Dự đoán hướng di chuyển và xác định tốc độ xe qua camera quan sát

Bài viết trình một phương pháp xác định tốc độ chuyển động của xe từ hình ảnh video với một “khung đo” được thiết lập trên một số phương pháp cơ bản của xử lý ảnh như phương pháp trừ nền để phát hiện đối tượng chuyển động, sử dụng phép toán trung bình có trọng số để dự đoán hướng di chuyển và vận tốc của đối tượng. Việc cài đặt và thử nghiệm đã cho thấy độ chính xác và tính khả thi của phương pháp này là hoàn toàn có thể đưa vào ứng dụng thực tế.

Kỷ yếu Hội nghị Khoa học Quốc gia lần thứ IX “Nghiên cứu ứng dụng Công nghệ thông tin (FAIR'9)”; Cần Thơ, ngày 4-5/8/2016 DOI: 10.15625/vap.2016.00018 DỰ ĐOÁN HƯỚNG DI CHUYỂN VÀ XÁC ĐỊNH TỐC ĐỘ XE QUA CAMERA QUAN SÁT Lâm Hữu Tuấn1, Huỳnh Phụng Toàn1, Nguyễn Thị Hồng Nhung1, Trần Cao Đệ1 Khoa Công nghệ thông tin & Truyền thông, Đại học Cần Thơ lamhuutuan@mku.edu.vn, hptoan@ctu.edu.vn, nguyenthihongnhung@mku.edu.vn, tcde@ctu.edu.vn TÓM TẮT— Hiện nay, hệ thống giao thông đường nước ta cải thiện đáng kể Bên cạnh việc xây dựng đường sá mới, đạt chuẩn đại việc quản lý, giám sát giao thông tăng cường Nhiều hệ thống camera để theo dõi tình hình giao thơng kết hợp với giám sát an ninh lắp đặt Đã có ngày nhiều ứng dụng khai thác liệu từ hệ thống giám sát tính tốn mật độ lưu thông, đếm lưu lượng xe, nhận dạng biển số, đo tốc độ xe Việc xác định vận tốc xe từ hình ảnh camera quan sát nghiên cứu trước đây, thường dựa kết hợp phương pháp máy học để nhận dạng xe sử dụng thuật toán Meanshift Camshift để theo dõi đối tượng lọc Kalman để dự đoán di chuyển vận tốc xe Bài báo trình phương pháp xác định tốc độ chuyển động xe từ hình ảnh video với “khung đo” thiết lập số phương pháp xử lý ảnh phương pháp trừ để phát đối tượng chuyển động, sử dụng phép toán trung bình có trọng số để dự đốn hướng di chuyển vận tốc đối tượng Việc cài đặt thử nghiệm cho thấy độ xác tính khả thi phương pháp hồn tồn đưa vào ứng dụng thực tế Từ khóa— Khung đo, tốc độ di chuyển, nhận dạng đối tượng, trung bình có trọng số, phương pháp trừ I GIỚI THIỆU Hiện nay, việc xác định tốc độ xe chủ yếu thực quan chức với mục đích kiểm tra tốc độ xe lưu thông đường cách sử dụng thiết bị chuyên dùng ngành để xác định tốc độ xe, nhiên phương pháp có nhiều hạn chế tốn chi phí cho việc mua thiết bị nhân lực để sử dụng Với phát triển mạnh mẽ công nghệ thông tin, việc xác định tốc độ xe hồn tồn thực thiết bị camera thông thường với giá thành rẻ hơn, có khả xử lý nhiều xe lúc diện rộng thực cách tự động Hơn nữa, nhu cầu xác định tốc độ xe không phục vụ quan chức mà ứng dụng rộng rãi nơi khác giám sát tốc độ phương tiện quan, trường học Trong báo này, chúng tơi trình bày tổng quan phương pháp xác định tốc độ xe qua camera, đề xuất giải pháp xác định tốc độ việc xây dựng “khung đo” đơn giản không phần hiệu II ĐỀ XUẤT PHƢƠNG PHÁP ĐO TỐC ĐỘ BẰNG KHUNG ĐO Thiết lập khung đo xác định vùng xử lý Khung đo vùng hình chữ nhật xác định điểm đánh dấu đường, dùng để xác định kích thước, vị trí vùng cần giám sát Từ điểm đánh dấu tạo thành vạch gồm vạch phát đối tượng vào vạch phát đối tượng khỏi vùng đo Khoảng cách vạch tương ứng với chiều dài thực tế phương hướng đoạn đường cần quan sát Sau đối tượng vào vạch đầu tiên, hệ thống ghi nhận vi trí di chuyển đối tượng qua từ frame ảnh làm sở theo dõi chuyển động đối tượng Hình Mơ hình khung đo Các điểm x1, x2, x3, x4 điểm mốc quan sát đường thực tế, s chiều dài (mét) đoạn đường xác định Phát chuyển động phƣơng pháp trừ Mỗi hình ảnh video giám sát ln tồn (background) đối tượng (foreground), khung cảnh tĩnh không thay đổi, đối tượng chuyển động đối tượng có trạng thái vị trí thay đổi frame ảnh, đối tượng chuyển động phát so sánh frame với nền, việc xây dựng mơ hình DỰ ĐOÁN HƯỚNG DI CHUYỂN VÀ XÁC ĐỊNH TỐC ĐỘ XE QUA CAMERA QUAN SÁT 144 (background modeling) yếu tố cối lõi phương pháp trừ nền, mơ hình xây dựng qua nhiều frame ảnh[1] Ý tưởng chung phương pháp trừ nền: - Xây dựng mơ hình từ số frame hình ảnh - Dùng mơ hình để so sánh với frame khác (1) Trong đó:  Fi: frame thứ i  B: Mơ hình xây dựng dựa n frame  TH: ngưỡng xác định Một số phương pháp trừ nền: Frame Differencing, Running Average, Running Gaussian Average, Theo dõi nhiều đối tƣợng khung đo Sau đối tượng vào khung đo, vị trí đối tượng frame ghi nhận lại “lịch sử di chuyển” đối tượng Mỗi đối tượng vào khung đo có lịch sử di chuyển riêng Trong trường hợp có nhiều đối tượng lúc vào khung đo, đối tượng xuất frame đối tượng q khứ di chuyển đến, vấn đề đặt làm để xác định đối tượng thuộc đối tượng khứ [2][10] Một hướng tiếp cận để giải vấn đề vào lịch sử di chuyển đối tượng khứ để dự đốn vị trí xuất đối tượng frame tại, xét khoảng cách vị trí dự đốn với tất vị trí thực đối tượng frame tại, khoảng cách nhỏ ngưỡng cập nhật thêm vị trí thực đối tượng xét vào lịch sử di chuyển trước 3.1 Ý tưởng phương pháp Cho danh dách Lcontainer lưu trữ tất đối tượng xác định tính đến thời điểm frame thứ i-1, Lnew đối tượng nhận dạng frame thứ i Mỗi frame hình ảnh độc lập nên đối tượng Lnew chưa xác định đối tượng Lcontainer di chuyển tới Vì vận cần xác định mối liên hệ đối tượng Lnew Lcontainer Gọi a đối tượng Lcontainer có vị trí dự đoán p a’ đối tượng Lnew có vị trí thực q, a a’ khoảng cách p q nhỏ ngưỡng cho trước p  q  TH (2) Trong đó:  TH: ngưỡng xác định Hình Minh họa dự đoán xác định đối tượng 3.2 Dự đoán điểm di chuyển Với frame video, đối tượng có vị trí tương ứng, vị trí đối tượng frame xác định dựa điểm trọng tâm đối tượng (center point) ghi nhận lại qua frame làm sở cho việc dự đoán điểm (next point) đối tượng frame Lâm Hữu Tuấn, Huỳnh Phụng Toàn, Nguyễn Thị Hồng Nhung, Trần Cao Đệ 145 Hình Hình họa dự đốn điểm kết tiếp Trung bình cộng có trọng số hay số bình phương gia quyền giá trị trung bình cộng có phản ảnh tầm quan trọng phần tử (hay giá trị quan sát) Trong đó, phần tử gắn trọng số Trọng số thể mức độ quan trọng phần tử tập hợp phần tử [14] Công thức: x w1x1  w x2   w n xn w1  w   w n (3) Trong đó:  ̅ : giá trị trung bình  wi: trọng số đánh giá mức độ quan trọng phần tử thứ i  xi : phần tử thứ i  i: thứ tự phần tử Phương pháp thường áp dụng để tính toán số toán thống kê toán đánh giá Từ ý tưởng phương pháp này, vận để tính khoảng cách di chuyển trung bình đối tượng qua frame dự đoán khoảng cách di chuyển đối tượng frame ̅̅̅̅̅ ∑ ∑ (4) Trong đó:  ̅̅̅̅̅: vị trí dự đốn thứ đối tượng  pi : vị trí thứ i đối tượng  pi-1 : vị trí thứ i-1 đối tượng  i: thứ tự vị trí lưu trữ trước  n: số lượng vị trí ghi nhận qua n frame Các vị trí p0, p1, , pn dãy điểm mà đối tượng qua “lịch sử di chuyển” thể trình di chuyển đối tượng 3.3 Xác định đối tượng qua frame liên tiếp Mỗi frame video hình ảnh độc lập, đối tượng xuất nhiều frame có vị trí khác nhau, cần xác định đối tượng tất frame dựa vào thay đổi không lớn khoảng cách đối tượng frame liên tiếp [2][10] Bằng việc tính khoảng cách điểm dự đoán “next point” dựa “lịch sử di chuyển” đối tượng frame khứ điểm “center point” đối tượng frame tại, khoảng cách nhỏ ½ độ dài đường chéo đối tượng xem đối tượng xuất frame liên tiếp Gọi Rect hình chữ nhật bao quanh đối tượng Oi xuất frame thứ i, w chiều ngang, h chiều cao Rect pi  fhistory (Oi 1 ) (5) d  pi  pi (6) DỰ ĐOÁN HƯỚNG DI CHUYỂN VÀ XÁC ĐỊNH TỐC ĐỘ XE QUA CAMERA QUAN SÁT 146 d  2 w h (7) Trong đó:   pi : vị trí dự đốn đối tượng frame thứ i-1 xuất frame thứ i; pi : vị trí thực đối tượng xuất frame thứ i;  Oi-1: đối tượng frame thứ i-1;  d: khoảng cách vị trí thực vị trí dự đốn Ý tưởng hiểu điểm dự đốn nằm bên lịng đối tượng xét thỏa yêu cầu Hình Minh họa xác định đối tượng Xác định tốc độ Việc tính vận tốc qua camera chủ yếu dựa thay đổi vị trí đối tượng trên khung đo, khoảng di chuyển khung đo hình máy tính tính pixel, cần q trình ánh xạ chiều dài pixel thành chiều dài thực tế thông qua tỷ lệ chiều dài thực tế s chiều dài h khung đo (8) Trong đó:  c: tỷ lệ chiều dài thực chiều dài khung đo;  s: chiều dài thực tế (mét);  h: chiều dài khung đo(pixel) Hình Tỷ lệ chiều dài thực chiều dài khung đo Thời gian di chuyển đối tượng tính dựa số khung hình phát giây xử lý video tính việc ghi nhận thời gian với thời gian xuất trước đối tượng [3] Video: Camera: (9) (10) Trong đó:  : thời gian chuyển đổi frame  fps: số frame giây  : thời gian  : thời gian trước Quá trình từ xe bắt đầu vào khỏi khung đo trải qua nhiều frame, frame ghi lại vị trí Việc tính vận tốc trung bình dựa việc tính vận tốc đối tượng di chuyển qua cặp frame liên tiếp Lâm Hữu Tuấn, Huỳnh Phụng Toàn, Nguyễn Thị Hồng Nhung, Trần Cao Đệ 147 Khoảng cách di chuyển đối tượng frame liên tiếp dựa khoảng cách điểm p i-1(x1,y1) đối tượng frame trước điểm pi(x2,y2) frame sau, với d cách pi-1, pi, ta tính khoảng cách tương đối đối tượng thực tế √ (11) (12) (13) ∑ (14) Trong đó:  d: khoảng cách điểm pi-1, pi  c: tỷ lệ chiều dài  s: khoảng cách thực tế  vi: vận tốc đối tượng di chuyển từ frame i-1 đến frame i  vavg: vận tốc trung bình  n: số lược vận tốc đo khung Hình Tính vận tốc trung bình giai đoạn III KẾT QUẢ THỰC NGHIỆM VỚI GIẢI PHÁP XÁC ĐỊNH TỐC ĐỘ BẰNG KHUNG ĐO Lƣu đồ hoạt động nhƣ sau: Input: liệu từ camera video Output: vận tốc đối tượng Hình Lưu đồ hoạt động Thiết lập thực nghiệm: Địa điểm thực nghiệm khu dân cư đô thị, camera ghi hình đặt độ cao 4m, có tốc độ ghi 25fps/giây, kích thước video 720×576 với định dạng mpg Chiều dài đo đạt vùng nhận dạng 12m đánh dấu đường Thực 12 lượt chạy xe mô tô mức tốc độ: 30, 40, 50, 60, 70, 80 km/h với mức dao động ±3km/h, tốc độ thực lần chạy thu 12 video DỰ ĐOÁN HƯỚNG DI CHUYỂN VÀ XÁC ĐỊNH TỐC ĐỘ XE QUA CAMERA QUAN SÁT 148 Danh sách videos: 30_1.pmg, 30_2.pmg, 40_1.pmg, 40_2.pmg,50_1.pmg, 50_2.pmg, 60_1.pmg, 60_2.pmg, 70_1.pmg, 70_2.pmg, 80_1.pmg, 80_2.pmg Thực đo đạt chiều dài vùng quan sát đánh dấu vị trí, trích xuất hình ảnh từ khung đo video Hình Trích xuất hình ảnh xác định khung đo video 40_1.mpg Kết phát chuyển động phương pháp frame differencing từ ảnh trích xuất Hình Phát chuyển động Kết việc dự đốn vị trí phương pháp trung bình có trọng số với mức ngưỡng xác định dựa khoảng cách từ tâm đối tượng đến biên chữ nhật bao quanh đối tượng, điểm trọng tâm đối tượng ghi nhận để xác định vị trí q trình theo đường đối tượng Bảng Kết dự đoán vị trí video 40_1.mpg Stt frame 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 Vị trí thực (x, y) {X=89,Y=22} {X=92,Y=25} {X=94,Y=28} {X=97,Y=32} {X=100,Y=36} {X=103,Y=40} {X=107,Y=44} {X=110,Y=49} {X=114,Y=54} {X=119,Y=59} {X=124,Y=64} {X=131,Y=70} {X=134,Y=76} {X=140,Y=82} {X=145,Y=89} {X=152,Y=96} {X=157,Y=104} {X=164,Y=112} {X=172,Y=124} {X=180,Y=138} {X=188,Y=154} {X=196,Y=172} {X=206,Y=190} {X=218,Y=210} {X=228,Y=232} Vị trí dự đốn (x, y) {X=90,Y=18} {X=88,Y=26} {X=94,Y=28} {X=96,Y=31} {X=99,Y=36} {X=103,Y=40} {X=106,Y=44} {X=110,Y=48} {X=113,Y=53} {X=118,Y=59} {X=123,Y=64} {X=129,Y=69} {X=137,Y=75} {X=139,Y=82} {X=145,Y=88} {X=150,Y=95} {X=158,Y=103} {X=163,Y=111} {X=170,Y=120} {X=179,Y=134} {X=188,Y=150} {X=196,Y=168} {X=204,Y=188} {X=215,Y=207} {X=228,Y=229} Khoảng cách điểm 4,12 4,12 1,41 1 1,41 1 2,24 3,16 1 2,24 1,41 1,41 4,47 4,12 4 2,83 4,24 Ngƣỡng xác định 38,85 41,21 45,7 49,04 52,74 55,87 59,78 63,78 68,57 72,8 80,12 84,22 91,55 97,35 104,31 110,79 119,2 127,39 134,09 138,12 143,95 150,21 157,4 164,59 172,66 Kết (true/false) True True True True True True True True True True True True True True True True True True True True True True True True True Lâm Hữu Tuấn, Huỳnh Phụng Toàn, Nguyễn Thị Hồng Nhung, Trần Cao Đệ 149 Hình 10 Biểu đồ biểu diễn vị trí dự đoán thực tế video 40_1.mpg Kết việc đo vận tốc video 40_1.mpg, điểm để xác định vị trí cạnh biên hình chữ nhật bao quanh xác định chu vi đối tượng Bảng Kết đo vận tốc video 40_1.mpg Stt frame Vị trí (x, y) Vị trí trƣớc (x, y) 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 {X=64,Y=1} {X=56,Y=42} {X=59,Y=49} {X=57,Y=56} {X=59,Y=63} {X=61,Y=72} {X=63,Y=79} {X=66,Y=88} {X=68,Y=97} {X=71,Y=107} {X=75,Y=117} {X=75,Y=127} {X=82,Y=138} {X=82,Y=151} {X=86,Y=163} {X=89,Y=177} {X=95,Y=191} {X=97,Y=207} {X=102,Y=223} {X=106,Y=241} {X=112,Y=259} {X=117,Y=280} {X=123,Y=303} {X=129,Y=327} {X=136,Y=353} Khoảng cách điểm(pixel) {X=56,Y=42} {X=59,Y=49} {X=57,Y=56} {X=59,Y=63} {X=61,Y=72} {X=63,Y=79} {X=66,Y=88} {X=68,Y=97} {X=71,Y=107} {X=75,Y=117} {X=75,Y=127} {X=82,Y=138} {X=82,Y=151} {X=86,Y=163} {X=89,Y=177} {X=95,Y=191} {X=97,Y=207} {X=102,Y=223} {X=106,Y=241} {X=112,Y=259} {X=117,Y=280} {X=123,Y=303} {X=129,Y=327} {X=136,Y=353} {X=143,Y=382} Vận tốc trung bình(km/h) 41,77 7,62 7,28 7,28 9,22 7,28 9,49 9,22 10,44 10,77 10 13,04 13 12,65 14,32 15,23 16,12 16,76 18,44 18,97 21,59 23,77 24,74 26,93 29,83 Khoảng cách thực tế (mét) Vận tốc (km/h) 1,222537 0,223024 0,213073 0,213073 0,269854 0,213073 0,277756 0,269854 0,305561 0,31522 0,292683 0,381659 0,380488 0,370244 0,419122 0,445756 0,471805 0,490537 0,539707 0,55522 0,631902 0,695707 0,724098 0,788195 0,873073 110 20,1 19,2 19,2 24,3 19,2 25 24,3 27,5 28,4 26,3 34,3 34,2 33,3 37,7 40,1 42,5 44,1 48,6 50 56,9 62,6 65,2 70,9 78,6 41,7 Bảng Kết đo vận tốc trình thực nghiệm 12 video Video 30_1.mpg 40_1.mpg 50_1.mpg 60_1.mpg 70_1.mpg 80_1.mpg 30_2.mpg 40_2.mpg 50_2.mpg 60_2.mpg 70_2.mpg 80_2.mpg Vận tốc thực (km/h) ~30 ~40 ~50 ~60 ~70 ~80 ~30 ~40 ~50 ~60 ~70 ~80 Sai số trung bình Vận tốc nhận dạng (km/h) Sai số (%) 35,8 41,7 49,5 59 76,3 85,9 28,7 40,5 48 56,9 69 83,2 19,33 4,25 1,67 7,38 4,33 1,25 5,17 1,43 5,23 DỰ ĐOÁN HƯỚNG DI CHUYỂN VÀ XÁC ĐỊNH TỐC ĐỘ XE QUA CAMERA QUAN SÁT 150 IV KẾT LUẬN Phương pháp đo tốc độ việc sử dụng khung đo kết hợp với phép tốn trung bình trọng số để dự đốn vị trí có cách thức thực cài đặt đơn giản, tính tốn nhanh xử lý trực tiếp camera, dễ dàng tùy biến nhiều đường khác trường hợp camera đặc vị trí khơng thuận lợi Việc dự đốn vị trí lưu vết di chuyển đối tượng phương pháp trung bình có trọng số xác định đường nhiều đối tượng lúc khung đo làm tăng khả xử lý hiệu hệ thống Việc thực nghiệm cho thấy kết xác với sai số chấp nhận được, hồn tồn ứng dụng phương pháp vào thực tiễn Khả đo tốc độ nhiều phương tiện lúc xử lý camera thơng thường giúp tiết kiệm nhiều chi phí triển khai chi phí cho camera chun dụng có giá thành cao V TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] Alper Yilmaz, Omar Javed, and Mubarak Shah (2006),”Oject Tracking: A Survey”, ACM Computing Survey, Vol38, No 4, Article 13, Publication date: December 2006 Atsushi Shimada, Hajime Nagahara, Rin-ichiro Taniguchi, Background Modeling based on Bidirectional Analysis, Kyushu University, Japan “Bài giảng truyền thông đa phương tiện”, Khoa Công nghệ thông tin, ĐH Kinh tế - Kỹ thuật Công nghiệp Fleet, D.J and Weiss, Y (2005), Optical flow estimation, Mathematical models for Computer Vision: The Handbook N Paragios, Y Chen, and O Faugeras (eds.), Springer Gloria Bueno Garcia, Oscar Deniz Suarez , “Learning Image Processing with OpenCV”, published: March 2015 Phi Van Lam, “Implementation of invertse prespective mapping algorith in image processing for the calculation of the speed of trafic vehicle”, University of Transport and Communications Hanoi, Vietnam October 2014 R Hartley and A Zisserman “Multiple View Geometry in Computer Vision Cambridge University Press”, 2004 Roger Gaborski," Parametric & Non-parametric background subtracktion model with Object Tracking for VENUS”, 2007 Sedat Doğan, “Mahir Serhan Temiz,Sıtkı Külür, Real Time Speed Estimation of Moving Vehicles from Side View Images from an Uncalibrated Video Camera”, published: 11 May 2010 Shraddha Mehta, Vaishali Kalariya, Real Time Object Tracking Based on Inter-frame Coding: A Review, RK University, Rajkot, Gujrat, India Soharab Hossain Shaikh, "Moving Object Detection Using Background Subtracktion”, A K Choudhury Shool of Information Technology, India, 2014 Nishu Singla, “Motion Detection Based on Frame Difference Method”, International Journal of Information & Computation Technology.,ISSN 0974-2239 Volume 4, Number 15 (2014), pp 1559-1565 Massimo Piccardi, “Background subtraction techniques:a review, Faculty of Engineering”, UTS, April 15, 2004 https://vi.wikipedia.org/wiki/Trung_bình_cộng_có_trọng_số PREDICT THE MOVEMENT AND DETERMINES THE VEHICLE SPEEP THROUGH THE CAMERA Lam Huu Tuan, Huynh Phung Toan, Tran Cao De, Nguyen Thi Hong Nhung ABSTRACT— Currently, road traffic system of our country has been improved significantly Besides building new roads to modern standards, the management, traffic monitoring have also been strengthened Many camera systems to monitor the traffic situation in combination with security surveillance has been installed There have been more and more applications of data mining from this monitoring system as traffic density computing, vehicle traffic counts, number plate recognition, vehicle speed measured The determination of the velocity of the vehicle from the image of the CCTV system has been studied before, they often rely on a combination of machine learning methods for identification and use Meanshift algorithm or Camshift algorithm to track objects Use Kalman filter to predict the movement, the velocity of the vehicle This paper will present a method of determining the speed of movement of the car from the video image with a "measurement frame" is set on some basic methods of image processing such as background subtraction method to detect objects motion, using the weighted average calculations to predict the direction of movement and velocity of the object The installation and testing has shown the accuracy and feasibility of this approach is entirely possible put into practical application  ... 30, 40, 50, 60, 70, 80 km/h với mức dao động ±3km/h, tốc độ thực lần chạy thu 12 video DỰ ĐOÁN HƯỚNG DI CHUYỂN VÀ XÁC ĐỊNH TỐC ĐỘ XE QUA CAMERA QUAN SÁT 148 Danh sách videos: 30_1.pmg, 30_2.pmg,...DỰ ĐOÁN HƯỚNG DI CHUYỂN VÀ XÁC ĐỊNH TỐC ĐỘ XE QUA CAMERA QUAN SÁT 144 (background modeling) yếu tố cối lõi phương pháp trừ nền, mơ hình xây dựng qua nhiều frame ảnh[1]...  fhistory (Oi 1 ) (5) d  pi  pi (6) DỰ ĐOÁN HƯỚNG DI CHUYỂN VÀ XÁC ĐỊNH TỐC ĐỘ XE QUA CAMERA QUAN SÁT 146 d  2 w h (7) Trong đó:   pi : vị trí dự đốn đối tượng frame thứ i-1 xuất frame