III. Bài toán theo vết đối tượng
ĐƯỜNG ĐI CỦA ĐỐI TƯỢNG ĐÃ ĐƯỢC DỰ ĐOÁN
Đối tượng mới & đặc trưng
Đồ thị đối tượng phù hợp tương ứng
Cập nhật đồ thị đối tượng phù hợp tương ứng
Hình 2-15: Tổng quan các khối xử lý trong bài toán theo vết đối tượng
1.1. Chính xác hoá đối tượng tương ứng( Object matching)
Chính xác hoá đối tượng tương ứng là module đầu tiên trong bài toán theo vết đối tượng chuyển động qua các khung hình video. Module này đóng vai trò xử lý việc xác định chính xác đối tượng tương ứng của một đối tượng trong các khung hình liên tiếp. Do đó từ vết đối tương đã được phát hiện ra, cần xác định sự tương ứng của các vết đối tượng này trong các khung hình liên tiếp để suy ra đó có phải là vết của cùng một đối tượng hay không. Để minh hoạ cho chức năng này module có thể minh hoạ bởi hình sau:
Hình 2-16: Minh hoạ sự chính xác hoá đối tượng
1.2. Xử lý nhập nhằng – Occlusion
Tuy với đầu vào là các vết đối tượng đã được phát hiện, vấn đề theo vết đối tương sẽ gặp phải khó khăn khi xảy ra nhập nhằng giữa các vết đối tượng này. Một số ví dụ cụ thể:
- Khi đối tượng A và đối tượng B kết hợp với nhau tạo thành một đối tượng(hình a)
- Hay khi một đối tượng tượng tách nhau ra thành hai đối tượng A và B(hình b).
Cả hai trường hợp này đều làm cho việc theo vết đối tượng gặp khó khăn do có sự nhập nhằng giữa các đối tượng.
Hình 2-17. Một ví dụ theo vết có sự nhập nhằng
Ví dụ trên đã bộc lộ một số khó khăn mà hệ thống theo vết đối tượng trong các ứng dụng giám sát thông minh gặp phải khi xác định được chính xác phải theo vết đối tượng nào khi có sự nhập nhằng.
Bài toán theo vết ứng dụng trong hệ thống video giám sát thông minh còn gặp nhiều khó khăn hơn do một số nguyên nhân sau đây:
- Ảnh nền lộn xộn: Do sự có mặt của nhiều đối tượng khác
- Ảnh nền động: Do máy quay di chuyển
- Cường độ chiếu sáng thay đổi: Thay đổi hướng và cường độ chiếu sáng
- Thay đổi điểm nhìn: thay đổi vị trí của máy quay hoặc vị trí của đối tượng
- Nhập nhằng: đối tượng cần theo dõi có thể biến mất hoặc bị che bởi một đối tượng khác
Vì vậy việc xử lý nhập nhằng giữa các vết đối tượng có vai trò quan trọng trong theo vết đối tượng cũng như trong hệ thống giám sát thông minh.
1.3. Dự đoán chuyển động
Hơn thế nữa mục đích của hệ thống giám sát là dự đoán chuyển động của đối tượng được giám sát dựa vào các trạng thái trước đó và quan sát hiện tại để đưa ra các thông tin dự đoán tạm thời như đường đi, vận tốc, góc quay, hướng chuyển động. Có thể nói đây là module quan trọng nhất trong bài toán theo vết đối tượng.
Nếu giải quyết bài toán theo vết đối tượng đạt hiệu quả và độ tin cậy cao, có thể ứng dụng trong rất nhiều lĩnh vực [12], cụ thể theo vết đối tượng áp dụng trong các lĩnh vực:
- Các ứng dụng của hệ thống giám sát: Surveillance
- Phân tích hoạt động của con người hay của các đối tượng, như phân tích điệu bộ, cử chỉ, ..
- Trong sự kiện gán đích và đạt đích trong thể thao: Sports event interpretation và archival
- Trong lĩnh vực nắm bắt hành vi: Motion capture
- Trong lĩnh vực ghi nhận chuyển động: Recognition from motion Một số hình ảnh về các ứng dụng của theo vết đối tượng.
(a) (b)
(c) (adsbygoogle = window.adsbygoogle || []).push({});
Hình 2-18: Theo vết đối tượng ứng dụng trong hệ thống giám sát
2. Các vấn đề phải giải quyết
Trong một đối tượng có rất nhiều đặc trưng: đặc trưng về mô hình, đặc trưng về cấu trúc, đặc trưng về màu sắc. Vì vậy cũng có rất nhiều phương pháp theo vết đối tượng khác nhau như theo vết đối tượng theo hướng hình học, theo đặc trưng của đối tượng. Sau đây là một số phương pháp theo vết đối tượng thường gặp:
Theo vết dựa vào mô hình: Hệ thống theo vết dựa vào mô hình 2D hay 3D đã được tìm hiểu trước đây[13]. Mô hình này áp dụng hiệu quả trong việc tìm ra đường đi của các mô hình yêu cầu độ chính xác cao mà số lượng các đối tượng theo dõi là ít. Các mô hình 2D được giới thiệu để khắc phục những nhược điểm trong mô hình 3D
Theo vết đối tượng dựa vào miền: Ý tưởng là nhận dạng những miền liên kết với nhau trong ảnh, khối mà có liên kết với mục tiêu được theo dõi. Dựa vào độ đo cross-correlation để theo dõi đối tượng. Xem them trong [14] .
Theo vết đối tượng dựa vào đường bao động(Active Contour): Là ý tưởng biểu diễn đường viền bao đối tượng được theo dõi, và liên tục cập nhật tự động đối tượng đó[15]. Hạn chế chính của cách tiếp cận là xử lý thế nào với trường hợp nhập nhằng.
Theo vết đối tượng dựa vào đặc trưng : Cách tiếp cận các đặc trưng như tâm, màu sắc của đối tượng. Cách tiếp cận này sử dụng mô hình Kalman đã được phát triển trong giao tiếp giám sát bằng máy tính.
2.1. Chính xác hoá đối tượng tương ứng – Object matching
Tiến trình chính xác hoá đối tượng tương ứng là công đoạn đầu tiên trong quá trình theo vết đối tượng. Vậy chính xác hoá đối tượng là gì ? - Object matching - Đó là việc xác định chính xác đối tượng phù hợp tương ứng của một đối tượng giữa các khung hình liên tiếp[2].
Vấn đề chính xác hoá đối tượng tương ứng có hai cách tiếp cận chính:
Cách tiếp cận dựa vào đặc trưng: Chuyển động của các đối tượng được biểu diễn bởi một số điểm đặc trưng: vị trí, màu sắc, tâm của đối tượng.
Cách tiếp cận dựa vào khoảng cách: Cách tiếp cận khác dựa vào khoảng cách giữa vị trí hiện tại và vị trí được dự đoán thông qua quá trình dự đoán và quá trình phân đoạn đối tượng. Từ đó chính xác hoá đối tượng tương ứng với một đối tượng trong các khung hình liên tiếp.
Cách tiếp cận dựa vào khoảng cách thực hiện đơn giản nhưng lại rất hiệu quả trong vấn đề chính xác hoá đối tượng tương ứng. Do đó chúng tôi áp dụng phương pháp dựa vào khoảng cách để giải quyết module này
+) Đề xuất phương pháp giải quyết
Trên thế giới đã có nhiều hướng tiếp cận để giải quyết bài toán phát hiện, phân loại, theo dõi đối tượng chuyển động [16][17]. Như trình bày ở trên, bài toán phát hiện, phân loại, theo dõi đối tượng chuyển động đã được phân tích và thiết kế thành các khối xử lý rõ ràng cùng với các thuật toán xử lý cho các khối. Song một điều ta có thể thấy: các thuật toán này phù hợp với những điều kiện, hoàn cảnh quan sát khác nhau. Do đó để có thể thiết kế một hệ thống giám sát phù hợp với nhiều điều kiện quan sát khác nhau. Chúng ta sẽ thiết kế một hệ thống với các module xử lý linh hoạt, có thể tùy biến khi điều kiện quan sát thay đổi.