C. Phương pháp pháp dựa trên sự chênh lệnh tạm thời giữa các khung hình
3.1.Tổng quát về hướng tiếp cận giải quyết đề xuất của luận vă n
Đề xuất của luận văn
Cho: một đoạn video ghi hình từ một camera tĩnh có xuất hiện vật thể chuyển động.
Yêu cầu: Nghiên cứu bài toán theo vết đối tượng chuyển động trong chuỗi video, tìm hiểu bộ lọc Kalman thích nghi (Adaptived Kalman filter-AKF) ứng dụng xây dựng hệ thống giám sát có khả năng mạnh trong việc dò vết đối tượng ở một số tình huống phức tạp.
Ý tưởng chung để thực hiện đề xuất trên được sơ lược như sau:
Trong phương pháp này trạng thái khởi tạo ban đầu của vật thể chuyển động mục tiêu được người dùng tự chọn do trong các đoạn băng video thường có rất nhiều vật chuyển động. Sau khi người dùng đã chọn, chúng ta bắt đầu tiến hành phân vùng vật thể theo khung thời gian liên tiếp nhau là (t -1), t và (t+1), sau đó áp dụng thuật toán gia tăng vùng cho các phân vùng vừa chọn. Tiếp đến, màu sắc chủ đạo được khai thác dựa trên mô hình màu RGB dựa vào thuật toán K-means. Sau khi phân vùng vật thể và xác định các thông số đặc trưng, để xác định vật thể chuyển động theo khung thời gian liên tiếp cần sử dụng mô hình màu HSI (màu sắc, độ bão hòa màu, cường độ màu) để xác định sức chịu đựng trước những thay đổi về ánh sáng vì 3 thông số này tương đối độc lập với nhau.
Những nội dung chính của chương:
• Tổng quát về hướng tiếp cận giải quyết đề xuất của luận văn
• Chi tiết các giai đoạn chính của hướng tiếp cận
o Sơđồ thực hiện
Ngoài ra chúng ta sẽ xét thêm thuật toán AKF để theo dõi vật chuyển động một cách hiệu quả. Hệ số giữa hai bề mặt vật thể chuyển động tại thời điểm t và t-1được coi là hệ số che lấp. Hệ số này sẽđược sử dụng như một tham số hiệu chỉnh tương đối các tham sốước lượng trong hàm lọc Kalman.
Các bước chính của thuật toán gồm: - Khởi tạo:
o Phân vùng vật thể chuyển động bằng phương pháp so sánh sự sai khác giữa các khung hình theo thời gian và phương pháp gia tăng vùng.
o Xác định các thông sốđặc trưng của vật thể - Theo dõi chuyển động nhờ Lọc Kalman thích nghi
o Tạo mô hình chuyển động: mộ hình trạng thái của hệ thống cho AKF
o Xác định chuyển động theo các khung thời gian liên tục: đầu vào cho bước hiệu chỉnh của AKF
Hình 3-1. Cấu trúc chung của hướng tiếp cận đề xuất trong luận văn
Phát hiện đối tượng chuyển động Giao diện người dùng Hiệu chỉnh các thông số dựđoán của bộ lọc Kalman thích nghi Mô hình trạng thái hệ thống Phân vùng đối tượng và trích chọn đặc trưng Đối tượng mục tiêu Dựđoán Độđo và tỷ lệ che Khởi đầu Lọc Kalman thích nghi