Chương trình gồm:
- Open webcam: Cho phép tự mở webcam đã thích hợp trên máy tính cá nhân. - Open video: Cho phép mở các file video từ các thiết bị lƣu trữ.
- Pause: Tạm dừng truy vết webcam, các file video.
Kết quả:
(a) (b)
KẾT LUẬN
Giám sát bằng camera đƣợc ứng dụng rộng rãi trong nhiều lĩnh vực của cuộc sống, việc nghiên cứu các vấn đề liên quan đến các hệ thống giám sát này nhằm đƣa ra các cảnh báo chính xác, kịp thời là một công việc mang tính thực tiễn cao. Chúng ta cũng biết rằng kết quả thu nhận đƣợc từ các camera giám sát là Video. Nhƣ vậy việc nghiên cứu chính ở đây là phát hiện đối tƣợng chuyển động trong Video.
Video thu nhận đƣợc từ các camera sẽ đƣợc xử lý qua các công đoạn sau: Phát hiện đối tƣợng chuyển động, đánh dấu các đối tƣợng vừa phát hiện, phân loại chúng và sẽ tiến hành xử lý và cho ra kết quả là đối tƣợng đang cần theo vết đang ở vị trí nào, ta tiến hành đánh dấu (tô màu, kẻ khung) và từ đó liên tục bám sát đối tƣợng đó dựa trên một ngƣỡng nhất định.
Sau khi nghiên cứu các phƣơng pháp đó, sẽ tìm ra phần ƣu, phần nhƣợc của từng phƣơng pháp, từ đó có bƣớc kết hợp giữa các phƣơng pháp hoặc đƣa ra các giải pháp để khắc phục các nhƣợc điểm nhằm xây dựng một hệ thống giám sát tối ƣu nhất có thể. Trong luận văn này tôi cũng đã cài đặt thành công phƣơng pháp phát hiện và giám sát đối tƣợng chuyển động. Hệ thống đầu vào trong bản demo này là lấy hình ảnh trực tiếp từ webcam gắn vào máy tính hoặc lấy một file Video có phần đặc trƣng là AVI từ nguồn có sẵn hoặc các Video lấy từ nguồn trực tuyến.
Hƣớng nghiên cứu sâu hơn của đề tài này mà tôi quan tâm đó là phát hiện và phân loại từng phần chuyển động của đối tƣợng, từ đó xây dựng các ứng dụng hỗ trợ cho con ngƣời. Một hƣớng khác nữa là tìm hiểu rõ về đặc điểm của lửa, từ đó xây dựng các hệ thống cảnh báo hỏa hoạn.
TÀI LIỆU THAM KHẢO
[1] Đỗ Năng Toàn, Phạm Việt Bình, Xử lý ảnh, Đại học công nghệ thông tin & Truyền Thông.
[2] Đỗ Hồng Tân, Nguyễn Thị Thanh Hà 2003, Các định lý điểm bất động, Đại học sƣ phạm Hà Nội.
[3] Brown M. and Lowe D.G 2002, Invariant features from interest point groups, In The 13th British Machine Vision Conference, Cardiff University, UK.
[4] Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool 2006,
SURF: Speeded Up Robust Features, Computer Vision and Image Understanding (CVIU).
[5] A. M. McIvor. Background subtraction techniques. In Proc. of Image and Vision Computing, New Zealand, 2000.
[6] A. J. Lipton, H. Fujiyoshi, and R.S. Patil. Moving target classification and tracking from real-time video. In Proc. of Workshop Applications of Computer Vision, 1998.
[7] C. Stauffer and W. Grimson. Adaptive background mixture models for realtime tracking. In Proc. of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1999.
[8] I. Haritaoglu, D. Harwood, and L.S. Davis. W4: A real time system for detecting and tracking people. In Computer Vision and Pattern Recognition, 1998.
[9] J. Heikkila and O. Silven. A real-time system for monitoring of cyclists and pedestrians. In Proc. of Second IEEE Workshop on Visual Surveillance, Fort Collins, Colorado, June 1999.
[10] Mikolajczyk K. and Schmid C. 2001, Indexing based on scale invariant interest points, In: ICCV, Volume 1.
[11] L. Wang, W. Hu, and T. Tan. Recent developments in human motion analysis, March 2003.
[12] R. T. Collins et al. A system for video surveillance and monitoring: VSAM final report. Technical report CMU-RI-TR-00-12, Robotics Institute, Carnegie Mellon University, May 2000.
[13] R. T. Collins et al. A system for Video surveillance and monitoring: VSAM final report. Technical report CMU-RI-TR-00-12, Robotics Institute, Carnegie Mellon University, May 2006
[14] R. Cutler and L.S. Davis. Robust real-time periodic motion detection, analysis and applications. In IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003.
[15] Viola P. and Jones M. 2001, Rapid object detection using a boosted cascade of simple features, In: CVPR (1).