4.2.1 Hướng ứng dụng:
- Xây dựng các hệ thống an ninh giám sát;
- Xây dựng hoàn chỉnh “Hệ Thống Quản Lý Bãi Xe Oto Dựa Vào Video Giám Sát” ứng dụng thực tế.
- Xây dựng hệ thống truy vấn tìm kiếm đối tượng dựa vào video quản lý.
4.2.2 Hướng nghiên cứu:
- Thu thập dữ liệu bao quát với tất cả các biến đổi trên đối tượng (góc nghiêng khác nhau) trong thế giới thực. Khắc phục tình trạng môi trường với ánh sáng nhiễu.
- Thực nghiệm với dữ liệu ảnh nhiều hơn, cho phép đánh giá các phương pháp nhận dạng khác nhau dựa trên đặc trưng SIFT;
TÀI LIỆU THAM KHẢO:
Tiếng Việt
1. La Ngọc Tùng. Kỹ Thuật Sift Trong Phát Hiện Và Đánh Dấu Đối Tượng. Luận văn Thạc Sĩ Khoa Học Máy Tính, Đại Học Công Nghệ Thông Tin Và Truyền Thông, Thái Nguyên – 2012.
2. Nguyen Truong Duy’s blog. Cài Đặt OpenCV Trên Windows với Visual Studio 2013, 15/11/2014,
from:<http://ntduy.blogspot.com/2014/11/cai-at-open-cv-tren-windows-voi- visual.html>.
3. Mã Trường Thành. So Khớp Khuôn Mặt Người Với Giải Thuật Máy Học,
Đặc Trưng Không Đổi SIFT Và Mô Hình Túi Từ. Đề Tài Nghiên Cứu Khoa
Học Cấp Trường – 2014.
4. Nhóm Thị Giác Máy Tính (CVA). Computer Vision and Application, Số 1 Đại Cồ Việt - Hai Bà Trưng - Hà Nội, 01/05/2012,
from:<http://www.comvisap.com/2012/01/ktcb2.html>.
5. Đào Thị Băng Trinh. Phát Hiện Đối Tượng Trong Video. Báo Cáo Thực Tập Tốt Nghiệp ĐH – 07/2012.
Tiếng Anh
6. David G. Lowe (1999). Object Recognition from Local Scale-Invariant Features. Computer Science Department University of British Columbia Vancouver, B.C., V6T 1Z4, Canada.
7. David G. Lowe (January 5, 2004). Distinctive Image Features from Scale- Invariant Keypoints. Computer Science Department University of British Columbia Vancouver, B.C., Canada.
8. David Lowe. Demo Software: SIFT Keypoint Detector, March 8, 1999, from:<www.cs.ubc.ca/~lowe/keypoints/>.
9. David G. Lowe. Local Feature View Clustering for 3D Object Recognition. University of British Columbia Vancouver, B.C., V6T 1Z4, Canada, December 2001.
10. (2006), ETH Zurich,
Katholieke Universiteit Leuven.
11. , , , and
(2008). Speeded-Up Robust Features (SURF). ETH Zurich, BIWI Sternwartstrasse 7 CH-8092 Zurich. K. U. Leuven, ESAT-PSI Kasteelpark Arenberg 10 B-3001 Leuven Belgium.
12.Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool. SURF: Speeded Up Robust Features, Computer Vision and Image Understanding (CVIU), Vol. 110, No. 3, pp. 346--359, 2008,
from:<http://www.vision.ee.ethz.ch/~surf/papers.html>.
13.Herbert Bay. Speeded up robust features, CH - 8092 Zürich, Switzerland, from:<http://www.vision.ee.ethz.ch/~surf/index.html>.
14.G. Bradski and A. Kaehler. Learning OpenCV, O'Reilly Media, 2008, from:<http://www.cse.iitk.ac.in/users/vision/dipakmj/papers/OReilly%20Le arning%20OpenCV.pdf>.
15.Alex. Scene change detection during encoding and key frame extraction code, January 29th, 2012,
from:<http://www.videoproductionslondon.com/blog/scene-change- detection-during-encoding-key-frame-extraction-code>.
16.Marius Muja, David G. Lowe. Fast Approximate Nearest Neighbors With Automatic Algorithm Configuration. Computer Science Department, University of British Columbia, Vancouver, B.C., Canada.
17.David G.Lowe. Distinctive image features from scale-invariant keypoints. International Journal of Computer Vision, 60(2):91-110, 2004.
18.Marius Muja and David G. Lowe. Fast Matching of Binary Features. Laboratory for Computational Intelligence University of British Columbia, Vancouver, Canada.
19.Lindeberg. Scale-space theory: A basic tool for analysing structures at different scales. Journal of Applied Statistics, 1994.
20.David G.Lowe. Object Recognition from Local Scale-Invariant Features.
International Conference on Computer Vision, Corfu, Greece, 1999. 21.David G.Lowe. Distinctive image features from scale-invariant keypoints.
International Journal of Computer Vision, 60(2):91-110, 2004.
22.Kelly Smith, Arun Ross, Dirk Colbry and the Standards ICP Team. Face Recognition. The National Science and Technology Council (NSTC) Subcommittee on Biometrics, 2006.
23.P. Viola and M. Jones. Robust Real-time Object Detection. International Journal of Computer Vision, 2001.
24.P. Viola, M. Jones (2001), Rapid object detection using a boosted cascade of simple features. Proceedings of the 2001 IEEE Computer Society
Conference on Computer Vision and Pattern Recognition.
25.P. Y. Simard, L. Bottou, P. Haffner, Y. Lecun (1998). A fast convolution algorithm for signal processing and neural networks. In Proceedings of the 1998 conference on Advances in neural information processing systems II.