Nghiên cứu và phát triển các kỹ thuật định vị và định danh kết hợp thông tin hình ảnh và wifi

B®GIÁODỤCVÀĐÀOTẠO TRƯNGĐẠIHOCBÁCHKHOAHÀNI PHẠMTH±THANHTHỦY NGHIÊNCỨUVÀPHÁTTRIENCÁCKỸTHU T б NHV±VÀбNHDANHKETHPTHƠNGTINHÌNHẢN HVÀWIFI Chunngành:KhoahocMáytính Mãso:62480101 TĨMTATLUNÁNTIENSĨKHOAHOCMÁYTÍNH HàN®i−2017 Cơngtrìnhđượchồnthànhtại:Trường ĐạihocBách khoaHàN®i Ngườihướngdankhoahoc: PGS.TS.LêThịLan TS.ĐàoTrungKiên Phảnbin 1:PGS.TS.NgơQuocTạoPhảnbi n 2:PGS.TS.TranĐìnhQuePhảnbin 3:PG S.TS.ĐoNăngTồn Lunánsěđượcbảovt r c H®iđongchamlunántien sĩcapTr ườnghoptạiTrườngĐạihocBáchkhoaHàN®i: Vàohoi giờ,ngày .tháng .năm Cóthetìmhieulu nántạithưvin: ThưvinTạQ uangBảu-TrườngĐHBKHà N®i ThưvinQuocgiaVi tNam MĐ A U Tínhcapthietcủalunán Cơngnghhinđạiđanglàmthayđőicu®c songcủaconngườiởnhieuphương din khácnhau,trongđóđángchúýlàcáchthácconngườitươngtácvớicácsảnphȁmcơng ngh Tương tác người-máyngàycàngtrởnêntựnhiênvàthânthinhơn.M®tkhái ni m hình thành tà thay đői mang tính cách mạng Mơitrường cảm thụ AmI (Ambient Intelligent) M c dù AmI đe c p tà mườinăm trước ngày có thêm nhieu nghiên cáu chuyên sâu ve nó, nhiên, vi cphátt r ie n v t h ự c t h i c c h t h o n g án g d ụ n g A m I v a n c ò n m i m ẻ C ó n h i e u t h c h thácthựctecangiảiquyettrongtànglĩnhvựccôngnghhay dụng cụ the cóliênquantớiAmI[1] Trong nghiên cáu này, quan tâm tới thông tin ngǎ cảnh ve vị trí danhtínhcủaconngườitrongmơitrườngtịanhà.Vịtrívàdanhtínhlàhaitrongsocácthu®c tính người dùng quan can cảm thụ mơi trường thơng minh.Đe có the xác định vị trí người dùng (người dùng đâu mơi trường) danhtínhng ườ i dù ng ( n g i d ùng đ ó ai), ch ún gt a can g i ải q u y e th t oán l đ ịnh vị định danh Đe giải quyet hai tốn này, có the sả dụng nhieu loại cảm bienkhác nhau, UltraWideband (UWB), ultrasound, Radio-Frequency Identification(RFID), camera, WiFi, etc[15].Tuy nhiên, khơng có m®t giải pháp cơng ngh đơn lẻnào hồn hảo moi trường hợp Do đó, bên cạnh vi c phát trien giải thu ttoiưuchotàngcơngngh,sảdụngkethợpcácgiảiphápđangtrởthànhm®txuhướngmớitrongvicgiải quyet toán định vị định danh người dùng mơi trườngtịanhà[19],[3],[14], [16].Mụcđíchchínhcủakethợplànhampháthuyđượcnhǎngưu điem tàng cơng nghcảm bien đơn lẻ, có the hạn che nhǎng nhượcđiem chúng Trong boi cảnh này, nghiên cáu t p trung giải quyet bàitoán định vị định danh người sả dụng ket hợp công nghdựa sở hìnhảnhvàWiFi Cácđónggópcủalunán gópthfí1:ĐexuatmơhìnhhìnhsuyhaocảitienchođịnhvịngườidùngdựatrênWiFi.Trong mơhìnhnày,chúngtơixemxéttớicácràngbu®cvtcảntrongmơitrườngtịanhà.Tàđó, có the mơ hình hóa hi u quan hgiǎacường đ® tín hi uRSSIvới khoảng cách tà thiet bị di đ®ng tới cácAPlân c n.PhươngpháplaydauvântaythơngdụngcũngđượcápdụngchođịnhvịWiFi,vớim ®tbảnđovơtuyenmớiđượcthietlpnhamtạodǎliuvântayőnđịnhvà Đóng tincychođịnhvị.Đeđoisánhmauthảvớidǎliuvântay,chúng tơiđexuatáp dụng phương pháp KNN, có bő sung thêm tham soλnham phảnánhn h ǎ n g t h a y đ ő i t h e o t h i g i a n c ủ a d ǎ l i ud a u v â n t a y t r o n g m ô i t r n g Ket định vị dựa WiFi cho phép kích hoạt tien trình định vị cáccamerathu®cvùngketquảđịnhvị trảvetàht hon g WiFi gópthfí2 :Đ e x u a t c c p h n g p h p h i uq u ả c h o k h ả b ó n g v p h t hi n ngườinhamcảithinketquảđịnhvịsảdụnghìnhảnh.Đoivớikhảbóng,chúng tơi đe xuat sả dụng ket hợp đctrưng chromaticity physical vớim®t sơ đo ket hợp so dựa m t đ® lân c n phân bo bóng khơngphải bóng tàng điem ảnh Bước khả bóng xem bước tien xả lý nhamđạthiuquảpháthinngườitothơn.Trongbướcpháthin người,chúngtôisảdụng ket hợp hai phương pháp trà nen GMM thích nghi b® mơ tả-phân lớpngười HOG-SVM Vi c ket hợp cho phép phát huy ưu điem tính tốnnhanhc ủ a G M M t h í c h n g h i v đ ® c h í n h x c p h t h i nn g i c ủ a H O G - S V M Ngoàir a , đ o i v i b ® p h t h i nH O G S V M , c h ú n g t ô i x â y d ự n g b ® m t ả H O G vàh u a n l u y nS V M s ả d ụ n g c s d ǎ l i uc h ú n g t ô i t h u t i m ô i t r n g t h ự c nghim,c ù n g v i s d ǎ l i uc h u ȁ n I N R I A V i ch u a n l u y nt r ê n h a i b ® s dǎl i un y g i ú p c ả i t h i nh i uq u ả p h t h i nn g i s ả d ụ n g H O G - S V M t r o n g mơitrườngxemxét Đóng góp thfí 3: Áp dụng m®t b® mô tả người mạnh dựa sở di n mạocho định danh lại người mạng camera B® mô tả xây dựng trêntàng vùng người phát hi n Ba đ c trưng hướng, màu hình dạng đượctríchchonở3mácđiemảnh,mȁuảnhvàtồnb®ảnhvùngngườiđượcp háthi n,sauđóbahàmnhânđoisánhđượctạoratàcácđctrưngnày.B®mơtảđe xuat đ c bi t hi u đoi với ngǎ cảnh giám sát người sả dụng nhieu camera,trongđótontạisựthayđőiđadạngtrongcùngm®tlớpđoitượng Đóng : Đe xuat m®t phương pháp ket hợp cho h thong định vịvà định danh người đa phương thác ket hợp WiFi camera Bang cách sả dụngcác bước dự đoán c p nh t trạng thái b® loc Kalman, với giải thu tgán toi ưu, phương pháp ket hợp đe xuat cho phép bảo lưu đ® xác định vịcaocủahthong địnhvịngườidựatrênhìnhảnh.Ngồiraphươngphápkethợpnàychophéptheovetngườibangđịnhdanhdựatrênthơng tin định danh tàcardWiFicủathiet bịcamtay,cũng cho phépthựcthi tot hơnvicđịnhdanh lạingườigiǎacác camera Đóng góp thfí Ngồi đóng góp nêu trên, lu n văn này, đe xuat phươngpháp liên ket quy đạo người hi u mạng camera Các camera trien khaitrênm®ttangcủa tịanhàđeucóchungtrườngquansátlàmtsànnơiđoitượngdi chuyen, đó, tàng c p camera sě tạo thành m®t thị giác női m®t m t sàn duynhat Sả dụng phương pháp hi u chỉnh camera cho thị giác női, quy đạo chuyenđ®ng đoi tượng ảnh thu nh n tà camera khác có the chuyen đőiđược thành vị trí htoa đ® the giới thực tương m®t m t phȁng sànduy nhat Ngồi ra, chúng tơi đe xuat m®t hthong giám sát người tự đ®nghồn tồn mơi trường tòa nhà.Hthong phản ánh boi cảnh giám sátthựcteởhauhet tịanhà.Hướ ng tớivicxây dự ng m® t ht h o n g g iámsátnhư vy,chúngtơithựchinm®tsothảnghimđechángminhhiuquảcủacácphươngphápđãcơngbochobàitốnnh ndạngmtngười,địnhvị,địnhdanhvàđịnhdanhlạingườitrongm®tmạngcamera Cautrúccủalunán Tronglu ná n n y , ch ún g t ô i p h átt r i e n c ác p h n g p h áp đ ị n h v ị v đ ị n h d an h lạingườivàđánhgiáchúngtronghthong ket hợp hình ảnh WiFi Lu n án gom 5chương, với phan giới thi u mở đau, phan cuoi ket lunvà định hướng nghiên cáutieptheo: ngǎ cảnh, ràng bu®c thách thác giải quyet tốn đ t tronglunán;cautrúccủalunánvàcácđónggópcủalunán Mở đau: Giới thi u chung: tính cap thiet mục tiêu nghiên cáu lu n án; 1:Cáccơngtrìnhcóliênquanđenvanđenghiêncáucủalunán:địnhvị người dùng sả dụnghthong WiFi; định vị người sả dụng camera, định vịngười sả dụng ket hợphthong WiFi camera; định danh lại người mạngcamera Chương Chương 2: Giải pháp đe xuat đánh giá thả nghi m cho định vị người dùng dựatrênWiFi thong định vị người sả dụng hình ảnh với pha làphát hi n người, theo vet người định vị người Đe xuat m®t so cải tien chotàngphanhamnângcaohi uquảcủaht h o n g địnhvị Chương 3: Đe xuat h danh người dựa m t người định danh lại dựa di n mạo người đượcđe xuat M®t b® mơ tả hi u áp dụng cho định danh lại người trongmạngcamera Chương 4: Trong boi cảnh giám sát đa camera thời gian thực, toán định Chương danh Ket 5: Giải pháp ket hợp thơng tin WiFi hình vàđịnhdanhlạingườivàcácđánhgiáthảnghi m lunvàđịnhhướngnghiêncáutieptheocủalunán ảnh cho định vị, định CHƯƠNG1 ĐÁNHGIÁCHUNGCÁCCƠNGTRÌNHCĨLIÊNQUANĐ ENLUNÁN Trong lu n án này, sả dụng ket hợp hthong dựa hình ảnh vàWiFi cho toán định vị định danh người dùng Đieu tương đương với vi cchúng sả dụng hai loại đ c trưng tín hi u WiFi hình ảnh cho định vị địnhdanhngườitrongmơitrườngtịanhà.Dođó,trongcácphantieptheo,đánhgiáchungvecáccơng trìnhcóliênquanđencácvanđenghiêncáucủalunánsětptrungvàotàng h thong đơn lẻ WiFi, hình ảnh ket hợp chúng cho định vị người dùngtrong mơi trường tịa nhà Ngồi ra, chúng tơi đưa đánh giá có liên quanđenbàitốnđịnhdanhvàđịnhdanhlạingườitrongmạngcamera 1.1 ĐịnhvịngưidùngsfidnngWiFi 1.2 Địnhvịngưidùngsfidnngcamera 1.3 ĐịnhvịngưidùngsfidnngkethpWiFivàcamera 1.4 Địnhdanhlạingưidfiatrênhìnhảnh CHƯƠNG2 бNHV±NGƯIDÙNGSỬDỤNGWIFI Trongchươngnày,chúngtơitiepcncảmơhìnhtruyensóngvơtuyenvàphươngphápdauvân taychođịnhvịWiFi.Chúngtơiđexuatm®tmơhìnhtruyenxácsuatcảitien,cùngvớim®tbảnđovơtuyenđượcđịnhnghĩamớiở phan sở dǎ li u dauvântay.Mơhìnhtruyenxácsuatđexuatlàmơhìnhcảitientàmơhìnhsuyhaocơbản (như nêuởChương1).Mơ hình phản ánh chat phác tạp mơitrường tịa nhà tính đen yeu to v t cản, tường sàn nhà đe mơ hình hóaquanhg i ǎ a giátrịcườngđ®tínhiuRSSIvàkhoảngcáchtàthietbịdiđ®ngtớicácđiemtham chieu.Mơhìnhdựatrêncơsởphươngtrìnhthựcnghimcủacườngđ®tínhi u tan so vơ tuyen mơi trường tịa nhà tính khơng chac chancủa nóđượcxem xét đ c trưng xác suat M®t tien trình toi ưu dựa giải thu tsinh áp dụng đe hi u chỉnh tham so hthong cho phù hợp nhat với cácthietbịsảdụng.Trongphươngphápdauvântay,ápdụngđoisánhKNNcóbősung thêmth am s o λ nh a m p h ản ả n h t h ay đ ő it h e o th i g i an củ a dǎ l i udau v â n t ay tron gmơitrường 2.1 Sơđohthong Sơđohthong địnhvịngườidùngsảdụngWiFiđượcminhhoatrongHình2.1.Cóh p h a ch í n h đ ợ c b i e u d i e n t r o n g s đ o l p h a h u a n l u y nv p t h ả n g h i m SERVER Offline training phase Radio Map Fingerprint Database RP Distance values Coordinates RSSIPPM Position Matching RSSI values Distance values PPM Online testing phase Mobile User Hình2.1Sơđohthongđnhvn g i dùngsủdựngWiFi Pha huan luy n thực hi n off-line với đo sóng vơ tuyen xây dựngtheo chu kỳ đe tạo sở dǎ li u dau vân tay Trong pha thả nghi m, m®t thiet bị diđ®ngs ě l i ê n t ụ c q u é t c c tí n h i ut c c A P s l â n c nv g ả i c c tí n h i uR S S I t n g ángt i m® t m y c h ủ C c g i t r ị n y s a u đ ó đ ợ c c h u y e n t h n h c cg i t r ị k h o ả n g cáchnhờmơhìnhtruyenxácsuatđexuat(mơhìnhPPM).Đoisánhkhoảngcáchvớicơ sở dǎ li u dau vân tay thực hi n nhờ mơ hình KNN đe tìm vị trí ngườidùng 2.2 Mơh ì n h t r u y e n x c s u a t Với thiet bị thu WiFi thơng thường, ta có the tính khoảng cách tàthiet bị tới AP dựa vào giá trị RSSI thu thiet bị di đ®ng mơ hìnhtruyen sóng vơ tuyen Mơ hình xây dựng dựa thực te cường đ® sóng vơtuyen truyen mơi trường sě bị suy giảm.Xem xét mơ hình thực nghi m đượcdùngnhieutrongcáccơngbotrướcđó[11][5][12]: r ) (2.1) vớiP 0làcư ờng đ ®tín hi uth u đượ cở m®tkh oản g cách tham chie uđ ãb iet r 0tínhtheo đ nv ị d B m,Pl cư n g đ® tín h i uở m® t kho ảng cách ch a biet r,và n so mũ suy hao bieu dien tlsuy hao tăng theo khoảng cách Phương trình2.1bieu dienmoiquanhg i ǎ a RSSIPvàkhoảngcáchrtàthietbịdiđ®ngtớiAP,vớicácthamsoP0,r0và nđược xác định bang thực nghi m Tà tham so này, ta có the tính đượckhoảngcáchdựavàoRSSI Phươngtrình2.1làmơhìnhtruyentrongmơitrườngkhơngcóvtcảngiǎaAPvà thiet bị di đ®ng Khi xét vtcản tường tran nhà, cantính đen suy giảm tín hi ugâyrabởicácvtcảnnày,khiđóphươngtrìnhtruyensělà: r P= P0 —1 nlog( )−kd r nw Σ d i cosβ i=1 (2.2) i vớinwlàsolượngtườngvàtrangiǎaAPvàthietbịdiđ®ng,dilàđ®dàycủatường/tranthá i, với i góc tới tương với tường/tran thá i, k nhân to suy giảm moiđơnvịđ®dàytường/tran,nhưminh hoaởhìnhsau: Hình2.2WiFisignalattenuationthroughwalls/floors Nhìnchung,cóthemởr®ngk dtùythu®cvàotàngtường/tran Phương trình2.2là mơ hình tat định, khơng tính đen thay đői RSSI m®tkhoảng cách nhat định Đe khac phục hạn che này, chúng tơi đe xuat mơ hìnhtruyenxácsuat.Thựcte,vớim®tgiátrịRSSI P,khoảngcáchrkhơngphảichínhxá clàgiátrịđượctínhtốntàphươngtrình2.2,mànóthu®cm®tlâncncủagiátrịnày,kíhiulàr¯ Nói m®t cách xác hơn,r¯là giá trị đe khoảng cáchrvới xácsuatc ự c đ i V i m ® t g i t r ị R S S I P ,p h â n b o k h o ả n g c c h đ ợ c g i ả t h i e t t u â n t h e o phânbochuȁn(phânboGauss)vớitrungbìnhr¯: ρ(r,P)=Pr(r|P)= σ −(r−r¯)2 2σ e √ 2π (2.3) vớiσ làđ ® l chc h u ȁ n , c ũ n g l h m c ủ a P Đ e đ n g i ả n , g i ả t h i e t σ vàr ¯cóq u a n h tuyentínhnhưsau: σ=kσ r¯ (2.4) 2.2.1 Ưcl ngt h a m s o 2.2.2 Giảmđphfíctạpcủagiảithut 2.3 CơsdfiliudauvântayvàđoisánhKNN Thơngt h n g , b ả n đ o v ô t u y e n t r o n g p h n g p h p d a u v â n t a y đ ợ c x c đ ị n h nhưsau: R,{(pi,F(pi))|i= 1, ,N} (2.5) vớipi,[pxpypz]Tlà toađ®the giới thực củađiem tham chieutháithvàF(pi), [ri(1) , ,ri(n)] ma tr n dau vân tay, vớinlàsomauhuanluy nở tàng điem thamchieu.Vectorri (t),[r1(t), ,rL (t)]TgomcácgiátrịRSSIthunhnđượctàLAPở i i thờiđiemtvà vị trípi Sảdụngđ ctrưng khoảng cáchthaybangđ ctrưngRSSIthông thường, đo môi trường phương trình2.5khi có ma tr n vân tayF(pi ), [di (1), ,di (n)],vớivectordi (t),[d1(t), ,dL (t)]gomcácmaukhoảngcách i i dit điemthamchieuthái tht i LAP.Tàđótaxâydựngđượcbảnđovơtuyenőn định tincy có m®t so AP bị ngàng hoạt đ®ng m®t thời điemnhat định Hơn nǎa, chi phí cho vi c xây dựng c p nh t dau vân tay sě thap hơnthơngthường.ChỉcanxâydựnglạikhicóthêmAPvàđiemthamchieuhockhiloại bỏbớtchúng Trongp h a t h ả n g h i m,c c g i t r ị R S S I t h i e t b ị d i đ ® n g t h u đ ợ c t c c A P l â n cnsěđượcchuyenđőisangcácgiátrịkhoảngcáchtươngángnhờmơhìnhsuyhaođecpởtrên.Chúngsě so sánh với dǎ li u huan luy n đe tìm mau phù hợp nhat.Phươngphápđ o isán h sả d ụng tro n g ng hiên cáu n ày làKN N Tr o ng KN N,m ®t mau thả dự đốn dựa lâncn gan nhat với dǎ li u huan luy n Có 3thànhphanchínhlàphépđosựgiongnhau(phépđokhoảngcách);solượnglâncnsảd ụ n g t r o n g d ự đ o n ; t r o n g s o c ủ a l ân c n.K h o ả n g c c h E u c l i d e a n v M a n h a tt an hai phép đo hình hoc thơng dụng, Euclidean phép đo thông dụng nhattrongđịnhvịWiFi[13], [4].Trongnghiêncáunày,chúngtôiđánhgiáKNNvớiphép đoEuclidean 2.4 2.4.1 Cácket qu ả th fi nghim Môitrư ngvàdfiliuthfi nghim Các thả nghi m thực hi n hai tịa nhà khác nhau, m®t tang tịanhà 11 tang, tang tòa nhà hai tang Tat tran nhà tịa nhà nàyđeucóđ®cao4mvớiđ®dàytườngbêtơnglà0.2m.Đetạodǎliudauvântay,chúngtơixâydựn gm®tángdụngchothietbịdiđ®ngthucườngđ®tín hiutàcácAPslân cn,v i c h u k ỳ t h u n h nl g i â y m ® t l a n t h u T h ô n g ti n t h u n h ns ě đ ợ c t ả i l ê n m®tcơsởdǎliuMySQL,hoclưungoạitiepvào fileXML Trongqtrìnhthuthpdǎ li u dau vân tay, trước chuyen hướng chuyen đ®ng, người dùng sě phải an vàonút Marker dụng đe đánh dau tuyen đường thȁng vàa di chuyen Dotoađ®củacácđiemđánhdauđãđượcxácđịnhtrướcđó,nêntoađ®củacácvịtríthugiǎa hai điem đánhdauliêntiepcótheđượctínhn®isuytàcácđiemnày.Cácvịtrícùng với toa đ® chúng sě lưu lại dạng file nhị phân sở dǎ li udauvântay 2.4.2 Cácthfi nghimchomơhìnhtruyen 2.4.3 Cácthfinghimđịnhvị Bảng2 c h o t h a y l o i đ ị n h v ị đ ® ti n c y % khis ả d ụ n g đ ct r n g k h o ả n g cá chcaohơnm®tchútsovớisảdụngđctrưngRSSI.Thảnghimnàyđượcthựchinvới tham soλ Tuy nhiên, khơng sả dụngλ, đ® tincy định vị đ c trưng RSSIgiảm, thông so őn định với đ c trưng khoảng cách Các ket nàyđược bieu dien Bảng 2.2, với loi đ® tincy 90%đoi với đ c trưng RSSI 3.55 m,tuynhiênvớiđctrưngkhoảngcáchlà2.9m Bang 2.1Các đánh giá cho ngũ cảnh thủ nghi m thú nhat với đ¾c trưng khoảngcáchvàR SS I Fingerprint Feature RSSI Distance Maximalerror (m) Averageerror (m) 6.3 6.27 1.86 1.89 Errora t r e l ia b i l it y o f9 % (m) 2.99 2.98 Bang 2.2Ket đ nh vcho ngũ cảnh thủ nghi m thú nhat với đ¾c trưng khoảngcáchvàRSSIkhơngsủdựngthamso λ Fingerprint Feature RSSI Distance 2.5 Maximalerror (m) Averageerror (m) 6.06 6.5 1.76 1.59 Errora t r e l ia b i l it y o f9 % (m) 3.55 2.9 Ketlun CHƯƠNG3 бNHV±NGƯIDÙNGDỰATRÊNHÌNHẢNH 3.1 Giithiu Trongn g h i ê n c u n y , c h ú n g t ô i x e m x é t n g ǎ c ả n h g i m s tt h i g i a n t h ự c , t r o n g đón g i d i c h u y e n t m ® t t r n g q u a n s t c ủ a c a m e r a n y t i t r n g q uansátcủa vùngquansátkhác.Đecótheduytrìđúngngườitheoquyđạochuyenđ®ngtươngáng,bàitốnđị nhdanhlạingườitrongngǎcảnhtheovetbangđịnhdanhđượcđexuattrong chương Đieu có nghĩa tàng vị trí FootPoint, ta thực hi n trích chon vùngảnh cháa người ROI m®t b® mơ tả xây dựng cho vùng khu vực kiemtra đau vào, moi người trước di chuyen vào vùng giám sát sě hthong huanluy n bang m®t b® mơ tả người dựa di n mạo, trình đoi sánh đe gán nhãnđoi tượng thực hi n với tàng ket phát hi n người thu vùng giámsát TrongChương1,chúngtơicũngđecptớinhieuhướngtiepcnkhácnhauchobài tốn định danhlạingườitrongmạngcamera,trongđócácphươngphápdựatrêndinmạolàthơngdụngnhat.Tuynhiên,xâydựngđượcm®tb® mơ tả người mạnhvan cịn nhieu thách thác Trong nghiên cáu này, tiepc n theo hướng xâydựngb®mơtảdựatrêndinmạo,vàđexuatápdụngb®mơtảhàmnhânKDESchođịnh danhlạingườitrong mạngcamera.B®mơtả nàyđượcgiớithiulanđautiên [ ] c h o b i t o n n h nd n g đ o i t ợ n g S a u đ ó c c t c g i ả t r o n g [ ] đ ã t h ự c h i nm ® t soc ả i ti e n t r ê n b ® m ô t ả g o c v c h n g m i n h tí n h h i uq u ả c ủ a n ó đ o i v i b n t o n nhnd n g c ả c h ỉ t a y B ® m ô t ả n h â n K D E S c ải ti e n n y s ě đ ợ c p d ụ n g c h o b i t o n địnhdanh l ại người tr on g nghi ê n c áu c c h ún gt ôi 4.1 Địnhdanhngưidfiatrêncs m tngưi 4.1.1 Sơđ o 4.1.2 Đánhg i t h fi nghim 4.1.2.1 Cácngũcảnhthủnghim 4.1.2.2 Cácphépđo 4.1.2.3 Dũliuthủnghi mvàcácketquả 4.2 4.2.1 Địnhdanhlạingưidfiatrêncs d i n mạo Sơđ o Sơ đo h thong định danh lại người dựa hình ảnh đưa Hình4.1,gomhaigiaiđoạnchínhlàpháthinvàđịnhdanhlạingười.Giaiđoạnđauđã Input Frames HumanDetection BGSwithShadowRe Detection moval PersonRe-ID FeatureDesc Classification riptor ID Hình4 S đoht h o n g đnhdanhlạingườidựatrên hìnhảnh nêu trước Chương dựa ket pháthi nngười, giai đoạn 2, địnhdanhngườiđư ợcth ựch indựatr ên b®m ơt ả KDES mạnhvàm®tb® phânlớ p.B ® mơ tảđ ctrưng xây dựng dựa cácđ ctrưng trích chon tà vùngROIngười,sauđóápdụngb®phânlớpđehocmơhìnhngườivàdựđốnIDtươngáng 4.2.2 Bm ô tảnhâncảitienchodinmạongưi Trong nghiên cáu này, hàm nhân hướng, màu cau trúc tạo tà cácthu®ctí n hp ix e l kh ác n h a u củ ah ng , m àu , v àc au t r ú c V i t àn g nh ân , t r í c h ch o n đ c trưng thực hi n mác: pixel, patch tồn b® ảnh Vector đ c trưng cuoicùngđượckethợptà3vectorđctrưngmácảnhcủahướng,màu,vàcautrúc Saukh i tí n ht ốn b® m t ả K DE S , ápd ụng b ® p hâ nđ al p S V Mđ eh uan l uy nm ơhình chot àn g n gư ời.Đoi vớit àn gm au pháthi n,m ®t dan h sách cácđ oi tượ ng xe phạngđượctạoradựatrêncơsởcácxácsuatcủalớptrảvebởiphânlớpSVM 4.2.3 Cácket q uảt hfi nghim 4.2.3.1 Cáccơsớdũliuthủnghim Trong nghiên cáu này, sở dǎ li u chuȁn chon đe đánh giá b® mơ tảKDESđ e x u a t : C A V I A R R E I D , i - L I D S , i L I D S VID,ETH,RAiD,WARD,vàHDA Các b® sở dǎ li u phù hợp cho đánh giá so sánh định danh lại ngườitrongngǎcảnhgiámsáttựđ®nghồntồnthờigianthực.Cácb®cơsởdǎliun àyđãđượcsảdụngtrongcácnghiêncáucóliênquan[6],[9],[2],[21],[23]và[10].Cơsở dǎliuMICA1vàMICA2dochúngtơixâydựngcũngđượcsảdụngtrongcácthảnghimđịnhdanhlạingười √ Bang4.1Các sớ dũ li u sủ dựng cho đ nh danh lại người Ký hi u( )ớ c®t cuoibảngthehinmúcđ®thayđőitrongm®tlớpcủacáccơsớdũliu Dataset ETHZ1,2,3 iLIDS CAVIAR4ReID WARD RAiD iLIDS-VID HDA MICA1 ,2 4.2.3.2 Release time 2007 2009 2011 2012 2014 2014 2014 2015 #identities #cameras Labelmethod Cropsize Multi-shot 85,35,28 69 72 70 43 300 78 25,40 1 13 5,3 Hand Hand Hand Hand Hand Hand Hand,A u t o Hand,A u t o Vary 128x64 Vary 128x48 128x64 Vary Vary Vary Yes Yes Yes Yes Yes Yes Yes Yes Tracking Intra-class sequences Variation √√ Yes √ Yes √√√ No √√√ Yes √√√ No √√√ Yes √√√√ Yes √√√√ Yes Cácketquảvàbànlu¾n Bảng4.2the hi n tóm tat đánh giá so sánh ve tlnh n dạng Rank trêncácb®cơsởdǎliuthảnghimkhácnhau