Nghiên cứu giải pháp ứng dụng camera giám sát trong an ninh và giao thông

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Phan Huy Tùng NGHIÊN CỨU GIẢI PHÁP ỨNG DỤNG CAMERA GIÁM SÁT TRONG AN NINH VÀ GIAO THÔNG Chuyên ngành : Công nghệ thông tin LUẬN VĂN THẠC SĨ KHOA HỌC CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC TS Tạ Tuấn Anh Hà Nội – 2011 LỜI CẢM ƠN Sau năm học tập rèn luyện trường Đại học Bách Khoa Hà Nội, đến em hồn thành chương trình học tập luận văn tốt nghiệp Thạc sĩ khoa học chun ngành Cơng nghệ thơng tin Để có kết khiêm tốn ngày hôm nay, em xin trân trọng cảm ơn:  Ban giám hiệu nhà trường quan tâm, tạo điều kiện thuận lợi cho chúng em học tập rèn luyện tốt  Các Thầy, Cô viện Công nghệ thông tin truyền thông tận tâm giảng dạy, truyền đạt kiến thức tảng hành trang quý báu để chúng em bước vào đời Em xin đặc biệt bày tỏ lịng kính trọng biết ơn chân thành đến Thầy giáo, Tiến sĩ Tạ Tuấn Anh, người trực tiếp hướng dẫn tận tình tạo điều kiện giúp em hồn thành luận văn tốt nghiệp Em xin cảm ơn Thầy Em xin đặc biệt cảm đến anh, chị đồng nghiệp công ty CadPro tạo điều kiện, giúp đỡ em thời gian vừa qua Đồng thời, xin gửi lời cảm ơn đến :  Bạn Nguyễn Danh Thắng, người nhiệt tình tham gia, giúp đỡ để tạo liệu mẫu  Bạn Vũ Mạnh Thiên, người có góp q báu q trình thực nghiên cứu Cuối cùng, xin gửi lời cảm ơn đến gia đình bạn bè, người ln bên, động viên khích lệ tơi suốt chặng đường học tập qua Hà Nội, ngày 10, tháng 11, năm 2011 Phan Huy Tùng MỤC LỤC DANH MỤC CÁC THUẬT NGỮ VÀ KÝ HIỆU VIẾT TẮT T T DANH MỤC CÁC HÌNH VẼ TRONG LUẬN VĂN T T MỞ ĐẦU 10 T 32T Chương - CƠ SỞ LÝ THUYẾT 13 T T Tổng quan 13 1.1 T T 32T Phát chuyển động 16 1.2 T 32T T 32T T 1.2.1 T 32T 1.2.2 T 32T 1.2.3 T 32T 1.2.4 T 32T 1.3 T T Các phương pháp 19 32T T Các phương pháp nâng cao 29 32T T So sánh đánh giá phương pháp 34 32T T Tracking 36 T 32T 32T Kết chương 40 1.4 T Các vấn đề toán 18 32T T 32T 32T Chương - ỨNG DỤNG CAMERA GIÁM SÁT ĐỂ PHÁT HIỆN CHUYỂN ĐỘNG 41 T 32T 2.1 T T 2.2 T T Tổng quan 41 32T 32T Giải thuật phát chuyển động 41 32T T 2.2.1 T 32T 2.2.2 T 32T 2.3 T T T T 32T 2.3.2 T 32T 2.3.3 T 32T T Giải thuật trung bình liên tục 43 32T Thực nghiệm: vòng từ ảo 50 2.3.1 2.4 T 32T T T Giải thuật trừ frame 41 32T Vòng từ vật lý 50 32T 32T Vòng từ ảo 51 32T 32T Kết thực nghiệm 54 32T T Kết chương 57 32T 32T Chương - ỨNG DỤNG CAMERA GIÁM SÁT TRONG TRONG HỆ THỐNG GIÁM SÁT AN NINH 58 T 32T 3.1 T T 3.2 T T Tổng quan 58 32T 32T Các chức hệ thống 62 32T T 3.2.1 T Kiểm tra camera 62 32T 32T 3.2.2 T Phát kẻ xâm nhập 64 32T 32T 3.2.3 T 32T 32T 32T 32T 32T 32T 32T 3.2.7 32T 32T 3.3 T 32T Đếm đầu người 80 3.2.8 T 32T People tracking 77 32T T T Phát đồ 76 3.2.6 T T Phát quên đồ 73 3.2.5 T T Phát vượt rào 69 3.2.4 T T Phát vào vùng cấm 66 32T T 32T 32T 32T Kết chương 81 32T 32T Chương - GIẢI PHÁP ỨNG DỤNG CAMERA GIÁM SÁT TRONG GIAO THÔNG 82 T 32T 4.1 T T 4.2 T T 4.3 T T 4.5 T T Tổng quan 82 32T 32T Xác định thông số phương tiện giao thông 82 32T T Các ứng dụng 83 32T 32T Kết chương 85 32T 32T KẾT LUẬN 86 T 32T DANH MỤC THAM KHẢO 87 T 32T DANH MỤC CÁC THUẬT NGỮ VÀ KÝ HIỆU VIẾT TẮT STT Nghĩa Từ BG Background – FG Foreground – tiền cảnh KDE Kernel Density Estimators MDP Motion Detection Problem MM Motion mask MVC Mẫu thiết kế Model–view–controller OM Object mask ROI Region of interest Fps frame per second 10 Frame Khung ảnh DANH MỤC CÁC HÌNH VẼ TRONG LUẬN VĂN Hình 1: Mơ hình hệ thống camera giám sát truyền thống 13 U T T U Hình 2: Phịng điều khiển hệ thống camera giám sát 14 U T T U Hình 3: Sơ đồ quy trình thực hệ thống camera giám sát 15 U T T U Hình 4: Sơ đồ chung cho giải thuật phát chuyển động 16 U T T U Hình 5: Minh họa nhược điểm nhạy với ngưỡng phương pháp trừ frame 21 U T T U Hình 6: Phương pháp xác định ngưỡng động 23 U T T U Hình 7: Minh họa phương pháp trộn gaussian 26 U T T U Hình 8: Minh họa quỹ đạo dịch trung vị không gian liệu 27 U T T U Hình 9: So sánh KDE(trên) SKDA(dưới) 28 U T T U Hình 10: Minh họa cách xây dựng codebook 30 U T T U Hình 11:Minh họa thay đổi giá trị đường điểm ảnh 31 U T T U Hình 12: Codebook mẫu 32 U T 32T U Hình 13: So sánh foreground thu từ phương pháp codebook phương pháp U T trung bình 33 32T U Hình 14: Kết thực nghiệm Toyama, K et al với số phương pháp U T môi trường khác 34 32T U Hình 15: Mơ hình tổng quan giải thuật tracking 36 U T T U Hình 16: Gán ID cho blob dựa vào tập track thời 37 U T T U Hình 17: Cách tính khoảng cách blob 37 U T T U Hình 18: Ma trận khoảng cách blobs tracks 38 U T T U Hình 19: Các trường hợp ứng với blob 38 U T T U Hình 20: hai trường hợp blob bị tách 39 U T T U Hình 21: Minh họa hai đối tượng đụng độ 40 U T T U Hình 22: Sơ đồ giải thuật trừ frame 42 U T T U Hình 23: Sơ đồ giải thuật trung bình liên tục 43 U T T U Hình 24: Mơ hình giải thuật lấy ngưỡng động 45 U T T U Hình 25: Dạng histogram ảnh hiệu 46 U T T U Hình 26: Vị trí ngưỡng cao ngưỡng thấp 47 U T T U Hình 27: Lượng hóa histogram để xác định cực đại, cực tiểu 48 U T T U Hình 28: Cài đặt vòng từ cảm ứng thực tế 51 U T T U Hình 29: Mơ hình giải thuật vòng từ ảo 51 U T T U Hình 30: Tín hiệu trước sau khử nhiễu 52 U T T U Hình 31: Kết thực nghiệm vòng từ ảo 54 U T T U Hình 32: Kết bước set ROI 55 U T T U Hình 33: Kết bước giải thuật trừ frame, từ xuống: frame U T đầu vào, ảnh xám, ảnh hiệu, motion mask 56 T U Hình 34: Mơ hình MVC 59 U T 32T U Hình 35: Giao diện lựa chọn điều chỉnh tham số đầu vào 60 U T T U Hình 36: Khung ảnh hiển thị ảnh đầu chức thực 61 U T T U Hình 37: Sơ đồ giải thuật kiểm tra camera bị che/dịch chuyển 62 U T T U Hình 38: Kết thực nghiệm chức kiểm tra camera 63 U T T U Hình 39: Sơ đồ giải thuật phát kẻ xâm nhập 64 U T T U Hình 40: Ảnh đầu chức phát kẻ xâm nhập chế độ verbose 65 U T T U Hình 41: Kết thực nghiệm chức phát kẻ xâm nhập 66 U T T U Hình 42: Sơ đồ giải thuật phát vào vùng cấm 67 U T T U Hình 43: Thực nghiệm chức phát vào vùng cấm, cảnh không vào vùng U T cấm 68 T U Hình 44: Thực nghiệm chức phát vào vùng cấm, cảnh vào vùng cấm 69 U T T U Hình 45: Sơ đồ giải thuật phát vượt rào 70 U T T U Hình 46: Giải thích đầu vào frame 70 U T T U Hình 47: Các vị trí ứng với thông báo khác chức phát vượt U T rào 71 T U Hình 48: Kết thực nghiệm chức phát vượt rào, phát người tiếp U T cận hàng rào 72 32T U Hình 49: Kết thực nghiệm chức phát vượt rào, phát người vượt U T rào 73 T U Hình 50: Sơ đồ giải thuật phát quên đồ 74 U T T U Hình 51: So sánh Object mask SOM 75 U T T U Hình 52: Kết thực nghiệm chức phát quên đồ 76 U T T U Hình 53: Dự đốn vị trí đối tượng frame 78 U T T U Hình 54: Sự tương đồng hai histogram 79 U T T U Hình 55: Kết thực nghiệm chức poeple tracking 80 U T T U Hình 56: Sơ đồ giải thuật đếm người 81 U T T U Hình 57: Sơ đồ giải thuật xác định thông số phương tiện tham gia giao thông 82 U T T U Hình 58: Sơ đồ giải thuật tổng quát ứng dụng cảnh báo vi phạm 84 U T T U MỞ ĐẦU Mục đích lý chọn đề tài Ngày nay, với bùng nổ mạnh mẽ, ngành cơng nghệ thơng tin có đóng góp quan trọng việc thúc đẩy đất nước phát triển, hịa vào thành cơng chung nghiệp cơng nghiệp hóa đại hóa đất nước Nhờ cơng nghệ thơng tin, mà xu hướng tin học hóa sâu vào hầu hết lĩnh vực kinh tế-xã hội, đem lại hiệu làm việc, suất lao động cao, trình độ quản lý hiệu Một ứng dụng vô quan trọng công nghệ thông tin mà ta không kể đến, : Ứng dụng cơng nghệ thơng tin việc giám sát chuyển động Như biết giới triển khai nhiều mô hình, ứng dụng hệ thống giám sát chuyển động hình ảnh :Hệ thống giám sát giao thơng hình ảnh (theo dõi xe lưu thơng, điều khiển xe, phát xe vi phạm,…), hệ thống an ninh (camera thông minh, phát chuyển động cảnh báo xâm phạm , phát tình bất ngờ ẩu đả, cướp ngân hàng,…), hệ thống theo dõi quản lý hình ảnh cửa khẩu, sân bay, bến cảng,… Ở nước ta, số tuyến, nút giao thông quan trọng triển khai hệ thống giám sát giao thơng hình ảnh Quốc lộ đoạn Pháp Vân - Cầu Giẽ Đây ứng dụng vô quan trọng, hữu hiệu việc giải tốn giao thơng vốn nan giải nước ta Xuất phát từ thực tiễn niềm đam mê lĩnh vực xử lý ảnh, tác giả mong muốn có hiểu biết sâu rộng hơn, có nhiều kinh nghiệm lĩnh vực giám sát chuyển động hình ảnh Chính vậy, tác giả định chọn đề tài : 10 để mã hóa điểm ảnh, 600 ảnh số lớn, tương đương Giải pháp để giảm thiểu chi phí: khoảng thời gian (mặc định: 1s), thực việc AND tất object mask, lấy TSOM (Temporary Statical Object mask – mặt nạ vật tĩnh tạm thời ) Thay việc lưu AND tất object mask, làm với tất TSOM Chi phí giảm lần Để nâng cao độ xác, nên giới hạn kích thước đối tượng c Kết thực nghiệm Video mẫu quay trường Đh Bách Khoa Hà Nội Hình 51: So sánh Object mask SOM SOM AND nhiều Object mask liên tiếp nên đối tượng chuyển động Xe máy người đối tượng chuyển động, balo để quên đối tượng tĩnh 75 Hình 52: Kết thực nghiệm chức phát quên đồ Hệ thống phát balo bị bỏ quên hành lang đưa thông báo “Object left behide detected” 3.2.6 Phát đồ Mục đích chức phát đồ đưa cảnh báo đồ vật khung cảnh bị lấy Chức dùng nhiều phòng trưng bày, hay triển lãm… Về mặt giải thuật, phát đồ hay phát quên đồ hoàn toàn giống Điều khác đối tượng cảnh báo: với quên đồ, đối tượng thuộc foreground; với đồ, đối tượng thuộc background Để tránh nhận nhầm, ứng dụng phát đồ phải xác định vị trí đồ vật cần quan sát qua việc set ROI 76 3.2.7 People tracking a Mô tả chức People tracking – lưu vết di chuyển người Tracking giúp ích số tốn đếm đầu người, cách tiếp cận khác cho toán quên đồ/mất đồ hay phát vượt rào b Giải pháp Giải thuật tracking dùng chức trình bày mục 1.3 chương sở lý thuyết Ở đây, nói rõ thêm lựa chọn tham số cài đặt:  Khoảng cách hai blob tính khoảng cách từ tâm tới tâm hình chữ nhật bao blob tương ứng  Mỗi track(đối tượng tracking) bao gồm: o ID: định danh o Hình chữ nhật bao: vị trí kích thước đối tượng o Histogram đối tượng frame ảnh đa mức xám o Danh sách lưu lịch sử vị trí histogram đối tượng 77  Để tăng tính xác việc gán blob cho track, giải thuật sử dụng phương pháp dự đốn vị trí track frame đầu vào Hình 53: Dự đốn vị trí đối tượng frame Giả sử xét track đối tượng với ID: 111 Track cho ta biết đường khứ đối tượng 111 Gọi trước đối tượng 111 Gọi đơn giản Giả sử, Blob vị trí vị trí vị trí dự đốn Phép dự đốn nằm vị trí đối xứng với so với đối tượng 111 blob đầu vào Thơng thường, khoảng cách từ vị trí suy đốn đến vị trí nhỏ khoảng cách từ vị trí trước đến vị trí Điều làm tăng tính xác giải thuật Tuy nhiên, dự đoán hỗ trợ thêm Với people tracking, frame rate cao, đối tượng di chuyển chậm nên khơng cần dự đốn khơng ảnh hưởng đến kết Nhưng video đầu vào có frame rate thấp dự đốn cần thiết  Để xử lý trường hợp nhập nhằng, hay việc gán lại ID cho đối tượng sau đụng độ, sử dụng độ tương đồng đối tượng Mà thực chất so sánh tương đồng histogram tương ứng đối tượng 78 Hình 54: Sự tương đồng hai histogram Giả sử hình histogram hai đối tượng A C Độ tương đồng hai đối tượng tính cơng thức Giá trị mức sáng chạy từ đến 255 ảnh bit, chạy từ đến ảnh n bit/kênh Độ tương đồng thể độ giống hai đối tượng c Kết thực nghiệm Video quay trường Đh Bách Khoa Hà Nội 79 Hình 55: Kết thực nghiệm chức poeple tracking Trên frame đầu có vẽ đường đối tượng chuyển động khung cảnh Màu đường đối tượng lựa chọn ngẫu nhiên Vị trí đường tâm hình chữ nhật bao đối tượng 3.2.8 Đếm đầu người a Mô tả chức Ứng dụng chức đếm số người ra/vào tịa nhà, khu vực b Giải pháp Có hai cách tiếp cận để giải toán này:  Cách thứ nhất, dựa vào chuyển động (motion base): phương pháp trình bày tốn phát vượt rào 80  Các thứ hai, dựa vào tracking (tracking base): tracking đưa số lượng người khung cảnh thời Nhưng để đếm số người vào/ra qua cần thêm bước Cách tiếp cận tracking base cho kết xác motion base Giải thuật xây dựng theo sơ đồ đây: Frame Tracking Tracks Đếm người Số lượng người vào/ra Đường cửa Hình 56: Sơ đồ giải thuật đếm người Đường cửa đoạn thẳng đánh dấu vị trí cửa, phục vụ cho việc đếm đối tượng di chuyển qua Bước đếm người đơn giản Khi có track cắt đường cửa vào lịch sử track để định tăng biến đếm vào hay thêm 3.3 Kết chương Camera giám sát an ninh tốn có khả ứng dụng cao thực tế Chương đưa số chức hệ thống Với chức đưa nhận xét để lựa chọn giải thuật phù hợp Và đưa số kết cài đặt để minh chứng cho tính đắn giải thuật lựa chọn Tóm lại, đóng góp lớn chương đưa giải thuật phù hợp cho chức hệ thống camera giám sát an ninh 81 Chương - GIẢI PHÁP ỨNG DỤNG CAMERA GIÁM SÁT TRONG GIAO THƠNG 4.1 Tổng quan Mục đích việc ứng dụng camera giám sát giao thông lấy thông tin liên quan đến phương tiện tốc độ, hướng đi, loại phương tiện… Để từ đưa thơng báo xảy vi phạm, đưa số liệu thống kê giúp có giải pháp tối ưu hoạch định giao thông 4.2 Xác định thông số phương tiện giao thơng Để lấy có thơng số tốc độ, hướng phương tiện tham gia giao thông, phải sử dụng đến tracking Sơ đồ giải thuật sau: Frame Phát Object mask chuyển động Traking Tracks Phân tích chuyển động Các thơng số Hình 57: Sơ đồ giải thuật xác định thông số phương tiện tham gia giao thông Giải thuật trung bình liên tục sử dụng để phát chuyển động, với đầu object mask Đồng thời đầu vào tracking Giải thuật tracking 82 trình bày chương sở lý thuyết Các track đầu giải thuật gồm F P P thông số sau:  ID: định danh, để phân biệt phương tiện  Hình chữ nhật bao: vị trí kích thước phương tiện  Histogram phương tiện frame tại, frame trước Dùng để tính độ tương đồng với phương tiện khác  Danh sách lưu lịch sử vị trí phương tiện Dựa vào thông tin từ track, bước phân tích chuyển động đưa thơng số cho track Mỗi track đại diện cho phương tiện Cách xác định thông số sau:  Tốc độ: thực theo ba bước: o Camera calibration o Ánh xạ khoảng cách frame với khoảng cách thực tế: met ứng với pixel o Tính vận tốc phương tiện theo đơn vị (pixel/s) sau ánh xạ sang m/s km/h Vận tốc quãng đường đơn vị thời gian Quãng đường xác định từ danh sách lưu lịch sử vị trí phương tiện Thời gian tính theo số frame chia cho frame rate, đơn vị giây  Hướng di chuyển: xác định từ danh sách lưu lịch sử vị trí phương tiện  Kích thước phương tiện: kích thước hình chữ nhật bao 4.3 Các ứng dụng Có thể chia thành hai nhóm ứng dụng dựa vào mục đích Nhóm ứng dụng cảnh báo vi phạm có mục đích đưa thơng báo vi phạm luật giao thơng phương tiện Những cảnh báo phải thời gian thực Cịn nhóm ứng dụng thống kê có mục đích đưa số liệu thống kê phương tiện giao thông, không Xem mục 1.3 83 thiết phải chạy với thời gian thực Hầu hết ứng dụng cho kết xác mật độ giao thông không cao Do vậy, ứng dụng thích hợp cho việc giám sát tuyến đường cao tốc, áp dụng cho tuyến đường nội thành a Các ứng dụng cảnh báo vi phạm Một cách tổng quát, sơ đồ giải thuật hình dung sau: Các tham số Phát vi phạm Thơng báo Hình 58: Sơ đồ giải thuật tổng quát ứng dụng cảnh báo vi phạm Dưới ứng dụng cụ thể:  Vi phạm tốc độ: tốc độ phương tiện vượt tốc độ tối đa cho phép, đưa thơng báo cộng với sai số hệ thống: phương tiện chạy vượt tốc độ  Vi phạm hướng di chuyển: kết hợp tham số hướng di chuyển phương tiện thông tin đường khảng định phương tiện ngược chiều hay xuôi chiều  Vi phạm đường: dựa vào kích thước phương tiện phân loại phương tiện: xe máy, ô-tô con, ô-tô tải/khách, công-te-nơ Dựa vào hình chữ nhật bao xác định vị trí phương tiện Cùng với thơng tin đường quy định sẵn, hệ thống đưa định phương tiện có đường cho phép hay không Trong trường hợp, hai xe bị nhận biết thành xe, hay xe lớn bị phân mảnh bị nhận nhầm nhiều xe nhỏ Khi kết bị sai lệch  Vi phạm đậu đỗ xe: phương tiện dừng lại, xác định vị trí phương tiện Nếu phương tiện đậu sai quy định, hệ thống đưa thông báo vi phạm Ngay phương tiện không vi phạm cần đưa thông báo xe 84 dừng số trường hợp, phương tiện bị hư hỏng, xảy tai nạn b Các ứng dụng thống kê Dựa vào số liệu thu thập đưa ứng dụng thống kê sau:  Thống kê số lượng phương tiện, số lượng phương tiện phân loại  4.5 Thống kê lỗi vi phạm Kết chương Chương đưa giải pháp cho ứng dụng cảnh báo vi phạm ứng dụng thống kê giao thông sử dụng hệ thống camera giám sát Các giải pháp nhắm đến việc giám sát tuyến đường cao tốc, nơi mà mật độ phương tiện giao thông không lớn 85 KẾT LUẬN Trong luận văn, tác giả có đóng góp rõ ràng sau:  Đưa giải thuật chọn ngưỡng động  Đưa giải thuật hợp lý cho chức hệ thống giám sát an ninh Và chứng minh tính hợp lý kết thực nghiệm  Đưa giải pháp để ứng dụng camera giám sát giao thông  Thống kê lại giải thuật phát chuyển động Tuy nhiên, trình làm luận văn, tác giả gặp phải số khó khăn, tiêu biểu thiếu video mẫu thực tế để kiểm thử Trong tương lai gần, tác giả cài đặt, triển khai hệ thống ứng dụng camera giám sát giao thông Cũng làm giàu thêm chức cho hệ thống camera giám sát an ninh Kết luận văn mở, người tự sử dụng 86 DANH MỤC THAM KHẢO [1] A Prati, I Mikic, C Grana, M M Trivedi (2001), "Shadow detection algorithms for traffic flow analysis: a comparative study", ITSC 2001 2001 IEEE Intelligent Transportation Systems Proceedings Cat No01TH8585, pp 340-345 [2] Christopher Wren , Ali Azarbayejani , Trevor Darrell , Alex Pentland (1997), "Pfinder: Real-Time Tracking of the Human Body", IEEE Transactions on Pattern Analysis and Machine Intelligence, 19, 780 785 [3] Elıas Herrero-Jaraba, Carlos Orrite-Urunuela, Jesus Senar (2003), "Detected motion classification with a double-background and a neighborhood-based difference", Pattern Recognition Letters, 24(12), 2079-2092 4] Fan Zhong, Xueying Qin, Qunsheng Peng (2010), "Transductive segmentation of live video with non-stationary background", Computer Vision and Pattern Recognition (CVPR), 2010 IEEE Conference on, pp 2189 - 2196 [5] Gary Bradski; Adrian Kaehler (2008), Learning OpenCV: Computer Vision with the OpenCV Library, Sebastopol: O’Reilly [6] Gupte, S.; Masoud, O.; Martin, R.F.K.; Papanikolopoulos, N.P (2002), "Detection and classification of vehicles", Intelligent Transportation Systems, IEEE Transactions on, 3, pp 37 - 47 [7] Hayman, E.; Eklundh, J.-O (2003), "Statistical background subtraction for a mobile observer", Computer Vision, 2003 Proceedings Ninth IEEE International Conference on, 1, pp 67 - 74 87 [8] Jianpeng Zhou; Jack Hoang (2005), "Real Time Robust Human Detection and Tracking System", Computer Vision and Pattern Recognition - Workshops, pp 149 - 149 [9] Mahadevan, V.; Vasconcelos, N (2008), "Background subtraction in highly dynamic scenes", Computer Vision and Pattern Recognition, 2008 CVPR 2008 IEEE Conference on, pp - [10] Pavlidis, I Morellas, V Tsiamyrtzis, P Harp, S (2001), "Urban surveillance systems: from the laboratory to the commercial world", Proceedings of the IEEE, 89, pp 1478 - 1497 [11] Rafael C Gonzalez; Richard E Woods (2002), Digital Image Processing 2nd Editio, New Jersey: Prentice-Hall [12] Sheikh, Y.; Javed, O.; Kanade, T (2009), "Background Subtraction for Freely Moving Cameras", Computer Vision, 2009 IEEE 12th International Conference on, pp 1219 - 1225 [13] Stauffer, C.; Grimson, W.E.L (1999), "Adaptive background mixture models for real-time tracking", Computer Vision and Pattern Recognition, 1999 IEEE Computer Society Conference on., pp.246-252 [14] Toyama, K.; Krumm, J.; Brumitt, B.; Meyers, B (1999), "Wallflower: principles and practice of background maintenance", Computer Vision, 1999 The Proceedings of the Seventh IEEE International Conference on, 1, pp 255 - 261 [15] Ying Ren; Chin-Seng Chua; Yeong-Khing Ho (2001), "Foreground Detection with Non-stationary Background", Image Analysis and Processing, 2001 Proceedings 11th International Conference on, pp 78 - 83 88 [16] Young-Kee Jung; Yo-Sung Ho (1999), "Traffic parameter extraction using video-based vehicle tracking", Intelligent Transportation Systems, 1999 Proceedings, pp 764 - 769 89 ... cho giải thuật phát chuyển động  Chương - Ứng dụng camera giám sát hệ thống giám sát an ninh: trình bày ứng dụng, chức hệ thống giám sát an ninh Tác giả đưa giải thuật hợp lý cho chức Và chứng... phạm vi nghiên cứu luận văn Đối tượng nghiên cứu luận văn giải thuật phát chuyển động, tracking Phạm vi nghiên cứu luận văn rộng: toàn ứng dụng giám sát an ninh giao thông Luận văn phải giải pháp. .. kinh nghiệm lĩnh vực giám sát chuyển động hình ảnh Chính vậy, tác giả định chọn đề tài : 10 ? ?Nghiên cứu giáp pháp ứng dụng camera giám sát an ninh giao thông? ?? Lịch sử nghiên cứu Trước thực luận