Nghiên cứu ứng dụng kỹ thuật theo dõi đối tượng xây dựng hệ thống camera giám sát thông minh

Tạp chí Khoa học Trường Đại học Cần Thơ Tập 53, Phần A (2017): 44-52 
 44 
DOI:10.22144/ctu.jvn.2017.140 
NGHIÊN CỨU ỨNG DỤNG KỸ THUẬT THEO DÕI ĐỐI TƯỢNG 
XÂY DỰNG HỆ THỐNG CAMERA GIÁM SÁT THÔNG MINH 
Phạm Nguyên Khang, Đỗ Thanh Nghị và Phạm Thế Phi 
Khoa Công nghệ Thông tin và Truyền thông, Trường Đại học Cần Thơ 
Thông tin chung: 
Ngày nhận bài: 31/05/2017 
Ngày nhận bài sửa: 07/09/2017 
Ngày duyệt đăng: 29/11/2017 
Title: 
Using object tracking 
techniques for intelligent 
surveilance systems 
Từ khóa: 
Camera giám sát, đặc trưng 
cục bộ, luồng quang học, so 
khớp đặc trưng, theo dõi đối 
tượng 
Keywords: 
Feature matching, local 
feature, object tracking, optical 
flow, surveillance camera 
ABSTRACT 
This paper presents some results of building intelligent surveillance 
camera systems using object tracking. Main steps of the object tracker 
include (i) keypoint tracking using optical flow, (ii) keypoint matching, 
and (iii) consensus-base voting. A novel algorithm to accelerate 
processing using pipeline technique on multicores systems has also been 
proposed. The algorithm divides the whole processing frame into 4 
stages which are executed on 4 different threads. Synchronization of 
threads is realized producer – consumer model. The proposed method 
achieved a 3.3 times increased computational time compared to the 
original one. The surveillance system continuously tracks target object 
and gives a warning sound if the object disappears in a predefined 
interval. Experimental results show that the proposed method achieves 
very promising results. 
TÓM TẮT 
Bài báo trình bày các kết quả nghiên cứu về việc xây dựng hệ thống 
camera giám sát thông minh sử dụng kỹ thuật theo dõi đối tượng. Phần 
cốt lõi của hệ thống là bộ theo dõi đối tượng, hoạt động dựa trên trên 
việc kết hợp giữa (i) truy vết đối tượng bằng luồng quang học, (ii) so 
khớp các đặc trưng cục bộ và (iii) tìm sự đồng thuận lớn nhất của các 
đặc trưng cục bộ. Cũng trong bài báo này, một thuật giải thuật mới đã 
được đề xuất nhằm tăng tốc độ xử lý các khung ảnh bằng kỹ thuật ống 
dẫn (pipeline) trên các hệ thống máy tính đa nhân. Giải thuật này chia 
quá trình xử lý thành 4 giai đoạn liên tiếp, phụ thuộc nhau và giao cho 4 
tiến trình xử lý chúng một cách độc lập. Việc đồng bộ giữa các tiến trình 
được thực hiện bằng mô hình sản xuất – tiêu thụ (producer – consumer). 
Điều này giúp tăng tốc độ xử lý lên đến 3,3 lần trên hệ thống máy tính 4 
nhân. Hệ thống camera giám sát thông minh sẽ theo dõi đối tượng liên 
tục và phát tín hiệu cảnh báo khi đối tượng cần theo dõi biến mất trong 
một khoảng thời gian được định trước. Kết quả thực nghiệm cho thấy 
rằng các giải pháp đề xuất là hoàn toàn phù hợp. 
Trích dẫn: Phạm Nguyên Khang, Đỗ Thanh Nghị và Phạm Thế Phi, 2017. Nghiên cứu ứng dụng kỹ thuật 
theo dõi đối tượng xây dựng hệ thống camera giám sát thông minh. Tạp chí Khoa học Trường Đại 
học Cần Thơ. 53a: 44-52. 
1 GIỚI THIỆU 
Theo dõi đối tượng (object tracking) là một 
những lĩnh vực nghiên cứu đầy tiềm năng của thị 
giác máy tính (computer vision). Việc theo dõi chủ 
yếu dựa trên hình ảnh của các đối tượng thu được 
từ các camera giám sát. Trong các thập niên gần 
đây, lĩnh vực này đã thu hút đáng kể các nhà 
nghiên cứu về thị giác máy tính nhờ vào sự đa 
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 53, Phần A (2017): 44-52 
 45 
dạng của các ứng dụng tiềm năng làm cho lĩnh vực 
này trở thành mục tiêu nghiên cứu hấp dẫn. Có thể 
chia bài toán theo dõi đối tượng thành hai nhóm 
tiêu biểu: biết trước mô hình của đối tượng và 
không biết trước mô hình. Nhóm bài toán thứ nhất 
tương đối đơn giản. Dựa trên thông tin đã biết 
trước về đối tượng như màu sắc hoặc hình dáng 
của đối tượng, các giải thuật theo dõi sử dụng 
thông tin này để định vị đối tượng trong các khung 
hình (frame) của video. Sử dụng màu sắc để mô 
hình hoá đối tượng là phương pháp đơn giản nhất 
và phù hợp đối với các đối tượng cần theo dõi có 
màu (gần) đồng nhất. Phương pháp này hiệu quả 
khi màu của đối tượng tương đối khác đối với màu 
nền. Các giải thuật liên quan đến phương pháp này 
có thể kể đến Mean Shift (Cheng, Y., 1995), 
CAMShift (Bradski, 1998). Một số phương pháp 
khác sử dụng thông tin về hình dáng hoặc kết cấu 
hình học của đối tượng (Lowe, 1992; Jurie and 
Dhome, 2006). Đối với nhóm bài toán thứ hai, do 
không cần phải cung cấp trước mô hình của đối 
tượng cần theo dõi là gì nên ứng dụng của nó cũng 
rộng rãi hơn, cho phép theo dõi các đối tượng phức 
tạp. Do phương pháp này không đòi hỏi phải huấn 
luyện hay bất cứ thông tin đặc biệt nào về đối 
tượng cần theo dõi nên còn gọi là theo dõi phi mô 
hình (model-free tracking). Một trong các đặc tính 
quan trọng của các thuật toán theo dõi là khả năng 
xử lý hình dáng (bề ngoài) phức tạp của đối tượng 
trong một thời gian bất kỳ. Mặc dù đã có nhiều tiến 
triển trong các phương pháp theo dõi đối tượng phi 
mô hình làm cho nó trở nên mạnh hơn, chịu đựng 
nhiễu tốt hơn, nhưng bản thân của bài toán cũng 
phải đối mặt với các khó khăn và trở nên khó giải 
hơn vì các lý do: hình dáng của đối tượng phức tạp, 
bị che khuất một phần, ảnh hưởng của ánh sáng, 
màu sắc, góc chụp/quay của camera (Maggio and 
Cavallaro, 2011). Ngoài ra, do đối tượng không 
được biết trước khi theo dõi nên không thể huấn 
luyện máy học để nhận dạng đối tượng. Một số tác 
giả sử dụng chiến lược học trực tuyến (online) 
trong quá trình theo dõi (Safari et al., 2009). Tuy 
nhiên, việc cập nhật mô hình trong khi học thường 
cũng gây ra lỗi vì thiếu dữ liệu để huấn luyện. 
Hướng tiếp cận được xem là nhiều hứa hẹn nhất 
hiện nay đối với bài toán theo dõi đối tượng phi mô 
hình là dựa trên các đặc trưng cục bộ bất biến về 
hình dáng của đối tượng. Các phương pháp có thể 
kể đến là chia đối tượng thành các vùng nhỏ 
(patches) và biểu diễn đối tượng như một tập hợp 
các vùng này. Việc chia đối tượng thành các vùng 
nhỏ có thể dựa trên lưới hoặc tìm các vùng bất biến 
(Adam et al., 2006; Hua and Wu, 2006; Nejhum et 
al., 2008). Một phương pháp khác của tiếp cận này 
là sử dụng các điểm đặc biệt (interest points, key 
points) trên đối tượng và ước lượng vị trí của nó 
trong các khung ảnh kế tiếp dựa trên luồng quang 
học (optical flow). Việc xác định vị trí đối tượng 
trong khung ảnh sau đó dựa trên việc so khớp các 
điểm đặc biệt ở khung ảnh trước và khung ảnh sau. 
Việc truy vết đối tượng dựa trên sự đồng thuận của 
các đặc trưng truy vết được (Nebehay, 2015). 
Phương pháp này có ưu điểm là có thể theo dõi 
được ngay cả khi đối tượng bị quay hay camera bị 
thay đổi vị trí. 
Phần tiếp theo của bài báo được tổ chức như 
sau: kỹ thuật theo dõi đối tượng dựa trên sự đồng 
thuận được mô tả trong phần 2; kết quả thực 
nghiệm được trình bày trong phần 3 và sau cùng là 
kết luận và hướng phát triển. 
2 THEO DÕI ĐỐI TƯỢNG DỰA TRÊN 
SỰ ĐỒNG THUẬN 
2.1 Phương pháp CMT 
So khớp và theo dõi dựa trên sự đồng thuận 
(Consensus-based matching and tracking hay 
CMT) được (Nebehay et al., 2014) đề xuất, là một 
phương pháp dựa trên keypoint để theo dõi đối 
tượng theo kỹ thuật phi mô hình kết hợp giữa so 
khớp (matching) và theo dõi (tracking). Để định vị 
đối tượng trong mỗi khung hình (frame), mỗi 
keypoint sẽ bình chọn tâm của đối tượng. Trong 
quá trình so khớp các keypoint giữa hai khung liên 
tiếp, so khớp sai (false matching: hai keypoint 
được giải thuật cho khớp với nhau nhưng thực chất 
chúng không khớp nhau) là điều khó tránh khỏi. 
Nebehay et al. đã đề xuất một mô hình dựa trên sự 
đồng thuận (consensus-based) để phát hiện các 
keypoint bị so khớp sai. Tiếp cận mới này phân 
cụm các bình chọn (votes) trực tiếp trong không 
gian ảnh. 
Bằng cách áp dụng các biến đổi hình học (phép 
quay, thay đổi tỉ lệ) lên bình chọn, phương pháp 
này cho phép theo dõi được đối tượng bị biến đổi 
hình dạng trong quá trình theo dõi. Ngoài ra, 
phương pháp này không sử dụng các thông tin hình 
ảnh của các keypoint và chỉ đơn thuần dựa vào vị 
trí của chúng, và do đó tránh được các sai sót 
nghiêm trọng trong trường hợp hai vùng keypoint 
có bề ngoài giống nhau nhưng không có liên quan 
nhau về mặt hình học. Để tăng tốc độ tính toán, các 
keypoint được mô tả bằng một vector nhị phân. 
Phương pháp này đã được thực nghiệm trong môi 
trường thời gian thực (real-time) trên một tập lớn 
dữ liệu lớn với kết quả cao. 
Ý tưởng chính của phương pháp CMT được mô 
tả như sau: cho một chuỗi n khung ảnh liên tục I1, 
, In, và một vùng theo dõi b1 (chứa đối tượng cần 
được theo dõi) trong khung ảnh I1, với mỗi khung 
ảnh It, cần xác định tư thế (pose) của đối tượng 
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 53, Phần A (2017): 44-52 
 46 
đang theo dõi hoặc nói rằng đối tượng không có 
trong khung ảnh. 
Việc ước lượng tư thế của đối tượng dựa vào 
tâm μ, tỉ lệ s và góc quay α của nó, trong đó s và α 
được ước lượng dựa trên hình dạng ban đầu của 
đối tượng trong vùng b1. Để đơn giản, giả sử rằng 
vùng theo dõi b1 có dạng hình chữ nhật có các 
cạnh song song với các trục toạ độ. Giải thuật 
CMT được cho trong Bảng 1. 
a. So khớp và truy vết các điểm đặc trưng 
Mô hình đối tượng được mô tả dựa trên tập các 
keypoint: 
ܱ ൌ ሼሺݎ௜, ௜݂ሻሽ௜ୀଵேೀ (1) 
Trong đó, mỗi keypoint bao gồm 2 phần tử là vị 
trí (toạ độ) r ∈ ℝ2 và bộ mô tả f. Để đơn giản trong 
tính toán, f được mô tả theo kiểu nhị phân ݂ ∈
ሼ0, 1ሽௗ. 
Tập các keypoint O được khởi tạo bằng kỹ 
thuật trích đặc trưng BRISK hoặc SIFT từ khung 
hình đầu tiên I1 bên trong vùng khởi tạo b1, sau đó 
quy tâm (mean-normalisation) vị trí của các 
keypoint. Để bảo tồn hình dáng của đối tượng, mỗi 
khung hình It với t 2, cần tìm ra tập các keypoint 
tương ứng: 
ܭ௧ ൌ ሼሺܽ௜,݉௜ሻሽ௜ୀଵே಼೟ (2) 
Trong đó, a là vị trí các keypoint trong ảnh, m 
là chỉ số (index) của keypoint tương ứng trong O. 
Bảng 1: Giải thuật CMT 
Giải thuật CMT 
Input: I1, , In, b1  
Output: b2, , bn  
  1:  O ← detect(I1, b1)  
  2:  K1 ← O  
  3:  for t ← 2, , n do  
  4:     P ← detect(It)  
  5:     M ← match(P, O)  
  6:     T ← track(Kt‐1, It‐1, It)  
  7:     K′ ← T ∪ M  
  8:     s ← estimate_scale(K′, O)  
  9:     α ← estimate_rotation(K′, O)  
  10:    V ← vote(K′, O, s, α)  
  11:     Vc ← consensus(V)  
  12:     Kt ← vote‐1(Vc)  
  13:    if |Vc| ≥ θ ∙ NO then  
  14:       µ ← ଵ௡ ∑ ௜ܸ஼௡௜ୀଵ   
  15:       bt ← bounding_box(b1, µ, s, α)  
  16:     else  
  17:       bt ← ∅ 
  18:     end if 
  19:  end for 
Để xác định Kt, ta thực hiện các bước tính toán 
như sau: 
Xác định các keypoint trong khung ảnh thứ It, 
mỗi keypoint cũng có vị trí a và bộ mô tả f. Lưu trữ 
trong tập P. 
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 53, Phần A (2017): 44-52 
 47 
ܲ ൌ ሼሺܽ௜, ௜݂ሻሽ௜ୀଵேು (3) 
Mỗi keypoint trong tập P, cần phải tính khoảng 
cách Hamming theo công thức (4) giữa bộ mô tả 
của nó với bộ mô tả của từng keypoint được tìm 
thấy trong I1, bao gồm cả các keypoint nền. 
݀ሺ݂ଵ, ݂ଶሻ ൌ ∑ ܱܴܺሺ ௜݂ଵ, ௜݂ଶሻௗ௜ୀଵ (4) 
Để so khớp các keypoint trong P với các 
keypoint trong I1, khoảng cách đến láng giềng gần 
nhất phải gần hơn các láng giềng khác theo một tỷ 
lệ cố định ρ nào đó (Lowe, 2014). Tập các 
keypoint M là một tập con chứa các keypoint đã so 
khớp giữa keypoint trong P và các keypoint trong 
O, sau đó bổ sung thêm các chỉ số (index) của 
keypoint tương ứng (là các định danh m trong công 
thức (2)) 
Để theo vết, chúng ta tính toán sự dịch chuyển 
của Kt-1 từ It-1 đến It bằng cách dùng phương pháp 
ước lượng luồng quang học (Lucas & Kanate, 
1981). Tại thời điểm t=2, K1 bằng với tập các 
keypoint của O. Tập các keypoint T được tìm ra 
bằng cách cập nhật vị trí của keypoint trong Kt-1 
nhưng vẫn giữ lại các định danh của keypoint. 
Sau đó thực hiện kết hợp hai tập T và M và đưa 
vào tập K’ với kích thước NK’, khi kết hợp hai tập 
T, M thì các keypoint giống nhau ở hai tập này sẽ 
được loại bỏ. Đến bước này trong tập K’ vẫn còn 
chứa các keypoint ngoại lai hoặc các điểm mơ hồ 
không chính xác. 
b. Bình chọn 
Để xác định vị trí của đối tượng, mỗi keypoint 
(a, m) trong K’ sẽ bình chọn một giá trị h(a,m) 
ℝ2 vào tâm của đối tượng, tập các bình chọn đó 
được thể hiện như sau: 
ܸ ൌ ሼ݄ሺܽ௜,݉௜ሻሽ௜ୀଵே಼ᇲ (5) 
Ta có thể xem mỗi bình chọn (vote) là một 
phép biến đổi hình học affine gồm: tịnh tiến, tỉ lệ 
và quay lên các keypoint trong không gian 2 chiều. 
Trước hết, với phép tịnh tiến, ்݄ሺܽ,݉ሻ được 
tính như sau: 
்݄ሺܽ,݉ሻ ൌ ܽ െ ݎ௠ (6) 
Trong đó, rm là vị trí tương đối của keypoint 
tương ứng với chỉ số (index) của m trong O. Khi 
đối tượng bị thay đổi tỉ lệ (ví dụ thu nhỏ), các 
vector bình chọn này tiến gần đến trung tâm đối 
tượng (các vector bị thu ngắn lại xem Hình 5). Khi 
đó tỷ lệ thu nhỏ của các vector bình chọn được tính 
lại như sau: 
݄ௌሺܽ,݉ሻ ൌ ܽ െ ݏ. ݎ௠ (7) 
Để tính s, chúng ta tính khoảng các Euclide 
giữa các cặp ai và aj trong K’, và so sánh 
khoảng cách vừa tính được với khoảng cách 
của các keypoint tương ứng ݎ௠೔ và ݎ௠ೕ trong O. 
Ta có: ai,j = ai - aj và ri,j = ݎ௠೔ - ݎ௠ೕ 
ܦ௦ ൌ 	 ൜ฮ௔
೔,ೕฮ
ฮ௥೔,ೕฮ , ݅ ് ݆ሽ (8) 
Từ đó rút ra được s = median (Ds) 
Khi đối tượng bị quay, các vector bình chọn bị 
quay theo, và tâm quay là tâm của đối tượng: 
݄ோሺܽ,݉ሻ ൌ ܽ െ ݏ. ܴݎ௠ (9) 
Với R là ma trận quay trong không gian 2D 
ܴ ൌ ቀܿ݋ݏ ∝ െݏ݅݊ ∝ݏ݅݊ ∝ ܿ݋ݏ ∝ ቁ (10) 
Để tính được góc quay α, cần phải tính được 
các góc αi,j (theo công thức 11) là góc tạo bởi sự 
chênh lệch góc quay của hai đường thẳng so với 
trục ngang: 
 Đường thẳng thứ nhất nối hai điểm thứ i và 
thứ j trong khung hình đầu tiên 
 Đường thẳng thứ hai nối hai điểm thứ i và 
thứ j trong khung hình thứ t. 
∝௜,௝ൌ ܽݐܽ݊2ሺܽ௬௜,௝, ܽ௫௜,௝ሻ െ ܽݐܽ݊2ሺݎ௬௜,௝, ݎ௫௜,௝ሻ (11) 
Duyệt qua tất cả các cặp keypoint ta được tập 
Dα như sau: 
Dα = {αi,j, i ≠ j} (12) 
Từ đó rút ra được α = median (Dα) 
c. Đồng thuận (Consensus) 
Khi có một keypoint trong K’ không thuộc về 
đối tượng (key point ngoại lai) thì vector bình chọn 
của nó sẽ không hướng đến tâm của đối tượng mà 
nó chỉ đến một vùng hình ảnh bất kỳ nào đó. Trước 
khi tìm tâm của đối tượng µ, chúng ta cần loại bỏ 
các keypoint ngoại lai này và các vector bình chọn 
của nó bằng cách tìm kiếm sự đồng thuận của các 
vector bình chọn. 
Để thực hiện việc này, chúng ta phân V thành 
các cụm nhỏ hơn V1, V2, , Vm bằng cách áp dụng 
giải thuật phân cụm phân cấp theo hướng từ dưới 
lên (hierarchical agglomerative clustering) trên các 
tập điểm trong V sử dụng khoảng cách Euclide. 
Trong cách phân cụm này, dữ liệu được tổ chức 
thành các cấu trúc phân cấp theo ma trận khoảng 
cách, kết quả là một cây phân cấp (dendrogram), 
sau đó cây phân cấp này sẽ bị cắt theo một ngưỡng 
δ xác định nào đó (dừng phân cấp khi khoảng cách 
Euclide giữa hai cụm lớn hơn hoặc bằng ngưỡng δ). 
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 53, Phần A (2017): 44-52 
 48 
Gọi tập con Vc là tập có số thành phần lớn nhất 
trong số các cụm thu được ở bước phân cụm, hay 
có thể gọi Vc bằng một cái tên khác là cụm đồng 
thuận (consensus cluster), và gọi Kt là tập các 
keypoint nằm trong K’ sao cho các keypoint này có 
vector bình chọn nằm trong tập Vc. 
Nếu số lượng thành phần của Vc nhỏ hơn θ ꞏ |O| 
thì xem như đối tượng không xuất hiện. Ngược lại 
chúng ta sẽ tính tâm của đối tượng dựa trên các 
thành phần của cụm đồng nhất này. 
ߤ ൌ 	 ଵ௡ ∑ ௜ܸ௖௡௜ୀଵ với ݊ ൌ |ܸ௖|. 
Với tâm của đối tượng µ, tỷ lệ s, và góc quay α 
chúng ta xác định được tư thế của đối tượng đang 
quan tâm. 
Hình 1: Các bước trong quá trình theo dõi đối 
tượng bằng giải thuật CMT 
Kết quả thu được của bước này là một cluster 
lớn nhất tập trung các đặc trưng truy vết được. Mặc 
dù phương pháp này có khả năng loại bỏ nhiều 
false match tuy nhiên nó lại làm giảm số lượng các 
đặc trưng được truy vết. (Nebehay et al., 2015) đã 
cải tiến điều này bằng cách bổ sung thêm một bước 
so khớp cục bộ. Các bước chính của toàn bộ quá 
trình xử lý được trình bày trong Hình 2. 
2.2 Tăng tốc độ xử lý bằng phương pháp 
ống dẫn 
Giải thuật CMT gốc được trình bày trong phần 
trên xử lý tuần tự các khung ảnh vì để xử lý khung 
ảnh hiện tại ta cần có kết quả của khung ảnh trước 
đó. Hơn nữa, trong bản thân quá trình xử lý, như 
mô tả trong Hình 1, các bước này đều tuần tự và 
phụ thuộc nhau (ngoại trừ bước 2, 3 và 6, 7 có thể 
thực hiện song song). Vì thế, một giải thuật mới đã 
được đề xuất để cải tiến tốc độ xử lý việc theo dõi 
bằng cách sử dụng kỹ thuật ống dẫn (pipeline) trên 
các hệ thống đa nhân (multicores). 
Các bước từ 1 đến 8 trong Hình 1 được chia 
thành 4 giai đoạn chính (stages): (1, 2), (3), (4, 5, 
6) và (7, 8). Mỗi giai đoạn được thực thi trong một 
luồng (thread) khác nhau. Việc đồng bộ hoá quy 
trình xử lý được thực hiện dựa trên các hàng đợi 
kết quả theo mô hình sản xuất – tiêu thụ (producer 
– consumer problem). Giải thuật hoạt động như 
sau: đầu tiên, thread 1 tính toán các đặc trưng cục 
bộ và lưu kết quả vào hàng đợi. Thread 2 chờ cho 
đến khi thread 1 đưa các đặc trưng cục bộ vào hàng 
đợi là nó có thể bắt đầu thực hiện việc so khớp toàn 
cục. Kết quả của việc so khớp toàn cục sẽ được đặt 
vào hàng đợi tương ứng. Trong khi thread 2 làm 
công việc này, thread 1 lại có thể xử lý tiếp frame 
ảnh thứ 2. Thread 3 thực hiện truy vết các đặc 
trưng của bước trước đó bằng phương pháp luồng 
quang học và lưu kết quả vào trong hàng đợi. Sau 
đó, nó chờ cho đến khi thread 2 so khớp toàn cục 
xong nó sẽ hợp các điểm đặc trưng lại và tính toán 
ước lượng tỷ lệ, góc quay và tìm cluster lớn nhất 
theo phương pháp consensus. Thread 4 chờ cho 
thread 3 thực hiện xong nó sẽ thực hiện so khớp 
cục bộ hợp các đặc trưng và hợp nhất các đặc trưng 
để cho ra kết quả sau cùng. Trong 8 bước của giải 
thuật, các bước (1), (3) và (7) là các bước chiếm 
nhiều thời gian nhất nên nó đã được chia ra thực 
hiện trong các thread khác nhau nhằm tăng tốc độ 
xử lý (Hình 2). 
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 53, Phần A (2017): 44-52 
 49 
Hình 2: Giải thuật CMT cải tiến sử dụng kỹ thuật ống dẫn 
3 KẾT QUẢ THỰC NGHIỆM 
Giải thuật đề xuất được cài đặt bằng ngôn ngữ 
C++ trên sử dụng thư viện OpenCV. Phiên bản 
song song sử dụng kỹ thuật ống dẫn được cải tiến 
từ mã nguồn của giải thuật CMT do tác giả cung 
cấp. Dữ liệu thực nghiệm thực nghiệm được thu 
thập từ các camera quan sát ở các siêu thị ở tỉnh 
Sóc Trăng với tổng cộng hơn 5 giờ video. Các 
video được lưu lại với định dạng avi. So sánh thời 
gian thực thi giữa phiên bản CMT gốc và phiên 
bản CMT dùng kỹ thuật ống dẫn, kết quả cho thấy 
rằng giải thuật CMT cải tiến xử lý nhanh hơn 1,7 
lần trên máy tính 2 cores và 3,3 lần trên máy tính 4 
cores. Kết quả này phù hợp với giả thiết ban đầu. 
Hình 3: Khởi tạo đối tượng cần theo dõi 
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 53, Phần A (2017): 44-52 
 50 
Giải thuật mới đã được sử dụng để xây dựng 
một hệ thống camera giám sát thông minh. Hệ 
thống này có khả năng theo dõi đối tượng do người 
dùng chỉ định và phát tín hiệu cảnh báo khi đối 
tượng biến mất khỏi khung quan sát trong một 
khoảng thời gian định trước. 
Để minh hoạ hiệu quả của hệ thống camera 
theo dõi an ninh, các thí nghiệm đã được thiết lập 
để theo dõi trong ngôi nhà với camera theo dõi IP 
hiệu SmartZ. Camera được điều chỉnh hướng vào 
đối tượng là một bức tranh trên tường (Hình 3). 
Người dùng sử dụng chuột để xác định đối tượng 
cần theo dõi (bức tranh). Hệ thống theo dõi khởi 
động và tính toán các điểm đặc trưng của bức 
tranh. Nếu số lượng đặc trưng quá ít (nhỏ hơn), hệ 
thống sẽ thông báo rằng không thể theo dõi đối 
tượng. 
Cho camera quay đi một góc 30o theo phương 
ngang. Đối tượng lúc này bị lệch đi so với vị trí 
ban đầu nhưng vẫn còn nằm trong tầm nhìn của hệ 
thống. Hệ thống vẫn phát hiện được (Hình 4). 
Hình 4: Đối tượng vẫn tiếp tục được theo dõi mặc dù camera bị quay một góc 
Hình 5: Đối tượng bị lấy ra khỏi vùng theo dõi 
Hình 6: Đối tượng được trả về chỗ cũ 
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 53, Phần A (2017): 44-52 
 51 
Hình 7: Đối tượng vẫn còn được theo dõi nếu phần nhìn thấy còn > 30% 
Bức tranh được lấy ra khỏi vị trí (Hình 5), lúc 
này hệ thống còn thấy được đối tượng nên khởi 
động bộ đếm. Nếu thời gian (số khung ảnh) không 
nhìn thấy đối tượng vượt ngưỡng, hệ thống sẽ báo 
động liên tục cho đến khi ta trả bức tranh về chỗ cũ 
(Hình 6) hoặc hủy bỏ việc theo dõi. 
Ngoài ra, do sử dụng các đặc trưng cục bộ, hệ 
thống có thể theo dõi được đối tượng ngay cả khi 
đối tượng bị che khuất hoặc ngoài tầm nhìn một 
phần (phần nhìn thấy được khoảng 30%). Khi phần 
nhìn thấy được còn ít hơn giá trị ngưỡng, hệ thống 
sẽ xem như không còn nhìn thấy được đối tượng 
nữa (Hình 7). 
Để minh hoạ cho khả năng theo dõi đối tượng 
động của hệ thống, một thí nghiệm khác đã thiết 
lập dựa trên video thu được bằng camera giám sát 
ở một siêu thị. Đối tượng được theo dõi là một 
nhân viên phụ trách quầy bán sữa. Hình 8 mô tả 
tình hình siêu thị trước khi theo dõi. Cô nhân viên 
ở bên trái (ảnh trái). Sau khi chọn đối tượng cần 
theo dõi, các đặc trưng của đối tượng được hiển thị 
(ảnh phải). 
Hình 8: Chọn đối tượng cần theo dõi 
Hình 9: Hệ thống tự động bám theo đối tượng 
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 53, Phần A (2017): 44-52 
 52 
Hình 10: Đối tượng được theo dõi cho đến khi rời khỏi vùng quan sát 
Khi đối tượng di chuyển, hệ thống sẽ tự động 
theo dõi và ghi nhận lại vị trí của đối tượng (Hình 
9) cho đến khi đối tượng ra khỏi vùng quan sát 
(Hình 10). Thí nghiệm này cho thấy rằng hệ thống 
hoạt động tốt trong điều kiện thực. 
4 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 
Bài báo đã trình bày một giải pháp về việc xây 
dựng một hệ thống camera giám sát thông minh sử 
dụng kỹ thuật theo dõi đối tượng với phương pháp 
CMT và đề xuất cải tiến tốc độ xử lý của giải thuật 
CMT bằng kỹ thuật ống dẫn trên các hệ thống máy 
tính đa nhân. Hệ thống camera giám sát thông 
minh đã được cài đặt và kiểm thử. Với kết quả rất 
khả quan, việc nghiên cứu, thực nghiệm sẽ tiếp tục 
với nhiều tình huống hơn và điều kiện ánh sáng 
phức tạp hơn. Mặc dù kỹ thuật ống dẫn đã có thể 
góp phần tăng tốc độ xử lý các khung cảnh nhưng 
vẫn còn có thể tiếp tục tăng tốc xử lý bằng cách 
song song hoá hai bước chiếm nhiều thời gian nhất 
là bước (3) so khớp toàn cục và (7) so khớp cục bộ. 
Điều này sẽ được thực hiện trong các nghiên cứu 
tiếp theo. 
TÀI LIỆU THAM KHẢO 
Adam, A., Rivlin, E., and Shimshoni, I., 2006. 
Robust fragments-based tracking using the 
integral histogram. In Proceedings of the IEEE 
Computer Society Conference on Computer 
Vision and Pattern Recognition, 7-22 June 2006. 
New York, USA, 1: 798-805. 
Bradski, G. R., 1998. Computer vision face tracking 
for use in a perceptual user interface. Intel 
Technology Journal, 2nd Quarter. 
Cheng, Y., 1995. Mean shift, mode seeking, and 
clustering. IEEE Transactions on Pattern 
Analysis and Machine Intelligence. 17:790-799. 
Jurie, F., and Dhome, M., 2002. Hyperplane 
approximation for template matching. IEEE 
Transactions on Pattern Analysis and Machine 
Intelligence, 24: 996–100. 
Hua, G., and Wu, Y., 2006. Measurement integration 
under in consistency for robust tracking. In 
Proceedings of the IEEE Computer Society 
Conference on Computer Vision and Pattern 
Recognition, 1: 650-657. 
Lowe, D.G., 1992. Robust model-based motion 
tracking through the integration of search and 
estimation. International Journal of Computer 
Vision, 8(2): 113–122. 
Lowe, D.G., 1999. Object recognition from local 
scale-invariant features. In the proceedings of the 
seventh IEEE international conference on 
Computer vision. 2:1150–1157. 
Lucas, B.D., Kanade, B. D., 1981. An iterative 
image registration technique with an application 
to stereo vision. In IJCAI, 81:674–679. 
Maggio, E. and Cavallaro, A., 2011. Video Tracking: 
Theory and Practice. John Wiley & Sons, 292 pages. 
Nebehay, G. and Pflugfelder, R., 2014. Consensus-
based matching and tracking of keypoints for 
object tracking. In IEEE Winter Conference on 
Applications of Computer Vision, 862–869. 
Nejhum, S. M. S., Ho, J., and Yang, M.-H., 2008. 
Visual tracking with histograms and articulating 
blocks. In Proceedings of the IEEE Conference 
on Computer Vision and Pattern Recognition, 
2008, 1-8. 
Saffari, A., Leistner, C., Santner, J., Godec, M., and 
Bischof, H., 2009. On-line random forests. In 
Proceedings of the IEEE 12th International 
Conference on Computer Vision Workshops, 1- 9.