Xây dựng thuật toán tự động phát hiện đối tượng trên nền ảnh động cho bệ quay quét giám sát an ninh

Nghiên cứu khoa học công nghệ

XÂY DỰNG THUẬT TOÁN TỰ ĐỘNG PHÁT HIỆN ĐỐI TƯỢNG
TRÊN NỀN ẢNH ĐỘNG CHO BỆ QUAY QUÉT
GIÁM SÁT AN NINH
Chu Văn Hoạt*, Vũ Minh Khiêm
Tóm tắt: Hiện nay các hệ thống an ninh thường sử dụng các bệ pan-tilt nhằm
tăng cường phạm vi quan sát, tuy nhiên các camera chưa được tích hợp các chức
năng tự động phát hiện mục tiêu trên nền ảnh động. Trên cơ sở đó, bài báo nghiên
cứu, xây dựng thuật toán Adaboost và mô hình phân tầng Cascade tự động phát hiện
đối tượng trên nền ảnh động để ứng dụng cho các hệ thống giám sát an ninh, cảnh
báo, chống đột nhập.
Từ khóa: Tự động phát hiện; Hệ thống giám sát an ninh; Bệ pan-tilt; Adaboost .

1. ĐẶT VẤN ĐỀ
Tự động phát hiện đối tượng là một trong những lĩnh vực nghiên cứu nhận được
nhiều sự quan tâm của các nhà nghiên cứu, những nghiên cứu trước đây chủ yếu
bao gồm các thuật toán phát hiện khuôn mặt [1-6], phát hiện phương tiện giao
thông [7], phát hiện đối tượng chuyển động [8-9], ... Nó có vai trò quan trọng trong
các hệ thống trinh sát phát hiện mục tiêu, giám sát an ninh, nhận dạng đối tượng và
các hệ thống thị giác máy tính khác. Việc sử dụng thị giác máy tính để phát hiện
các đối tượng là một trong những giải pháp được sử dụng rộng rãi. Phương pháp
này ứng dụng các kỹ thuật xử lý ảnh để trích xuất các đặc trưng, sau đó kết hợp với
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 vẫn là một vấn đề khó.
Hệ thống camera giám sát an ninh ngày càng được sử dụng một cách rộng rãi
với mục đích hỗ trợ bảo vệ cho các khu vực như căn cứ quân sự, hải cảng, công ty,
ngân hàng,.. Các camera thường được đặt trên các bệ pan-tilt có thể quay quét tự
động để tăng phạm vi giám sát, vì thế các frame ảnh có nền thay đổi liên tục, gây
khó khăn cho nhiệm vụ phát hiện đối tượng. Ngoài ra, đối với những camera thông
thường chỉ có thể hoạt động trong môi trường có ánh sáng tốt, khó có thể làm việc

hiệu quả trong điều kiện thời tiết khắc nghiệt, ánh sáng yếu. Tia hồng ngoại có thể
phản ánh chính xác tính chất nhiệt của bề mặt vật thể, khi di chuyển ở hai quang
phổ 3~5  m và 8~14  m không bị bầu khí quyển hấp thu [10], vì thế camera ảnh
nhiệt lợi dụng tia hồng ngoại trong quang phổ này có thể làm việc hiệu quả trong
mọi điều kiện ánh sáng, được sử dụng ngày càng nhiều trong các hệ thống an ninh.
Tuy nhiên, chất lượng hình ảnh thu được thường không tốt như camera thường,
hình ảnh tồn tại nhiễu và chịu ảnh hưởng lớn bởi nhiệt độ môi trường, vì thế cần
phải nghiên cứu một thuật toán để tiến hành tự động phát hiện đối tượng. Bài báo
này đã đề xuất sử dụng thuật toán Adaboost và mô hình phân tầng Cascade để xây
dựng bộ phát hiện đối tượng trên nền ảnh động cho bệ quay quét giám sát an ninh
sử dụng camera ảnh nhiệt.
2. THUẬT TOÁN TỰ ĐỘNG PHÁT HIỆN ĐỐI TƯỢNG
2.1. Lưu đồ thuật toán
Quá trình phát hiện đối tượng thực chất là quá trình quét các cửa sổ trong ảnh và
tiến hành phân loại các cửa sổ đó có chứa đối tượng hay không chứa đối tượng. Để
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 - 2019

261


Đo lường & Tin học

xây dựng bộ tự động phát hiện đối tượng, bài báo sử dụng thuật toán Adaboost và
mô hình phân tầng Cascade dựa vào đặc trưng Haar Like, bao gồm hai quá trình:
Quá trình huấn luyện bộ phân loại và quá trình phân loại. Lưu đồ thuật toán như
hình 1 thể hiện:

Hình 1. Lưu đồ thuật toán.
Từ lưu đồ thuật toán cho thấy, quá trình huấn luyện bộ phân loại bao gồm các
bộ phận chủ yếu như sau: Trích xuất đặc trưng Haar Like, lựa chọn bộ phân loại

yếu và huấn luyện bộ phân loại phân tầng Adaboost. Quá trình phân loại sử dụng
bộ phân loại đã được huấn luyện để tiến hành phân loại, phát hiện đối tượng.
2.2. Trích xuất đặc trưng Haar Like
Lần đầu tiên, đặc trưng Haar Like được Papageorgiou [11] ứng dụng trong bài
toán phát hiện khuôn mặt, hiện nay được sử dụng nhiều trong các bài toán phát
hiện đối tượng, theo vết đối tượng... Nó phản ánh tình hình thay đổi giá trị xám
trên ảnh xám, thể hiện được tri thức về các đối tượng trong ảnh thông qua việc
phản ánh mối quan hệ giá trị xám giữa các bộ phận của đối tượng trong ảnh.
Mỗi đặc trưng Haar Like chứa 2, 3 hoặc 4 miền hình học có màu “trắng” hoặc
“đen”. Giá trị của một đặc trưng Haar Like chỉ đơn giản là sự khác biệt giữa tổng
các giá trị xám của các pixel trong vùng “đen” với tổng các giá trị xám của các
pixel trong vùng “trắng”. Để cân bằng giữa tốc độ xử lý và độ chính xác của thuật
toán, bài báo đã sử dụng 4 mô hình đặc trưng Haar Like như hình 2.

Hình 2. Mô hình đặc trưng Haar Like.
Ta tính giá trị của đặc trưng Haar Like rất nhanh thông qua một cách thức được
gọi là “ảnh tích phân” (Integral Image). Ảnh tích phân tại vị trí (x, y) có giá trị
262

C. V. Hoạt, V. M. Khiêm, “Xây dựng thuật toán tự động phát hiện … giám sát an ninh.”


Nghiên cứu khoa học công nghệ

bằng tổng các giá trị pixel nằm trong hình chữ nhật được xác định bởi góc trái trên
là (0, 0) và góc phải dưới là (x, y). Từ đây, ta có thể tính được ngay tổng các giá trị
pixel của một hình chữ nhật bất kỳ thông qua ảnh tích phân tại 4 đỉnh của nó (hình
3). Tổng các giá trị pixel của hình chữ nhật D như hình 2 là 4+1-(2+3). Sau khi
trích xuất đặc trưng, sử dụng các đặc trưng này để lựa chọn các bộ phân loại yếu,
sau đó xây dựng bộ phân loại mạnh có độ chính xác cao.

Hình 3. Tính nhanh giá trị của hình chữ nhật D.
2.3. Nguyên lý thuật toán Adaboost
Adaboost là một thuật toán được đưa ra bởi Freund và Schapire [12], được sử
dụng rất phổ biến cho bài toán phát hiện đối tượng. Nguyên lý của Adaboost là gán
cho mỗi ảnh mẫu một trọng số. Ở mỗi vòng lặp của quá trình huấn luyện, khi một
bộ phân lớp yếu đã được xây dựng, ta sẽ tiến hành cập nhật trọng số cho các mẫu
huấn luyện. Việc cập nhật này được tiến hành như sau: Tăng trọng số của các ảnh
mẫu bị phân lớp sai bởi bộ phân lớp yếu và giảm trọng số của các ảnh mẫu được
phân lớp đúng. Bằng cách này, ở vòng lặp kế tiếp, sẽ xây dựng bộ phân lớp yếu
theo hướng: Tập trung vào các mẫu bị phân lớp sai bởi bộ phân lớp yếu trước đó.
Cuối cùng, để có được bộ phân lớp mạnh, ta sẽ kết hợp tuyến tính các bộ phân lớp
yếu đã tìm được lại với nhau. Mỗi bộ phân lớp yếu sẽ được đánh một trọng số
tương ứng với độ tốt của bộ phân lớp yếu đó.
Giả sử tập dữ liệu bao gồm n ảnh mẫu ( x1 , y1 ),..., ( xn , yn ) , trong đó yi  {0,1}
(i=1, 2, ..., n) lần lượt biểu thị ảnh mẫu không chứa đối tượng và ảnh mẫu chứa đối
tượng. Mỗi ảnh mẫu bao gồm k đặc trưng, đối với ảnh mẫu thứ i, đặc trưng thứ j
của nó là f j ( xi ) , (j=1, 2, ..., k). Để phát hiện được đối tượng, ảnh được quét bằng
một cửa sổ con chứa một đặc trưng Haar Like. Ứng với một đặc trưng Haar
Like fj   , một bộ phân lớp yếu hj ( x ) được cấu tạo bao gồm đặc trưng fj   ,
ngưỡng  j , hệ số quyết định chiều của phương trình pj , hj ( x ) được biểu diễn như
sau:
p j f j  x  < p j j
1
hj  x   
(1)
0 other
Trong đó, x là cửa sổ con đang xét.
Các bước huấn luyện bộ phân loại của thuật toán Adaboost như sau:
1) Đặt wt ,i là trọng số của ảnh mẫu thứ i trong lần lặp thứ t. Khởi tạo trọng số

của mỗi ảnh mẫu trong tập dữ liệu: Đối với ảnh mẫu có yi  0 thì w1,i 

Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 - 2019

1
; Đối
2m

263


Đo lường & Tin học

1
. Trong đó m, l lần lượt biểu thị số lượng của
2l
ảnh mẫu không chứa đối tượng và số lượng ảnh mẫu chứa đối tượng.
2) Quá trình dưới đây được lặp lại T lần, t=1, …, T:
w
a) Quy nhất trọng số: wt ,i  n t ,i
(2)
w
 j 1 t , j

với ảnh mẫu có yi  1 thì w1,i 

Đối với mỗi đặc trưng j, cấu tạo bộ phân loại yếu h j , tìm ngưỡng  j , sao cho tỷ
lệ phân loại sai của h j nhỏ nhất, tỷ lệ phân loại sai được định nghĩa như sau:
n

 j   wt ,i h j ( xi )  yi

(3)

i 1

b) Lựa chọn bộ phân loại yếu ht sao cho  t  min  j  , j  1, 2,..., k  .

t
, nếu ảnh mẫu
1 t
xi được phân loại đúng thì ei =0, ngược lại ei =1. Như vậy có thể đảm bảo tại vòng
lặp tiếp theo, sẽ tập trung vào những ảnh mẫu bị phân loại sai này.
3) Cấu thành bộ phân loại mạnh.
T
1 T

1  t 1 t ht ( x)   t 1 t
(4)
h( x )  
2
0 other
c) Cập nhật trọng số của các ảnh mẫu: wt 1,i  wt ,i  t1ei ,  t 

Trong đó,  t  log

1

t
2.4. Mô hình phân tầng cascade

Dùng thuật toán Adaboost để huấn luyện một bộ phân loại mạnh, sau đó dùng
bộ phân loại mạnh quét toàn bộ ảnh đầu vào để phát hiện đối tượng. Tuy nhiên,
cách làm này tốn thời gian xử lý. Giả sử, chúng ta có một bộ phân loại mạnh gồm
10 bộ phân loại yếu. Nếu làm như trên, tất cả các cửa sổ con trên tấm ảnh đều phải
được quét qua tất cả 10 bộ phân loại yếu. Nhưng những cửa sổ thật sự chứa đối
tượng thường rất ít và tại những cửa sổ không phải là đối tượng có thể được loại bỏ
mà chỉ cần dùng một bộ phân loại mạnh đơn giản gồm ít hơn 10 bộ phân loại yếu.
Vì thế cần phải huấn luyện nhiều bộ phân loại mạnh, sau đó sử dụng mô hình phân
tầng Cascade liên kết chúng với nhau, tạo thành bộ phân loại có tính năng tốt hơn.
Nguyên lý hoạt động của mô hình phân tầng Cascade như hình 4. Mỗi tầng là
một bộ phân loại mạnh do thuật toán Adaboost huấn luyện ra, số lượng bộ phân
loại yếu chứa trong mỗi bộ phân loại mạnh không giống nhau. Những bộ phân loại
mạnh ở các tầng đầu tiên có kết cấu đơn giản, chứa ít bộ phân loại yếu, tốc độ xử
lý nhanh, vì thế nó có thể nhanh chóng phân loại những cửa sổ có khác biệt lớn so
với đối tượng.
Những bộ phân loại mạnh ở các tầng sau có kết cấu phức tạp hơn, có chứa nhiều
bộ phân loại yếu hơn, vì thế có thể phân loại được các cửa sổ gần giống với đối
tượng, nhưng tốc độ xử lý chậm hơn.

264

C. V. Hoạt, V. M. Khiêm, “Xây dựng thuật toán tự động phát hiện … giám sát an ninh.”


Nghiên cứu khoa học công nghệ

Những cửa sổ được cho đi qua bởi bộ phân loại đầu sẽ được xử lý bởi bộ phân
loại sau đó. Nếu bộ phân loại quyết định đó không phải là đối tượng thì loại bỏ;
Nếu bộ phân loại quyết định đó là đối tượng thì lại cho đi qua và chuyển đến bộ
phân loại phía sau, chỉ những cửa sổ đi qua được tất cả các bộ phân loại thì mới

được quyết định đó là đối tượng.

Hình 4. Nguyên lý hoạt động của mô hình phân tầng cascade.
2.5. Xây dựng tập dữ liệu
Hiệu quả của thuật toán Adaboost được quyết định rất nhiều bởi quá trình lựa
chọn bộ phân loại yếu trong khi huấn luyện, quá trình này phụ thuộc rất nhiều vào
việc xây dựng tập dữ liệu, vì thế xây dựng tập dữ liệu để huấn luyện bộ phân loại
có vai trò hết sức quan trọng, nó bao gồm tập hợp các ảnh chứa đối tượng và tập
hợp các ảnh không chứa đối tượng. Tập hợp các ảnh chứa đối tượng bao gồm các
vật thể lạ trôi nổi, người bơi, tàu thuyền, ... như biểu diễn trên hình 5. Tập hợp các
ảnh không chứa đối tượng đã thông qua kiểm tra, xác nhận trong các ảnh mẫu
không xuất hiện bất kỳ các đối tượng nào, như biểu diễn trên hình 6.

Hình 5. Tập hợp các ảnh chứa đối tượng.

Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 - 2019

265


Đo lường & Tin học

Hình 6. Tập hợp các ảnh không chứa đối tượng.
Các ảnh trong tập các ảnh chứa đối tượng được tiến hành tiền xử lý, quy nhất độ
xám nhằm giảm mức độ ảnh hưởng của nhiễu. Giả sử ảnh xám có số lượng pixel là
N, như vậy ảnh này có phương sai độ xám như sau:
1 N
2
 2 =   xi   
N i 1

Trong đó,  là giá trị xám trung bình của các pixel, xi là giá trị xám các pixel
của ảnh ban đầu.
x 
Biểu thức quy nhất độ xám được biểu diễn: xii  i



Trong đó, xii giá trị xám các pixel của ảnh sau khi tiến hành quy nhất.
3. KẾT QUẢ ĐẠT ĐƯỢC
Video thử nghiệm được quay bởi camera ảnh nhiệt Orchid 640-P-C145 do
Isarel sản xuất, có độ phân giải 640 480 , độ nhạy nhiệt nhỏ hơn 0.05℃. Bài báo
sử dụng thuật toán Adaboost huấn luyện bộ phân loại gồm 15 tầng. Thuật toán tự
động phát hiện mục tiêu được thử nghiệm trên nền tảng máy tính hệ điều hành
window, Intel i7-6822EQ, 2.0GHz, RAM 8GB, ngôn ngữ lập trình C++, sử dụng
thư viện Open CV 2.4.9. Máy tính được kết nối với bệ pan-tilt quay quét tích hợp
với camera ảnh nhiệt. Kết quả thử nghiệm như thể hiện trên hình 6.
Như kết quả thử nghiệm thể hiện, bộ phân loại có thể phát hiện được các đối
tượng lạ xuất hiện trong video, Thuật toán do bài báo đề xuất có hiệu quả tốt trong
nhiệm vụ phát hiện mục tiêu cho bệ pan-tilt quay quét tích hợp camera ảnh nhiệt.
Thuật toán có tốc độ xử lý nhanh, đối với ảnh có độ phân giải 640 480 thì tốc độ
xử lý lên tới 12frame/s, thử nghiệm trên ảnh có độ phân giải 320 240 thì tốc độ
xử lý lên tới 40frame/s, đáp ứng được các yêu cầu của bài toán.

266

C. V. Hoạt, V. M. Khiêm, “Xây dựng thuật toán tự động phát hiện … giám sát an ninh.”


Nghiên cứu khoa học công nghệ

Hình 7. Kết quả thử nghiệm.
4. KẾT LUẬN
Trong bài báo này chúng tôi xây dựng thuật toán tự động phát hiện đối tượng
trên nền ảnh động để ứng dụng cho các hệ thống giám sát an ninh, cảnh báo, chống
đột nhập. Kết quả thực nghiệm thu được đã chứng minh hiệu quả của thuật toán do
bài báo xây dựng trong nhiệm vụ tự động phát hiện đối tượng, qua đó làm tiền đề
cho việc áp dụng xây dựng các hệ thống giám sát an ninh, cảnh báo chống đột
nhập.
Lời cảm ơn: Nhóm tác giả cảm ơn sự đóng góp ý kiến của phòng KHQS, Bộ
Tham mưu Hải quân giúp hoàn thiện bài báo này. Nghiên cứu này được hỗ trợ từ
đề tài cấp bộ mã số 2016.85.059.
TÀI LIỆU THAM KHẢO
[1]. Viola P, Jones M, "Rapid object detection using a boosted cascade of simple
features," Proceedings of the 2001 IEEE Computer Society Conference on
IEEE Xplore, vol.1 (2001), pp. 511-518.
[2]. Yang B, Yan J, Lei Z, et al, "Aggregate channel features for multi-view face
detection," IEEE International Joint Conference on Biometrics (2014), pp.
1-8.
[3]. Zhu X X, Ramanan D, "Face detection, pose estimation and landmark
localization in the wild," IEEE Conference on Computer Vision and Pattern
Recognition (2012), pp. 2879-2886.
[4]. Viola P, Jones M, "Robust real time face detection," International Journal of 
Computer Vision, vol. 57, no. 2 (2004), pp. 137-154.
[5]. Jones M, Viola P, "Fast Multi-view face detection," Proc of Computer
Vision & Pattern Recognition, vol.11, no. 1 (2003), pp. 276- 286.
[6]. Zhu X X, Ramanan D, "Face detection, pose estimation and landmark
localization in the wild," IEEE Conference on Computer Vision and Pattern
Recognition (2012), pp. 2879-2886.
[7]. Malisiewicz T, Gupta A, Efros A A, "Ensemble of exemplar-SVMs for object
detection and beyond," IEEE International Conference on Computer Vision

(2011), pp. 1-8.
[8]. Barnich O, Droogenbroeck M V, "ViBe: A Universal Background

Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 - 2019

267


Đo lường & Tin học

[9].

[10].

[11].

[12].

Subtraction Algorithm for Video Sequences," IEEE Transactions on Image
Processing, vol.20, no. 6 (2011), pp. 1709-1724.
Van Droogenbroeck M, Barnich O, "ViBe: A Disruptive Method for
Background Subtraction," Background Modeling and Foreground Detection
for Video Surveillance (2014).
Wallington T J, Sulbaek Andersen M P, Nielsen O J, "Relative integrated IR
absorption in the atmospheric window is not the same as relative radiative
efficiency," Proceedings of the National Academy of Sciences, vol.107, no.
48 (2010), pp. E178-E179.
Papageorgiou C, Oren M, Poggio T, "A general framework for object
detection," International Conference on Computer Vision IEEE Xplore
(1998), pp. 555-562.

Schapire R E, Freund Y, Bartlett P, et al, "Boosting the margin: A new
explanation for the effectiveness of voting methods," The Annals of
Statistics, Vol. 26, no. 5 (1998), pp. 1651–1686.
ABSTRACT

BUILDING AUTOMATIC DETECTING OBJECT
ON THE ANIMATED BACKGROUND FOR THE TURNING PEDESTAL
SECURITY MONITORING ALGORITHM
Security systems are often using pan-tilt pedestals to increase the
observational scope in these days. However, the camera has not integrated the
auto-detection function on animated background yet. The paper suggests using
Adaboost algorithm and Cascade stratified model to build an auto-detection
system in order to apply to security monitoring, warning and intrusion.
Keywords: Auto-detection, security monitoring, pan-tilt, Adaboost algorithm

Nhận bài ngày 21 tháng 01 năm 2019
Hoàn thiện ngày 06 tháng 3 năm 2019
Chấp nhận đăng ngày 15 tháng 3 năm 2019
Địa chỉ: Viện Tự động hóa KTQS.
* Email:

268

C. V. Hoạt, V. M. Khiêm, “Xây dựng thuật toán tự động phát hiện … giám sát an ninh.”