CHƯƠNG 2 KỸ THUẬT PHÂN TÍCH HÌNH ẢNH VIDEO
2.3. Nhận dạng đối tƣợng
Các đối tƣợng sau khi phát hiện đƣợc cần phân loại vào một trong ba lớp sau: đồ vật, con người và phương tiện giao thông để từ đó có các phương hướng xử lý tiếp theo.
Do đặc điểm của lớp đồ vật là đa dạng, không thể sưu tập được tất cả các mẫu đồ vật nên việc nhận dạng đối tƣợng xuất hiện trong khung hình là đồ vật thường được đánh giá qua sự xuất hiện và không thay đổi vị trí trên khung hình trong một khoảng thời gian nào đó. Đối với bài toán camera giám sát các đồ vật đều chỉ dừng lại ở sự phát hiện sự xuất hiện hoặc biến mất của đồ vật trên các khung hình thu nhận từ camera.
Đối với các đối tượng là con người và phương tiện người ta sử dụng hai phương pháp nhận dạng mẫu để phân loại đối tượng là con người hay phương tiện.
Hình 3.4: Các mẫu vectơ đặc trƣng cho di chuyển của camera
(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu
2.3.1. Phương pháp nhận dạng dựa trên hình thái
Thực tế đã chứng minh rằng hình dáng thường được chú trọng hơn kích thước và con người nhận biết ra các đối tượng xung quanh mình chủ yếu thông qua hình dạng của đối tượng. Tương tự như con người, phương pháp
nhận dạng dựa trên hình thái bằng việc phân tích hình dáng của đối tƣợng.
Hình 3.5 minh hoạ việc phân loại con người, phương tiện giao thông và động vật bằng phương pháp nhận dạng dựa trên hình thái. Hình dạng của một đối tượng được xác định bằng đường biên bao quanh đối tượng đó, vì vậy bước đầu tiên của phương pháp này là xác định đường biên và làm mảnh đường biên đó. Thuật toán xác định và làm mảnh đường biên được minh hoạ như trong hình 3.6.
Sau khi đường biên của đối tượng được xác định, bằng phương pháp nhận dạng cấu trúc, chúng ta có thể dễ ràng đánh giá và nhận dạng đƣợc đối tượng nào là con người và đối tượng nào là phương tiện giao thông.
Trong phạm vi nghiên cứu của Luận văn chúng tôi sử dụng phương pháp mô hình hoá các đối tƣợng thành các bộ khung[17], trên cơ sở đó có thể phân loại được các đối tượng vào các lớp con người, phương tiện giao thông hay động vật nhƣ trong hình 3.5.
Hình 3.5: Phân loại đối tƣợng
TIEU LUAN MOI download : skknchat@gmail.com
(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu
Giải thuật mô hình hoá bao gồm các bước sau và được mô hình hoá trong hình 3.7.
B1:Xác định trọng tâm của đối tƣợng theo công thức 3.15:
B2: Xác định khoảng cách từ trọng tâm tới mỗi điểm trên đường biên
theo công thức 3.16:
B3: Biến đổi Fourier đối với tín hiệu d(i), lọc thông thấp và biến đổi ngược Fourier để xác định các cực đại cục bộ tương ứng với các vị trí cần quan tâm. Các vị trí cực đại cục bộ và tâm xác định đƣợc bộ khung của đối tượng. Mẫu bộ khung của con người trong hai trạng thái đi bộ và chạy như trong hình 3.8 sẽ được làm mẫu để nhận biết đối tượng có phải là con người đang di chuyển vào vùng camera quan sát hay không.
N
i i
x x
N 1
c
1
N i i
y y
N 1
c
1 (3.15)
2
2 ( )
)
( i c i c
i x x y y
d (3.16)
Hình 3.6: Xác định đường biên
(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu
Trong phương pháp này đòi hỏi các đối tƣợng không bị che khuất. Một hướng giải quyết khác đã đƣợc chứng minh hiệu quả đối với bài toán nhận dạng mẫu, đặc biệt các là với các mẫu không đầy đủ, không chính xác, đó là phương pháp nhận dạng bằng mô hình mạng nơron nhân tạo.
Kết quả thử nghiệm đã chứng minh đƣợc điều này khi
con người xuất hiện bị che khuất một phần cơ thể.
2.3.2. Phương pháp nhận dạng dựa vào mô hình mạng nơron nhân tạo Phương pháp nhận dạng mẫu bằng mô hình mạng nơron nhân tạo là một phương pháp nhận dạng mô phỏng theo cơ chế đoán nhận của bộ não con
Hình 3.7: Thuật toán phân tích hình dáng của đối tƣợng
Hình 3.8: Mô hình chuyển động của con người (đi bộ và chạy)
TIEU LUAN MOI download : skknchat@gmail.com
(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu
người. Trong phạm vi Luận văn này chúng tôi sử dụng các kết quả đã nghiên cứu trong các tài liệu tham khảo [14,15] để phân loại đối tƣợng vào một trong hai lớp. Ví dụ đối với con người có thể phân loại đối tượng phát hiện được vào một trong hai lớp là con người hay không phải con người. Tương tự đối với lớp phương tiện giao thông cũng được phân vào một trong hai lớp là lớp phương tiện giao thông và lớp không phải là phương tiện giao thông.
Ý tưởng của phương pháp nhận dạng bằng mô hình mạng nơron nhân tạo là sử dụng tập mẫu luyện bao gồm các mẫu đối tượng (con người hoặc phương tiện giao thông) và mẫu không phải đối tượng (không phải là con người hoặc không phải là phương tiện giao thông). Thông qua quá trình huấn luyện mạng, hệ thống sẽ tự động phân loại các đối tƣợng vào một trong hai lớp.
Hiện nay có rất nhiều mô hình mạng nơron nhân tạo có thể ứng dụng cho nhận dạng đối tƣợng[18], chúng ta có thể kể đến nhƣ mạng lan truyền thẳng nhiều lớp với giải thuật luyện lan truyền ngược hướng của sai số, mạng nơron Kohonen với giải thuật luyện cạnh tranh, mạng nơron dựa trên quyết định với giải thuật luyện tăng cường...
Mạng nơron là hệ thống gồm nhiều phần tử xử lý đơn giản liên kết với nhau, hoạt động song song. Tính năng của hệ thống này tuỳ thuộc vào cấu trúc của hệ, các trọng số liên kết và quá trình tính toán . Mạng nơron có thể học từ dữ liệu mẫu và tổng quát hoá dựa trên các dữ liệu mẫu học.
Để phân loại các mạng nơron khác nhau, người ta có thể dựa và dạng liên kết giữa các nơron hoặc theo số lớp trong mỗi mạng nơron. Theo kiểu liên kết giữa các nơron, ít nhất có hai dạng là mạng truyền thẳng và mạng hồi qui. Trong mạng truyền thẳng, thông tin các liên kết nơron đi theo một hướng nhất định. Ngƣợc lại với các mạng hồi qui cho phép các liên kết tạo thành các chu trình.
Các nơron có thể tổ chức lại thành các lớp sao cho mỗi nơron của lớp này chỉ đƣợc nối với các nơron ở các lớp tiếp theo, không cho phép các liên kết giữa các nơron trên cùng một lớp. Dễ dàng nhận thấy các nơron trong cùng một lớp nhận tín hiệu từ lớp trên cùng một lúc, do vậy về nguyên tắc chúng có thể xử lý song song và độ phức tạp tính toán nói chung sẽ phụ thuộc vào số lớp mạng.
Các thông số cấu trúc mạng nơron bao gồm:
(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu(LUAN.van.THAC.si).nghien.cuu.mot.so.phuong.phap.nhan.dang.doi.tuong.ung.dung.trong.he.thong.camera.quan.sat.bao.ve.muc.tieu
+ Số tín hiệu vào, số tín hiệu ra.
+ Số lớp nơron.
+ Số nơron trên mỗi lớp.
+ Số liên kết của mỗi nơron.
+ Các trọng số liên kết nơron.
Mạng nơron nhƣ một hệ thống thích nghi có khả năng học để hiệu chỉnh các trọng số liên kết cũng nhƣ cấu trúc của mình sao cho phù hợp với các các bài toán cần xử lý. Người ta phân biệt hai kỹ thuật học: học có giám sát và học không có giám sát. Trong học có giám sát, mạng đƣợc cung cấp một tập mẫu học (Xs, Ys) theo nghĩa tín hiệu vào là Xs thì kết quả đúng của hệ phải là Ys. Tại mỗi lần học, tín hiệu vào Xs đƣợc đƣa vào mạng, sau đó sự sai khác giữa các kết quả đúng Ys với kết quả tính toán Outs. Sai số này đƣợc sử dụng để hiệu chỉnh lại các trọng số của mạng.
Kế thừa các kết quả của các tài liệu nghiên cứu trước đây, chúng tôi sử dụng mô hình mạng nơron Kohonen để phân loại đối tƣợng vào một trong hai lớp đối tƣợng và không phải đối tƣợng. Mạng Kohonen rất gần gũi với kiểu cấu trúc mạng nơ ron sinh học cả về cấu tạo lẫn cơ chế học.