Hệ thống quan sát đa mục tiêu tối ưu hàm đánh giá đối tượng

i ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG - Hoàng Xuân Lộc HỆ THỐNG QUAN SÁT ĐA MỤC TIÊU TỐI ƢU HÀM ĐÁNH GIÁ ĐỐI TƢỢNG Chuyên ngành: Khoa học máy tính Mã số: 60480101 TĨM TẮT LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Thái Nguyên - 2015 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ ii LỜI CẢM ƠN Lời đầu tiên, Em xin cảm ơn Thầy TS Đào Nam Anh trực tiếp hƣớng dẫn, giúp đỡ tận tình bảo Em suốt thời gian từ có ý tƣởng cho luận văn đến hoàn thành luận văn Em xin chân thành cảm ơn đến Thầy môn trực tiếp dạy dỗ Em nhƣ Thầy PGS.TS Ngô Quốc Tạo, PGS TS Phạm Việt Bình, PGS.TSKH Nguyễn Xuân Huy, PGS.TS Đỗ Năng Tồn,…đã giúp Em có kiến thức ý tƣởng cho luận văn Em xin cảm ơn Thầy hội đồng bảo vệ đề cƣơng góp ý, giúp Em có thay đổi phù hợp luận văn Em xin cảm ơn trƣờng Đại học Công nghệ Thông tin Truyền thông - Đại học Thái Nguyên tạo nhiều điều kiện thuận lợi cho Em Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ iii LỜI CAM ĐOAN Tôi xin cam đoan luận văn kết nghiên cứu tôi, không chép Nội dung luận văn có tham khảo sử dụng tài liệu liên quan, thông tin tài liệu đƣợc đăng tải tạp chí trang website theo danh mục tài liệu luận văn Tác giả luận văn Hồng Xn Lộc Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ iv MỤC LỤC DANH MỤC HÌNH VẼ V MỞ ĐẦU CHƢƠNG TỔNG QUAN THEO DÕI ĐỐI TƢỢNG 1.1 Xử lý video 1.2 Bài toán theo dõi đối tƣợng 1.3 Ứng dụng thực tế - giám sát thông minh 10 1.4 Thành phần thuật toán 14 1.5 Các thuật toán so sánh 25 1.6 Phát các đố i tƣơ ̣ng chuyển động 26 CHƢƠNG THUẬT TOÁN THEO DÕI ĐA MỤC TIÊU TỐI ƢU HÀM ĐÁNH GIÁ ĐỐI TƢỢNG 35 2.1 Ký hiệu 37 2.2 Phát các đố i tƣơ ̣ng 37 2.3 Hàm đánh giá đối tƣợng 44 2.4 Tối ƣu hoá hàm đánh giá đối tƣợng 48 2.5 Theo vết đối tƣợng 51 2.6 Thuật toán 56 2.7 Kết luận chƣơng 57 CHƢƠNG CÀI ĐẶT THỬ NGHIỆM 58 3.1 Môi trƣờng cài đặt 58 3.2 Trích dẫn số mã nguồn 58 3.3 Kết thực nghiệm 63 3.4 Kết luận chƣơng 74 KẾT LUẬN 75 TÀI LIỆU THAM KHẢO 76 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ v DANH MỤC HÌNH VẼ Hình 1-1 Cấu trúc phân cấp video Hình 1-2 Khung hình khác nhƣng có biểu đồ màu Hình 1-3 Theo dõi khách hành Hình 1-4 Hệ thống camera điều khiển xe tự hành SCABOR Hình 1-5 Mơ hình hệ thống giám sát 11 Hình 1-6: Hệ thống camera giám sát giao thơng 13 Hình 1-7 Hệ thống camera giám sát an ninh 13 Hình 1-8: Cơng nghệ nhận diện khuôn mặt 14 Hình 3-9: Bộ sở liệu 66 Hình 3-10 IMG1: Đối tƣợng ảnh số đƣợc theo dõi qua khn hình từ 3-16 67 Hình 3-11 IMG2: Đối tƣợng ảnh số 14 đƣợc theo dõi qua khn hình 85-88, bị khuất khn hình 89, xuất lại hình 90 với mã số 16 68 Hình 3-12 IMG2: Đối tƣợng ảnh số 16 đƣợc theo dõi tiếp qua khn hình 140-154 69 Hình 3-13 IMG2: Đối tƣợng ảnh số 16 đƣợc theo dõi tiếp mã số 29 qua khn hình 195-210 Có số đỗi tƣợng xuất hiện, nhiên cịn nhỏ nên khơng mã số hình 70 Hình 3-14 IMG3: Có đối tƣợng ảnh khn hình 666-680 Do kích thƣớc đối tƣợng nhỏ ngƣỡng đặt trƣớc nên mã số khơng hiển thị khn hình 71 Hình 3-15 IMG3: Đối tƣợng ảnh số 89 đƣợc teo dõi khn hình 780800 Một đối tƣợng ảnh không đƣợc hiển thị mã số kích thƣớc đối tƣợng nhỏ ngƣỡng đặt trƣớc 72 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ MỞ ĐẦU Theo dõi đa đối tƣợng nhiệm vụ có từ lâu với ngành an ninh, nhiệm vụ quan trọng lĩnh vực thị giác máy tính Sự gia tăng máy tính cấu hình mạnh, sẵn có máy quay video chất lƣợng cao không tốn kém, nhu cầu ngày tăng phân tích video tự động tạo nhiều quan tâm thuật toán theo dõi đa đối tƣợng Các thuật tốn có ứng dụng rộng rãi hệ thống giám sát thông minh tự động - trợ giúp đắc lực cho ngƣời thực theo dõi, giám sát Ví dụ giám sát giao thơng hệ thống giám sát thơng minh cho ta biết đƣợc số lƣợng phƣơng tiện lƣu thông qua đoạn đƣờng, đƣa thông tin tốc độ chuyển động, đƣờng đối tƣợng đƣợc theo dõi Khó khăn toán theo dõi đa đối tƣợng phức tạp không gian quan sát với số lƣợng lớn quỹ đạo đối tƣợng liên tục, số quỹ đạo rời rạc Để giải theo dõi tƣơng tác đối tƣợng cần phải có mơ hình thuật tốn tối ƣu, đảm bảo phân tích đƣợc thời gian thực Ý thức đƣợc lợi ích mà hệ thống giám sát thông minh mang lại: ” Hệ thống quan sát đa đối tƣợng tối ƣu hàm đánh giá đối tƣợng” để từ nắm đƣợc thật toán giải toán theo dõi giám sát đa đối tƣợng chuyển động video với tối ƣu hóa hàm hàm đánh giá đối tƣợng mà kết tối ƣu nguồn lực máy tính Đối tƣợng luận văn tìm hiểu kết nghiên cứu lĩnh vực giám sát đa đối tƣợng (multi object tracking) di chuyển video tối ƣu hàm đánh giá đối tƣợng Luận văn phân tích thực nghiệm thuật tốn cho tốn Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ Ngoài phần mở đầu kết luận, luận văn đƣợc chia làm chƣơng, luận văn có chƣơng nhƣ sau: Chƣơng 1: Tổng quan theo dõi đối tƣợng xử lý ảnh Trình bày vấn đề đặt cần giải hệ thống theo dõi thông minh, giới thiệu toán phát hiện, phân loại, theo dõi đối tƣợng chuyển động hệ thống theo dõi đối tƣợng Chƣơng 2: Phƣơng pháp phát theo dõi đa đối tƣợng Phân tích giải pháp tốn theo dõi đa đối tƣợng thời gian thực cách tối ƣu hàm đánh giá đối tƣợng Trình bày chi tiết mơ hình theo dõi đối tƣợng xây dựng hàm số hàm đánh giá đối tƣợng Tối ƣu hàm đánh giá đối tƣợng cục hàm hàm đánh giá đối tƣợng để đạt giá trị cực tiểu hàm đánh giá đối tƣợng, từ tính tốn theo vết đƣờng đối tƣợng thời gian thực Chƣơng 3: Thực nghiệm đánh giá Trình bày việc cài đặt chƣơng trình, xây dựng liệu thực nghiệm, trình thực nghiệm, kết thực nghiệm kết đánh giá, nhận xét xử lý từ thực nghiệm Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ CHƢƠNG TỔNG QUAN THEO DÕI ĐỐI TƢỢNG Giám sát video trình phân tích khung hình video Đó ứng dụng thị giác máy tính Có ba loại hoạt động giám sát video: giám sát video tay, bán tự động hồn toàn tự động Giám sát video tay việc phân tích nội dung video đƣợc ngƣời thực trực tiếp Hệ thống dạng đƣợc sử dụng rộng rãi Video giám sát bán tự động liên quan đến số hình thức xử lý video với can thiệp đáng kể ngƣời Ví dụ điển hình hệ thống phát chuyển động đơn giản Chỉ có chuyển động đáng kể video đƣợc ghi lại gửi cho chuyên gia ngƣời phân tích Với hệ thống hồn tồn tự động, khơng có tham gia ngƣời vào q trình phân tích Trong hệ thống nhƣ hệ thống làm hai nhiệm vụ cấp thấp, phát chuyển động theo dõi, nhiệm vụ định cấp cao, nhƣ nhận diện kiện bất thƣờng xác định loại chuyển động Hệ thống giám sát video hỗ trợ động phân loại tự đối tƣợng theo dõi đối tƣợng Điều hành hệ thống giám sát video thời gian dài trực tiếp ngƣời không thực tế khó khả thi 1.1 Xử lý video 1.1.1 Một số khái niệm Video tập hợp khung hình, khung hình ảnh Video hay cịn gọi chuỗi ảnh (image sequence) tƣợng trƣng cho thông tin hình ảnh Đó chuỗi hình ảnh liên tục theo thời gian Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ S=f(x,y,t) (1-1) Trong đó: x, y ∈ R: tọa độ điểm ảnh (thông tin không gian) t ∈ R: thông tin thời gian Dựa công thức 1.1 ta thấy ảnh tĩnh trƣờng hợp đặc biệt video Khi chuỗi hình ảnh khơng thay đổi theo thời gian f x, y, t1 = f x, y, t ; ∀x, y ∈ R (1-2) Shot (lia): đơn vị sở video Một lia đơn vị vật lý dòng video, gồm chuỗi khung hình liên tiếp, khơng thể chia nhỏ Scene (cảnh): đơn vị logic dòng video Cấu trúc phân cấp video đƣợc mơ tả hình vẽ Hình 1-1 Cấu trúc phân cấp video Khi phim đƣợc chiếu, khung hình lần lƣợt đƣợc hiển thị tốc độ định Tốc độ thƣờng thấy định dạng video khác 30 24 hình/s Nhƣ video có số lƣợng khung hình tƣơng ứng 108000 86400 Dù video định dạng có dung lƣợng lớn xử lý với tất khung hình thật khơng hiệu Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ Phân đoạn trình phân tích chia nội dung hình ảnh video thành đơn vị sở gọi lia (shots) Việc lấy mẫu chọn gần khung hình video đại diện cho lia (hoặc nhiều tùy theo mức độ phức tạp nội dung hình ảnh lia) đƣợc gọi khung – khóa [3] Khung – khóa khung hình đại diện mơ tả nội dung shot Q trình phân đoạn liệu video tiến hành phân tích, phát chuyển đổi từ lia sang lia khác phát ranh giới lia (đó đo khác khung hình liền kề) 1.1.2 Một số thuộc tính đặc trưng Video có bốn đặc tính chung là: màu (color), kết cấu (texture), hình dáng (shape), chuyển động (motion) Màu (Color): Màu thuộc tính đặc trƣng ảnh Biểu đồ ảnh, biễu diễn phân bố màu, đặc trƣng màu phổ biến Biểu đồ màu không phụ thuộc vào quay, dịch chuyển ảnh nhƣ chiều nhìn ảnh Tuy nhiên với biểu đồ màu không biểu diễn thông tin không gian phân bố điểm ảnh, hai điểm ảnh có biểu đồ màu lại có nộ dung khác Hình 1-2 Khung hình khác nhƣng có biểu đồ màu Kết cấu (Texture): Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 63 % basically we are done printMessage (1,'All done (%.2f = %.2fh = %.2f sec per frame)\n',toc (cemStartTime)/60,toc (cemStartTime)/3600,toc (cemStartTime)/F); %% post processing % get X Y matrices [stateVec N F targetsExist stateInfo.X stateInfo.Y]=getStateInfo (stateInfo); stateInfo=postProcessState (stateInfo); %% if we have ground truth, evaluate results printFinalEvaluation (stateInfo) %% clean up (remove zero rows from logs) itinfo=find (sum (LOG_allens,2)); LOG_allmets2d=LOG_allmets2d (~~sum (LOG_allmets2d,2),:); LOG_allmets3d=LOG_allmets3d (~~sum (LOG_allmets3d,2),:); LOG_allens=LOG_allens (~~sum (LOG_allens,2),:); % you can display the results with displayTrackingResult (sceneInfo,stateInfo) % end 3.3 Kết thực nghiệm 3.3.1 Công thức đánh giá thực nghiệm Phần đƣa sở số liệu cơng thức để phân tích đánh giá hiệu thuật toán phát theo vết đối tƣợng Kỹ thuật đánh giá thực nghiệm đƣợc trích rút từ tài liệu tham khảo [2] Trƣớc hết ta cần biết hai định nghĩa sau: Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 64  objectBox khung chứa đối tƣợng theo dõi khung hình  Kết thuật tốn vị trí đối tƣợng cần theo dõi khung hình Để thực đánh giá ta cần xác định mức độ chồng lấp objectBox kết thuật tốn Trong cách đơn giản xem xét trọng tâm hai khung nằm khung cịn lại; từ giá trị sau đƣợc xác định:  TN (True Negative): Số lƣợng khung đối tƣợng không xuất  TP (True Positive): Số lƣợng khung đối tƣợng xuất hiện, objectBox theo vết đối tƣợng  FN (False Negative): Số lƣợng khung đối tƣợng xuất hiện, objectBox theo vết sai đối tƣợng  TF (Total frame): Tổng số khung chuỗi video Công thức đánh giá: TP TP + FN 𝐓𝐏 + 𝐓𝐍 𝐀𝐜𝐜𝐮𝐫𝐚𝐜𝐲 = 𝐓𝐅 TN Negative Prediction = FN + TN FN False Negative Rate = FN + TP Detection Rate = Trong giá trị giá trị Accuracy (độ xác) số cần quan tâm Trong phần đánh giá thực nghiệm sử dụng số Accuracy (độ xác) để thể cho kết liệu (video) Một thực nghiệm theo vết tốt thực nghiệm có độ xác cao > 80% Việc đánh giá hệ thống theo dõi dựa đo lƣờng hiệu suất thuật toán theo dõi liên quan đến đặc điểm hệ thống Các nguyên tắc Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 65 hệ thống theo dõi phát đối tƣợng khai thác quỹ đạo đối tƣợng cảnh quay video Đối với thuật toán theo dõi để giám sát, xuất đƣờng quỹ đạo nhiều đối tƣợng, thuật tốn theo dõi phân biệt đối tƣợng Các tiêu chuẩn để đánh giá thuật toán theo vết tốt:  Thuật toán theo vết phát đƣợc tất vào chuyển cảnh  Thuật toán theo vết phân biệt đối tƣợng hiển thị cảnh thởi điểm  Theo dõi trích xuất quỹ đạo tất đối tƣợng, đƣợc gán cho đối tƣợng phải đƣợc trì cho tất đối tƣợng theo dõi  Sự chuyển động ngƣng chuyển động đối tƣợng không làm dấu đối tƣợng  Có chồng chéo tiếp xúc đối tƣợng mà giữ đƣợc dấu đối tƣợng Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 66 3.3.2 Kết Bộ sở liệu IMG1 IMG2 IMG3 Hình 3-1: Bộ sở liệu Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 67 Hình 3-2 IMG1: Đối tƣợng ảnh số đƣợc theo dõi qua khn hình từ 3-16 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 68 Hình 3-3 IMG2: Đối tƣợng ảnh số 14 đƣợc theo dõi qua khn hình 85-88, bị khuất khn hình 89, xuất lại hình 90 với mã số 16 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 69 Hình 3-4 IMG2: Đối tƣợng ảnh số 16 đƣợc theo dõi tiếp qua khn hình 140-154 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 70 Hình 3-5 IMG2: Đối tƣợng ảnh số 16 đƣợc theo dõi tiếp mã số 29 qua khn hình 195-210 Có số đỗi tƣợng xuất hiện, nhiên cịn nhỏ nên khơng mã số hình Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 71 Hình 3-6 IMG3: Có đối tƣợng ảnh khn hình 666-680 Do kích thƣớc đối tƣợng nhỏ ngƣỡng đặt trƣớc nên mã số khơng hiển thị khn hình Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 72 Hình 3-7 IMG3: Đối tƣợng ảnh số 89 đƣợc teo dõi khn hình 780-800 Một đối tƣợng ảnh khơng đƣợc hiển thị mã số kích thƣớc đối tƣợng nhỏ ngƣỡng đặt trƣớc Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 73 Bảng 3.1 Bảng kết thực nghiệm sở liệu Bộ hình ảnh TF TN TP FN Img1 80 24 57 23 Img2 120 36 74 12 Img3 100 32 67 24 3.3.3 Đánh giá so sánh kết thực nghiệm Dựa công thức đánh giá thực nghiệm ta có bảng đánh giá thực nghiệm Trong bảng thực nghiệm có độ xác cao > 80% đƣợc bôi đen Kết sở liệu Bảng Bảng đánh giá kết thực nghiệm sở liệu Bộ hình ảnh Detection Rate Negative Prediction False Negative Rate Accuracy Img1 71.25% 51.06% 28.75% 71.25% Img2 86.05% 75.00% 13.95% 86.05% Img3 73.63% 57.14% 26.37% 73.63% Đánh giá sở liệu thực nghiệm Dƣa yêu cầu sở liệu thực nghiệm ta rút đặc tính sở liệu thƣờng có nhƣ:  Change Motion (CM): Có thay đổi chuyển động camera  Objects Disappeared (OD): Đối tƣợng biến  Change Move Speed (CMS): Đối tƣợng thay đổi tốc độ di chuyển  Change Scale (CS): Quy mô đối tƣợng thay đổi  Change Background (CB): Nền điều kiện chiếu sáng thay đổi Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 74  Similar Colors (SC): Màu sắc đối tƣợng tƣơng tự  Objects Overlapping (OO): Các đối tƣợng chồng chéo lên  Objects Contect (OC): Các đối tƣợng tiếp xúc với Bảng 3 Bảng đánh giá độ phức tạp sở liệu thực nghiệm Bộ hình ảnh CM Img1 X Img2 X Img3 X OD CMS CS CB SC OO OC X X X X X X X X X X X X Dựa vào bảng đánh giá độ phức tạp sở liệu thử nghiệm trên, đối chiếu với kết độ xác thực nghiệm theo dõi đối tƣợng Ta rút số nhận xét nhƣ sau: Thuật toán theo dõi nén hoạt động hiệu đối điều kiện nhƣ: Có thay đổi chuyển động camera, đối tƣợng thay đổi tốc độ di chuyển, Quy mô đối tƣợng thay đổi, điều kiện chiếu sáng thay đổi Thuật toán theo dõi hoạt động hiệu điều kiện nhƣ: Khi màu sắc đối tƣợng tƣơng tự nhau, có chồng chéo tiếp xúc đối tƣợng với 3.4 Kết luận chƣơng Chƣơng trình bày việc cài đặt chƣơng trình, xây dựng liệu thực nghiệm, trình thực nghiệm, kết thực nghiệm kết đánh giá, nhận xét xử lý từ thực nghiệm Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 75 KẾT LUẬN Luận văn phân tích giải pháp tốn theo dõi đa mục tiêu thời gian thực cách tối ƣu hàm đánh giá đối tƣợng Luận văn trình bày chi tiết mơ hình theo dõi đối tƣợng xây dựng hàm số đánh giá đối tƣợng Tối ƣu hàm đánh giá đối tƣợng cục làm để đạt giá trị cực tiểu, từ tính tốn theo vết đƣờng đối tƣợng thời gian thực, theo dõi đƣợc đối tƣợng chi tiết hơn, rõ nét Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 76 TÀI LIỆU THAM KHẢO Tiếng Việt Võ Đức Khánh, GS.TSKH Hoàng Kiếm (2007) Giáo trình xử lý ảnh NXB ĐHQG TP HCM Lƣơng Mạnh Bá, Nguyễn Thanh Thủy Nhập môn xử lý ảnh số, Nhà xuất Khoa học kỹ thuật, Hà Nội 1999 Nguyễn Kim Sách (1977) Xử lý ảnh video số, Nhà xuất Khoa học kỹ thuật, Hà Nội Đỗ Năng Tồn, Phạm Việt Bình (2007) Giáo trình xử lý ảnh, NXB KHKT ĐH Thái Ngun Ngơ Quốc Tạo, Đỗ Năng Toàn (2001), “Tách bảng dựa tập hình chữ nhật rời rạc”, chuyên san Các cơng trình nghiên cứu triển khai Cơng nghệ thơng tin viễn thơng, Tạp chí Bƣu Viễn thơng, số năm 2001, 73-79 Nguyễn Quốc Trung Xử lý tín hiệu lọc số Nhà xuất Khoa học Kỹthuật, 2004 Tiếng Anh Elgammal, A Duraiswami, R.,Hairwood, D., Anddavis, L 2002 Background and foreground modeling using nonparametric kernel density estimation for visual surveillance Proceedings of IEEE 90, 7, 1151–1163 S Y Elhabian, K M El-Sayed, “Moving object detection in spatial domain using background removal techniques- state of the art”, Recent patents on computer science, Vol 1, pp 32-54, Apr, 2008 Yilmaz, A., Javed, O., and Shah, M 2006 Object tracking: A survey ACM Comput Surv 38, 4, Article 13,December 2006 10 In Su Kim, Hong Seok Choi, Kwang Moo Yi, Jin Young Choi, and Seong G Kong Intelligent Visual Surveillance - A Survey International Journal of Control, Automation, and Systems (2010) (5):926-939 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ 77 11 I Haritaoglu, D Harwood, and L S Davis, “W4: real-time surveillance of people and their activities,” IEEE Trans on Pattern Analysis and Machine Intelligence, vol 22, no 8, pp 809-830, August 2000 12 Maniciu, D And Meer, p 2002 Mean shift: A robust approach toward feature space analysis IEEE Trans Patt Analy Mach Intell 24, 5, 603–619 13 A M McIvor Background subtraction techniques Proc of Image and Vision Computing, 2000 14 Bruce D Lucas and Takeo Kanade An Iterative Image Registration Technique with an Application to Stereo Vision International Joint Conference on Artificial Intelligence, pages 674-679, 1981 15 Kaihua Zhang, Lei Zhang, Ming-Hsuan Yang Real-time compressive tracking ECCV 2012 16 Alper Yilmaz, Omar Javed, and Mubarak Shah ““Object Tracking: A Survey”, ACM 2006 Số hóa Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/ ... tƣợng xây dựng hàm số hàm đánh giá đối tƣợng Tối ƣu hàm đánh giá đối tƣợng cục hàm hàm đánh giá đối tƣợng để đạt giá trị cực tiểu hàm hàm đánh giá đối tƣợng, từ tính tốn theo vết đƣờng đối tƣợng thời... tƣợng Tối ƣu hàm đánh giá đối tƣợng cục hàm hàm đánh giá đối tƣợng để đạt giá trị cực tiểu hàm đánh giá đối tƣợng, từ tính tốn theo vết đƣờng đối tƣợng thời gian thực Chƣơng 3: Thực nghiệm đánh giá. .. theo dõi giám sát đa đối tƣợng chuyển động video với tối ƣu hóa hàm hàm đánh giá đối tƣợng mà kết tối ƣu nguồn lực máy tính Đối tƣợng luận văn tìm hiểu kết nghiên cứu lĩnh vực giám sát đa đối tƣợng