nhận tín hiệu quang và chuyển thành tín hiệu điện → 4 bộ ghi hình kỹ thuật số đa năng ghi và lưu hình ảnh → bộ chuyển mạch ma trận video → màn hình

Hình 1.5 Sơ đồ hệ thống truyền hình mạch kín [2]

1.3.3 Hệ thống vòng từ cảm ứng (Inductive loop)

Vòng từ cảm ứng là vòng cảm biến được lắp đặt dưới làn đường, mỗi làn đường có hai vòng cảm ứng tương ứng với một điểm đo Cáp đặt dưới vòng từ cảm ứng là cáp có điện trở lớn, bền dẻo chống dập, nhiễu

Dòng điện tạo ra các từ trường xoay chiều quanh vòng Khi có phương tiện đi qua vòng làm méo từ trường Tín hiệu này được truyền về tủ các trạm bằng cáp xoắn đôi đến card MC2014 giải mã phân loại phương tiện, đếm phương tiện, phân loại tốc độ truyền qua bộ PLC→ thiết bị chuyển tín hiệu cáp quang RT1-TP/EL chuyển tín hiệu điện thành tín hiệu quang truyền về trung tâm điều hành qua thiết bị chuyển tín quang thành tín hiệu điện truyền đến máy tính vận hành

Hình 1.6 Sơ đồ điều khiển giao thông vòng từ cảm ứng [2]

Có tổng cộng 34 vòng từ cảm ứng, trong đó 32 vòng được lắp đặt trong hầm và 2 vòng được lắp đặt ở 2 đầu cửa hầm Các vòng được lắp đặt cách nhau 200m bên dưới mỗi làn xe chạy Theo hướng Nam Bắc thứ tự các vòng từ cảm ứng từ 1 đến 34

Hình 1.7 Màn hình giám sát tình trạng giao thông thông qua vòng từ cảm ứng [2]

Các vòng từ cảm ứng được lắp đặt dưới làn đường nên nếu có sự cố hay hư hỏng xảy

ra thì gần như không thể sửa chữa được, mỗi cặp vòng từ cảm ứng cách nhau 200m nên đôi khi không thể phát hiện sự cố kịp thời, ảnh hưởng đến công tác vận hành hầm an toàn

1.3.4 Các vấn đề cần giải quyết

Để giúp cải thiện và hỗ trợ cho vòng từ cảm ứng, giảm tắc nghẽn giao thông do sự

cố thông qua việc tăng cường thời gian tương tác của người điều khiển hầm, tăng độ an toàn cấu trúc hầm, giảm lượng khí thải trong suốt thời gian sự cố diễn ra và tăng cường

an toàn cũng như lợi ích chung của người tham gia giao thông trên tuyến đường dưới sự giám sát của hệ thống truyền hình mạch kín, luận văn nghiên cứu xác định trạng thái giao thông trong hầm sử dụng các camera đang có:

 Dòng xe trong hầm đang di chuyển bình thường

 Dòng xe trong hầm đã dừng lại, gây ùn tắc

 Làn đường thông thoáng, không có xe lưu thông

Kết quả nghiên cứu mang lại nhiều lợi ích bằng cách cung cấp thông tin phát hiện sự

cố tự động trong thời gian thực, để có thể tiến hành các biện pháp khắc phục trước khi phát sinh các sự cố quá mức cho phép Hệ thống truyền hình mạch kíntruyền dữ liệu hình ảnh video dưới định dạng AVI, thuận tiện cho việc trích xuất dữ liệu khi cần

1.4 Tổng quan về Camera số và video

1.4.1 Khái niệm về Camera số

Camera là một thiết bị ghi hình có thể ghi lại được những hình ảnh trong một khoảng thời gian nào đó và lưu trữ các dữ liệu hình ảnh này

1.4.2 Phân loại Camera

Có 3 cách phân loại Camera:

 Phân loại theo kĩ thuật hình ảnh

 Camera Analog: Ghi hình vào băng từ và xử lý tín hiệu tương tự

 Camera CCD: Sử dụng kĩ thuật CCD để nhận biết hình ảnh Kĩ thuật CCD là tập hợp những ô tích điện có thể cảm nhận ánh sáng, sau đó chuyển tín hiệu ánh sáng sang tín hiệu số để xử lí

 Camera CMOS: Là các loại Camera sử dụng công nghệ CMOS, loại này cho hình ảnh rõ nét hơn Camera Analog, nhưng giá thành còn khá cao nên chưa thể đáp ứng được nhu cầu của thị trường

 Phân loại theo kĩ thuật đường truyền

 Camera có dây: Tính an toàn cao, bảo mật tốt, thường được sử dụng để truyền tín hiệu trên dây cáp đồng trục khoảng 75 Ohm- 1Vpp Nếu truyền xa hơn 300m thì phải có bộ khuyếch đại để tránh suy hao tín hiệu trên đường truyền Loại này đang được dùng trên Hầm Đường Bộ Hải Vân

 Camera không dây: Ưu điểm đó là dễ thi công lắp đặt do không cần đi dây, tuy nhiên nó có hệ số an toàn không cao bởi nó sử dụng sóng vô tuyến để truyền tín hiệu nên sóng của nó dễ bị thu hoặc dễ bị nhiễu bởi các nguồn sóng khác như điện thoại di động Vì vậy nó được đánh giá là không an toàn

 Camera IP: được kết nối trực tiếp vào mạng, tín hiệu hình ảnh và điều khiển được truyền qua mạng.Với Camera IP người dùng có thể điều khiển và giám sát bất cứ đâu thông qua mạng Internet

Hình 1.8 Camera có dây và camera không dây (nguồn Internet)

 Phân loại theo tính năng sử dụng

 Camera áp trần: có nhiều hình dạng, kích thước khác nhau, thường được đặt trong nhà, kiểu dáng rất trang nhã và có tính năng bảo mật cao

 Camera ẩn: có nhiều hình dạng và kích thước khác nhau rất khó để nhận biết được Nó được dùng khi ngụy trang để tránh bị phát hiện

 Camera quét xoay tròn: là loại có khả năng hỗ trợ quét dọc, quét ngang, phóng

to, thu nhỏ, cho phép kết nối với hệ thống cảm ứng và cảnh báo để phát hiện đối tượng di chuyển trong vùng hoạt động của nó

 Camera IR: là loại có khả nnăng quan sát đêm

1.4.3 Hệ thống Camera quan sát

Ngày nay hệ thống Camera an ninh đã trở nên hết sức thông dụng đối với mọi người

và có thể được lắp đặt để giám sát hoạt động của mọi nơi như các nhà máy, văn phòng,

cơ quan xí nghiệp, khách sạn, cửa hàng,…v.v mà không cần phải đi đến tận nơi quan sát hoặc có thể ở bất cứ đâu, bất cứ lúc nào mà vẫn theo dõi được công việc hàng ngày diễn ra Hệ thống này giúp cho những nhà quản lý có thể kiểm soát công việc một cách chặt chẽ hơn, tiết kiệm được chi phí và làm cho hình ảnh của doanh nghiệp được chuyên nghiệp, hiện đại hơn

Một số hệ thống Camera quan sát thường được sử dụng hiện nay như là:

 Theo dõi trực tiếp không cần ghi hình: Phù hợp với hộ gia đình và cửa hàng kinh doanh nhỏ

 Theo dõi và ghi hình dùng đầu ghi: Phù hợp với công ty, nhà máy hoặc cửa hàng

1.4.4 Khái niệm về Video

Thuật ngữ video dùng để chỉ nguồn thông tin hình ảnh trực quan (pictorial visual information), bao gồm một chuỗi các ảnh tĩnh (still image) liên tiếp nhau, được sắp xếp theo chiều thời gian Video còn được gọi là ảnh thay đổi theo thời gian (time-varying

image), kí hiệu là s( x1, x2, t), trong đó x1, x2 là các biến chỉ vị trí trong không gian, còn

t là biến thời gian Xét về mặt vật lý, ở cấp thấp nhất, video tồn tại dưới dạng các tín

hiệu Tùy thuộc vào loại tín hiệu thu được ta có 2 loại video khác nhau: video tuần tự và video số Tuy nhiên dữ liệu mà chúng ta xử lý là dữ liệu video số vì thế ta chỉ tập trung

vào việc tìm hiểu rõ về Video số [3]

1.4.5 Video số

1.4.5.1 Tín hiệu video số

Tín hiệu video số được lưu trữ dưới dạng số, do đó chúng được lấy mẫu và lượng tử hóa Tín hiệu video số là một thông tin 3 chiều gồm 2 chiều không gian và 1 chiều thời gian hay còn được gọi là chuỗi ảnh số với mỗi ảnh số là một ảnh được lấy mẫu và lượng

tử hóa

Hình 1.9 Chuỗi các ảnh trong video số [4]

1.4.5.2 Ưu và nhược điểm của video số

 Nhược điểm

Nhược điểm của video số đó là nó đòi hỏi khối lượng lưu trữ lớn và băng thông rộng

để truyền tải Do đó hiện nay người ta đang nghiên cứu các phương pháp nén video để giảm kích thước của nó

1.4.5.3 Chuẩn video số AVI

AVI (Audio Video Interleave) là một đa phương tiện định dạng container của

Microsoft được giới thiệu vào tháng 11 năm 1992 AVI là tập tin có thể chứa cả âm

thanh và video dữ liệu trong một container cho phép đồng bộ tập tin âm thanh với video

Đây là một trong những định dạng video chuẩn và được ứng dụng khá rộng rãi nên

luận văn sẽ chọn định dạng AVI để làm định dạng cho các tập tin video xử lý, vì thế từ

đây về sau khi đề cập đến video tức là đề cập đến video số với định dạng AVI

1.5 Kết luận chương

Trong chương này chúng ta đã tìm hiểu được các vấn đề ở hầm đường bộ, tổng quan

bài toán chuyển động trong hầm đường bộ và các khái niệm, thông số cơ bản, cấu trúc

của Camera số và Video Đề tài này sẽ áp dụng chuẩn Video “AVI” Và sử dụng khung

ảnh với định dạng “JPG” được trích ra từ Video trên Sau đó sẽ xử lí các ảnh tĩnh “JPG”

này để xác định đối tượng với phương pháp trừ nền và luồng quang học

CHƯƠNG 2: PHÁT HIỆN ĐỐI TƯỢNG CHUYỂN ĐỘNG

2.1 Giới thiệu chương

Phát hiện đối tượng là một trong những bài toán quan trọng của thị giác máy tính Trong chương này sẽ tìm hiểu về các phương pháp phát hiện đối tượng chuyển động là phương pháp trừ nền và phương pháp luồng quang học Đối với mỗi phương pháp, ta đi tìm hiểu các khái niệm, các tính chất, đặc biệt là các giải thuật cụ thể cho từng phương pháp Nêu các ưu điểm, nhược điểm của từng phương pháp

2.2 Tổng quan về phát hiện đối tượng

Phát hiện đối tượng chuyển động là quá trình đưa ra các đối tượng chuyển động từ các khung hình video Quá trình này thực chất là quá trình xử lý chuỗi ảnh liên tiếp trong một đoạn video để phát hiện ra các đối tượng chuyển động

Hình 2.1 Tổng quan các khối xử lý trong phát hiện đối tượng

Phát hiện đối tượng chuyển động trong video là một trong các bài toán được nghiên cứu rộng rãi và có nhiều ứng dụng trong cuộc sống hiện nay Phần lớn các đối tượng được phát hiện dựa vào những thông tin có trong một frame (khung hình) ảnh Hiện này

có rất nhiều hướng tiếp cận để giải quyết bài toán này như phát hiện đối tượng dựa trên điểm (point detectors), dựa trên việc phân đoạn (segmentation) hoặc dựa trên việc dùng phương pháp trừ nền hay dựa vào phương pháp luồng quang học Tuy nhiên việc lựa chọn phương pháp thì dựa vào tình huống cụ thể Và trong luận văn này thì dữ liệu video thu được cần được xử lý theo thời gian thực vì thế việc phát hiện đối tượng bằng các phương pháp trừ nền và phương pháp luồng quang học là những phương pháp thích hợp

2.3 Phương pháp trừ nền

2.3.1 Tổng quan về trừ nền

Các đối tượng chuyển động, các tính chất của chúng

Xử lý các vùng ảnh nổi (Foreground Processing) Các khung hình video (các frame từ video)

Phát hiện các vùng ảnh nổi (Foreground Detection)

Trong những ứng dụng về thị giác máy tính, vấn đề cơ bản nhất là làm thế nào để phát hiện được các đối tượng chuyển động trong video (foreground) và biết được đâu là phần nền không thay đổi (background) Để giải quyết được vấn đề này thì ta dùng phương pháp trừ nền, là một trong những phương pháp cơ bản nhất trong lĩnh vực thị giác máy tính

Ý tưởng chung của các phương pháp trừ nền là: Để phát hiện ra được các đối tượng chuyển động trong video chúng ta phải có được mô hình nền (background model) Mô hình nền này có thể được học qua nhiều khung hình ảnh nếu nền bị thay đổi, ngược lại

ta có thể chọn một nền có sẵn nếu nền không bị thay đổi Sau đó, ta sẽ dùng mô hình nền này để so sánh với khung hình ảnh hiện tại và kết quả là ta sẽ nhận biết được đâu là phần nền, đâu là các phần chuyển động

Phương pháp trừ nền là phương pháp đơn giản nhất dùng để phát hiện chuyển động

vì khá dễ dàng để cài đặt và tốc độ xử lý nhanh đáp ứng được cho các ứng dụng đòi hỏi

xử lý thời gian thực hơn so với các phương pháp khác Tuy nhiên, phương pháp này sẽ cho kết quả chính xác không cao trong các trường hợp:

 Thay đổi về độ sáng: thay đổi dần dần theo thời gian khi Camera đặt ngoài trời quay dữ liệu theo thời gian hoặc thay đổi đột ngột khi Camera ngoài trời quay dữ liệu và có đám mây bay qua

 Thay đổi về chuyển động khi Camera lung lay hoặc các đối tượng nền dao động với tần suất cao (nhánh cây trước gió hoặc sóng biển)

 Thay đổi về thành phần cấu tạo của nền, ví dụ như khi xe chạy vào bãi đậu và dừng luôn ở đó thì xem như xe đã thuộc về đối tượng nền

Hiện nay có nhiều giải thuật khác nhau về trừ nền và trong phạm vi luận văn này chỉ tập trung nghiên cứu 3 giải thuật: Frame Difference (trừ khung hình), Running Gaussian Average (trung bình trượt Gaussian) và Codebook (bộ từ mã)

2.3.2 Trừ khung hình

Ý tưởng chính trong phương pháp trừ khung hình là các đối tượng chuyển động sẽ được phát hiện dựa trên sự khác biệt giữa hai khung hình ảnh liên tiếp nhau cùng với một ngưỡng được chọn trước Giải thuật trên được thực hiện bằng phương pháp trừ hai khung hình liên tiếp, đối với mỗi giá trị pixel (điểm ảnh) kết quả ta so sánh giá trị tại điểm ảnh đó với ngưỡng đã được chọn Nếu giá trị này nằm trong ngưỡng cho phép thì tại đó ta xem như là nền, ngược lại là phần chuyển động (foreground) [5]

Hình 2.2 Trừ khung hình trong các trường hợp ngưỡng quá cao và quá thấp [7]

 Ưu điểm

 Dễ cài đặt, tốc độ thực thi nhanh và tốn ít bộ nhớ

 Thuật toán chạy chính xác trong trường hợp các đối tượng di chuyển liên tục

 Trong trường hợp khi một đối tượng ngừng chuyển động trong một khoảng thời gian thì sẽ nó cũng có thể bị xem là nền

2.3.3 Trung bình trượt Gaussian

Phương pháp này do Wren, Azarbayejani, Darrell và Pentland đưa ra vào năm 1997 Phương pháp này đặt một phân phối Gaussian G(μ, σ) lên sự biến thiên giá trị của mỗi

điểm ảnh trong đoạn video Ví dụ, với một dãy khung hình từ F 1 tới F n, ta xét điểm ảnh

ở vị trí (x, y) thì các giá trị F 1 (x, y), F 2 (x, y), …, F n (x,y) sẽ tạo thành một dãy giá trị của

điểm ảnh (x, y) ứng với từng khung hình ảnh Bằng cách tính trung bình và phương sai

của dãy điểm ảnh này ta xác định được điểm ảnh của nền (giá trị trung bình) và ngưỡng (độ lệch nhân với một hằng số α nào đó)

σ2 1

 Cho kết quả không chính xác trong trường hợp độ sáng bị thay đổi

Hình 2.3 Video đầu vào và trừ nền cho giải thuật trung bình trượt Gaussian [7]

2.3.4 Bộ từ mã

Trong phương pháp trung bình trượt Gaussian sử dụng cho thuật toán trừ nền trên vẫn còn một số nhược điểm chẳng hạn như: Khi nền có sự thay đổi nhanh chóng thì không thể mô hình hóa chính xác với toán từ Gaussian Đó cũng là nguyên nhân là phương pháp này không thể phát hiện ra được các điểm nhạy như các đối tượng nhỏ trong ảnh nền Vì vậy sử dụng thuật toán Bộ từ mã để giữ mẫu trong một thời gian dài Các đặc trưng của mô hình thuật toán này là: Số hóa và nén, thích nghi và nén mô hình nền và có thể giữ nó trong một thời gian dài trong một bộ nhớ mà kich thước có giới hạn, có khả năng thích nghi với sự thay đổi của ánh sáng nền

Ý tưởng chính của phương pháp này là tại mỗi điểm ảnh của mô hình nền, một tập các cluster với tâm và giới hạn trong không gian màu sẽ được xây dựng nhằm thể hiện

sự phân bố của điểm ảnh nềntrong không gian màu đó Mỗi cluster như vậy được gọi

là codeword (từ mã), tập cluster tại mỗi vị trí điểm ảnh được gọi là bộ từ mã Sau đây là chi tiết của việc xây dựng bộ từ mã:

Xét tại mỗi vị trí điểm ảnh, gọi X = {x 1 , x 2 , …, x n } là dãy giá trị huấn luyện cho điểm

ảnh đó, C = {c 1 , c 2 , …, c L } là bộ từ mã cho vị trí điểm ảnh đó Bộ từ mã này gồm L từ

 pi, qi: Thời gian đầu tiên và cuối cùng từ mã i xuất hiện

Trong khi huấn luyện mô hình, mỗi giá trị x t (được lấy mẫu tại thời điểm t) được so sánh với bộ từ mã hiện tại để tìm xem từ mã nào khớp với x t Để xác định xem từ mã nào khớp tốt nhất chúng ta dùng độ đo màu sắc và độ sáng Chi tiết giải thuật Bộ từ mã như sau:

Bảng 2.1 Giải thuật bộ từ mã [8]

1 L ← 0, C ←  ( phép gán)

2 For t = 1 to N do

2.1 x t = (R,G,B), I ← R+ G+B

2.2 Tìm từ mã c m trong C = {c i |1≤ i ≤L} khớp với x t dựa trên hai điều kiện

a colordist(x t , v m) ≤ €1 với €1 là ngưỡng lấy mẫu

f

R R f

f

G G f

f

B B f

) auxm ← (min{I, I

m }, max{I, Iˆ m }, f m + 1, max{m , t - q m }, p m , t)

End For

3 Với mỗi từ mã c i , i = 1 L đặt i← max{i , (N - q i + p i -1)}

Giả sử M là một mô hình nền với

Trong đóT Mlà ngưỡng của việc huấn luyện, thường có giá trị là một nửa của tổng số khung hình được huấn luyện Dựa theo thuật toán ở bảng 2.1, hai điều kiện (2.2a) và

(2.2b) trên được thỏa khi màu x t và c m đủ gần và độ sáng của x t nằm trong những vùng

bao độ sáng của c m Để giải quyết vấn đề về thay đổi màu sắc và độ sáng, ta tiến hành xây dựng một mô hình màu từ mã

Hình 2.4 Mô hình từ mã [8]

Khi ta có một điểm ảnh x t = (R, G, B) và một từ mã c i với v i= (R i, G i, B i) thì sự biến

đổi màu sắc δ (color distortion) có thể được tính thông qua công thức (2.5) và độ sáng

(brightness) được tính thông qua công thức (2.6)

(x t, v i)2= (R i R + G i G + B i B)2, 2

p = x t 2cos2  = 2

2

) , (

i

i t

v

v x

Giả sử với mỗi từ mã ta có I low  Iˆ, I hi min{Iˆ,



I} với <1 và >1 Thông thường có giá trị từ 0.4 đến 0.7 và có giá trị từ 1.1 đến 1.5 [8]

𝐶ườ𝑛𝑔 độ 𝑠á𝑛𝑔 (𝐼, (𝐼,̆ 𝐼̂)) = {𝑡𝑟𝑢𝑒 nếu 𝐼𝑙𝑜𝑤 ≤ ||𝑥𝑡|| ≤ 𝐼ℎ𝑖

𝑓𝑎𝑙𝑠𝑒 nếu ngược lại (2.6) Sau khi có được mô hình nền M, thuật toán trừ nền với bộ từ mã được thể hiện như sau:

Bảng 2.2 Thuật toán trừ nền với bộ từ mã [8]

1 x = (R, G, B), I ← R + G + B

2 Trong tất cả các từ mã của mô hình nền M trong công thức 1.1, tìm từ mã c m khớp

với x dựa trên 2 điều kiện

a colordist(x t , v m) ≤ €2 với €2 là threshold phát hiện

Hình 2.5 So sánh giữa thuật toán bộ từ mã với phương pháp trung bình trượt

Gaussian (a) Ảnh ban đầu (b) Trừ nền với Guassian (c) Trừ nền với Bộ từ mã [8]

 Phương pháp Bộ từ mã trừ nền tốt hơn phương pháp trung bình trượt Gaussian

khá nhanh Tuy nhiên xét về tốc độ xử lý thì phương pháp trừ khung hình tốn ít thời gian

xử lý nhất Với phương pháp Bộ từ mã thì độ chính xác của phương pháp này phụ thuộc vào số ảnh được chọn để học nền và nó bị ảnh hưởng bởi độ sáng vì thế kết quả của nó không chính xác trong một số trường hợp

Bên cạnh đó, ta cũng có thể thấy một số hạn chế trong việc phát hiện chuyển động đối với một số trường hợp như: bị ảnh hưởng bởi độ sáng, nền thay đổi thường xuyên Những hạn chế này sẽ gây khó khăn trong việc phát hiện được đối tượng ta cần quan tâm Tuy nhiên, đối với bài toán được đặt ra thì Camera quan sát được đặt tại một vị trí

cố định vì thế mô hình nền hầu như không thay đổi nhiều và là điều kiện thuận lợi cho việc áp dụng các thuật toán trừ nền Vì thế, mức độ hiệu quả khi ứng dụng các phương pháp trừ nền trên vào bài toán đặt ra là khá cao

Từ những lý do trên ta có thể áp dụng phương pháp trừ nền trung bình trượt Gaussian hoặc trừ khung hình để phát hiện được các đối tượng chuyển động trong file video được lưu từ camera quan sát tùy vào tình huống cụ thể

2.4 Phương pháp luồng quang học

2.4.1 Tổng quan về luồng quang học

Tự động phát hiện các đối tượng trong ảnh nói chung là nhu cầu cần thiết của hầu hết các hệ thống giám sát an ninh, cảnh báo an ninh Hiện nay có rất nhiều kỹ thuật được

sử dụng để phát hiện đối tượng chuyển động, một trong những kỹ thuật đang được sử dụng rộng rãi hiện nay là kỹ thuật luồng quang học

Luồng quang học là khái niệm chỉ sự chuyển động tương đối của các điểm trên bề mặt của một đối tượng, vật thể nào đó gây ra dưới góc quan sát của một điểm mốc (ví dụ: mắt, camera, …) Sự chuyển động của các vật thể (mà thực tế có thể coi là sự chuyển động của các điểm trên bề mặt vật thế ấy) trong không gian 3 chiều, khi được chiếu lên một mặt phẳng quan sát 2D được gọi là motion field Nhìn chung, mục đích của luồng quang học là xác định (xấp xỉ) motion field từ một tập các khung hình ảnh thay đổi theo thời gian, chúng được sử dụng rộng rãi trong các bài toán phát hiện, nhận dạng đối tượng, tracking…

Luồng quang học là phân bố vận tốc chuyển động của mô hình độ sáng trong một hình ảnh Luồng quang học có thể phát sinh từ chuyển động tương đối của các đối tượng

và người xem Do đó luồng quang học có thể cung cấp các thông tin quan trọng về tổ chức không gian của các đối tượng xem và sắp xếp tốc độ thay đổi này Tính toán luồng quang học khác biệt ở 2 giai đoạn:

 Đo đạc các cường độ dẫn xuất không gian - thời gian

 Tích hợp vận tốc bình thường vào vận tốc đầy đủ

Có nhiều phương pháp xác định luồng quang học khác nhau như correlation, matching, feature-tracking, energy-based, gradient… nhưng giới hạn trong luận văn này,

ta chỉ đề cập đến phương pháp của Lucas – Kanade

Phương pháp Lucas – Kanade là một phương pháp khác biệt được sử dụng rộng rãi cho đánh giá luồng quang học được phát triển bởi Bruce D Lucas và Takeo Kanade Thuật toán Lucas – Kanade dựa vào thông tin tại chỗ mà được dẫn từ vài window nhỏ quanh mỗi điểm quan tâm Tuy nhiên, với trường hợp các chuyển động là lớn dẫn đến

có thể di chuyển các điểm ra ngoài local window và do đó thuật toán sẽ không thể tìm thấy Vấn đề này dẫn đến sự phát triển thuật toán Pyramidal Lucas Kanade: theo vết bắt đầu từ mức cao nhất của một image pyramid (chi tiết thấp nhất) và làm việc xuống đến mức thấp nhất (chi tiết tốt hơn) Theo trên các image pyramid cho phép các chuyển động lớn có thể được bắt bởi các local window [11]

Ý tưởng cơ bản của thuật toán Lucas Kanade dựa vào giả thiết:

 Mức sáng của các điểm ảnh không có thay đổi từ khung hình thứ n sang khung hình thứ n+1:

f (x,t) = I(x(t),t) = I(x(t + dt),t + dt) (2.7) 𝜕𝑓(𝑥)

Phương pháp luồng quang học dùng để tính toán sự chuyển động giữa 2 khung hình ảnh để từ đó phát hiện sự chuyển động của đối tượng Giả sử xét tại 2 thời điểm t và t

về sự thay đổi của điểm ảnh Chúng ta sẽ áp dụng công thức khai triển chuỗi Taylor trong trường hợp này khi I(x,y,t) là điểm ảnh trung tâm so với ma trận (n x n) là láng giềng của điểm ảnh trung tâm [10] Ta có phương trình:

I (x,y,t) = I( x + x, y + y, z + z) (2.8) Giải phương trình trên, ta được:

IxVx + IyVy = - It (2.9) Trong đó:

 Ix, Iy, It là cường độ theo hướng x,y,t

 Vx, Vy, Vz lần lượt là các thành phần vận tốc hay là luồng quang học của I(x,y,t)

Do phương trình (2.9) phải thỏa mãn hệ phương trình sau:

Ma trận trên là ma trận sự thay đổi vận tốc theo hướng x,y [9]

Kết quả thu được với phương pháp luồng quang học:

Hình 2.7 Sự thay đổi luồng quang học giữa 2 khung hình và phát hiện đối tượng [10]

Nhận xét về phương pháp luồng quang học

 Ưu điểm:

 Đơn giản, số lượng tính toán ít

 Tính toán trong các điều kiện của thuật toán đem lại kết quả tính vận tốc với

So sánh phương pháp trừ nền và phương pháp luồng quang học

 Sau khi tiến hành thử nghiệm và so sánh với các kĩ thuật trừ nền về mức độ lỗi trung bình, độ nhiễu, và tỉ lệ chính xác khi gặp phải nguồn ảnh hoặc nguồn Video chất lượng thấp thì phương pháp luồng quang học đạt được độ ổn định cao hơn qua bảng đánh giá sau (được khảo sát thử nghiệm trên 1000 khung hình ảnh) [1]:

Hình 2.8 Biểu đồ so sánh mức độ lỗi, nhiễu giữa các kĩ thuật trừ ảnh, trừ nền, luồng

quang học [1]