Phát hiện và phân tích hành vi đám đông

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:5

Thêm vào BST

Báo xấu

23
lượt xem 5
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết Phát hiện và phân tích hành vi đám đông trình bày trong bài báo này liên quan đến bài toán phát hiện và phân tích chuyển động của đám đông. Hệ thống đề xuất bao gồm ba bước xử lý chính. Đầu tiên, hệ thống thực hiện ước lượng chuyển động của các cá thể trong đám đông dựa vào phân tích dòng quang học.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Phát hiện và phân tích hành vi đám đông

118 Trương Công Dung Nghi, Chế Viết Nhật Anh PHÁT HIỆN VÀ PHÂN TÍCH HÀNH VI ĐÁM ĐÔNG CROWD MOTION DETECTION AND ANALYSIS Trương Công Dung Nghi, Chế Viết Nhật Anh Trường Đại học Bách khoa – Đại học Quốc gia Thành phố Hồ Chí Minh; tcdungnghi@hcmut.edu.vn, nhat-anh.che@hcmut.edu.vn Tóm tắt - Nghiên cứu trình bày trong bài báo này liên quan đến bài Abstract - This paper presents a study on developing a robust toán phát hiện và phân tích chuyển động của đám đông. Hệ thống framework for crowd motion detection and analysis. The proposed đề xuất bao gồm ba bước xử lý chính. Đầu tiên, hệ thống thực hiện approach consists of three main steps. Firstly, a motion detection ước lượng chuyển động của các cá thể trong đám đông dựa vào algorithm is applied in order to extract the motion véc-tơs of the phân tích dòng quang học. Một giải thuật đặc biệt sau đó được đề observed scene. A specific motion analysis framework is then carried xuất nhằm phân tích độ tương đồng trong chuyển động của đám out to estimate the homogeneity of the crowd motion. Finally, a đông. Cuối cùng, hệ thống thực hiện ước lượng ma trận đánh dấu ranking procedure based on the principle of the manifold vùng chuyển động nổi bật trong đám đông dựa trên nguyên lý của classification is introduced to deduce a motion salient map that giải thuật phân loại một lớp thực hiện trong không gian đa tạp. Hệ emphasizes the important regions containing distinguished motion. thống đề xuất được kiểm nghiệm trên các video giám sát thu được The performance of the system is tested on inspection videos from từ nhiều nguồn với nhiều tình huống phức tạp khác nhau. Kết quả various sources under different scenarios. The experimental results thực nghiệm cho thấy hiệu quả của hệ thống đề xuất. show that the proposed framework produces satisfactory results. Từ khóa - phát hiện chuyển động; dòng quang học; phân loại một Key words - motion detection; optical flow; one-class lớp; không gian đa tạp; phân tích hành vi đám đông. classification; manifold space; crowd behavior analysis. 1. Giới thiệu hiện đám đông [2], [3], [4], ước lươ ̣ng mật độ đám đông Ngày nay, cùng với những yêu cầ u ngày càng cao về an [5], [6], phân tích hành vi đám đông [7], [8], [9], [10], [11], ninh công cộng, ngày càng nhiều các camera giám sát được [12], hoặc thậm chí thực hiện việc theo vế t các đố i tươ ̣ng cài đặt ta ̣i các khu vực công cộng, nhấ t là những khu vực nha ̣y đơn lẻ trong đám đông [13], [14]. cảm cầ n giám sát liên tu ̣c. Nhiề u vấ n đề đi cùng với hệ thố ng Việc phát hiện đám đông thường đươ ̣c dựa trên kế t quả giám sát cũng được đặc biệt chú ý. Một trong những vấ n đề của việc tách tiề n cảnh ra khỏi nề n [2], [15], [16] hoặc được đặc biệt quan tâm gầ n đây là việc giám sát đám đông, thông qua phân tích cấu trúc (texture) của khung ảnh [4], trong đó bài toán phát hiện và phân tích chuyển động của đám [6]. Đây là bước xử lý cơ bản, làm tiề n đề cho các phân tích đông có thể được xem là những bước xử lý cơ bản, làm tiề n chuyên sâu theo sau. Những phân tích chuyên sâu đang đề cho những phân tích hành vi đám đông phức ta ̣p hơn. được quan tâm hiện nay như ước lươ ̣ng mật độ đám đông thông qua các đặc điểm cấ u trúc của vùng đám đông [5], Trong bài báo này, nhóm tác giả trình bày một hệ thống [6], hoặc phân tách các nhóm di chuyển trong đám đông có khả năng phát hiện và phân tích chuyể n động của đám với hướng và tố c độ di chuyể n khác nhau [11], [12]. Dựa đông (Hình 1). Hệ thống có thể đươc̣ chia thành ba khố i trên các tham số đặc trưng phân tách đươ ̣c, kế t hơ ̣p với một xử lý chính: (i) ước lươṇ g chuyể n động của các cá thể số tiêu chí về giám sát an ninh đã đươ ̣c đặt ra, hệ thố ng có trong đám đông, (ii) phân tích độ tương đồng trong thể tiế n hành phân tích hành vi của đám đông, phát hiện chuyển động của đám đông, (iii) đánh dấ u vùng nổ i bật dấu hiệu bấ t thường và đưa ra những cảnh báo cầ n thiế t. của đám đông. Hệ thố ng trước hế t thực hiện việc ước lượng chuyể n động của các cá thể trong đám đông dựa 3. Phát hiện và phân tích chuyển động đám đông trên phương pháp Kanade - Lucas - Tomasi [1]. Các véc- 3.1. Phát hiện vùng chuyển động của đám đông tơ chuyển động thu đươc̣ từ bước này sẽ đươc̣ sử du ̣ng trong giải thuật ước lươṇ g mức độ tương đồ ng trong Như đã được đề cập trong phầ n giới thiệu, nghiên cứu chuyển động của đám đông. Cuố i cùng, một giải thuật trình bày trong bài báo này tập trung vào việc phát hiện và phân ha ̣ng hai cấ p sử du ̣ng không gian đa ta ̣p đươc̣ thực phân tích chuyển động của đám đông, nhằ m xây dựng ma hiện nhằm xây dựng ma trận đánh dấ u các vùng chuyể n trận vùng chuyể n động nổ i bật, cũng như phân tích độ nhấ t động nổi bật trong khung ảnh giám sát. Toàn bộ hệ thố ng quán trong chuyể n động của đám đông. Để giải quyế t đươ ̣c đề xuấ t đươ ̣c kiể m nghiệm trên các video giám sát với các mu ̣c tiêu này, bước xử lý đầ u tiên cầ n thực hiện là ước nhiều tình huố ng phức ta ̣p khác nhau. Kế t quả thực nghiệm lươ ̣ng chuyể n động của đám đông dựa trên phương pháp cho thấy hiệu quả và độ chính xác của hệ thố ng đề xuấ t. Kanade - Lucas - Tomasi [1]. Ý tưởng cơ bản của phương pháp này đươ ̣c dựa trên giả thuyế t: một điể m chuyể n động 2. Các nghiên cứu liên quan bấ t kỳ trong khung ảnh sẽ giữ nguyên cường độ mức xám, Cùng với những nỗ lực xây dựng các hệ thố ng giám sát chỉ dicḥ chuyể n một khoảng cách nhấ t đinh ̣ giữa hai khung thông minh có khả năng phát hiện tự động các mố i nguy cơ ảnh gầ n kề . Đặc tính này có thể đươ ̣c mô tả bằ ng phương tiềm ẩ n, việc phát hiện và phân tích đám đông (crowd trình sau: detection and analysis) đang là một trong những vấ n đề thu 𝐼(𝑥, 𝑦, 𝑡 + ) = 𝐼(𝑥 − 𝑥, 𝑦 − 𝑦, 𝑡) (1) hút được nhiề u sự quan tâm nghiên cứu trong thời gian gầ n trong đó 𝐝 = (𝑥, 𝑦) là độ dịch chuyển của điểm ảnh tại đây [2]. Các nghiên cứu thường tập trung vào việc phát vị trí (𝑥, 𝑦) giữa hai thời điểm 𝑡 và 𝑡 + .
2 TÑP CHÍ KHOA H≈ C CÔNG NGHõ THÔNG TIN VÀ TRUYóN THÔNG, Tä P 1, S» 1, THÁNG 6, Nã M 2016 ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(120).2017 - Quyển 1 119 Phát hiện Dự đoán độ Trích đặc Phân tích vùng chuyển nhất quán, trưng chuyển động động của cảnh báo chuyển động đám đông đám đông nguy hiểm Video giám sát Hình 1. Sơ đồ khố i tổ ng quát hệ thố ng phát hiện và phân tích chuyển động đám đông Hình 1. SÏ đÁ khËi tÍ ng quát hª thËng phát hiªn và phân tích hành vi đám đông. Trong thực tế, giả thuyết đặt ra theo phương trình (1) 3.2.1. Độ tương đồng trong chuyển động của một điể m so không được đảm bảo một cách tuyệt đối. Gọi với điể m lân cận vÓi n(x ) là 𝐽(𝐱) 𝐼(𝑥,u𝑦,làm =nhiπ đÍ itrịgiá )là giá 𝑡 + thay mứctr‡m˘ c xám xám của a đi∫ điểmcıảnh (𝑥,m𝑦)£nh tại B. Chuyể Phânntích động đÎ cu t˜ Ïang đÁng trong chuy∫n đÎ ng đám đông ̉ mỗ i điể m chuyể n động trước hế t n đÎđiểm chuy∫thời 𝑡 +y). ng (x, , và 𝐼(𝐱 − 𝐝) = 𝐼(𝑥 − 𝑥, 𝑦 − 𝑦, 𝑡), ta có: được n động một điể của trong động so sánh Viªc đánhvơgiá ́ i chuyể đÎ nhßt quán m chuyể chuy∫ n đÎnng cı a đám ĐÎ d‡ch chuy∫ 𝐽(𝐱)n = a đi∫−m cı R 𝐼(𝐱 𝐝)£nh d = (∆ x, ∆ y) đ˜ Òc chÂn + 𝑛(𝐱) (2) khác đôngtrong đ˜ Òcvùngd¸ a 𝐾 điểviªc trên m lânphân cận nhấ tícht.mËiĐộ tương t˜ Ï ng đồ ng này quan v∑ không 2 sao cho sai sË " = [I (x − d) với 𝑛(𝐱) là nhiễu làm thay đổi giá − J (x dx xám trị)]mức J (xđiểm gi˙ a của ) và được ướci lươ gian-thÌ giaṇngtrongdựa trên chuy∫giá n đÎ tring ̣ tương gi˙ aquancác cá về th∫ vậntrong tố c đám W n động a hai điể ̣i i điể 𝑡 đang xét và được I (x −ảnh d) chuyển động (𝑥, là nh‰nhßt. Ph˜𝑦). Ï ng pháp KLT th¸ c hiªn viªc ˜ Óc đông. Các đ∞c̉ trung sau s≥ đ˜ Ò chuyể cu m ta thơ ̀ c phân tích tr˜ Óc khi th¸ c hiªn m điviªc ̣ nghi nh phânã như nhóm sau: chuy∫ n đÎ ng trong đám đông: l˜ Òng đÎ d‡ch chuy∫ n này thông qua viªc s˚ dˆ ng phép bi∏n đÍ i chuÈi Taylor. ĐÎ 𝑡 (𝑖, 1) 𝐶𝑁 t˜ Ï𝑗)ng=đÁng 𝑚𝑎𝑥(𝐶 trong chuy∫n 𝑡 (𝑖, 𝑗),0), vớiđÎ𝑗ng cı a mÎ t đi∫m ∈ 𝑁(𝑖) (3) so vÓi đi∫m lân trong đó: c™ n: Chuy∫ n đÎ ng cı a mÈi đi∫ m chuy∫ n đÎ ng tr˜ Óc Hình 2 trình bày các k∏t qu£ thu đ˜ Òc d¸ a theo ph˜ Ï ng pháp h∏t đ˜ Òc so sánh vÓi chuy∫ n đÎ ng cı a mÎ t đi∫ m chuy∫ n đÎ ng KLT. Các vector màu xanh trên hình bi∫ u diπn đÎ d‡ch chuy∫ n khác • trong 𝐶𝑁𝑡vùng(𝑖, 𝑗) Klàđi∫ độmtươnglân c™ nđồng nhßt.trongĐÎ t˜chuyển Ï ng đÁng động này đ˜ Òc cı a các đi∫ m chuy∫ n đÎ ng hai khung £nh liên ti∏p. Hai đo§n giữa hai điểm 𝑖 và 𝑗 tại thời điểm 𝑡. ˜ Óc l˜ Òng d¸ a trên giá tr‡t˜ Ï ng quan v∑v™ n tËc chuy∫ n đÎ ng video giám sát đ˜ Òc th˚ nghiªm trong tr˜ Ì ng hÒp này: video cı a•hai 𝐶đi∫𝑡 (𝑖, m𝑗)t§ilàthÌ hệ isốđi∫tương m t đang quan xét vậnvà tốcđ˜giữa Òc đ‡ hainhđiểm nghæ a nh˜ giám sát thu đ˜ Òc t§i mÎ t trung tâm th˜ Ï ng m§i và video thu sau: chuyển động 𝑖 và 𝑗 tại thời điểm 𝑡: t§i góc ngã t˜ đ˜ Ì ng có khá nhi∑u ph˜ Ï ng tiªn tham gia giao 𝑣𝑖 𝑣𝑗 thông. 𝐶CN𝑡 (𝑖,t 𝑗) (i ,=j ) = max (C , với 𝑣 và 𝑣 là véc-tơ vận tốc (3) t (i , 𝑖j ) , 0)𝑗 , vÓi j 2 N (i ) ||𝑣𝑖 ||2 ||𝑣𝑗 ||2 trong đó: của hai điểm chuyển động i và j. • 𝑁(𝑖) là tập hợp các điểm thuộc vùng 𝐾 điểm lân • CN t (i , j ) là đÎ t˜ Ï ng đÁng trong chuy∫ n đÎ ng gi˙ a hai đi∫ cận m i nhấtvà j của xét𝑖.t§i thÌ i đi∫ m t. 3.2.2.• C Độ t (i , j tương) là đồng hª Ï ng quan sË t˜trong chuyểv™n nđộng tËc gi˙ cuả ahaihaiđi∫điể mmchuy∫ n v ·v thông đÎ qua ngđường i và j dẫ t§in thÌ i đi∫ m t: Ct (i , j ) = kv i ki kvj j k , vÓi vi 2 2 Xétvà vhai điểm v™ j là vector n tËc cı a chuyển động hai đi∫𝑚m chuy∫ và 𝑛. n đÎ Gọi ng i và j . 𝑃𝑙 = • {𝑝N 0(i, 𝑝) 1là , … t™ , 𝑝p𝑙 }hÒ làptậpcác đi∫các hợp vùng Kđộng điểmcchuyển m thuÎ đi∫ mtrên lân c™ n đườngnhßt dẫn cıcóa độ i . dài 𝑙 giữa hai điểm 𝑚 và 𝑛, 𝑝0 = 𝑚, 𝑝𝑙 =2)𝑛ĐÎvà t˜𝑝Ï𝑙+1 ngđÁng 𝑁(𝑝(𝑖)).trongĐộchuy∫n tương đÎđồngng cıtrong a haichuyểnđi∫m thông động qua đ˜ củaÌ ng haid® điểm n: Xét 𝑚 và thông hai𝑛đi∫ qua nđường m chuy∫ đÎ ng dẫn m và 𝑃𝑙n.được GÂi P l = Hình 2. Kết quả ước lượng vận tốc của các điểm chuyển động định { p0 ,nghĩa p1 , ...,như pl } sau: là t™ p hÒp các đi∫ m chuy∫ n đÎ ng trên đ˜ Ì ng thuộc đám đông. Véc-tơ màu xanh biểu diễn chiều và d®n có đÎ 𝑃𝑙dài l 𝑙−1 đi∫ m m và n, p0 = m, pl = n và 𝐶𝑡 (𝑚, 𝑛) =a∏hai gi˙ 𝑘=0 𝐶𝑁𝑡 (𝑝𝑘 , 𝑝𝑘+1 ) (4) độ lớn của véc-tơ vận tốc pi + 1 2 N (p(i )). ĐÎ t˜ Ï ng đÁng trong chuy∫ n đÎ ng cı a hai Độ dịch chuyển của điểm ảnh 𝐝 = (𝑥, 𝑦) được chọn với đi∫ m 𝐶𝑁m 𝑡 (𝑝và 𝑘 , 𝑝n𝑘+1 ) là độ thông quatương đ˜ Ì ngđồng d®n trong P l đ˜chuyển Òc đ‡nhđộng nghæ a nh˜ giữa sau:hai điểm lân cận 𝑝𝑘 và 𝑝𝑘+1 xét tại thời điểm 𝑡. sao cho sai số 𝜀 = ∫𝑊 [𝐼(𝐱 − 𝐝) − 𝐽(𝐱)]2 𝑑𝐱 giữa 𝐽(𝐱) và lY −1 Do có thể có nhiều Pl đường dẫn khác nhau nối hai điểm 𝐼(𝐱 − 𝐝) là nhỏ nhất. Phương pháp KLT thực hiện ước C (m, (𝑚, 𝑛) và có cùngt chiều dài 𝑙, gọi AP n) = CNl tlà(ptập k,p ) cả các (4) k + 1tất hợp lượng độ dịch chuyển này thông qua việc sử dụng phép k= 0 𝑙 đường dẫn thỏa mãn tính chất nêu trên. Gọi 𝐶𝐴𝑃𝑡 (𝑚, 𝑛) là biến đổi chuỗi Taylor. độ vÓtương i CN t đồng (pk , ptrong k + 1 ) chuyển là đÎ t˜động Ï ng giữa đÁnghai trongđiểm (m, nn)đÎxét chuy∫ ng gi˙ a Hình 2 trình bày các kế t quả thu đươ ̣c dựa theo phương hai đi∫ trên tấtm cả lân cácc™ n pđường k và pkdẫn+ 1 xét thÌ i đi∫ cót§icùng m t. dài l. chiều pháp KLT. Các véc-tơ màu xanh trên hình biểu diễn độ 𝐶𝐴𝑃Do 𝑙 𝑡 (𝑚, có𝑛)th∫ đượccóđịnhnhi∑nghĩa u đ˜ Ìnhư ng d®sau:n khác nhau nËi hai đi∫ m ̣ chuyể n của các điể m chuyể n động ở hai khung ảnh dich (m, n) và có𝑙 cùng chi∑u dài l, gÂi 𝑃 𝑙 AP l là t™ p hÒp tßt c£ các liên tiếp. Hai đoa ̣n video giám sát đươ ̣c thử nghiệm trong 𝐶𝐴𝑃𝑡 (𝑚, 𝑛) = ∑∀𝑃𝑙 ∈𝐴𝑃𝑙 𝐶𝑡 (𝑚, 𝑛) (5) đ˜ Ì ng d®n th‰ a mãn tính chßt nêu trên. GÂi CAPtl (m, n) là trường hơ ̣p này: video giám sát thu đươ ̣c ta ̣i một trung tâm đÎ t˜ Độ 3.2.3. Ï ngtươngđÁngđồng trongtrongchuy∫ n đÎnng chuyể độnggi˙ cua ̉ ahaimột đi∫điể mm(m, bấ tn) xét thương ma ̣i và video thu ta ̣i góc ngã tư đường có khá nhiề u kytrên ̀ với tßt cácc£ điểcác đ˜ Ì ng m chuyể n động cócùng d®n có cùngkhoa chi∑̉ ng dài l.l caplt (m, n) u cách Hình 2.phương tiện K∏t qu£ ˜ Óctham l˜ Ònggia v™ ngiao tËc cı a các đi∫ m chuy∫ n đÎ ng thuÎ c đám thông. đ˜ Ò c đ‡ Gọi NPnhl(m) nghæ làatậpnh˜hợpsau: các điểm chuyển động có khoảng đông. Vector màu xanh bi∫ u diπn chi∑u và đÎ lÓn cı a vector v™ n tËc. 3.2. Phân tích độ tương đồng trong chuyể n động đám đông cách đường dẫn bằng l so với điểmXm, độ tương l đồng trong CAPtl (m, n) = C P (m, n) (5) Đánh giá độ nhất quán trong chuyể n động của đám chuyển động của điểm m so với tất cả cáct điểm thuộc tập 8P l 2 A P l đông được dựa trên việc phân tích mố i tương quan về NP (m), gọi tắt là độ tương đồng chuyển động của điểm m l không gian - thời gian trong chuyể n động giữa các cá thể theo khoảng cách l được định nghĩa như sau: trong đám đông. Các đặc trưng sau sẽ đươ ̣c phân tích trước 𝐶𝐷𝑡𝑙 (𝑚) = ∑∀𝑛∈𝑁𝑃𝑙 𝐶𝐴𝑃𝑡𝑙 (𝑚, 𝑛) (6) khi thực hiện phân nhóm chuyể n động trong đám đông:
120 Trương Công Dung Nghi, Chế Viết Nhật Anh 3.2.4. Độ tương đồng trong chuyể n động của một điể m bấ t phân hạng fi được gán cho mỗi điểm chuyển động mi. Gọi kỳ với tập hợp các điể m chuyển động còn lại y = [y1, …, yK]T là véc-tơ gán nhãn tương ứng với tập hợp Độ tương đồng của một điểm chuyển động bất kỳ so với các điểm chuyển động, yi = 1 nếu mi là điểm truy vấn và các điểm chuyển động còn lại được ước lượng dựa trên việc yi = 0 nếu mi là điểm cần được phân hạng. Quá trình phân tổng hợp độ tương đồng trong chuyển động của điểm đó với hạng tương ứng với việc gán điểm phân hạng cho các điểm các điểm chuyển động khác theo các đường dẫn có độ dài thay dữ liệu theo mức độ tương thích với tập truy vấn. Bài toán đổi l = 1, …, . Độ tương đồng này được ước lượng như sau: này có thể xem như là bài toán phân loại một lớp [17, 18] trong đó chỉ có một lớp mẫu cần cung cấp cho quá trình 𝐶𝐴𝑡 (𝑚) = ∑𝑙=1 𝑒 𝑙 𝐶𝐷𝑡𝑙 (𝑚) (7) phân loại. Hàm phân hạng f được ước lượng như sau: trong đó e < 1 là hệ số để điều chỉnh mức độ quan trọng của f = L-1y (10) khoảng cách trong việc ước lượng độ tương đồng trong chuyển động của một điểm so với tập điểm chuyển động còn Trong bài toán này, nhóm tác giả thực hiện hai bước lại. e càng nhỏ hơn 1 thì độ ảnh hưởng của sự tương đồng phân hạng điểm chuyển động. Ở bước thứ nhất, các điểm chuyển động giữa các điểm càng giảm theo khoảng cách. chuyển động có vận tốc rất nhỏ được xem là tập các điểm truy vấn. Những điểm chuyển động còn lại xem như chưa 3.2.5. Độ tương đồng trong chuyể n động của đám đông được phân hạng và sẽ được ước lượng điểm phân hạng theo Độ tương đồng trong chuyển động của một đám đông phương trình (10). Véc-tơ kết quả f1 thu được trong bước G được ước lượng dựa trên việc tổng hợp độ tương đồng này cho thấy mức độ nổi bật của các điểm chuyển động so trong chuyển động của toàn bộ các điểm chuyển động trong với vùng gần tĩnh. Bản đồ ma trận phân hạng sơ khởi có tập hợp đám đông so với điểm chuyển động khác trong tập thể được ước lượng như sau: hợp và được định nghĩa như sau: M1(i) = 𝐟1̅ (i), i = 1… K (11) 1 𝐶𝐺𝑡 = ∑𝑚∈𝐺 𝐶𝐴𝑡 (𝑚) (8) trong đó 𝐟1̅ là véc-tơ chuẩn hóa của véc-tơ f1 theo thang 𝑁𝐺 với NG là tổng số điểm chuyển động trong nhóm đám đông [0,1], i tương ứng với điểm chuyển động thứ i. đang xét, CAt(m) là độ tương đồng trong chuyển động của Ma trận phân hạng sơ khởi tiếp theo được sử dụng để điểm m bất kỳ với tập hợp các điểm chuyển động còn lại. trích lọc vùng chuyển động nổi bật sơ khởi. Vùng nổi bật sơ Như vậy, dựa vào việc đánh giá độ tương đồng trong khởi này được sử dụng như là tập truy vấn cho bước phân chuyển động giữa các điểm trong một tập hợp theo nhiều hạng thứ hai. Giá trị ngưỡng  = mean[M1(i)|i=1,…,K] được sử cách thức khác nhau, ta có thể ước lượng được độ tương đồng dụng để lọc các điểm chuyển động có điểm nổi bật lớn hơn tổng quát trong chuyển động của một đám đông. Giá trị độ ngưỡng. Các điểm này sẽ là điểm truy vấn cho lần phân hạng tương đồng càng gần 1 chứng tỏ nhóm chuyển động có độ thứ hai. Bản đồ ma trận phân hạng sau cùng được dựa trên nhất quán cao và chuyển động theo cùng hướng. Ngược lại, lần phân hạng này và được ước lượng như sau: giá trị độ tương đồng càng nhỏ chứng tỏ nhóm đám đông có M2(i) = 𝐟2̅ (i), i = 1, …, K (12) chuyển động hỗn loạn, phức tạp, theo nhiều hướng khác với f2 là véc-tơ phân hạng thu được từ phương trình (10) với nhau. Giá trị này có thể so sánh với một ngưỡng an toàn cho tập truy vấn là các vùng nổi bật sơ khởi thu được ở lần phân trước để thực hiện việc cảnh báo độ hỗn loạn trong đám đông, hạng đầu tiên, 𝐟2̅ là véc-tơ chuẩn hóa của véc-tơ f2 theo thang tương ứng với các tình huống nguy hiểm thường xảy ra trong [0,1], và i tương ứng với điểm chuyển động thứ i. trường hợp có tập hợp đám đông nơi công cộng. 3.3. Đánh dấ u vùng chuyể n động nổ i bật trong đám đông Các tham số ước lượng được trong quá trình đánh giá độ tương đồng trong chuyển động của đám đông sẽ được sử dụng để xây dựng bản đồ đánh dấu vùng chuyển động nổi bật trong ảnh. Bước xử lý này được thực hiện dựa trên nguyên tắc của việc phân hạng đa tạp [17]. Gọi M = {m1, m2, …, mK} là tập hợp các điểm chuyển động có trong khung ảnh, K là tổng số điểm chuyển động. Tập hợp M được liên kết với một đồ thị liền kề hoàn chỉnh G = (V, E) với mỗi điểm chuyển động mi tương ứng với Hình 3. Kế t quả phân hạng vùng chuyể n động sử dụng không một đỉnh vi trong đồ thị này. Hai đỉnh lân cận vi và vj được gian đa tạp. Từ trái sang phải: ảnh gố c, bản đồ ma trận phân hạng sơ khởi, bản đồ ma trận phân hạng sau cùng thu được từ liên kết với nhau bởi một cạnh mà trọng số tương ứng của hai bước phân hạng. Màu càng xanh đánh dấ u các vùng có nó chính là độ tương đồng trong chuyển động của hai điểm chuyển động nổ i bật lân cận CNt(i, j) được định nghĩa trong phương trình (3). Gọi W = [Wij] là ma trận trọng số tương ứng với đồ thị liền Hình 3 trình bày các kết quả thu được từ hai lần phân kề, ma trận đường chéo D với các phần tử đường chéo hạng sử dụng không gian đa tạp. Các ảnh trình bày lần lượt 𝐷𝑖𝑖 = ∑𝑖𝑗 𝑊𝑖𝑗 định nghĩa bậc của đỉnh đồ thị. Ma trận là ảnh gốc trích từ đoạn video đang khảo sát, kết quả phân Laplacian không chuẩn hoá của đồ thị L được định nghĩa hạng sơ khởi và kết quả phân hạng sau cùng. Giá trị màu như sau: càng xanh đánh dấu vùng có chuyển động nhiều và tương đối khác biệt so với các vùng chuyển động khác. Kết quả L=D–W (9) thực nghiệm cho thấy ở bước phân hạng sơ khởi, kết quả Gọi f: M  RK là hàm phân hạng, trong đó một giá trị phân hạng vẫn chưa đạt được mức độ phân loại như ý. Nhờ
ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(120).2017 - Quyển 1 121 vào lần phân hạng thứ hai, kết quả các vùng chuyển động là khá cao (khoảng 0,4 với trường hợp xe lưu thông trên đường nổi bật được phân loại rõ hơn. và khoảng 0,3 với trường hợp người di chuyể n trên thang cuốn). Kế t quả này là hợp lý ứng với tình tra ̣ng di chuyể n của 4. Kết quả thực nghiệm dòng đám đông (dòng người hoặc xe trong trường hợp này) Trong mu ̣c này, nhóm tác giả trình bày các kế t quả thực phải tuân thủ theo làn và các nhóm di chuyể n cùng hướng với nghiệm thu được từ giải thuật đề xuấ t. Các kế t quả thực nhau. Các trường hợp ở hàng bố n và năm tương ứng với nghiệm gồm hai phầ n chính: phầ n kế t quả ước lươ ̣ng độ trường hợp đám đông hỗ n loa ̣n và đám đông trong khu mua tương đồng trong chuyể n động của đám đông và phầ n kế t sắ m. Cả hai trường hợp này đề u cho giá tri ươ ̣ ́ c lượng độ tương quả ma trận vùng nổ i bật trong chuyể n động của đám đông. đồng thấ p (0,03 đế n 0,04 đố i với trường hợp đám đông hỗ n Các kết quả này thu đươ ̣c từ nhiề u đoa ̣n video giám sát loa ̣n và 0,05 đế n 0,07 đố i với trường hợp đám đông trong khu khác nhau tập hợp từ nhiề u nguồ n dữ liệu. mua sắm). Kế t quả này cũng hoàn toàn hợp lý với tình tra ̣ng 4.1. Kế t quả ước lượng độ tương đồ ng trong chuyể n động di chuyể n của đám đông trong khung ảnh giám sát. 4.2. Kế t quả đánh dấ u vùng chuyể n động nổ i bật trong đám đông ̣ đánh giá độ nhấ t quán trong chuyể n động của Giá tri số đám đông được ước lươ ̣ng ở phầ n trên chỉ cung cấ p cho người sử du ̣ng hệ thố ng một cái nhìn tổ ng quát về đặc tính di chuyển của đám đông, đồ ng thời hỗ trơ ̣ cho việc cảnh báo nguy hiểm khi cầ n thiế t. Phầ n xử lý tiế p theo cung cấ p một kết quả trực quan hơn. Đó chính là bản đồ đánh dấ u vùng chuyển động nổ i bật trong khung ảnh. Kế t quả này thu được thông qua hai bước phân ha ̣ng kế t hơ ̣p dựa trên không gian đa ta ̣p. Hình 5 và Hình 6 trình bày một vài kết quả thu đươ ̣c cho phần xử lý này. Cột thứ nhấ t trong Hình 5 tương ứng với ảnh gố c trích từ video giám sát. Cột thứ hai tương ứng với kế t quả ma trận vùng chuyể n động nổ i bật trong khung ảnh. Giá tri ̣màu càng xanh đánh dấ u vùng chuyể n động rõ rệt trong khung ảnh. Hình 4. Kế t quả ước lượng độ tương đồ ng trong chuyể n động của đám đông Hình 4 trình bày kế t quả ước lượng độ tương đồ ng trong chuyển động của đám đông thu được từ nhiề u đoa ̣n video giám sát khác nhau. Giá tri ̣ước lượng độ tương đồ ng (viế t tắ t là “ĐTĐCĐ”) được ghi chú ở trên khung ảnh. Giá tri nàỵ phản ảnh mức độ nhấ t quán trong việc di chuyể n của đám đông. Các trường hợp ở hàng một, hai và ba lầ n lượt tương ứng với video giám sát xe lưu thông trên các làn đường, dòng người đi Hình 5. Kết quả đánh dấu vùng chuyển động nổi bật trong đám bộ băng qua đường và người di chuyể n ở thang cuố n. Ba đông. Từ trái sang phải: ảnh gố c, ma trận phân hạng vùng trường hợp này cho kế t quả độ tương đồ ng trong chuyể n động chuyển động nổ i bật trong đám đông
122 Trương Công Dung Nghi, Chế Viết Nhật Anh Lời cảm ơn “Nghiên cứu này được tài trợ bởi Trường Đại học Bách khoa – Đại học Quốc gia Thành phố Hồ Chí Minh trong khuôn khổ đề tài mã số T-ĐĐT-2016-29”. TÀI LIỆU THAM KHẢO [1] C. Tomasi and T. Kanade, “Detection and tracking of point features”, International Journal of Computer Vision, CiteSeer, 1991. [2] B. Zhan, D. Monekosso, P. Remagnino, S. Velastin, and L.Q. Xu, “Crowd analysis: A survey”, Machine Vision and Applications, Vol. 19, No. 5-6, 2008, pp. 345–357.   [3] O. Arandjelovic, Crowd detection from still images, in Proceedings of the British Machine Vision Association Conference, 2008, pp. 1–10.   [4] S. Ghidoni, G. Cielniak, and E. Menegatti, “Texture-based crowd detection and localisation”, Intelligent Autonomous Systems, Springer, 2013, pp. 725–736. [5] X. Wu, G. Liang, K. Lee, and Y. Xu, Crowd density estimation using texture analysis and learning, in IEEE International Conference on Robotics and Biomimetics, 2006, pp. 214–219. [6] Z. Wang, H. Liu, Y. Qian, and T. Xu, Crowd density estimation based on local binary pattern co-occurrence matrix, in IEEE International Conference on Multimedia and Expo Workshops, 2012, pp. 372–377. [7] R. Mehran, A. Oyama, and M. Shah, Abnormal crowd behavior Hình 6. Trái sang phải: ảnh gố c, ma trận phân hạng vùng detection using social force model, in IEEE Conference on Computer Vision and Pattern Recognition, 2009, pp. 935–942. chuyể n động nổ i bật trong đám đông [8] L. Kratz and K. Nishino, Anomaly detection in extremely crowded Kế t quả thu đươ ̣c như trong Hình 5 và Hình 6 cho thấ y scenes using spatio-temporal motion pattern models, in IEEE hiệu quả của giải thuật đề xuấ t. Các vùng dich ̣ chuyể n trong Conference on Computer Vision and Pattern Recognition, 2009, pp. ảnh đươ ̣c đánh dấ u nổ i bật, hỗ trơ ̣ một cách trực quan cho 1446– 1453. việc giám sát vùng đám đông. Kết quả này có thể làm tiề n [9] V. Mahadevan, W. Li, V. Bhalodia, and N. Vasconcelos, Anomaly detection in crowded scenes, in IEEE Conference on Computer đề cho những phầ n xử lý phức ta ̣p hơn như phân đoa ̣n hoặc Vision and Pattern Recognition, 2010, pp. 1975–1981. theo vết các đố i tươ ̣ng đơn lẻ trong đám đông. [10] M. Butenuth, F. Burkert, F. Schmidt, S. Hinz, D. Hartmann, A. Kneidl, A. Borrmann, and B. Sirmacek, Integrating pedestrian 5. Kết luận simulation, tracking and event detection for crowd analysis, in IEEE International Conference on Computer Vision Workshops, 2011, pp. Bài báo trình bày một hệ thống có khả năng phát hiện và 150–157. phân tích chuyển động của đám đông. Hệ thố ng đề xuấ t bao [11] B. Zhou, X. Tang, H. Zhang, and X. Wang, “Measuring crowd gồm ba bước xử lý chính: ước lượng chuyể n động của các collectiveness”, IEEE Transactions on Pattern Analysis and cá thể trong đám đông, phân tích độ tương đồ ng trong Machine Intelligence, Vol. 36, No. 8, 2014, pp. 1586–1599. chuyể n động của đám đông, và đánh dấ u vùng chuyể n động [12] B. Zhou, X. Tang, and X. Wang, “Learning collective crowd nổi bật của đám đông. Việc phân tích độ tương đồ ng trong behaviors with dynamic pedestrian-agents”, International Journal of Computer Vision, Vol. 111, No. 1, 2015, pp. 50–68. chuyển động của đám đông cung cấ p cho người sử du ̣ng hệ [13] D. Sugimura, K. Kitani, T. Okabe, Y. Sato, and A. Sugimoto, Using ̣ đánh giá mức độ nhấ t quán trong chuyể n thống một giá tri số individuality to track individuals: Clustering individual trajectories in động. Giá tri ̣ độ tương đồ ng càng lớn chứng tỏ các cá thể crowds using local appearance and frequency trait, in International trong đám đông di chuyển có trật tự và theo chiề u cố đinh. ̣ Conference on Computer Vision, 2009, pp. 1467–1474. ̣ Giá tri này có thể được so sánh với ngưỡng nguy hiể m nhằ m [14] H. Idrees, N. Warner, and M. Shah, “Tracking in dense crowds using cảnh báo tình tra ̣ng hỗ n loa ̣n trong đám đông. prominence and neighborhood motion concurrence”, Image and Vision Computing, Vol. 32, No. 1, 2014, pp. 14–26. Bước xử lý đánh dấ u vùng chuyể n động nổ i bật của đám [15] T. Ko, S. Soatto and D. Estrin, Background subtraction on đông cung cấ p một ma trận phân ha ̣ng mức độ đặc trưng trong distributions, in Proceedings of the 10th European Conference on chuyển động của các cá thể thuộc đám đông. Ma trận phân ha ̣ng Computer Vision (ECCV), 2008. này cung cấp một cái nhìn trực quan về đặc tính chuyể n động [16] D.N. Truong Cong, L. Khoudour, C. Achard, and A. Flancquart, Adaptive model for object detection in noisy and fast-varying của khung ảnh giám sát, đồ ng thời cũng có thể sử dụng như là environment, in International Conference on Image Analysis and ngõ vào cho các bài toán khác như phân lớp vùng chuyể n động, Processing, 2011, pp. 68–77. hoặc theo vết các cá thể chuyể n động trong đám đông. [17] D. Zhou, J. Weston, A. Gretton, O. Bousquet, and B. Scholkopf, Toàn bộ hệ thống đề xuấ t đươ ̣c kiể m nghiệm trên nhiề u Ranking on data manifolds, in NIPS, Vol. 3, 2003. đoa ̣n video giám sát thu thập đươ ̣c từ nhiề u nguồ n dữ liệu [18] B. Scholkopf, J. C. Platt, J. Shawe-Taylor, A. J. Smola, and R. C. Williamson, “Estimating the support of a high-dimensional distribu- khác nhau. Kết quả thực nghiệm là rấ t khả quan và cho thấ y tion”, Neural Computation, Vol. 13, No. 7, 2001, pp. 1443–1471. hiệu quả của hệ thố ng đề xuấ t. (BBT nhận bài:18/10/2017, hoàn tất thủ tục phản biện: 24/10/2017)