blob là kỹ thuật đƣợc sử dụng để khai báo vùng pixel của ảnh trở thành điểm trọng tâm để phát hiện. Để xác định giá trị blob, cần xem xét những vấn đề liên quan trong việc tạo ra blob tối ƣu. Trong thị giác máy, một số thông số cần đƣợc xem xét kỹ lƣỡng, nhƣ AreaOutputPort, CentroidOutputPort, BoundBoxOutputPort, ExtentOutputPort, OutputDataType, MinimumBlobAre, MaximumBlobArea và MaximumCount [10]. Sử dụng công thức đạo hàm cấp hai của Gauss trong thị giám máy để tìm kiếm giá trị blob. Quá trình bắt đầu bằng cách đánh dấu khu vực đƣợc coi là đối tƣợng phƣơng tiện ban đầu, sau đó thu thập khu vực dữ liệu vào blob nhƣ vị trí pixel ban đầu, chiều dài của trục x và trục y và khu vực pixel. Một khu vực blob nhƣ trong hình 2.2.
Hình 2. 2. Quá trình phân tích blob trong phát hiện xe.
(a) Khung lớn của ảnh gốc. (b) Đối tƣợng sau khi cắt. (c) Phân đoạn phƣơng tiện. (d) Phát hiện đối tƣợng bằng cách sử dụng hộp bao. (e) Diện tích Blob theo
hƣớng trục x,y.
Trong hình 2.2, (a), (b) và (d) là quá trình phát hiện đối tƣợng nhìn thấy đƣợc thông qua phát hiện khu vực của phƣơng tiện từ quá trình nhị phân hóa nhƣ hình (c). Việc xác định diện tích blob có thể đƣợc phân tích bằng cách đặt các giá trị vectơ pixel nhƣ hình (e).
Quy trình tích hợp kỹ thuật GMM, tối ƣu vùng ROI, phân tích Blob đƣợc mô tả tổng hợp trong hình 2.3.
Hình 2. 3. Mô hình tích hợp GMM, tối ƣu ROI, phân tích Blob trong xác định phƣơng tiện giao thông
Bắt đầu với quy trình nhập video, trong nghiên cứu này sử dụng dữ liệu video 30 khung hình/giây trong 33 giây và độ phân giải 120 ×160 pixel với sáu tệp dữ liệu. Trƣớc tiên, video dữ liệu đƣợc chuyển đổi thành một số khung hình và sau đó đƣợc xử lý thành hình ảnh. Đối với quá trình tối ƣu hóa
ảnh, màu sắc hình ảnh RGB ban đầu đƣợc chuyển đổi thành định dạng ảnh xám. Hơn nữa, quá trình phân đoạn tiền cảnh phục vụ để tách tiền cảnh và đối tƣợng phƣơng tiện cuối. Quá trình tách đối tƣợng ban đầu và đối tƣợng cuối cùng sau đƣợc mô tả trong công thức (2.1) - (2.5). Nhƣng trƣớc quá trình phân đoạn tiền đối tƣờng, việc xử lý hình ảnh đƣợc tối ƣu hóa bằng cách điều chỉnh phƣơng pháp tiếp cận ROI đã đƣợc thực hiện và cập nhật giá trị của blob nhƣ là các tham số đƣợc xử lý trong nghiên cứu này nhƣ đƣợc thấy trong hình 2.4. Sử dụng bộ lọc để thực hiện lọc để có thể dễ dàng phân biệt giữa các mục tiêu và nhiễu âm.
Hình 2. 4. Điều chỉnh lƣợc đồ ROI bằng phân tích Blob.
Quá trình tiếp tục bằng cách phát hiện và đếm các phƣơng tiện cho đến khi tất cả các khung đƣợc xử lý.
Nghiên cứu này sử dụng hai ROI để phân tích ảnh hƣởng của việc khởi tạo giá trị tham số Blob đối với việc cải thiện độ chính xác. ROI vùng trên khung hình ảnh nhƣ trong hình 2.5.
Hình 2. 5. ROI trong một hình ảnh
Ngoài ra, để tối đa hóa quá trình phát hiện và đếm trên ROI đã thiết lập, hệ thống tiến hành phân tích tham số blob tƣơng ứng. Các giá trị tham số Blob trong quá trình lập trình đƣợc cung cấp dƣới dạng mã giả sau.
%Blob Analysis
%Set parameter of Blob Analysis 1. Setup bounding box = true 2. Setup MinimumBlobArea=int 3. Setup MaximumBlobArea=int 4. Setup ratio for detecting > 0.2 5. Counting result from ratio
Trong các tập hợp ROI tùy chọn, mỗi tập hợp sẽ có một số giá trị thông số blob. Sau khi chèn giá trị blob trong mỗi lần điều chỉnh ROI, phân tích quá trình để đánh giá mức độ ảnh hƣởng của các giá trị thông số đƣợc chèn đối cho tính độ chính xác hệ thống.