(Luận văn) nghiên cứu nhận diện và phát hiện đối tượng dựa trên nền tảng hệ thống iot camera

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC QUY NHƠN NGÔ BẢO CHÂU lu an n va p ie gh tn to NGHIÊN CỨU NHẬN DIỆN VÀ PHÁT HIỆN ĐỐI TƢỢNG DỰA TRÊN NỀN TẢNG HỆ THỐNG IOT CAMERA d oa nl w lu Mã số: 8480101 ll u nf va an Chuyên ngành: Khoa học máy tính oi m z at nh z @ m co l gm Ngƣời hƣớng dẫn: PGS.TS Nguyễn Tấn Khôi an Lu n va ac th si LỜI CAM ĐOAN Tôi xin cam đoan luận văn thạc sĩ Khoa học máy tính “NGHIÊN CỨU NHẬN DIỆN VÀ PHÁT HIỆN ĐỐI TƢỢNG DỰA TRÊN NỀN TẢNG HỆ THỐNG IOT CAMERA” cơng trình nghiên cứu riêng tơi với giúp đỡ tận tình giáo viên hƣớng dẫn PGS.TS Nguyễn Tấn Khơi.Trong tồn nội dung luận văn, điều đƣợc trình bày cá nhân tơi đƣợc tổng hợp từ nhiều nguồn tài liệu Tất nguồn tài liệu tham khảo có xuất xứ rõ ràng hợp pháp lu an Tơi xin hồn tồn chịu trách nhiệm chịu hình thức kỷ luật theo va n quy định cho lời cam đoan to gh tn Bình Định, ngày17 tháng 09 năm 2020 p ie Ngƣời cam đoan w d oa nl Ngô Bảo Châu ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si LỜI CẢM ƠN Trƣớc tiên xin gửi đến lời cảm ơn chân thành sâu sắc đến thầy PGS.TS Nguyễn Tấn Khôi – nhiệt tình hƣớng dẫn, bảo suốt thời gian bắt đầu thực hoàn thành luận văn Tơi xin cảm ơn thầy cô khoa CNTT – Trƣờng Đại học Quy Nhơn truyền đạt cho kiến thức chuyên sâu chun ngành để tơi có đƣợc tảng kiến thức giúp tơi hồn thành luận văn thạc sĩ lu Cuối cùng, xin cảm ơn đến ngƣời thân yêu gia đình an n va tồn thể bạn bè, đồng nghiệp ngƣời hỗ trợ giúp đỡ, Đại Học Quy Nhơn Xin chân thành cảm ơn! p ie gh tn to khuyến khích, động viên tơi thời gian học tập nghiên cứu Trƣờng d oa nl w Ngô Bảo Châu ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN DANH MỤC BẢNG BIỂU DANH MỤC TỪ VIẾT TẮT PHẦN MỞ ĐẦU CHƢƠNG 1: TỔNG QUAN VỀ HỆ THỐNG IOT CAMERA VÀ BÀI lu an TOÁN PHÁT HIỆN VÀ NHẬN DIỆN ĐỐI TƢỢNG n va 1.1 Tổng quan hệ thống IoT camera tn to 1.1.1 Internet vạn vật gh 1.1.2 Hệ thống camera giám sát p ie 1.2 Bài toán phát nhận diện đối tƣợng w 1.2.1 Giới thiệu liệu video oa nl 1.2.2 Phát đối tƣợng ảnh 11 d 1.2.3 Nhận diện đối tƣợng ảnh 11 lu va an 1.3 Quy trình phát nhận diện đối tƣợng hệ thống IoT camera 12 u nf 1.4 Tổng kết chƣơng 14 ll CHƢƠNG 2: PHÁT HIỆN VÀ NHẬN DIỆN ĐỐI TƢỢNG TRÊN HỆ m oi THỐNG IOT CAMERA 15 z at nh 2.1 Một số kỹ thuật tiền xử lý 15 z 2.1.1 Kỹ thuật phát chuyển động 15 @ gm 2.1.2 Kỹ thuật tách màu 19 l 2.2 Phát đối tƣợng ảnh 23 m co 2.3 Nhận diện đối tƣợng ảnh 30 an Lu 2.4 Tổng kết chƣơng 34 n va ac th si CHƢƠNG 3: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 35 3.1 Giới thiệu toán 35 3.2 Phân tích tốn 36 3.3 Xây dựng chƣơng trình thử nghiệm 41 3.4 Đánh giá kết 44 3.5 Tổng kết chƣơng 45 KẾT LUẬN 46 TÀI LIỆU THAM KHẢO 47 lu QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN THẠC SĨ (BẢN SAO) an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si DANH MỤC HÌNH VẼ Hình 1.1 Tham luận PIACOM hội thảo Cách mạng Công nghiệp 4.0 ứng dụng IoT vào sản xuất thông minh Hình 1.2 Một số ví dụ hệ thống camera giám sát Hình 1.3 Zeotrope Hình 1.4 Minh họa khung hình 10 Hình 1.5 Sơ đồ chung trình xử lý 13 lu Hình 2.1 Khung hình trừ cho khung hình thời điểm trƣớc 16 an n va Hình 2.2 Các kết phân ngƣỡng ảnh độ lệch 17 Hình 2.4 Khung hình tổng hợp với giá trị n khác ảnh mặt nạ gh tn to Hình 2.3 Khung hình tổng hợp với n=10 ảnh mặt nạ kết 18 p ie kết 18 w Hình 2.5 Hình ảnh ví dụ trận thi đấu bóng đá 19 oa nl Hình 2.6 Chọn vùng ảnh mẫu để phân tích màu 20 d Hình 2.7 Histogram kênh Red vùng ảnh mẫu đƣợc chọn 20 lu an Hình 2.8 Histogram kênh Green vùng ảnh mẫu đƣợc chọn 20 u nf va Hình 2.9 Histogram kênh Blue vùng ảnh mẫu đƣợc chọn 21 ll Hình 2.10 Chọn vùng ảnh mẫu khác để phân tích màu 21 m oi Hình 2.11 Histogram kênh Red vùng ảnh mẫu đƣợc chọn 22 z at nh Hình 2.12 Histogram kênh Green vùng ảnh mẫu đƣợc chọn 22 Hình 2.13 Histogram kênh Blue vùng ảnh mẫu đƣợc chọn 22 z gm @ Hình 2.14 Minh họa phƣơng pháp cửa sổ trƣợt 23 l Hình 2.15 Ví dụ minh họa trƣợt cửa sổ với đối tƣợng quan tâm khuôn m co mặt ngƣời: vùng cửa sổ màu xanh đƣợc xác nhận đối tƣợng quan tâm đƣợc ghi nhận lại, vùng đỏ bỏ qua 24 an Lu n va ac th si Hình 2.16 Tƣơng quan vấn đề định vị đối tƣợng ảnh so với nhận diện phát đối tƣợngtrong ảnh 25 Hình 2.17 Minh họa trình xử lý OverFeat [9] 26 Hình 2.18 Minh họa trình phát đối tƣợng dựa định vị YOLO 26 Hình 2.19 Ảnh mẫu minh họa cho trình phân chia khơng gian YOLO 27 Hình 2.20 Kết đối tƣợng ảnh mẫu 27 Hình 2.21 Minh họa kết ƣớc lƣợng mong muốn với mắt lƣới 28 lu Hình 2.22 Minh họa độ đo IoU 29 an Hình 2.23 Mơ hình ƣớc lƣợng hình bao khoanh màu xanh da trời dựa vào va n mắt lƣới khoanh màu vàng 30 gh tn to Hình 2.24 Minh họa bƣớc nhận diện đối tƣợng mắt lƣới để tổng hợp ie vào kết phát đối tƣợng YOLO 31 p Hình 2.25 Kết ƣớc lƣợng mắt lƣới: hình bao đối tƣợng ứng nl w với lớp khác đƣợc khoanh màu khác 31 d oa Hình 2.26 Kiến trúc mạng nơ ron tích chập YOLO 32 an lu Hình 3.1 Pha khởi tạo liệu 36 u nf va Hình 3.2 Pha xử lý 38 Hình 3.3 Giao diện khởi động chƣơng trình 41 ll oi m Hình 3.4 Nút chọn file video ổ cứng 42 z at nh Hình 3.5 Giao diện chọn file video ổ cứng 42 Hình 3.6 Nút Process để thực xử lý 43 z Hình 3.7 Ảnh kết phát chuyển động 43 @ m co l gm Hình 3.8 Ảnh kết phát ngƣời 44 an Lu n va ac th si DANH MỤC BẢNG BIỂU Bảng 3.1 Bảng thông số thử nghiệm số mô hình YOLO tập liệu COCO 40 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si DANH MỤC TỪ VIẾT TẮT IoT Internet of Things YOLO You only look once IoU Intersection over Union lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si PHẦN MỞ ĐẦU Lý chọn đề tài Nghiên cứu xử lý ảnh thị giác máy lĩnh vực nghiên cứu đƣợc nhiều quan tâm nhà khoa học nhƣ hãng công nghệ giới nhƣ nƣớc Có nhiều cách để phân chia hƣớng nghiên cứu này, số phân chia theo liệu đầu vào ảnh tĩnh liệu video Trong đó, liệu video thƣờng đƣợc gắn liền với loại thiết bị ghi hình nhƣ webcam loại camera ví dụ nhƣ loại gắn nhà, tơ, ngồi trời, điện thoại di động lu an n va p ie gh tn to Thời gian gần đây, phát triển phổ biến nhanh chóng cơng nghệ phần cứng máy tính thiết bị liên quan tạo điều kiện thuận lợi cho phát triển hệ thống phần mềm yêu cầu khối lƣợng tính tốn cao Trong số đó, hệ thống mơ ngƣời, đặc biệt việc biểu diễn biểu cảm khuôn mặt ngƣời 3D lĩnh vực thực ảo vấn đề quan trọng với nhiều ứng dụng trở nên quen thuộc sống ngƣời, đơn giản kể đến phim giả tƣởng đẹp mắt nhƣ Avatar, Van Helsing… với quái vật, ngƣời sói có biểu cảm khn mặt tinh tế Trong ứng dụng nhƣ vậy, việc nắm bắt đƣợc cách xác nhanh chóng đặc trƣng thể biểu cảm khuôn mặt ngƣời trở thành công đoạn quan trọng, cần thiết hệ thống mô d oa nl w u nf va an lu ll Hiện có số đơn vị nghiên cứu nƣớc có hƣớng nghiên cứu liên quan nhƣ Đại học Quốc Gia Hà Nội, Đại học Duy Tân, Đại học Lạc Hồng, Đại học Thái Nguyên… Đây hƣớng nghiên cứu đƣợc đầu tƣ, nghiên cứu phát triển Viện Công nghệ Thông tin – Viện Hàn lâm Khoa học Công nghệ Việt Nam năm gần oi m z at nh z @ m co l gm Trong trình phát triển ngƣời, cách mạng cơng nghệ đóng vai trị quan trọng, chúng làm thay đổi ngày sống ngƣời, theo hƣớng đại an Lu Hiện nay, dân số ngày tăng nhu cầu tăng theo, dịch vụ tiện ích từ đƣợc hình thành phát triển theo Đặc biệt áp dụng n va ac th si 34 (2.3) lu an n va to tn Trong ám đối tƣợng có xuất mắt lƣới thứ i ie gh ám hình bao dự đốn thứ j ứng với lƣới thứ i kết đối tƣợng p đƣợc xác định w Tổng kết chƣơng d oa nl 2.4 an lu Chƣơng trình chi tiết lý thuyết số kỹ thuật phục vụ phát u nf va nhận diện đối tƣợng hệ thống IoT camera dựa theo quy trình trình bày chƣơng Cụ thể số kỹ thuật tiền xử lý nhƣ phát ll oi m chuyển động tách màu nhằm mục tiêu xác định sơ khung hình có đối z at nh tƣợng hay không, tiếp đến nội dung phát đối tƣợng nhận diện đối tƣợngtheo quy trình cơng trình YOLO Nội dung chƣơng trình z bày kết thực nghiệm toánphát nhận diện đối @ nội dung lý thuyết đƣợc trình bày chƣơng m co l gm tƣợng hệ thống IoT camera với kết triển khai minh họa cho an Lu n va ac th si 35 CHƢƠNG 3: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 3.1 Giới thiệu toán Với mục tiêu thiết kế hệ thống phát nhận diện đối tƣợng hệ thống IoT camera để triển khai thử nghiệm kết lý thuyết đƣợc trình bày chƣơng 2, luận văn đặt toán loại đối tƣợng cụ thể ngƣời Theo đó, hệ thống nhận đầu vào luồng video Và với khung hình nhận đƣợc, hệ thống đƣa kết lu vùng hình bao tƣơng ứng với đối tƣợng ngƣời ảnh an n va Trên mơ hình tổng quan, hệ thống phát nhận diện đối tƣợng trƣờng mạng để thực phân tích xử lý Tuy nhiên để tiện cho việc thử gh tn to hệ thống IoT camera nhận liệu luồng video từ camera qua mơi p ie nghiệm, hệ thống cần xử lý với liệu luồng video từ file w video ổ cứng Dữ liệu video đƣợc giả định quay khu vực không oa nl gian thật có ngƣời xuất Khơng xét đến trƣờng hợp liệu d hình ảnh tổng hợp từ kỹ thuật đồ họa máy tính nhƣ hình ảnh ba chiều, va an lu hoạt hình hay liệu video có ngữ cảnh không phù hợp khác u nf Với luồng video đƣợc xác lập, hệ thống tiến hành truy vấn để ll lấy đƣợc hình ảnh thời Từ hình ảnh thời, hệ thống tiến hành m oi đánh giá khả có ngƣời bên không cách thực phát z at nh chuyển động Nếu nhƣ khơng có, bƣớc xử lý cho hình ảnh bị z bỏ qua chuyển sang khung hình Nếu có chuyển động, hệ thống @ gm thực thao tác xử lý tiếp để phát nhận diện ngƣời l khung hình Để tiện cho việc theo dõi q trình xử lý, hệ thống cung m co cấp góc nhìn trung gian giai đoạn xử lý nhƣ hình ảnh mặt nạ chuyển an Lu động, hình bao đối tƣợng ứng với ngƣời đƣợc xác định ảnh n va ac th si 36 3.2 Phân tích tốn lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ Hình 3.1 Pha khởi tạo liệu an Lu n va ac th si 37 Trên sở mơ tả tốn cần thực hiện, ta chia chƣơng trình thành pha riêng biệt pha khởi tạo liệu pha xử lý Pha khởi tạo liệu đƣợc thực lần trƣớc xử lý liệu từ camera IP video Phân tích pha khởi tạo liệu nhƣ sau:Ta có chức xử lý cần phải triển khai phát chuyển động, phát nhận dạng đối tƣợng khung hình camera Những chức đƣợc triển khai lựa chọn dựa kết lý thuyết đƣợc mô tả chƣơng Với chức phát chuyển động, chƣơng trình thực triển khai với kỹ lu thuật sử dụng trung bình Cịn chức phát nhận dạng đối an n va tƣợng khung hình đƣợc thực dựa theo thuật toán YOLO đƣợc tn to mô tả chƣơng cụ thể vùng ảnh ứng với đối tƣợng ngƣời gh mục tiêu thuật toán Các chức cần đến việc khởi tạo p ie liệu thiết lập tham số Các bƣớc đƣợc thực lần khởi w động chƣơng trình Ngồi ra, chƣơng trình cần chức cho oa nl phép thao tác với liệu camera IP qua mơi trƣờng mạng internet Khi d chƣơng trình khởi tạo, hệ thống truy vấn đến địa nguồn liệu để kiểm lu va an tra tồn liệu đƣợc truyền vào Nếu liệu camera đọc ll u nf đƣợc, chƣơng trình thực xử lý oi m z at nh z m co l gm @ an Lu n va ac th si 38 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh Hình 3.2 Pha xử lý z gm @ Trong pha xử lý, ta cần thu nhận đƣợc khung hình luồng video, luồng từ camera IP file video Nếu đọc l khơng, ta kết thúc trình xử lý m co đƣợc khung hình tại, ta thực thao tác xử lý Nếu an Lu n va ac th si 39 Với chức phát chuyển động, chƣơng trình thực triển khai với kỹ thuật sử dụng trung bình Theo đó, khung hình đƣợc lựa chọn để tổng hợp hình Số lƣợng khung hình dùng để tổng hợp đƣợc chƣơng trình cấu hình trƣớc, đồng thời để tiện cho việc triển khai thử nghiệm, chƣơng trình có thêm tham số lựa chọn tỉ lệ lấy mẫu cho khung hình, tức sau khung hình thực lấy mẫu lần, tăng tính tùy biến cho việc thao tác phát chuyển động liệu camera Sau bƣớc phát chuyển động, ta đƣợc ảnh mặt nạ Việc lu đánh giá có chuyển động hay khơng đƣợc phân tích ảnh mặt nạ an Đồng thời, chƣơng trình hiển thị ảnh mặt nạ lên để tiện cho việctheo dõi va n đánh giá tn to gh Chức phát nhận dạng đối tƣợng khung hình đƣợc p ie thực dựa theo thuật tốn YOLO đƣợc mơ tả chƣơng cụ thể w vùng ảnh ứng với đối tƣợng ngƣời mục tiêu thuật toán Khi oa nl có danh sách hình bao kết quả, chƣơng trình thực vẽ d hình bao lên khung hình để làm ảnh kết hiển thị lên Ta theo dõi lu va an đƣợc đối tƣợng ngƣời camera đƣợc chƣơng trình xử lý thơng qua u nf hình bao đƣợc vẽ ll Để có cách nhìn trực quan kết hiệu mơ oi m z at nh hình YOLO lựa chọn thử nghiệm, ta tham khảo số thông tin trang web https://pjreddie.com/darknet/yolo/ z m co l gm @ an Lu n va ac th si 40 Bảng 3.1 Bảng thông số thử nghiệm số mơ hình YOLO tập liệu COCO Train Test mAP FLOPS FPS SSD300 COCO trainval test-dev 41.2 - 46 SSD500 COCO trainval test-dev 46.5 - 19 YOLOv2 608x608 COCO trainval test-dev 48.1 62.94 Bn 40 Tiny YOLO COCO trainval test-dev 23.7 5.41 Bn 244 SSD321 COCO trainval test-dev 45.4 - 16 COCO trainval test-dev 46.1 - 12 COCO trainval test-dev 51.9 - 12 test-dev 50.4 - test-dev 53.3 - test-dev 59.1 - 50.9 - 14 - 11 lu Model an n va ie gh tn to p DSSD321 d oa nl w R-FCN DSSD513 COCO trainval FPN FRCN COCO trainval Retinanet-50500 COCO trainval test-dev Retinanet-101500 COCO trainval test-dev 53.1 Retinanet-101800 COCO trainval test-dev 57.5 ll u nf va an lu COCO trainval SSD513 oi m z at nh z m co l gm @ - an Lu n va ac th si 41 COCO trainval test-dev 51.5 38.97 Bn 45 YOLOv3-416 COCO trainval test-dev 55.3 65.86 Bn 35 YOLOv3-608 COCO trainval test-dev 57.9 140.69 Bn 20 YOLOv3-tiny COCO trainval test-dev 33.1 5.56 Bn 220 YOLOv3-spp COCO trainval test-dev 60.6 141.45 n 20 lu YOLOv3-320 an n va 3.3 Xây dựng chƣơng trình thử nghiệm tn to Dựa phân tích nội dung thực toán thử nghiệm, ie gh luận văn tiến hành xây dựng chƣơng trình thử nghiệm tảng Visual p Studio 2015 với thƣ viện mã nguồn mở OpenCV darknet Giao diện khởi w động chƣơng trình đƣợc thiết kế đơn giản với việc nhập input đƣờng video d oa nl streaming url nút xử lý minh họa cho nội dung lý thuyết luận văn ll u nf va an lu oi m z at nh z gm @ Hình 3.3 Giao diện khởi động chƣơng trình m co l Trong giao diện khởi động chƣơng trình, ta đƣa đƣờng link phát video streaming camera IP vào nhập text Ngồi ra, ta có thêm an Lu n va ac th si 42 lựa chọn sử dụng file video ổ cứng Việc lựa chọn file đƣợc tiến hành đơn giản cách chọn nút bên cạnh ô text lu an Hình 3.4 Nút chọn file video ổ cứng n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z gm @ m co l Hình 3.5 Giao diện chọn file video ổ cứng Sau chọn đƣợc đƣờng phát video streaming file video an Lu ổ cứng, ta ấn nút Process để tiến hành chạy nội dung thuật toán thử nghiệm n va ac th si 43 Hình 3.6 Nút Process để thực xử lý lu Dựa theo luồng thực đƣợc mô tả, sau đọc khung hình an thời, chƣơng trình thực phát chuyển động khung hình va n Kết việc phát chuyển động ảnh nhị phân tƣơng tn to ứng vùng màu trắng vùng chuyển động, vùng màu đen vùng p ie gh tĩnh d oa nl w ll u nf va an lu oi m z at nh z l gm @ m co Hình 3.7 Ảnh kết phát chuyển động an Lu n va ac th si 44 Sau xác định có chuyển động, bƣớc thực xử lý YOLO để thực xác định đối tƣợng ngƣời ảnh Kết hiển thị khung hình thời với hình bao màu xanh đƣợc vẽ vị trí xác định đƣợc đối tƣợng ngƣời lu an n va p ie gh tn to d oa nl w an lu Hình 3.8 Ảnh kết phát ngƣời u nf va 3.4 Đánh giá kết ll Trong chƣơng trình thử nghiệm, luận văn cài đặt minh chứng đƣợc m oi nội dung lý thuyết trình bày chƣơng 2, kỹ thuật tiền xử z at nh lý phát chuyển động nhằm mục tiêu xác định sơ khung hình có đối tƣợng hay không, tiếp đến nội dung phát đối tƣợng nhận diện z gm @ đối tƣợng theo quy trình cơng trình YOLO l Chƣơng trình thử nghiệm video gồm liệu video tìm kiếm m co mạng liệu tự thu.Trongcác kết thu đƣợc, ta nhận thấy an Lu kết phát chuyển động đạt đƣợc kết tƣơng đối tốt n va ac th si 45 Tuy nhiên kỹ thuật phát chuyển động phụ thuộc nhiều vào biến đổi cảnh nhƣ ánh sáng, việc ngƣời di chuyển hay đứng yên… Về mặt cảm quan mắt ngƣời nhìn thử nghiệm, độ xác phát nhận dạng đối tƣợng ngƣời đạt khoảng 90%.Do đó, để thực tốt cần đến việc thiết lập tham số tùy hoàn cảnh camera thu đƣợc liệu Bên cạnh đó, việc thực phát ngƣời cho kết tốt nhiều trƣờng hợp có điều kiện đối tƣợng đứng riêng biệt, rõ ràng số trƣờng hợp xác định sót.Về mặt học máy, chất lƣợng phát nhận dạng đối tƣợng lu với YOLO đƣợc cải tiến đƣợc thực huấn luyện kỹ an với nhiều liệu thời gian n va tn to 3.5 Tổng kết chƣơng ie gh Chƣơng trình bày kết thực nghiệm toánphát p nhận diện đối tƣợng hệ thống IoT camera với loại đối tƣợng cụ thể nl w ngƣời Các kết triển khai minh họa cho nội dung lý thuyết đƣợc d oa trình bày chƣơng với cài đặt cụ thể ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 46 KẾT LUẬN Phát nhận dạng đối tƣợng hệ thống IoT camera vấn đề có tính thời khả ứng dụng cao thực tế xã hội.Liên quan đến tốn có nhiều vấn đề cần nghiên cứu chuyên sâu xử lý ảnh lẫn học máy Luận văn hệ thống số vấn đề toán phát nhận dạng đối tƣợng hệ thống IoT camera, nghiên cứu lý thuyết nhƣ cài đặt thực tế Những vấn đề tóm tắt lại nhƣ sau: lu an va  Tổng quan khái niệm hệ thống IoT camera nhƣ n đặc điểm liệu video toán phát đối tƣợng nhƣ nhận gh tn to diện đối tƣợng Trên sở đó, luận văn đƣa sơ đồ xử lý chung cho quy p ie trình phát nhận diện đối tƣợng hệ thống IoT camera  Lý thuyết số kỹ thuật phục vụ phát nhận diện đối oa nl w tƣợng hệ thống IoT camera, cụ thể số kỹ thuật tiền xử lý nhƣ d phát chuyển động tách màu nhằm mục tiêu xác định sơ khung hình an lu có đối tƣợng hay không, tiếp đến nội dung phát đối tƣợng nhận u nf va diện đối tƣợng theo quy trình cơng trình YOLO ll  Xây dựng chƣơng trình thử nghiệm cho tốnphát m oi nhận diện đối tƣợng hệ thống IoT camera với loại đối tƣợng cụ thể z at nh ngƣời z Luận văn hoàn thành nhƣng để xây dựng đƣợc hệ thống phát @ gm nhận dạng đối tƣợng hệ thống IoT camera phù hợp với yêu cầu thực l tế nhiều vấn đề phải giải nhƣ vấn đề xử lý tăng tính xác m co với liệu video có độ phân giải thấp phù hợp với khả thu thập liệu thời gian thực… an Lu liệu thực tế, vấn đề cải thiện thuật toán để phù hợp với yêu cầu xử lý n va ac th si 47 TÀI LIỆU THAM KHẢO Dave, E "How the next evolution of the internet is changing everything." The Internet of Things (2011) https://select.advantech.com/water-wastewater-management-ana/ (truy cập lần cuối 10/8/2020) 3.https://www.ursalink.com/en/solution/smart-city/smart-wastewatermanagement/ (truy cập lần cuối 10/8/2020) lu an va 4.http://www.piacom.com.vn/nd/tin-hd/piacom-co-hoi-hop-tac-tai-industry- n 40-conference.html(truy cập lần cuối 10/8/2020) tn to software/(truy cập lần cuối 26/8/2020) p ie gh 5.https://www.milestonesys.com/solutions/platform/video-management- w oa nl Redmon, J., Divvala, S., Girshick, R., & Farhadi, A (2016) You only look d once: Unified, real-time object detection In Proceedings of the IEEE va an lu conference on computer vision and pattern recognition (pp 779-788) u nf Viola, P., & Jones, M (2001, December) Rapid object detection using a ll boosted cascade of simple features In Proceedings of the 2001 IEEE oi m computer society conference on computer vision and pattern recognition z at nh CVPR 2001 (Vol 1, pp I-I) IEEE z gm @ D Erhan, C Szegedy, A Toshev, and D Anguelov Scalable object detection using deep neural networks In Computer Vision and Pattern l IEEE, 2014 m co Recognition (CVPR), 2014 IEEE Conference on, pages 2155–2162 an Lu n va ac th si 48 9.P Sermanet, D Eigen, X Zhang, M Mathieu, R Fergus, and Y LeCun Overfeat: Integrated recognition, localization and detection using convolutional networks CoRR, abs/1312.6229, 2013 10.https://medium.com/@jonathan_hui/real-time-object-detection-with-yoloyolov2-28b1b93e2088(truy cập lần cuối 26/8/2020) 11 Tan, Pang-Ning; Steinbach, Michael; Kumar, Vipin (2005), Introduction to Data Mining, ISBN 0-321-32136-7 lu an 12 M Everingham, S M A Eslami, L Van Gool, C K I Williams, J n va Winn, and A Zisserman The pascal visual object classes challenge: A Jan 2015 p ie gh tn to retrospective International Journal of Computer Vision, 111(1):98–136, 13 C Szegedy, W Liu, Y Jia, P Sermanet, S Reed, D Anguelov, D Erhan, oa nl w V Vanhoucke, and A Rabinovich Going deeper with convolutions CoRR, abs/1409.4842, 2014 d lu ll u nf 2013 va an 14 M Lin, Q Chen, and S Yan Network in network CoRR, abs/1312.4400, oi m z at nh z m co l gm @ an Lu n va ac th si