Xác định vận tốc đối tượng chuyển động qua camera

- 9 -
1.4.1.1. Phân loại
- Hiệu chỉnh camera có thể ñược phân loại dựa theo nhiều tiêu chí
khác nhau.
- Chúng ta có thể phân loại dựa vào các phương phương pháp ño
ñạc sử dụng ñể ước tính các thông số của mô hình camera:
• Kĩ thuật tối ưu không tuyến tính (non linear optimization).
• Những kĩ thuật tuyến tính mà việc tính toán chuyển ñổi ma
trận.
• Những kĩ thuật 2 bước (two-step).
1.4.1.2. Các phương pháp hiệu chỉnh camera
Phương pháp hiệu chỉnh camera phụ thuộc vào mô hình dùng
ñể ước lượng hành vi của camera. Những mô hình tuyến tính Hall và
Faugeras-Toscani, sử dụng phương pháp bình phương ít nhất ñể thu
ñược các tham số của mô hình camera. Tuy nhiên, các phương pháp
hiệu chỉnh camera phi tuyến tính như: Faugeras-Toscani với những biến
dạng, Tsai và Weng; sử dụng kĩ thuật hai bước.
1.4.2. Đánh giá và kết luận
Độ chính xác trên vùng ảnh của các phương pháp phi tuyến là tốt
hơn phương pháp hữa tuyến. Tuy nhiên thời gian thực hiện của phương
pháp hữa tuyến là thấp hơn.
Từ những kết luận trên, ñể tăng ñộ chính xác của hiệu chỉnh
camera, và thuận tiện trong phát triển bài toán sử dụng Matlab, ta chọn
công cụ camera calibration toolbox [7], cái mà tích hợp nhiều phương
pháp hiệu chỉnh [6] rất thích hợp ñể phát triển bài toán.
1.5. CÁC PHƯƠNG PHÁP THEO VẾT ĐỐI TƯỢNG
1.5.1. Tổng quan về theo vết ñối tượng

- 10 -
Theo vết ñối tượng là giám sát các thay ñổi theo không gian và
thời gian của ñối tượng trong suốt chuỗi video như vị trí, kích thước
hoặc hình dáng của ñối tượng.
1.5.2. Phương pháp Region Segmentation
1.5.2.1. Giới thiệu về vùng (Region).
Vùng (region) trong xử lý ảnh là một nhóm các ñiểm ảnh liên kết
với nhau có cùng các thuộc tính.
Ảnh sẽ ñược phân chia thành nhiều vùng, cái mà liên quan ñến
nhiều ñối tượng, hoặc một phần của ñối tượng,
Sự phân chia các vùng thường ñược thực hiện bằng cách sử dụng
giá trị xám (gray values) của ñiểm ảnh. Gồm hai phương pháp tiếp cận
phổ biến: Region-based, Edge Detection.
Bảng 1. 1 Bảng so sánh hai hướng tiếp cận
Region based
Edge detection
Đường biên ñóng (closed
boundaries)
Biên không cần thiết phải ñóng
Tính toán dựa trên sự tương ñồng Tính toán dựa trên sự khác biệt.
1.5.2.2. Region-based segmentation
Mục tiêu của phân khúc là ñể phân vùng một hình ảnh vào khu
vực. Khi một ñối tượng di chuyển ñược phân ñoạn, một khu vực của
các ñiểm ảnh gán cho ñối tượng là khả dụng. Khu vực này có thể ñược
theo dõi sử dụng phương pháp tiếp cận như cross-correlation. Vị trí của
khu vực trong khung tiếp theo ñược xác ñịnh. Một ñối tượng chuyển
ñộng thường tương ứng với một hoặc một số khu vực theo dõi.

- 11 -
Sự kết hợp của một số khu vực cho một ñối tượng sau ñó ñược thực
hiện ở một mức ñộ trừu tượng cao hơn.


1.5.2.3. Các hàm dùng phân vùng trong Mablab
Hàm bwconncomp dùng ñể tìm các thành phần liên kết trong file
ảnh nhị phân.
Bwlabel là hàm dùng ñể gán nhãn các thành phần kết nối trong file
ảnh nhị phân.
1.6. BÀI TOÁN XÁC ĐỊNH VẬN TỐC ĐỐI TƯỢNG CHUYỂN
ĐỘNG QUA CAMERA
1.6.1. Xác ñịnh vận tốc ñối tượng chuyển ñộng
1.6.1.1. Giới thiệu
Xác ñịnh vận tốc của ñối tượng chuyển ñộng qua camera là bước
quan trọng trong phát triển các ứng dụng thị giác máy tính. Nó có nhiều
ứng dụng trong nhiều lĩnh như:
- Giao thông vận tải
- Hệ thống chăm sóc sức khỏe
- Công nghiệp sản xuất tự ñộng
1.6.1.2. Các phương pháp xác ñịnh vận tốc
Hiện nay có nhiều phương pháp xác ñịnh vận tốc ñối tượng chuyển
ñộng qua camera. Tuy nhiên, các phương pháp ñều trải qua các bước
chính sau:
- Bước 1: Phát hiện và dò vết các ñối tượng chuyển ñộng.
- Bước 2: Xác ñịnh ñối tượng chuyển ñộng mục tiêu.
- Bước 3: Tính vận tốc của ñối tượng mục tiêu.

- 12 -
Có nhiều phương pháp ñược ñưa ra ñể xác ñịnh vận tốc ñối tượng
chuyển ñộng, tuy nhiên vấn ñề này còn nhiều phức tạp cần nghiên cứu
lâu dài. Trong luận văn này, ta giới thiệu các phương pháp sau:
- Phương pháp 1: Xác ñịnh vận tôc dựa vào phương pháp luồng
quang học (optical flow).
- Phương pháp 2: Xác ñịnh vận tốc ñối tượng chuyển ñộng dựa
vào phương pháp trừ nền kết hợp với phân mảnh vùng [8].
1.6.1.3. Xác ñịnh vận tốc dựa vào phương pháp luồng quang học
(Optical flow)
Phương pháp luồng quang học dùng ñể tính toán hướng của
chuyển ñộng của ñối tượng và ño lường vận tốc của ñối tượng ñó.
- Các bước chính ñể tính toán sự khác biệt luồng quang học:
• Bước 1: Đo lường các ñạo hàm cường ñộ theo không gian
và thời gian.
• Bước 2: Tích hợp vận tốc chuẩn (normal) vào trong vận tốc
toàn thể.
- Các ñiều kiện ràng buộc của phương pháp:
• Tất cả các ñối tượng trong cảnh là cố ñịnh, không có thay
ñổi về hình dạng.
• Đối tượng chuyển ñộng trong mặt phẳng (2D), nghĩa là tọa
ñộ (OZ) là hằng số.
- Ưu ñiểm của phương pháp là:
• Đơn giản, số lượng tính toán ít.
• Tính toán trong các ñiều kiện của thuật toán ñem lại kết quả
tính vận tốc với ñộ chính xác cao, và tỉ lệ sai số thấp.
- Nhược ñiểm của phương pháp:

- 13 -
• Không thích hợp trong tính toán vận tốc trong môi trường
bên ngoài, và các ñối tượng có hình dạng bất kì.
• Phương pháp chỉ cho kết quả tốt khi ñối tượng chuyển ñộng
trong mặt phẳng, còn khi ñối tượng chuyển ñộng theo chiều sâu,
phương pháp ít có tác dụng.

1.6.1.4. Xác ñịnh vận tốc dựa trên phương pháp trừ nền và phân
mảnh vùng ảnh
Phương pháp dùng ñể xác ñịnh vận tốc của ñối tượng chuyển ñộng
thông qua ñoạn video dựa trên hai kĩ thuật là trừ nền và phân mảnh
vùng.
- Phương pháp: Phương pháp trừ nền và phân mảnh vùng ñã ñược
ñề cập trong phần lý thuyết ở các mục trên.
- Các ñiều kiện ràng buộc của phương pháp:
• Nền không ñược thay ñổi.
• Đối tượng chuyển ñộng trong mặt phẳng không theo chiều
sâu.
• Các ñối tượng không chồng lên nhau.
- Ưu ñiểm của phương pháp:
• Xác ñịnh ñược vận tốc nhiều ñối tượng một lúc.
• Đơn giản, ít lỗi và hiệu quả ñối với ñối tượng bất kỳ.
-Nhược ñiểm của phương pháp:
• Phương pháp ít hiệu quả ñối với ñối tượng chuyển ñộng
theo chiều xâu.
• Chưa xác ñịnh ñược ñối tượng khi nhiều ñối tượng chuyển
ñộng chồng lên nhau.
• Tính vận tốc trung bình chưa quy ñổi tọa ñộ thực nên ñộ
chính xác chưa cao.

- 14 -
1.6.2. Đánh giá và kết luận
Từ kết quả nghiên cứu trên, ta nhận thấy rằng các phương pháp xác
ñịnh vận tốc có ñộ chính xác khá cao, ñơn giản dễ áp dụng. Tuy nhiên,
các phương pháp còn nhiều hạn chế như:
- Chỉ xác ñịnh ñược vận tốc khi ñối tượng chuyển ñộng trong mặt
phẳng.
- Độ chính xác giảm khi ñối tượng chuyển ñộng theo quỹ ñạo phức
tạp…
Để khắc phục những nhược ñiểm trên, Luận văn ñã nghiên cứu
phương pháp hiệu chỉnh camera kết hợp với phương pháp trừ nền và
phân mảnh vùng ảnh ñể xác ñịnh tọa ñộ của ñối tượng chuyển ñộng qua
tọa ñộ thực từ ñó nâng cao ñộ chính xác của việc ño tốc ñộ.

Xem chi tiết: Xác định vận tốc đối tượng chuyển động qua camera