Đồ án Ứng dụng xử lý ảnh trong giám sát an ninh sử dụng bằng cách kết hợp mô hình phân phối chuẩn (Phần 1)

Nội dung text: Đồ án Ứng dụng xử lý ảnh trong giám sát an ninh sử dụng bằng cách kết hợp mô hình phân phối chuẩn (Phần 1)

1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM KHOA ĐIỆN - ĐIỆN TỬ ĐỒ ÁN TỐT NGHIỆP NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ - TRUYỀN THÔNG ỨNG DỤNG XỬ LÝ ẢNH TRONG GIÁM SÁT AN NINH SỬ DỤNG BẰNG CÁCH KẾT HỢP MÔ HÌNH PHÂN PHỐI CHUẨN GVHD: TS.NGUYỄN MẠNH HÙNG SVTH: BÙI VĂN CHÂU MSSV: 12141021 SVTH: VÕ ĐÌNH Y MSSV: 12141270 S K L 0 0 4 4 5 3 Tp. Hồ Chí Minh, tháng 07/2016
2. BỘ GIÁO DỤC & ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH KHOA ĐIỆN – ĐIỆN TỬ BỘ MÔN ĐIỆN TỬ-CÔNG NGHIỆP ĐỒ ÁN TỐT NGHIỆP NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ TRUYỀN THÔNG Đề tài: ỨNG DỤNG XỬ LÝ ẢNH TRONG GIÁM SÁT AN NINH SỬ DỤNG BẰNG CÁCH KẾT HỢP MÔ HÌNH PHÂN PHỐI CHUẨN GVHD : TS. Nguyễn Mạnh Hùng SVTH : Bùi Văn Châu MSSV : 12141021 SVTH : Võ Đình Y MSSV : 12141270 Tp. Hồ Chí Minh – 07/2016
3. LỜI CAM ĐOAN Chúng tôi Bùi Văn Châu và Võ Đình Y cam đoan Đồ Án Tốt Nghiệp là công trình nghiên cứu của bản thân chúng tôi dưới sự hướng dẫn của TS. Nguyễn Mạnh Hùng. Các kết quả công bố trong ĐỒ ÁN TỐT NGHIỆP là trung thực và không sao chép từ bất kỳ công trình nào khác. Các tài liệu được sử dụng phục vụ cho việc thực hiện đề tài sẽ được ghi rõ tên trong phần tài liệu tham khảo. Người thực hiện đề tài Bùi Văn Châu Võ Đình Y iv
4. LỜI CẢM ƠN Trong thực tế đằng sau của sự thành công, đó là những sự giúp đỡ ân cần và nhiệt tình, cùng với những lời động viên dù có ít hay nhiều, dù trực tiếp hay gián tiếp đến từ mọi người. Và được trở thành sinh viên của trường Đại Học Sư Phạm Kỹ Thuật đó là một niềm tự hào đối với chúng em. Trong suốt thời gian học tập ở trường cho đến nay, chúng em đã nhận được rất nhiều sự quan tâm, chỉ bảo, giúp đỡ đến từ quý thầy cô giáo trong trường Đại Học Sư Phạm Kỹ Thuật nói chung, thầy cô trong bộ môn Điện Tử Công Nghiệp nói riêng, cùng với gia đình và bạn bè trong và ngoài trường. Với lòng biết ơn sâu sắc chúng em xin thông qua cuốn báo cáo đồ án tốt nghiệp này xin gửi lời cảm ơn đến toàn thể quý thầy cô trong nhà trường đã nhiệt tình và ân cần dạy bảo chúng em, truyền dạy cho chúng em những kiến thức quý báu nó đã làm nền tảng cho chúng em có thể ra ngoài thực tế làm việc được một cách hiệu quả. Và đặc biệt trong học kỳ này ban lãnh đạo nhà trường đã phối hợp với ban lãnh đạo khoa đã tạo điều kiện cho chúng em được làm đồ án tốt nghiệp, đây được xem là việc rất quan trọng giúp chúng em có thể nắm bắt lại những kiến thức quan trọng, đồng thời trong quá trình nghiên cứu chúng em có thể tìm ra những kiến thức mới, và có thể áp dụng ngay sau khi tốt nghiệp và ra thực tế làm việc. Chúng em xin chân thành cảm ơn đến thầy TS. Nguyễn Mạnh Hùng đã tận tình hướng dẫn và giúp đỡ chúng em trong suốt thời gian làm đồ án, thầy đã trang bị cho chúng em những kiến thức quý báu liên quan đến đề tài mà nhóm đã chọn. Nếu không được sự giúp đỡ từ thầy thì đề tài của chúng em khó mà có thể hoàn thành. Một lần nữa nhóm xin gửi lời cảm ơn chân thành đến thầy. Đề tài được thực hiện trong 3 tháng và trong đề tài vẫn còn những thiếu sót, rất mong nhận được sự đánh giá và đóng góp ý kiến đến từ quý thầy cô trong trường Đại Học Sư Phạm Kỹ Thuật nói chung và thầy cô trong bộ môn Điện Tử Công Nghiệp nói riêng, cùng với quý thầy cô ngoài nhà trường, và đến từ bạn đọc. Xin chân thành cảm ơn! Người thực hiện đề tài Bùi Văn Châu Võ Đình Y v
5. MỤC LỤC TRANG BÌA i LỜI CAM ĐOAN iv LỜI CẢM ƠN v MỤC LỤC vi LIỆT KÊ HÌNH VẼ viii LIỆT KÊ BẢNG ix TÓM TẮT x DANH SÁCH CÁC TỪ VIẾT TẮT xi DANH SÁCH CÁC TỪ TIẾNG ANH xii Chương 1. TỔNG QUAN 1 1.1 ĐẶT VẤN ĐỀ 1 1.2 MỤC TIÊU 2 1.3 NỘI DUNG NGHIÊN CỨU 2 1.4 GIỚI HẠN 3 1.5 BỐ CỤC 4 Chương 2. CƠ SỞ LÝ THUYẾT 5 2.1 PHƯƠNG PHÁP TRỪ NỀN 6 2.1.1 Giới thiệu 5 2.1.2 Yêu cầu của một hệ thống sử dụng phương pháp trừ nền 6 2.1.2.1 Tiền xử lý 6 2.1.2.2 Mô hình hóa nền 8 2.1.2.3 Phát hiện đối tượng chuyển động 8 2.1.2.4 Hợp lý hóa dữ liệu 9 2.1.3 Phương pháp giải quyết 8 2.1.4 Ưu điểm và nhược điểm của phương pháp trừ nền 9 2.2 PHƯƠNG PHÁP MÔ HÌNH PHÂN PHỐI CHUẨN KẾT HỢP 10 2.2.1 Giới thiệu 10 2.2.2 Ước lượng tham số 12 2.2.3 Ưu điểm và nhược điểm của phương pháp mô hình phân phối chuẩn kết hợp 14 vi
6. Chương 3. TÍNH TOÁN VÀ THIẾT KẾ 15 3.1 GIỚI THIỆU 15 3.2 TÍNH TOÁN VÀ THIẾT KẾ HỆ THỐNG 15 3.2.1 Thiết kế sơ đồ khối hệ thống 15 3.2.2 Tính toán và thiết kế 16 Chương 4. THI CÔNG HỆ THỐNG 20 4.1 GIỚI THIỆU 20 4.2 THI CÔNG HỆ THỐNG 20 4.2.1 Thi công vỏ hộp 20 4.2.2 Kết nối và kiểm tra 21 4.3 ĐÓNG GÓI HỆ THỐNG 21 4.4 LẬP TRÌNH HỆ THỐNG 22 4.4.1 Lưu đồ giải thuật 22 4.4.2 Phần mềm và thư viện lập trình cho hệ thống 25 4.5 VIẾT TÀI LIỆU HƯỚNG DẪN SỬ DỤNG, THAO TÁC 28 4.5.1 Viết tài liệu hướng dẫn sử dụng 28 4.5.2 Quy trình thao tác 30 Chương 5. KẾT QUẢ_NHẬN XÉT_ĐÁNH GIÁ 34 5.1 THIẾT LẬP MÔI TRƯỜNG THỰC NGHIỆM 34 5.2 KẾT QUẢ THỰC NGHIỆM 34 5.3 ẢNH HƯỞNG TỪ CÁC THÔNG SỐ 39 Chương 6. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 45 6.1 KẾT LUẬN 45 6.2 HƯỚNG PHÁT TRIỂN 45 TÀI LIỆU THAM KHẢO 47 PHỤ LỤC 48 vii
7. LIỆT KÊ HÌNH VẼ Hình Trang Hình 2.1: Kết quả của phương pháp trừ nền 5 Hình 2.2: Ảnh trừ nền theo thời gian 8 Hình 2.3: Hàm mật độ Gauss 10 Hình 2.4: Mô hình phân phối chuẩn kết hợp 11 Hình 2.5: Hàm mật độ của mô hình phân phối chuẩn kết hợp có 3 phân phối Gauss 12 Hình 3.1: Sơ đồ khối của hệ thống 15 Hình 3.2: Camera quan sát Bluelover S7 16 Hình 3.3: Kít Raspberry pi B+ 17 Hình 3.4: Module sim 900A 18 Hình 3.5: Adapter 5V 1A USB. 19 Hình 4.1: Hệ thống sau khi hoàn thành 21 Hình 4.2: Lưu đồ giải thuật xử lý hệ thống 22 Hình 4.3: Lưu đồ thực hiện gửi tin nhắn 24 Hình 4.4: Giao diện đồ họa của Raspbian 25 Hình 4.5: Màn hình truy cập vào Remote Desktop 29 Hình 4.6: Màn hình shutdown chương trình hệ thống chạy trên kít 29 Hình 4.7: Sau khi ngắt nguồn của hệ thống 30 Hình 5.1: Ảnh ngõ vào trong điều kiện ánh sáng thường 35 Hình 5.2: Ảnh ngõ vào trong điều kiện ánh sáng tối 37 Hình 5.3: Giá trị thông số lựa chọn trong điều kiện ánh sáng thường 42 Hình 5.4: Kết quả lựa chọn giá trị cho thông số trong điều kiện ánh sáng thường 42 Hình 5.5: Giá trị thông số lựa chọn trong điều kiện ánh sáng tối 43 Hình 5.6: Kết quả lựa chọn giá trị cho thông số trong điều kiện ánh sáng tối 43 viii
8. LIỆT KÊ BẢNG Bảng Trang Bảng 3.1. Kết nối dây giữa kít Raspberry pi B+ với các thiết bị 16 Bảng 4.1. Danh sách các linh kiện 20 Bảng 5.1. Kết quả sau khi làm thực nghiệm trong điều kiện ánh sáng thường 35 Bảng 5.2. Kết quả sau khi làm thực nghiệm trong điều kiện ánh sáng tối 37 Bảng 5.3. Nhận xét kết quả thực nghiệm 40 ix
9. TÓM TẮT Hiện nay ngành công nghệ giám sát an ninh đang được các nước áp dụng phổ biến và với nhu cầu có thể bảo vệ được tài sản của chính mình, nên nhóm đã suy nghĩ và quyết định đi đến lựa chọn đó là tiến hành thi công hệ thống giám sát an ninh sử dụng bằng cách kết hợp mô hình phân phối chuẩn. Trong hệ thống giám sát an ninh này nhóm đã đưa ra từng bước cụ thể để thực hiện: Tìm hiểu và nghiên cứu các kiến thức liên quan đến hệ thống - Về kiến thức xử lý ảnh - Về phương pháp mô hình phân phối chuẩn kết hợp - Về kít Raspberry pi B+ - Về module sim 900A - Về camera quan sát Bluelover S7 Tiến hành kết nối phần cứng Lập trình code xử lý Làm thực nghiệm để cho kết quả chính xác nhất Hoàn thiện hệ thống Như vậy trong đề tài đã chọn, nhóm sẽ tập trung vào tìm hiểu phương pháp mô hình phân phối chuẩn kết hợp, nêu ra ưu điểm và nhược điểm của phương pháp, tính nổi bật của phương pháp so với những phương pháp khác, cụ thể là đối với phương pháp trừ nền, và sau khi hoàn thiện, hệ thống sẽ phát hiện chuyển động rồi thông báo cho gia chủ bằng module sim 900A. x
10. DANH SÁCH CÁC TỪ VIẾT TẮT STT Tên Thuật ngữ 1 GMM Gaussian mixture model 2 EM Expectation Maximization 3 ML Maximum likelihood 4 ID Identification 5 MAP Maximum a posteriori probability 6 PCA Principal component Analysis 7 RGB Red Green Blue 8 HSV Hue Saturation Value 9 GPIO General-purpose input/output xi
11. DANH SÁCH CÁC TỪ TIẾNG ANH STT Tiếng Anh Tiếng Việt 1 Gaussian Mixture Model Mô hình phân phối chuẩn kết hợp 2 Background Subtraction Phương pháp trừ nền 3 Foreground Detection Phương pháp phát hiện tiền cảnh 4 Expectation Maximization Thuật toán cực đại hóa kỳ vọng 5 Maximum Likelihood Ước lượng hợp lý cực đại 6 Identification Nhận dạng 7 Maximum A Posteriori Probability xác suất hậu nghiệm ước tính tối đa 8 Principal Component Analysis Phương pháp phân tích thành phần chính 9 Red Green Blue Mô hình màu Đỏ - Xanh lá cây - Xanh 10 Hue Saturation Value Màu sắc - Độ bão hòa - Giá trị 11 History Số lượng khung ảnh 12 Varthreshold Ngưỡng 13 Shadowdetection Đánh dấu bóng 14 General-Purpose Input/Output Cổng đầu vào ra xii
12. CHƯƠNG 1. TỔNG QUAN Chương 1. TỔNG QUAN 1.1 ĐẶT VẤN ĐỀ Đa số với xu thế kinh tế ngày càng phát triển, mức sống của người dân ngày càng được nâng cao, giới trung lưu ngày càng nhiều hơn, cùng với đó là nhu cầu đi du lịch, nghỉ dưỡng sau những ngày làm việc bận rộn được quan tâm. Khi đi du lịch, nghỉ dưỡng nhiều ngày, nhiều tuần liền xa nhà, thì tâm lý không an tâm về tài sản trong ngôi nhà của họ sẽ nảy sinh làm ảnh hưởng rất nhiều đến chuyến đi, để vứt bỏ tâm lý đó chúng ta cần một giải pháp an ninh để giám sát ngôi nhà của chúng ta mỗi khi đi xa nhà và giải pháp là: Nếu có trộm thì cần phát hiện và báo tin nhắn cho gia chủ, để thực hiện được điều đó chúng ta sẽ tận dụng camera quan sát để quay lấy hình ảnh, kít Raspberry pi B+ để chạy xử lý code có chuyển động, và module sim 900A thông báo đến gia chủ có người đang chuyển động. Để xác định có hoặc không có chuyển động trong một ảnh, người ta dựa vào số pixel của nền và số pixel của đối tượng chuyển động. Nếu số pixel của đối tượng chuyển động đủ lớn, ta kết luận có đối tượng chuyển động. Để nhận xét một pixel có chuyển động hay không, các phương pháp cũ sử dụng phương pháp trừ nền để tìm các khung nền của ảnh. Ảnh thu được của camera sẽ trừ với ảnh nền để tìm những pixel chuyển động. Nhưng nhược điểm của phương pháp này là nhạy với nhiễu và di chuyển của camera, ngoài ra phương pháp này còn có nhược điểm khác đó là độ nhạy của điểm ảnh với việc chiếu sáng. Và phương pháp này không là lựa chọn tốt đối với những đoạn video có khung cảnh không ổn định ví dụ như khung cảnh ánh sáng luôn bị thay đổi liên tục hay những khung cảnh có độ nhiễu lớn (ví dụ như những cây luôn dao động liên tục khi có gió). Như vậy để giải quyết phương pháp này nhóm đã sử dụng một phương pháp mới đó là phương pháp mô hình phân phối chuẩn kết hợp, các thông số của mô hình sẽ được update theo thời gian, nhờ đó hệ thống có thể thay đổi tương ứng với những điều kiện khách quan bên ngoài. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 1
13. CHƯƠNG 1. TỔNG QUAN Từ đó nhóm đã quyết định đi đến việc thực hiện đề tài với tên gọi “ỨNG DỤNG XỬ LÝ ẢNH TRONG GIÁM SÁT AN NINH SỬ DỤNG BẰNG CÁCH KẾT HỢP MÔ HÌNH PHÂN PHỐI CHUẨN”. 1.2 MỤC TIÊU Mục tiêu của đề tài là có thể thi công được một hệ thống giám sát an ninh mang tính ổn định cao, bên cạnh đó hệ thống sử dụng kít Raspberry pi B+ để chạy một chương trình ứng dụng xử lý ảnh, qua đó giúp người làm có thể vận dụng và kết hợp giữa những kiến thức được học về lập trình nhúng vào trong lĩnh vực xử lý ảnh. Và với đề tài đã chọn, nhóm hi vọng đây là động lực để nhóm có thể tiếp tục tìm hiểu và bước đầu xây dựng những hệ thống giám sát an ninh khác với mong muốn có thể đáp ứng được nhu cầu của cuộc sống ngày càng được tốt hơn. 1.3 NỘI DUNG NGHIÊN CỨU Nội dung thực hiện bao gồm: NỘI DUNG 1: Tìm hiểu nội dung lí thuyết về xử lý ảnh, phương pháp mô hình phân phối chuẩn kết hợp. NỘI DUNG 2: Tìm hiểu các thiết bị có trong hệ thống bao gồm camera giám sát Bluelover S7, kít Raspberry pi B+, module sim 900A, cùng với thư viện OpenCV. Camera giám sát Bluelover S7 - Thông số kỹ thuật. - Cách kết nối với kít Raspberry pi B+. Kít Raspberry pi B+ - Tìm hiểu về kít Raspberry pi B+. - Hệ điều hành cho kít Raspberry pi B+. - Cách cài đặt hệ điều hành cho kít Raspberry pi B+. Module sim 900A - Thông số kỹ thuật. - Cấu tạo của module sim 900A. - Cách kết nối với kít Raspberry pi B+. - Cấu hình module sim900A với kít Raspberry pi B+. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 2
14. CHƯƠNG 1. TỔNG QUAN Thư viện OpenCV - Tìm hiểu về thư viện OpenCV. - Các tính năng của thư viện OpenCV. - Chức năng của các hàm thông dụng thư viện OpenCV. NỘI DUNG 3: Tiến hành cài đặt Visual studio 2015 cùng với thư viện OpenCV trên máy tính và bắt đầu làm thử nghiệm trên máy tính. NỘI DUNG 4: Sau khi làm được thử nghiệm trên máy tính nhóm bắt đầu cài đặt hệ điều hành cùng với thư viện OpenCV trên kít Raspberry pi B+. NỘI DUNG 5: Kết nối camera giám sát với kít Raspberry pi B+, bắt đầu quay lấy hình ảnh viết code xử lý xác định chuyển động. NỘI DUNG 6: Tiến hành làm thử nghiệm trong điều kiện ánh sáng thường và ánh sáng tối với sự thay đổi giá trị của các thông số quan trọng. NỘI DUNG 7: Sau khi xác định được chuyển động, nhóm đi đến kết nối module sim 900A với kít Raspberry pi B+, để bắt đầu triển khai chế độ nhắn tin. NỘI DUNG 8: Sau khi hoàn thiện hệ thống, nhóm lắp khung mica đóng gói kít Raspberry pi B+ cùng với module sim 900A. NỘI DUNG 9: Kiểm tra tính ổn định của hệ thống. NỘI DUNG 10: Viết luận văn báo cáo cùng với việc xây dựng power point thuyết trình. 1.4 GIỚI HẠN Đề tài thiết kế hệ thống giám sát an ninh sử dụng phương pháp mô hình phân phối chuẩn kết hợp thì các giới hạn bao gồm: Mô hình thi công có kích thước chiều dài 15cm, chiều cao 7 cm. Thi công được hệ thống đúng với yêu cầu đặt ra. Sử dụng kít Raspberry pi B+ cùng với module sim 900A. Công cụ quan sát là camera giám sát Bluelover S7. Hệ thống có thể lắp đặt được cả ở trong nhà hoặc ở ngoài nhà, nơi có ánh sáng thường hoặc nơi có ánh sáng tối . BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 3
15. CHƯƠNG 1. TỔNG QUAN 1.5 BỐ CỤC Với đề tài “ ỨNG DỤNG XỬ LÝ ẢNH TRONG GIÁM SÁT AN NINH SỬ DỤNG BẰNG CÁCH KẾT HỢP MÔ HÌNH PHÂN PHỐI CHUẨN” thì bố cục đồ án xin được trình bày như sau: Chương 1: Tổng Quan Chương này xin đi đến trình bày về việc đặt vấn đề dẫn đến lý do chọn đề tài, mục tiêu, nội dung nghiên cứu, giới hạn, và bố cục của đồ án. Chương 2: Cơ Sở Lí Thuyết Chương này xin trình bày lí thuyết về 2 phương pháp đó là phương pháp trừ nền và phương pháp mô hình phân phối chuẩn kết hợp bao gồm trình bày về phần giới thiệu, phương pháp giải quyết, ưu điểm và nhược điểm của 2 phương pháp, thông qua sự trình bày đó nó sẽ giúp chúng ta thấy được sự khác biệt giữa 2 phương pháp này và phương pháp nào sẽ tối ưu hơn khi được ứng dụng trong giám sát an ninh. Chương 3: Tính Toán Thiết Kế Chương này xin đi đến trình bày về việc thiết kế sơ đồ khối của hệ thống, cùng với thông tin kỹ thuật về các thiết bị được lựa chọn để lắp ráp hệ thống. Chương 4: Thi Công Hệ Thống Chương này xin đi đến trình bày về các bước để lắp ráp và kiểm tra hệ thống, thông tin về phần mềm và thư viện sử dụng, đồng thời sẽ viết tài liệu hướng dẫn sử dụng và các thao tác thực hiện. Chương 5: Kết Quả Nhận Xét Chương này xin đi đến trình bày các kết quả thực nghiệm và đưa ra nhận xét dựa trên các kết quả thực nghiệm đã làm được từ đó mới đưa ra lời kiến nghị cho người dùng. Chương 6: Kết Luận Và Hướng Phát Triển Chương này xin đi đến trình bày các kết quả đạt được về mặt lí thuyết, thực tiễn, hạn chế, từ đó đưa ra hướng phát triển cho đề tài. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 4
16. CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Chương 2. CƠ SỞ LÝ THUYẾT 2.1 PHƯƠNG PHÁP TRỪ NỀN 2.1.1 Giới thiệu Phương pháp trừ nền hay có thể gọi phương pháp phát hiện tiền cảnh là một kỹ thuật trong lĩnh vực xử lý ảnh và thị giác máy tính khi mà tiền cảnh sẽ được tách ra cho những bước xử lý tiếp theo (ví dụ như nhận dạng đối tượng, nhận dạng cử chỉ, chuyển động v.v). Sau bước tiền xử lý, các bước xử lý tiếp theo sẽ sử dụng kỹ thuật trừ nền này. Trừ nền được ứng dụng rộng rãi trong nhiều lĩnh vực như camera giám sát, nhận dạng đối tượng, nhận dạng cử chỉ đối tượng, giao thông để theo dõi lưu lượng xe . Phương pháp trừ nền tính toán mặt nạ phía trước thực hiện một phép trừ giữa khung hiện tại và một mô hình nền, có chứa các phần tĩnh của cảnh. Hình 2.1: Kết quả của phương pháp trừ nền Nguồn: D. Birgi Tamersoy, 2009 Và đã có một số đề tài sử dụng phương pháp trừ nền để thi công một hệ thống giám sát ví dụ như đề tài “Lê Hữu Đức, Chu Nguyễn Đức Long và Trần Đình Trọng, “Phát Hiện Mật Độ Xe Trên Đường Dùng Phương Pháp Trừ Nền”, Đồ Án Tốt Nghiệp Đại Học, Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM, 2015.” Nội dung cuả đề tài là “ Phát hiện mật độ xe trên đường từ dữ liệu thu bằng camera hoặc máy ảnh lắp đặt trên đường, sử dụng phương pháp trừ nền. Với phương pháp này nhóm làm đề tài xác định được lượng xe trên đường qua dữ liệu thu được xử lý khi nào mật độ xe lưu thông ít, khi nào mật độ xe lưu thông đông, từ đó đưa thông tin đã xử lý hiển thị lên màn hình BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 5
17. CHƯƠNG 2. CƠ SỞ LÝ THUYẾT và đưa ra thông báo cảnh báo cho các phương tiện khác biết được ở đoạn đường nào có mật độ xe như thế nào để thuận tiện cho việc lưu thông trên đường”[2]. Ngoài ra phương pháp trừ nền còn được sử dụng trong: Giám sát giao thông (đếm xe, phát hiện và theo dõi xe). Nhìn nhận hành động của con người (chạy, đi bộ, nhảy v.v). Tương tác giữa con người - máy tính (giao diện con người). Theo dõi và phát hiện đối tượng chuyển động[6]. 2.1.2 Yêu cầu của một hệ thống sử dụng phương pháp trừ nền Mặc dù đã có rất nhiều các giải thuật trừ nền trong các đề tài xử lý ảnh, nhưng tất cả chúng đều theo một lưu đồ giải thuật đơn giản và với bốn bước chính sau: Tiền xử lý, mô hình hóa nền, phát hiện đối tượng và hợp lệ hóa dữ liệu. Tiền xử lý bao gồm những tác vụ xử lý ảnh đơn giản cho video đầu vào tạo điều kiện cho xử lý những bước tiếp theo. Mô hình hóa nền sử dụng những frame video mới để tính toán và cập nhật một mô hình nền. Mô hình nền này cung cấp phần mô tả thống kê của toàn bộ cảnh nền. Dò tìm đối tượng là xác định những pixel trong frame video không tương ứng với mô hình nền, và đưa ra mặt nạ nhị phân tương ứng với các đối tượng. Cuối cùng hợp lệ dữ liệu khảo sát mặt nạ thích hợp này, loại bỏ những pixel không tương ứng với những đối tượng chuyển động thật, và đưa ra mặt nạ cuối cùng. 2.1.2.1 Tiền xử lý Trong đa số hệ thống thị giác máy tính, những bộ lọc đơn giản thường được sử dụng trong giai đoạn đầu của xử lý để giảm bớt nhiễu camera. Những bộ lọc có thể được sử dụng để loại bỏ những nhiễu môi trường nhất thời như mưa và tuyết v.v. Với hệ thống thời gian thực, giảm bớt kích thước frame và tốc độ frame thường được dùng để làm giảm tốc độ xử lý dữ liệu. Nếu camera chuyển động hoặc nhiều camera được sử dụng tại các vị trí khác nhau, đăng kí ảnh giữa các frame liên tục và những camera khác nhau là cần thiết trước khi mô hình hóa nền. Một vấn đề khác trong tiền xử lý là định dạng dữ liệu được sử dụng bởi các giải thuật trừ nền khác nhau. Hầu hết các giải thuật đều xử lý cường độ chiếu sáng. Mặc dù vậy ảnh màu, trong không gian màu RGB hoặc HSV, cũng được sử dụng khá phổ biến trong trừ nền. Người ta cũng đã chỉ ra rằng khi xác định đối tượng trong vùng độ tương phản thấp và khử bóng sinh ra do đối tượng di chuyển thì sử dụng màu sắc tốt hơn sử dụng độ sáng. Ngoài ra, những BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 6
18. CHƯƠNG 2. CƠ SỞ LÝ THUYẾT đặc trưng ảnh dựa trên pixel cũng thường được sử dụng kết hợp các biên và thông tin chuyển động. 2.1.2.2 Mô hình hóa nền Mô hình hóa nền là vấn đề trọng tâm của bất kỳ giải thuật trừ nền nào. Nhiều nghiên cứu đã tập trung để phát triển mô hình hóa nền linh loạt chống lại sự thay đổi của môi trường, nhưng đủ nhạy để xác định mọi chuyển động cần quan tâm. 2.1.2.3 Phát hiện đối tượng chuyển động Phát hiện đối tượng là việc so sánh khung video hiện thời với mô hình nền và xác định các pixel đối tượng từ frame đầu vào đó. Ngoại trừ mô hình không có tham biến và mô hình MOG. Một hướng tiếp cận khác là sử dụng độ khác nhau tương đối hơn là độ khác nhau tuyệt đối để nổi bật tương phản trong những vùng tối như là độ bóng . | 푡( ,푌)− 푡( ,푌)| > (2.1) 푡( ,푌) Tuy nhiên, kĩ thuật này không thể sử dụng để tăng độ tương phản trong các ánh sáng như cảnh ngoài trời dưới sương mù dày đặc. Một hướng tiếp cận khác để đưa ra độ biến thiên không gian là sử dụng hai ngưỡng với hiện tượng trễ. Ý tưởng cơ bản là ban đầu xác định các pixel không thuộc nền mà chúng khác biệt tuyệt đối với các ước lượng nền vượt quá một ngưỡng. Sau đó vùng đối tượng được phát triển từ các pixel đã được xác định, có thể được thực hiện bởi việc sử dụng giải thuật kết nối các nhóm thành phần. 2.1.2.4 Hợp lý hóa dữ liệu Chúng ta định nghĩa hợp lý hóa dữ liệu là quá trình xử lý, cải tiến mặt nạ xác định đối tượng dựa vào thông tin thu được từ bên ngoài mô hình nền. Tất cả các mô hình nền có ba hạn chế chính: thứ nhất, chúng bỏ qua tất cả các mối liên quan giữa các pixel lân cận, thứ hai tốc độ thích nghi có thể không phù hợp với tốc độ chuyển động của các đối tượng, thứ ba những pixel động do đung đưa của các lá cây, hoặc độ bóng do các đối tượng chuyển động dễ gây hiểu lầm là đối tượng thực sự[3]. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 7
19. CHƯƠNG 2. CƠ SỞ LÝ THUYẾT 2.1.3 Phương pháp giải quyết Nền trừ nền là một quá trình tính toán tầm nhìn giải nén nền trước các đối tượng trong một cảnh đặc biệt. Nền trừ là một phương pháp được sử dụng rộng rãi để phát hiện các đối tượng chuyển động trong video từ máy ảnh tĩnh. Ảnh tại thời gian t Ảnh nền tại thời gian t I (x, y, t) B (x, y, t) Hình 2.2: Ảnh trừ nền theo thời gian Nguồn: D. Birgi Tamersoy, 2009 Trước tiên ta ước tính nền tảng cho thời gian t sau đó trừ các nền ước tính từ các khung đầu vào. Áp dụng một ngưỡng Th với sự chênh lệch tuyệt đối để có được mặt nạ phía trước. Phương trình phép trừ nền được thực hiện theo công thức sau: B (x, y, t) = I (x, y, t – 1) (2.2) | I (x, y, t) – I (x, y, t – 1) | > Th (2.3) Tùy thuộc vào cấu trúc đối tượng, tốc độ, tỷ lệ khung hình và ngưỡng toàn cầu, cách tiếp cận này có thể hoặc không có thể hữu ích (thường là không). Để giải quyết một bài toán sử dụng phương pháp trừ nền ta thực hiện qua các bước sau: Bước 1: Lấy khung hình từ video quay từ video. Bước 2: Khởi tạo Background. Bước này lúc đầu sẽ lấy khung hình đầu tiên để làm Background. Bước 3: Tìm sự khác biệt giữa Background và Foreground. Trừ các giá trị giữa ảnh khung hình và ảnh nền để tìm được ảnh khác biệt. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 8
20. CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Bước 4: Xử lý đưa ra ảnh nhị phân. Sau khi tìm được ảnh khác biệt thì tiến hành chuyển đổi ảnh gray, tìm ngưỡng bằng phương pháp Otsu và đưa ra ảnh nhị phân. Bước 5: Đếm số pixel trắng tương ứng với vật thể hay người đang chuyển động. Bước 6: Do ảnh hưởng của các yếu tố thay đổi bên ngoài cần cập nhật Background và sau đó quay lại bước 3[2].  Để chương trình có thể hoạt động và cho kết quả chính xác thì hệ thống cần phải thỏa mãn một số điều kiện sau: Nền của video không được thay đổi. Camera được dùng để quay video phải đặt ở vị trí cố định, ở phía trên cửa ra vào và khoảng cách với người di chuyển khoảng 1.5m đến 2m đối với chức năng đếm người ra vào tòa nhà. Camera được dùng để quay video phải đặt ở vị trí cố định và ở phía trước khuôn mặt của người ra vào với khoảng cách 0.5m đến 1m đối với chức năng cảnh báo người bằng âm thanh. Ánh sáng trong video phải ổn định, không quá tối hoặc quá sáng thì các chức năng sẽ làm việc chính xác hơn. Chương trình sẽ làm việc chính xác hơn với các video màu. 2.1.4 Ưu điểm và nhược điểm của phương pháp trừ nền 2.1.4.1 Ưu điểm Thuật toán của phương pháp trừ nền có thời gian tính toán nhanh, đặc biệt là trong các hệ thống thời gian thực (real-time system). Tìm được các đặc tính tiêu biểu của đối tượng cần nhận dạng mà không cần phải xác định các thành phần và mối quan hệ giữa các thành phần đó. Thuật toán có thể thực hiện tốt với các cảnh có độ phân giải cao, do phương pháp trừ nền sẽ thu gọn ảnh thành một ảnh có kích thước nhỏ hơn. Phương pháp trừ nền có thể kết hợp với các phương pháp khác như mạng Noron, Support Vector Machine v.v, để mang lại hiệu quả nhận dạng cao hơn. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 9
21. CHƯƠNG 2. CƠ SỞ LÝ THUYẾT 2.1.4.2 Nhược điểm Độ chính xác của thuật toán phương pháp trừ nền thấp, và nếu gặp phải trường hợp trong đoạn video mà đối tượng hầu như không chuyển động, hay chất lượng thu ảnh của camera còn có nhiều nhiễu, thì thuật toán này sẽ đưa ra kết quả không chính xác. Nhược điểm lớn nhất của kỹ thuật trừ nền là không phân biệt được sự thay đổi lớn trong một vùng ảnh nhỏ và thay đổi nhỏ trong một vùng ảnh lớn. Nói chung tất cả các kỹ thuật trừ giá trị điểm ảnh đều nhạy với nhiễu. Có thể cải tiến kỹ thuật này bằng cách đếm tổng số điểm ảnh có thay đổi lớn hơn một ngưỡng nào đó và so sánh giá trị tính được với một ngưỡng khác để phát hiện chuyển động. Một nhược điểm khác của kỹ thuật trừ nền là độ nhạy của điểm ảnh với việc chiếu sáng. Khi đó người ta điều chỉnh độ sai khác giá trị điểm ảnh bằng cách chia nó cho cường độ của điểm ảnh trên khung hình thứ hai[3]. 2.2 PHƯƠNG PHÁP MÔ HÌNH PHÂN PHỐI CHUẨN KẾT HỢP 2.2.1 Giới thiệu Mô hình phân phối chuẩn kết hợp là một mô hình thống kê được xây dựng từ việc huấn luyện các tham số thông qua dữ liệu học. Hình 2.3: Hàm mật độ của mô hình phân phối chuẩn kết hợp Nguồn: D. Birgi Tamersoy, 2009 Về cơ bản, mô hình phân phối chuẩn kết hợp xấp xỉ một hàm mật độ xác suất bằng hợp các hàm mật độ Gauss. Hình 2.3 minh họa cho ta những hàm mật độ Gauss với các tham số khác nhau. Một cách hình thức, hàm mật độ xác suất của phân phối 2 Gauss (x, µ, 훿 ) được cho bởi công thức: BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 10
22. S K L 0 0 2 1 5 4