Một phương pháp phát hiện đối tượng ứng dụng trong hệ thống tự động bám mục tiêu

Kỷ yếu Hội nghị Quốc gia lần thứ VIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR); Hà Nội, ngày 9-10/7/2015 DOI: 10.15625/vap.2015.000179 MỘT PHƯƠNG PHÁP PHÁT HIỆN ĐỐI TƯỢNG ỨNG DỤNG TRONG HỆ THỐNG TỰ ĐỘNG BÁM MỤC TIÊU Nguyễn Văn Hùng1, Nguyễn Văn Xuất2, Lê Mạnh Cường3 1 Viện Vũ khí, Tổng cục Công nghiệp Quốc phòng, Bộ Quốc phòng 2 Khoa Công nghệ Thông tin, Học viện Kỹ thuật Quân sự, Bộ Quốc phòng 3Trung tâm 80, Cục Tác chiến Điện tử, Bộ Quốc phòng hungitd@yahoo.com, xuatnguyenvan@yahoo.com, lemanhcuong76@gmail.com TÓM TẮT - Phát hiện đối tượng là một thành phần rất quan trọng trong các hệ thống tự động giám sát và bám mục tiêu. Bài báo này đề xuất một phương pháp dựa trên kỹ thuật xử lý ảnh và các thuật toán máy học để phát hiện các mục tiêu quân sự. Phương pháp đề xuất dựa trên các đặc trưng hình dạng và màu sắc để tìm đối tượng trong ảnh cảnh được chụp từ một camera. Trong phương pháp của chúng tôi, ảnh đầu vào trước tiên được phân thành các vùng nhỏ đồng màu sử dụng thuật toán dựa vào lý thuyết đồ thị. Sau đó, các vùng có khả năng thuộc về đối tượng thấp sẽ được loại bỏ bằng việc sử dụng các thông tin về màu sắc. Cuối cùng, đối tượng cần tìm được xác định từ một tập các vùng đồng màu kết nối với nhau, sử dụng một mô hình xác suất với các đặc trưng hình dạng và màu sắc. Đặc trưng hình dạng của một vùng ảnh được biểu diễn bằng các bộ đặc tả hình dạng (shape contexts). Các bộ đặc tả về hình dạng là bất biến với sự méo hình cục bộ, sự dịch chuyển và xoay... Phương pháp đề xuất được đánh giá trên các tập dữ liệu lớn khác nhau. Mỗi tập dữ liệu bao gồm các ảnh của một kiểu đối tượng được thu thập từ các cảnh khác nhau dưới các điều kiện ánh sáng khác nhau. Các kết quả thực nghiệm đã chỉ ra tính hiệu quả của phương pháp đề xuất. Từ khóa - Phân vùng ảnh; dò đối tượng; đặc trưng màu, đặc trưng hình dạng, mô hình xác suất. I. GIỚI THIỆU Phát hiện đối tượng tự động có vai trò quan trọng trong các hệ thống trinh sát phát hiện mục tiêu, các hệ thống giám sát, nhận dạng và khảo sát. Việc sử dụng thị giác máy tính để phát hiện các đối tượng là một giải pháp được sử dụng rộng rãi trên toàn thế giới. Phương pháp này ứng dụng các kỹ thuật xử lý ảnh và các thuật toán máy học để tìm các đối tượng trong các hình ảnh. Tuy nhiên, việc phát hiện đối tượng dựa trên thị giác máy tính là một vấn đề khó bởi vì hệ thống phải giải quyết với sự thay đổi về điều kiện tạo ảnh (ví dụ như sự thay đổi về các điều kiện ánh sáng và thời tiết) và sự thay đổi của các cảnh và môi trường. Nhiều phương pháp phát hiện đối tượng khác nhau sử dụng thị giác máy tính đã được phát triển và ứng dụng rộng rãi trong đời sống thực tiễn. Các phương pháp này phát hiện đối tượng với ba bước chính. Bước thứ nhất là dựa vào các thuộc tính của đối tượng như màu sắc, kết cấu bề mặt và hình dạng để trích chọn các đặc trưng ảnh. Bước thứ hai là sử dụng tập dữ liệu mẫu để xác định các tham số cho các bộ nhận dạng đối tượng trong ảnh. Bước thứ 3 là sử dụng bộ nhận dạng để xác định đối tượng trong các ảnh đầu vào bất kỳ. Trong hệ thống phát hiện mục tiêu quân sự thì việc trích chọn đặc trưng ảnh đóng một vai trò quan trọng. Có hai xu hướng chính trong việc trích chọn đặc trưng: 1) sử dụng các đặc trưng cạnh, 2) sử dụng các đặc trưng màu và kết cấu bề mặt của các vùng ảnh. Các phương pháp dựa trên các đặc trưng cạnh xác định đối tượng trong ảnh bằng việc đi tìm các đường bao của đối tượng [1-5]. Điểm mạnh của các phương pháp này là bất biến với các điều kiện ánh sáng và sự dịch chuyển của đối tượng. Tuy nhiên, các phương pháp dựa vào cạnh lại nhạy cảm với các cạnh nhiễu và không có hiệu quả khi trong ảnh xuất hiện nhiều cạnh nhiễu. Mặt khác, hiệu quả của các phương pháp này lại phụ thuộc vào việc dò tìm các điểm cạnh. Các phương pháp sử dụng các đặc trưng màu và kết cấu bề mặt của các vùng ảnh có hiệu quả cao trong việc dò tìm các đối tượng mà chúng có màu sắc hoặc kết cấu bề mặt rất khác so với các đối tượng nền khác trong ảnh [6, 7]. Điểm yếu của các phương pháp này là chúng rất nhạy cảm với sự thay đổi của các điều kiện ánh sáng và thường lỗi trong trường hợp đối tượng bị ảnh hưởng bởi các vùng rất sáng và các bóng râm. Trong bài viết này chúng tôi đề xuất một phương pháp mới để phát hiện các mục tiêu quân sự. Phương pháp của chúng tôi sử dụng điểm mạnh của phương pháp dựa vào cạnh và phương pháp dựa vào màu và kết cấu bề mặt. Phương pháp đề xuất dựa trên sự kết hợp giữa đặc trưng màu sắc và đặc trưng hình dạng để xây dựng một mô hình xác suất cho việc phát hiện các mục tiêu trong ảnh. Có hai bước chính trong phương pháp của chúng tôi. Bước thứ nhất là phân mảnh ảnh đầu vào thành các vùng đồng màu khác nhau. Bước thứ hai là xác định mục tiêu trong ảnh từ các vùng đồng màu sử dụng các đặc trưng màu và hình dạng. Mục tiêu được tìm như là một tập con các vùng đồng màu kết nối với nhau (các vùng này đều thuộc về một vùng lớn) sao cho xác suất hậu nghiệm của tập này là lớn nhất. Cấu trúc của bài báo với các phần còn lại như sau: Phần II trình bày phương pháp đề xuất; Phần III trình bày về thực nghiệm và các kết quả đạt được; Phần IV đưa ra các kết luận chính. Nguyễn Văn Hùng, Nguyễn Văn Xuất, Lê Mạnh Cường 445 II. PHƯƠNG PHÁP ĐỀ XUẤT Các mục tiêu quân sự thường phải được quan sát từ xa và các ảnh thu thập được từ camera sẽ bao gồm nhiều đối tượng nền. Do vậy việc sử dụng các phương pháp dựa vào cạnh sẽ không hiệu quả. Mặt khác nếu chúng ta sử dụng các phương pháp dựa vào đặc trưng màu sắc sẽ rất nhạy cảm với điều kiện ánh sáng. Từ việc phân tích các kết quả thực nghiệm phân vùng ảnh bằng phương pháp đồ thị trong [9], chúng tôi tìm thấy rằng thuật toán này phân vùng ảnh nhanh, có độ chính xác và tin cậy cao. Hơn nữa, đặc trưng hình dạng (shape context) được đề xuất trong [10] là một đặc trưng quan trọng trong việc xác định đối tượng, nó có nhiều ưu điểm như là bất biến với sự méo hình cục bộ, sự dịch chuyển và xoay. Thay vì chỉ sử dụng đặc trưng màu, việc kết hợp đặc trưng hình dạng với đặc trưng màu sắc sẽ tăng đáng kể độ chính xác và độ tin cậy trong việc xác định đối tượng dưới các điều kiện môi trường và ánh sáng khác nhau. Trong phần này, chúng tôi trình bày một phương pháp phát hiện đối tượng mới từ các vùng ảnh cục bộ, sử dụng phương pháp xác suất với sự kết hợp giữa đặc trưng hình dạng với đặc trưng màu sắc. Đầu tiên, ảnh đầu vào được phân mảnh thành các vùng đồng màu sử dụng thuật toán trong [9]. Sau đó, đối tượng cần tìm được xác định trong ảnh như là một tập con các vùng đồng màu kết nối với nhau. Tập con này có xác suất hậu nghiệm của đặc trưng màu sắc và hình dạng là cực đại. Theo một cách khác, phương pháp đề xuất phát hiện đối tượng quân sự trong ảnh bao gồm có hai giai đoạn chính như trong Hình 1. Giai đoạn 1: Phân mảng ảnh đầu vào thành các vùng đồng màu. Giai đoạn 2: Tìm đối tượng từ các vùng đồng màu sử dụng mô hình xác suất với đặc trưng màu sắc và hình dạng. (a) Giai đoạn 1 So (b) Giai đoạn 2 ánhHình 1. Sơ đồ khối phương pháp đề xuất và ảnh minh họa Các giai đoạn này được trình bày chi tiết trong các phần sau đây. A. Phân vùng ảnh Có nhiều thuật toán phân vùng ảnh khác nhau như các thuật toán chia và trộn vùng, các thuật toán tăng trưởng vùng, các thuật toán áp dụng lý thuyết đồ thị, các thuật toán sử dụng các kỹ thuật máy học, các thuật toán dựa vào cạnh... Tuy nhiên phương pháp dựa vào lý thuyết đồ thị được sử dụng phổ biến nhất. Phương pháp này thể hiện được tính tổng quát hóa trong phân vùng ảnh và có thể áp dụng cho nhiều trường hợp thực tế. Trong công việc này, chúng tôi sử dụng thuật toán dựa vào lý thuyết đồ thị được đề xuất trong [9] để phân mảng ảnh đầu vào thành các vùng đồng nhất về màu sắc. Thuật toán này độ chính xác cao và thời gian tính toán nhanh. Từ một ảnh đầu vào, một đồ thị vô hướng ܩ ൌ ሼܸ, ܧሽ được thiết lập với ܸ là tập đỉnh và ܧ là tập cạnh. Các đỉnh ݒ ∈ ܸ là các điểm ảnh (pixels) và các cạnh ൫ݒ௜, ݒ௝൯ nối hai đỉnh liền kề nhau ݒ௜ and ݒ௝. Mỗi cạnh ሺݒ௜, ݒ௝ሻ có một trọng số ݓሺݒ௜, ݒ௝ሻ được đo bằng sự khác nhau về màu sắc giữa hai điểm ảnh ݒ௜ and ݒ௝ như sau: ݓ൫ݒ௜, ݒ௝൯ ൌ ටሺܥଵ௜ െ ܥଵ௝ሻଶ ൅ ሺܥଶ௜ െ ܥଶ௝ሻଶ ൅ ሺܥଷ௜ െ ܥଷ௝ሻଶ . (1) Trong công thức (1) ܥ௞௜ là thành phần màu thứ ݇ của điểm ảnh ݒ௜. Thuật toán phân vùng ảnh được trình bày cụ thể trong Thuật toán 1. Thuật toán 1: Phân vùng ảnh dựa vào lý thuyết đồ thị Đầu vào: Một đồ thị vô hướng G ൌ ሼV, Eሽ, với n đỉnh, và m cạnh Đầu ra: Các vùng ảnh đồng màu Sଵ, Sଶ, Sଷ . Bước 1: Sắp xếp các cạnh e ∈ E theo thứ tự có trọng số wሺeሻ tăng dần. Bước 2: Khởi gán các vùng ảnh S୧ là các đỉnh v୧. Bước 3: Lặp lại bước 4 với q ൌ 1. .m (m là tổng số cạnh trong Eሻ. Bước 4: Hợp 2 vùng S୧ và S୨ chứa hai đỉnh v୧ and v୨ (v୧ ∈ S୧, v୨ ∈ S୨) được nối với nhau bởi cạnh thứ q nếu thỏa mãn 2 điều kiện sau: Camera ảnh đơn (frame) Tiền xử lý Phân mảnh ảnh thành các vùng đồng mầu Vùng đồng mầu Trích rút các đặc trưng về hình dạng và mầu sắc Xác định đối tượng bằng mô hình xác suất Đối tượng được tìm 4s ả B g t đ đ tư k m tr đ lư c h m m 46 Tron ự khác nhau n nh trong một Giá tr Trong Sự kh Bảng . Xác định đ Gọi ࡿ iành được bằn ập con ࡿ∗ ࡿ ịnh tập con ࡿ ối tượng đượ Trên ợng được xá hác nhau thuộ ột vector mà ong ܵ௞௢. Đặt ược tính bằn ợng tử hóa th Đặc t ontext) [10]. B ình dạng ࢙ củ ột đối tượng ột histogram Các bin Hình 2. MỘT g công thức ( ội bộ giữa cá vùng ܵ là trọn ị ngưỡng của công thức (4 ác nhau giữa 3 minh họa c ối tượng ൌ ሼ ଵܵ, ܵଶ, ܵଷ g việc áp dụn . Tất cả các t ∗ từ ࡿ chúng c tính toán bằn tập dữ liệu ản c định bằng t c về đối tượn mỗi thành p ࡻ biểu thị cho g phương phá ành ܰ bin. rưng hình dạ ộ đặc tả hình a một đối tượ có ܭ các điể của các cực t là đồng nhất Đặc tả hình d dạng; (d) là đ PHƯƠNG PHÁ ቊݓ൫ݒ௜, ݒ 2) ܯܫ݊ݐሺ ௜ܵ, ܵ c điểm ảnh tr g số lớn nhất ܫ݊ݐሺܵ một vùng ܵ đ ߬ሺܵሻ ) ܭ là một hằ hai vùng ௜ܵ v ܯܫ݊ݐ൫ܵ ác kết quả phâ , ܵସ, . ሽ là tậ g thuật toán hành phần ௜ܵ tôi sử dụng h g việc sử dụn h mẫu (trainin ay như là các g ࡿ࢕ ൌ ሼ ଵܵ௢, hần ܿ௜ (݅ ൌ 1 lớp đối tượn p histogram ng của đối tư dạng này bấ ng bao gồm c m mẫu ݌ଵ, ݌ଶ ọa độ tương đ ݄௜௞ ൌ # ሼݍ trong không g ạng: (a) và (b) ặc trưng hình d P PHÁT HIỆN Đ ௜ܵ ് ௝ܵ ௝൯ ൏ ܯܫ݊ݐሺ ௝ሻ là hàm đo ong mỗi vùng của các cạnh ሻ ൌ max௘ ∈ ௌ ược tính như ൌ ௄|ௌ| ng số dương, à ௝ܵ được tính ௜, ௝ܵ൯ ൌ min ሾܫ n vùng của m p các vùng đồ phân vùng ản ∈ ࡿ∗ là các t ai đặc trưng n g các hàm m g), mỗi ảnh đ vùng ܵ௞௢. N ܵଶ௢, ܵଷ௢ܵସ௢, . ሽ ,2,3) là giá tr g cần tìm. Hà màu 3D của ợng được xá t biến khi đối ác đặc tả hình , ݌ଷ ݌௞trên ối giữa ݌௜ và ് ݌௜: ሺݍ െ ian log. (d) là các điểm b ạng của điểm m ỐI TƯỢNG ỨN ௜ܵ , ௝ܵሻ sự khác nhau ௜ܵ và giá trị nối các điểm ݓሺ݁ሻ sau: |ܵ| là tổng số như sau: ݊ݐሺ ௜ܵሻ ൅ ߬ሺܵ ột số loại ảnh ng nhất về m h ở phần trên hành phần kế ổi bật của đố ật độ xác suất ược phân vùn hư vậy, từ tập . Đối với mỗi ị trung bình c m mật độ xác tất cả các mà c định bằng tượng bị xoay dạng của các đường viền (x ܭ െ 1 điểm c ݌௜ሻ ∈ binሺkሻ iên của mẫu; (c ẫu trên (a); (e) G DỤNG TRON giữa 2 vùng ܵ ngưỡng của ܵ ảnh trong ܵ: điểm ảnh tron ௜ሻ, ܫ݊ݐ൫ ௝ܵ൯ ൅ áp dụng thuậ àu sắc trong ả . Đối tượng tr t nối và đều t i tượng: màu trên tập dữ li g thành các v mẫu chúng vùng ܵ௞௢, đặc ủa thành phầ suất của đối u ࢉ của các việc sử dụng , dịch chuyển điểm ảnh nằ em Hình 2). òn lại trên đư ሽ. (e) ) là sơ đồ các là đặc trưng hì G HỆ THỐNG T ௜ và ௝ܵ. Hàm ௜. Sự khác nh g vùng ܵ. ߬൫ ௝ܵ൯ሿ t toán trên. nh đầu vào. C ong ảnh đầu v huộc về một sắc và hình d ệu ảnh mẫu (t ùng đồng mà ta sẽ có một trưng màu ࢉ n màu thứ ݅ tượng đối vớ vùng ܵ௞௢. Mỗ các bộ đặc , méo, biến đ m trên đường Đặc tả hình d ờng viền của bin được sử dụ nh dạng của đi Ự ĐỘNG BÁM này được tín au nội bộ giữ ác vùng đồn ào được tìm vùng ảnh lớn ạng. Các đặc raining). u ௜ܵ, các vùng tập các vùng ൌ ሺܿଵ, ܿଶ, ܿଷ của tất cả các i đặc trưng m i thành phần tả về hình dạ ổi theo tỷ lệ. bao của đối t ạng của một đối tượng như ng để tính đặc ểm mẫu trên (b MỤC TIÊU (2) h dựa trên a các điểm (3) (4) (5) g màu này như là một ܼ. Để xác trưng của thuộc đối đồng màu ሻ của nó là điểm ảnh àu ݌ሺࢉ|ࡻሻ màu được ng (shape Đặc trưng ượng. Xét điểm ݌௜ là sau: (6) trưng hình ). Nc n đ h n m d d c d ݌ tư n th n v guyễn Văn Hùng Đối với ác đối tượng hau giữa hai b Trong ( Gọi ࢀ ൌ ối tượng bao ình dạng mẫu hau ߬ điểm ả ỗi một vùng ạng của các đ ạng mẫu ܶ củ Trong c ủa một vùng Trong ( ạng của vùng ሺ࢙ࢠ|ࡻሻ là cao ợng. Từ một với Tập ࡿ∗ hiên phương ành phần củ ày hiệu quả h iệc thống kê t T , Nguyễn Văn X hai điểm khá có hình dạng ộ đặc tả hình 7), ܯ là số bi ሼ ଵܶ, ଶܶ, ଷܶ, gồm 9 hình d , chúng tôi lấ nh. Các bộ đặ ảnh ܼ (nó có iểm mẫu nằm a đối tượng đ ông thức (8), ảnh ܼ thuộc v 9), ߚ là tham ảnh ܼ tương . Ngược lại ݌ tập các vùng trong (10) có pháp này sẽ a ࡿ. Để giảm ơn khi ta thê iết diện đối tư huật toán 2: ࡿᇱ ← ሼܵ ∈ ࡿ ࡿ∗ ← arg m ௌ ∈ ࡿ ܶ݁݉݌ ← Đ While (Temp Sa← ሼ S+← a Sr← ሼ S-← a If ݌ሺሼ uất, Lê Mạnh Cư c nhau trên c giống nhau t dạng của hai n của các hist Hình 3. M ሽ là tập các h ạng mẫu. Hì y các điểm m c tả hình dạn thể bao gồm trên đường b ược tính như ܦሺ࢙ࢠ, |࢙ࢠ| biểu thị ề đối tượng đ ݌ሺ࢙ࢠ|ࡻ số tỷ lệ đượ tự với một ሺ࢙ࢠ|ࡻሻ có giá ảnh đồng màu ࡿ∗ ൌ arg ݌ሺܼ|ࡻሻ ൌ thể được xác mất nhiều thờ thời gian tính m một số điề ợng so với kh Tìm đối tượn |݌ሺࢉ௦ |ࡻሻ ൒ ߬ሽ ax ᇱ ݌ሺࢉ௦ |ࡻሻ ú݊݃ ) do ௜ܵ ∈ ሼࡿᇱ െ ࡿ∗ሽ, rgmaxௌ∈܁ୟ ݌ሺሼ ௜ܵ ∈ ࡿ∗, ݒớ݅ ሼࡿ rgmaxௌ∈܁୰ ݌ሺሼ ܵା ∪ ࡿ∗ሽ|ࡻሻ ൒ ờng ùng một đối hì đặc tả hình điểm ݌ và ݍ ܥሺ݌, ݍሻ ൌ ogram tọa độ ột số hình dạn ình dạng mẫu nh 3 trình bày ẫu ݌ nằm trê g của các điể nhiều vùng đ ao ngoài của sau: ܶሻ ൌ ଵ|࢙ࢠ| ∑௣∈ cho tổng số đ ược tính như ሻ ൌ expሾെߚm c xác định th hình dạng mẫ trị thấp khi h ࡿ, đối tượng max௓ ࡿ ݌ሺܼ| ݌ሺࢉ௭|ࡻሻ݌ሺ࢙ định bằng ph i gian tính to toán, chúng u kiện lọc nh ung hình. Th g bằng việc th ݒớ݅ ࡿ∗ ∪ ௜ܵ ݈à ܵ ∪ ࡿ∗ሽ|ࡻሻ ∗ െ ௜ܵሽ ݈à ݉ộ ࡿ∗ െ ܵሽ|ࡻሻ ݌ሺሼܵି ∪ ࡿ∗ሽ tượng thì các dạng của ha được tính như 0.5∑ ሺ௛೛೔ ି௛೛೔ ெ௜ୀଵ cực. g mẫu của một của đối tượn một hình dạ n đường bao m này là đặc ồng màu), th ܼ. Sự khác nh min௤∈் ܥሺ ࢙ࢠ iểm mẫu tron là: in்∈ࢀ ܦሺ࢙ࢠ, ܶ ông qua tập d u ܶ của đối ình dạng của cần tìm được ࡻሻ ௭|ࡻሻ ương pháp v án, độ phức tôi sử dụng th ư: loại bỏ vùn uật toán này đ êm bớt vùng ݉ộݐ ݒù݊݃ ݈݅ê ݐ ݒù݊݃ ݈݅ê݊ ݐ݄ |ࡻሻ and ݌ሺሼܵା đặc tả hình d i điểm tương sau: ௛೜೔ ሻమ ା ௛೜೔ . đối tượng máy g cần tìm. Tr ng mẫu của đ của đối tượng trưng hình d ì đặc trưng hì au về hình dạ ݌, ݍሻ g ܼ. Hàm mậ ሻሿ . ữ liệu mẫu. C tượng thì giá vùng ảnh ܼ k xác định như ét cạn với việ tạp tính toán uật toán thêm g đồng màu ược mô tả tro ݊ ݐ݄ô݊݃ } ô݊݃ ሽ ∪ ࡿ∗ሽ|ࡻሻ ൐ ݌ ạng của chún ứng nhau sẽ bay. ong ứng dụng ối tượng má sao cho hai ạng của mỗi h nh dạng ࢙ࢠ c ng giữa một t độ xác suất ông thức (9) trị ܦሺ࢙ࢠ, ܶሻ l hác với các h một tập con c tìm tất cả c của nó là ܱሺ bớt các vùn lớn (phần lớn ng Thuật toán ሺࡿ∗|ࡻሻ then g sẽ khác nha là giống nhau của chúng tô y bay F22. Đ điểm liền kề ình dạng mẫ ủa ܼ là các đ vùng ảnh ܼ v về đặc trưng có nghĩa rằn à nhỏ và do ình dạng mẫu ࡿ∗ như sau: ác tập con tro 2|ࡿ|ሻ với |ࡿ| g trong [11]. là các vùng 2. 447 u. Đối với . Sự khác (7) i, mỗi loại ối với mỗi nhau cách u. Đối với ặc tả hình à một hình (8) hình dạng (9) g khi hình vậy giá trị ܶ của đối (10) (11) ng ࡿ. Tuy là tổng số Thuật toán nền) bằng 4ሼ v ả ࡿ th b th A tư k tụ l c d B đ đ h n 0 đ 48 Trong ࡿ∗ െ ௜ܵ} được ề một vùng ả nh 7 không th ∗. Bởi vì Thu Vùng ỏa mãn: Tro ày một số ví d Trong p uật toán, phư . Dữ liệu ảnh Để đán ợng và mỗi l hoảng 1000 m c (các ảnh th õm hoặc bị ch húng tôi dò b ùng để thử ng . Phương ph Tiêu ch ược phát hiện ánh đấu bởi c Trong đ iện đúng khi gưỡng ߬. Tươ .5. Để đán úng và độ chí MỘT Else i Else End if End while Thuật toán 2 kiểm tra. M nh chung. Ví ể bớt được từ ật toán 2, có s ảnh được tạo ng (12), tham ụ về xác định hần này chún ơng pháp đán h giá phương oại đối tượng . Trong tập u nhận khi đ e khuất bởi đ ằng tay vùng hiệm. áp dánh giá í để đánh giá bằng máy và ách làm bằng ó|ܴ| là diện t và chỉ khi tồn ng tự như vi h giá hiệu quả nh xác phát h PHƯƠNG PHÁ ࡿ∗ ← ࡿ∗ ∪ f pሺሼࡿ∗ െ ܵିሽ ࡿ∗ ← ࡿ∗ െ ܶ݁݉݌ ← ܵ , ở mỗi bước ột tập các thà dụ trong Hình ࡿ∗ bởi vì nó ố các thành p Hì ra từ các thà số ߬௖ là một đối tượng tr III. PHƯƠ g tôi trình bà h giá, các tha pháp phát hi có 2000 ảnh dữ liệu của ch ối tượng di ch ối tượng khác ảnh của đối việc phát hi vùng ảnh đư tay. Tỷ lệ so ích của vùng tại một vùng ệc đánh giá c của một phư iện. Tỷ lệ phá P PHÁT HIỆN Đ ܵା |ࡻሻ ൐ ݌ሺࡿ∗|ࡻሻ ܵି ܽ݅ lặp khi thêm nh phần được 4, giả sử ࡿ∗ sẽ bẻ gãy tín hần và thao tá nh 4. Minh họa nh phần ࡿ∗ đ ݌ሺࡿ∗|ࡻሻ ngưỡng được ong các ảnh đ NG PHÁP T y các dữ liệu m số và kết q ện đối tượng ở các môi trư úng tôi, mỗi uyển). Trong , đặc biệt hơn tượng. Mỗi đ ện đối tượng ợc xác định b khớp giữa Rd ߛ൫ܴ௚, ܴ R, ∩ và ∪ là được xác địn ủa một số hệ ơng pháp phá t hiện đúng l ỐI TƯỢNG ỨN then hoặc bớt một xem là kết n bao gồm các h kết nối của c là xác định quá trình thêm ược xem như ൒ ߬௖ xác định trư ầu vào. HỰC NGHI hình ảnh mà uả thử nghiệm , chúng tôi đã ờng tự nhiên ảnh chứa mộ nhiều trường nữa là điều ối tượng chú được dựa trê ằng tay. Gọi và Rg được tí ௗ൯ ൌ หܴ௚ ∩ ܴ หܴ௚ ∪ ܴ giao và hợp c h bằng tay ܴ௚ thống phát hi t hiện đối tượ à tỷ lệ phần tr 1 2 4 3 6 7 8 9 10 G DỤNG TRON vùng ௜ܵ vào ࡿ ối nếu như tấ thành phần là ࡿ∗. Tương tự nên thuật toán và bớt vùng. là đối tượng ớc bằng việc ỆM VÀ KẾT chúng tôi thử phương phá thu thập đư khác nhau và t đối tượng t hợp đối tượn kiện chiếu sán ng tôi lấy 50 n việc so sán Rd là một vùn nh như sau: ௗห ௗห ủa hai vùng ܴ sao cho ߛ൫ܴ ện đối tượng ng, chúng tôi ăm của số đối 5 11 0 G HỆ THỐNG T ∗ thì tính kết t cả các thành các vùng ảnh thì vùng số sẽ hội tụ. cần tìm nếu học từ tập dữ QUẢ nghiệm, chi p đề xuất. ợc một cơ sở khoảng cách ìm kiếm tron g bị mất một g hoàn toàn 0 ảnh mẫu dù h hai vùng ản g được phát ௚, ܴௗ. Một vù ௚, ܴௗ൯ lớn hơ , giá trị ngưỡn sử dụng hai tượng được p Ự ĐỘNG BÁM nối của tập ሼࡿ phần của nó 2, 3, 7, 8 và 0 không được điều kiện sau ( liệu mẫu. Bả tiết các bước dữ liệu gồm từ camera tới g các cảnh th phần do ở đó khác nhau. V ng để học và h: vùng ảnh hiện và Rg là ng ܴௗ được c n hoặc bằng g này được phép đo: tỷ lệ hát hiện đún MỤC TIÊU ∗ ∪ ௜ܵ} và đều thuộc 9 thì vùng thêm vào đây được 12) ng 3 trình thực hiện 5 loại đối đối tượng ay đổi liên đường lồi ới mỗi ảnh 1500 ảnh đối tượng vùng được ho là phát một giá trị thiết lập là phát hiện g trên tổng Ns đ h C tr c đ guyễn Văn Hùng ố ảnh được ki ối tượng đượ iện đúng (cho . Kết quả thự Kết q ong Bảng 1. Bảng hứng minh rằ S Bài báo ể phát hiện cá , Nguyễn Văn X ểm tra. Độ ch c dò. Ví dụ ch ߛ൫ܴ௚, ܴௗ൯ ൐ c nghiệm uả thực nghiệ STT 1 2 3 4 5 2 trình bày m ng phương ph TT Ản 1 2 3 4 5 6 7 8 này đề xuất m c mục tiêu qu uất, Lê Mạnh Cư ính xác phát úng ta kiểm t ߬) thì tỷ lệ p m c