VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ _ NGÔ ĐỨC VĨNH KỸ THUẬT XỬ LÝ VÙNG QUAN SÁT VÀ PHÁT HIỆN BẤT THƯỜNG CỦA CÁC ĐỐI TƯỢNG TRONG HỆ THỐNG CAMERA GIÁM SÁT LUẬN ÁN TIẾN SĨ TOÁN HỌC HÀ NỘI – 2016 VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ _ NGÔ ĐỨC VĨNH KỸ THUẬT XỬ LÝ VÙNG QUAN SÁT VÀ PHÁT HIỆN BẤT THƯỜNG CỦA CÁC ĐỐI TƯỢNG TRONG HỆ THỐNG CAMERA GIÁM SÁT LUẬN ÁN TIẾN SĨ TOÁN HỌC Chuyên ngành: Cơ sở Toán học cho Tin học Mã số: 62.46.01.10 Người hướng dẫn khoa học: PGS.TS Đỗ Năng Toàn Hà Nội – 2016 LỜI CAM ĐOAN Tôi xin cam đoan nội dung luận án tiến sĩ với tên đề tài “Kỹ thuật xử lý vùng quan sát phát bất thường đối tượng hệ thống camera giám sát” không chép nội dung từ luận án hay cơng trình khác, mà cơng trình nghiên cứu thực thân nghiên cứu sinh, thực sở nghiên cứu lý thuyết, kiến thức kinh điển, nghiên cứu khảo sát tình hình thực tiễn hướng dẫn khoa học PGS.TS Đỗ Năng Toàn Các kỹ thuật kết luận án trung thực, đưa xuất phát từ yêu cầu ứng dụng, chưa công bố hình thức trước trình, bảo vệ cơng nhận “Hội đồng đánh giá luận án Tiến sĩ” Tác giả luận án Ngô Đức Vĩnh LỜI CẢM ƠN Luận án thực Viện Công nghệ thông tin, Học viện Khoa học Công nghệ - Viện Hàn lâm Khoa học Công nghệ Việt Nam, hướng dẫn PGS.TS Đỗ Năng Toàn – Viện Công nghệ thông tin ĐH Quốc Gia Hà Nội Tôi xin bày tỏ lòng biết ơn sâu sắc đến PGS.TS Đỗ Năng Tồn, Thầy có định hướng q báu giúp thành công công việc nghiên cứu Thầy động viên bảo cho tơi vượt qua khó khăn cho tơi nhiều kiến thức quý báu nghiên cứu khoa học Nhờ bảo Thầy, tơi hồn thành luận án Tôi xin chân thành cảm ơn Thầy, Cô thuộc Viện Công nghệ thông tin, anh chị em cán phịng Cơng nghệ Thực ảo tạo điều kiện thuận lợi đóng góp ý kiến cho tơi q trình làm nghiên cứu sinh Đặc biệt xin chân thành cảm ơn lãnh đạo Viện Công nghệ thông tin, Học viện Khoa học Công nghệ – Viện Hàn lâm Khoa học Công nghệ Việt Nam, Viện Công nghệ thông tin – ĐH Quốc gia Hà Nội, Trường Đại học Công nghiệp Hà Nội tạo điều kiện thuận lợi hỗ trợ tơi q trình học tập làm luận án Cuối cùng, xin gửi lời cảm ơn sâu sắc đến gia đình bạn bè, tạo cho tơi điểm tựa vững để có kết hôm MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN MỤC LỤC DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ 10 MỞ ĐẦU 12 CHƯƠNG 1: TỔNG QUAN VỀ CHUYỂN TIẾP VÀ PHÁT HIỆN BẤT THƯỜNG TRONG CÁC HỆ THỐNG CAMERA GIÁM SÁT 20 1.1 Hệ thống camera giám sát tự động 20 1.1.1 Giới thiệu 20 1.1.2 Các vấn đề hệ thống camera giám sát tự động 23 1.2 Chuyển tiếp camera phát bất thường 27 1.2.1 Theo vết đối tượng với với nhiều camera 27 1.2.2 Bài toán chuyển tiếp camera 34 1.2.3 Phát bất thường giám sát video 36 1.3 Kết luận vấn đề nghiên cứu 41 CHƯƠNG 2: MỘT SỐ KỸ THUẬT XỬ LÝ VÙNG QUAN SÁT TRONG CHUYỂN TIẾP CAMERA 43 2.1 Giới thiệu 43 2.2 Phân vùng giám sát 44 2.2.1 Giới thiệu 44 2.2.2 Giao cắt hai đa giác 46 2.2.3 Phân chia vùng quan sát hệ thống camera 48 2.2.4 Thực nghiệm 52 2.3 Chuyển tiếp camera dựa vào đường ranh giới ảo 55 2.3.1 Đường ranh giới ảo 55 2.3.2 Tính tốn va chạm đối tượng với đường ranh giới ảo 59 2.3.3 Kỹ thuật đề xuất 65 2.3.4 Thực nghiệm 66 2.4 Chọn lựa camera dựa hướng chuyển động đối tượng 70 2.4.1 Dự đốn vị trí hướng chuyển động đối tượng 71 2.4.2 Biểu diễn mối quan hệ vùng quan sát hệ thống 74 2.4.3 Thuật toán chọn lựa camera dựa vào hướng chuyển động 75 2.4.4 Thực nghiệm 78 2.5 Kết luận chương 80 CHƯƠNG 3: PHÁT HIỆN BẤT THƯỜNG DỰA VÀO QUỸ ĐẠO TRONG CÁC VIDEO GIÁM SÁT 82 3.1 Giới thiệu 82 3.1.1 Tiếp cận dựa phân tích hình ảnh dịng video 83 3.1.2 Tiếp cận dựa vào phân tích quỹ đạo 86 3.2 Một số khái niệm, định nghĩa mơ hình đề xuất 91 3.3 Phân đoạn quỹ đạo 96 3.4 Phát bất thường dựa phân đoạn tuyến đường 98 3.5 Thực nghiệm 101 3.5.1 Thực nghiệm với quỹ đạo cho trước 101 3.5.2 Thực nghiệm với liệu thu nhận từ video giám sát 107 3.6 Kết luận chương 109 KẾT LUẬN 110 DANH MỤC CƠNG TRÌNH CỦA TÁC GIẢ 112 TÀI LIỆU THAM KHẢO 113 DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT AABB Axis Aligned Bounding Boxes BTF Brightness transfer function COR Co-occurrence Ratio FOV Field of View FSOM fuzzy self-organized map GMM Gaussian mixture model HMM Hiden Markov Model HOG Histogram of oriented gradients MDT Mixtures of Dynamic Textures MRF Markov Random Field NOVL Non – Overlapping OBB Oriented Bounding Boxes OVL Overlapping PCA Principal Component Analysis RGB Red Green Blue SRA Sparse Reconstruction Analysis VSAM Video Surveillance and Monitoring DANH MỤC CÁC BẢNG Bảng 2.1 Các giá trị R, R0, R1 65 Bảng 3.1 Kết phân đoạn đường đại diện tuyến đường 104 Bảng 3.2 Khảo sát độ tương tự từ quỹ đạo 254 tới tuyến đường 105 Bảng 3.3 Kết đo độ xác phát bất thường liệu video 108 10 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình Phịng điều khiển Trung tâm giám sát camera 14 Hình Hệ thống giám sát với nhiều camera có vùng quan sát bị chồng chéo [43] 16 Hình 1.1 Sơ đồ hệ thống camera giám sát tự động [97] 23 Hình 1.2 Mơ hình xử lý tốn phát đối tượng chuyển động 24 Hình 1.3 Quy trình theo vết đối tượng 26 Hình 1.4 Các phương pháp tiếp cận phát bất thường [12] 41 Hình 2.1 Một số hình thức phân vùng giám sát 46 Hình 2.2 Các trường hợp giao hai đa giác 47 Hình 2.3 Với giao cắt đơn, số điểm giao cắt không 48 Hình 2.4 Chia cắt phần giao hai đa giác 50 Hình 2.5 Phân chia vùng quan sát hệ thống camera giám sát 53 Hình 2.6 Phân vùng giám sát cho camera hệ thống giám sát 54 Hình 2.7 Đường ranh giới ảo 55 Hình 2.8 Đường ranh giới ảo khu vực giám sát camera 56 Hình 2.9 Vị trí đối tượng với đường ranh giới ảo 57 Hình 2.10 Phép biến đổi homography 58 Hình 2.11 Đối tượng chuyển động đường ranh giới ảo môi trường 3D 58 Hình 2.12 Mặt phẳng tách trục tách 60 Hình 2.13 Hình chiếu A lên đường thẳng d với tâm chiếu C0 61 Hình 2.14 Chiếu đỉnh hình hộp lên trục tách d 61 Hình 2.15 Kết chiếu hình hộp lên trục tách d 63 112 DANH MỤC CƠNG TRÌNH CỦA TÁC GIẢ Ngơ Đức Vĩnh, Đỗ Năng Toàn, Hà Mạnh Toàn (2010) “Một tiếp cận phát mặt người trợ giúp camera”, Tạp chí Khoa học Cơng nghệ, Đại học Công nghiệp Hà Nội, ISSN 1859 – 3585, số 3.2010, tr 20 – 24 Ngô Đức Vĩnh, Đỗ Năng Toàn (2013) “Một cách tiếp cận giải việc chuyển tiếp camera hệ thống giám sát tự động”, Tạp chí Khoa học cơng nghệ, Viện hàn lâm Khoa học Công nghệ Việt Nam, tập 51, số 3, 2013, tr 279 – 292 Ngô Đức Vĩnh, Đỗ Năng Tồn (2013) “Một thuật tốn lựa chọn camera hệ thống giám sát tự động” Kỷ yếu Hội nghị khoa học Quốc gia lần thứ VI: Nghiên cứu ứng dụng CNTT (FAIR 2013), tr 341 – 347 Ngơ Đức Vĩnh, Đỗ Năng Tồn (2014) “Một kỹ thuật phân chia vùng quan sát camera hệ thống giám sát tự động” Chuyên san cơng trình nghiên cứu, phát triển ứng dụng Cơng nghệ thơng tin Truyền thơng, Tạp chí Công nghệ thông tin truyền thông, tập V – 1, số 12 (32), tr 53 – 60 Ngô Đức Vĩnh, Đỗ Năng Tồn (2015) “Một thuật tốn phát bất thường dựa vào quỹ đạo giám sát video” Chun san cơng trình nghiên cứu, phát triển ứng dụng Công nghệ thông tin Truyền thông, Tạp chí Cơng nghệ thơng tin truyền thơng, Kỳ 3, tập V – 1, số 14 (34), tr – 12 Duc Vinh Ngo, Nang Toan Do, Luong Anh Tuan Nguyen (2016) "Anomaly Detection in Video Surveillance: A Novel Approach Based on Sub-Trajectory", The 15th IEEE International Conference on Electronics, Information, and Communication (ICEIC 2016), Jan – 2016, pp.272 - 275 113 TÀI LIỆU THAM KHẢO Adam A., Rivlin E., Shimshoni I., and Reinitz D (2008), "Robust real -time unusual event detection using multiple fixed-location monitors", IEEE Trans Pattern Anal, 30, pp: 555–560 Alberton R., Carli R., Cenedese A., and Schenato L (2012), "Multi-agent perimeter patrolling subject to mobility constraints", 2012 American Control Conference, pp: 4498 – 4503 Anan L., Zhaoxuan Y., and Jintao L (2006), "Video vehicle detection algorithm based on virtual line group", IEEE Asia Pacific Conference, pp: 1148 – 1151 Arsic D., Hristov E., Lehment N., Hornler B., Schuller B., and Rigoll G (2008), "Applying multi layer homography for multi camera person tracking", Proc of the ACM/IEEE International Conference on Distributed Smart Cameras (ICDSC), pp: - Bak S., Corvee E., Brémond F., and Thonnat M (2010), "Person re-identification using spatial covariance regions of human body parts", In 7th IEEE International Conference on Advanced Video and Signal-Based Surveillance (AVSS) Balcells M., DeMenthon D., and Doermann D (2005), "An appearance-based approach for consistent labeling of humans and objects in video", Pattern and Application, pp: 373–385 Baseggio M., Cenedese A., Merlo P., Pozzi M., and Schenato L (2010), "Distributed perimeter patrolling and tracking for camera networks", 49th IEEE Conference on Decision and Control, pp: 2093 – 2098 Berclaz J., Fleuret F., and Fua P (2008), "Multi-camera tracking and atypical motion detection with behavioral maps", Proceedings of the European Conference on Computer Vision, pp: 112-125 114 Bhanu B., Ravishankar C V., Chowdhury A K R.-., Terzopoulos D., and Aghajan H (2011), Distributed Video Sensor Networks 10 Boiman O., and Irani M (2007), "Detecting Irregularities in Images and in Video", Int J Comput Vision, 74(1), pp: 17–31 11 Calderara S., Prati A., Vezzani R., and Cucchiara R (2005), "Consistent labeling for multicamera object tracking", Image Analysis and Processing, 3617, pp: 1206–1214 12 Chandola V., Banerjee A., and Kumar V (2009), "Anomaly detection: A survey", ACM Comput Surv, 41, pp: 1–58 13 Chang T.-H., and Gong S (2001), "Tracking multiple people with a multicamera system", Proceedings of the IEEE Workshop on Multi-Object Tracking, pp: 19-26 14 Cheikh F A., Saha S K., Rudakova V., and Wang P (2012), "Multi-people tracking across multiple cameras", International Journal on New Computer Architectures and Their Applications (IJNCAA), 2(1), pp: 23-33 15 Chen C.-H., Yao Y., Page D., Abidi B., Koschan A., and Abidi M (2010), "Camera handoff and placement for automated tracking systems with multiple omnidirectional cameras", Computer Vision and Image Understanding, 114(2), pp: 179-197 16 Chen C.-H., Yao Y., Page D., Abidi B., Koschan A., and Abidi M (2010), "Camera handoff with adaptive resource management for multi-camera multiobject tracking", Image and Vision Computing, 28(6), pp: 851-864 17 Cheng D E., and Piccardi M (2006), "Matching of objects moving across disjoint cameras", In ICIP, pp: 1769–1772 18 Choi J.-Y., Choi J.-W., and Yang Y.-K (2007), "Improved tracking of multiple vehicles using invariant feature-based matching", Pattern Recognition and Machine Intelligence, pp: 649-656 115 19 Cohen J K I., and Medioni G (2003), "Continuous tracking within and across camera streams", Computer Vision and Pattern Recognition, 2003 Proceedings 2003 IEEE Computer Society Conference on, 1, pp: 267-272 20 Collins R T., and al e (2000), "A system for visual surveillance and monitoring", Carnegie Mellon University 21 Cui P., Sun L.-F., Liu Z.-Q., and Yang S.-Q (2007), "A Sequential Monte Carlo Approach to Anomaly Detection in Tracking Visual Events", Computer Vision and Pattern Recognition, 2007 CVPR ’07 IEEE Conference, pp: 1–8 22 Cui X., Liu Q., Gao M., and Metaxas D N (2011), "Abnormal detection using interaction energy potentials", Computer Vision and Pattern Recognition (CVPR), 2011 IEEE Conference, pp: 3161–3167 23 Dizan V., Thierry F., and Christian L (2009), "Growing hidden Markov models: an incremental tool for learning and predicting human and vehicle motion", Int J Robot Res., pp: 11–12 24 Dong Q., Wu Y., and Hu Z (2009), "Point wise Motion Image (PMI): A Novel Motion Representation and Its Applications to Abnormality Detection and Behavior Recognition", Circuits and Systems for Video Technology, IEEE Transactions, 19(3), pp: 407– 416 25 Doubek P (2005) Multi-view tracking and viewpoint selection PhD, Swiss Federal Institute of Technology Zurich (ETH) 26 Durham W J., Carli R., Frasca P., and Bullo F (2012), "Discrete Partitioning and Coverage Control for Gossiping Robots Robotics", IEEE Transactions on, 2012, 28(2), pp: 364-378 27 Eberly D (2008), "Dynamic collision detection using oriented bounding boxes", Geometric Tools, LLC 28 Erdem U M., and Sclaroff S (2006), "Automated camera layout to satisfy taskspecific and floor plan-specific coverage requirements", Computer Vision and Image Understanding, 103, pp: 156–169 116 29 Eshel R., and Moses Y (2010), "Tracking in a dense crowd using multiple cameras", International Journal of Computer Vision (IJCV), 88(1), pp: 129143 30 Fleuret F., Berclaz J., Lengagne R., and Fua P (2008), "Multi camera people tracking with a probabilistic occupancy map", IEEE Trans on Pattern Analysis and Machine Intelligence, 30(2), pp: 267-282 31 Gandhi T., and Trivedi M (2007), "Person tracking and reidentification: Introducing panoramic appearance map (pam) for feature representation", In Machine Vision and Applications: Special Issue on Novel Concepts and Challenges for the Generation of Video Surveillance Systems 32 García-García D., Hernández E., and Maria F D d (2009), "A new distance measure for model-based sequence clustering", IEEE Trans Pattern Analysis and Machine Intelligence 31, pp: 1325-1331 33 Gerrard G., and Thompson R (2011), "Two million cameras in the UK", CCTV Image Magazine, (42), pp: 10 - 12 34 Gupta A., Mittal A., and Davis L S (2007), "Cost: An approach for camera selection and multi-object inference ordering in dynamic scenes", IEEE 11th International Conference on Computer Vision (ICCV) 35 Hamdoun O., Moutarde F., Stanciulescu B., and Steux B (2008), "Person reidentification in multi-camera system by signature based on interest point descriptors collected on short video sequences", In ICDSC08, pp: 1–6 36 Hordley S D., Schaefer G D F G., and Tian G Y (2005), "Illuminant and device invariant color using histogram equalization", Pattern Recognition Letters, 38(2), pp: 146–162 37 Hsieh C.-T., Hsu S.-B., and Fan C.-C H K.-C (2011), "Abnormal Event Detection Using Trajectory Features", Journal of Information Technology and Applications, 5(1), pp: 22-27 38 http://mica.edu.vn/ 117 39 http://mmlab.uit.edu.vn/ 40 Hu W., Hu M., Zhou X., Tan T., Lou J., and Maybank S (2006), "Principal axisbased correspondence between multiple cameras for people tracking", IEEE Transactions on Pattern Analysis and Machine Intelligence, 28, pp: 663-671 41 Hu W., Xiao X., Fu Z., Tan D X T., and Maybank S (2006), "A system for learning statistical motion patterns", Pattern Analysis and Machine Intelligence, IEEE Transactions, 28(9), pp: 1450–1464 42 Javed O., Rasheed Z., Shafique K., and Shah M (2003), "Tracking across multiple cameras with disjoint views", IEEE International Conference on Computer Vision, pp: 952-957 43 Javed O., Shafique K., Rasheed Z., and Shah M (2008), "Modeling inter-camera space-time and appearance relationships for tracking across non-overlapping views", Comput Vis Image Underst, 109(2), pp: 146–162 44 Javed O., and Shah M (2008), Automated multi-camera surveillance algorithms and Practice 45 Jiang F., Wu Y., and Katsaggelos A K (2009), "Detecting contextual anomalies of crowd motion in surveillance video", Image Processing (ICIP), 2009 16th IEEE International Conference, pp: 1117–1120 46 Jiang F., Wu Y., and Katsaggelos A K (2009), "A Dynamic Hierarchical Clustering Method for Trajectory-Based Unusual Video Event Detection", Image Processing, IEEE Transactions, 18(4), pp: 907–913 47 Jiang F., Yuan J., Tsaftaris S A., and Katsaggelos A K (2011), "Anomalous video event detection using spatiotemporal context", Computer Vision and Image Understanding, 115, pp: 323–333 48 Jo Y., and Han J (2006), "A new approach to camera hand-off without camera calibration for the general scene with non-planar ground", Proceedings of the 118 4th ACM international workshop on Video surveillance and sensor networks ACM, pp: 195-202 49 Johansson B., Wiklund J., Forssén P.-E., and Granlund G (2009), "Combining shadow detection and simulation for estimation of vehicle size and position", Pattern Recognition Letters, 30(8), pp: 751-759 50 Ke S.-R., Thuc H L U., Lee Y.-J., Hwang J.-N., Yoo J.-H., and Cho K.-H (2013), "A review on video-based human activity recognition", Computers 2, 2, pp: 88-131 51 Khan S., Javed O., Rasheed Z., and Shah M (2001), "Human tracking in multiple cameras", IEEE International Conference on Computer Vision, 1, pp: 331– 336 52 Khan S., and Shah M (2001), "Tracking people in presence of occlusion", Asian Conference on Computer Vision, pp: 1132 - 1137 53 Khan S., and Shah M (2003), "Consistent labeling of tracked objects in multiple cameras with overlapping fields of view", IEEE Transactions on Pattern Analysis and Machine Intelligence, 25, pp: 1355 - 1360 54 Khan S., and Shah M (2006), "A multiview approach to tracking people in crowded scenes using a planar homography constraint", Proc of European Conf on Computer Vision, pp: 133–146 55 Khan S., and Shah M (2009), "Tracking multiple occluding people by localizing on multiple scene planes", IEEE Transactions On Pattern Analysis And Machine Intelligence, Vol 31(3), pp: 505 - 519 56 Khan S M., and Shah M (2009), "Tracking multiple occluding people by localizing on multiple scene planes", IEEE Trans on Pattern Analysis and Machine Intelligence, 31(3), pp: 505-519 57 Kim I S., Choi H S., Yi K M., Choi J Y., and Kong S G (2010), "Intelligent Visual Surveillance - A Survey", International Journal of Control, Automation, and Systems, 8(5), pp: 926-939 119 58 Kim J., and Grauman K (2009) Observe Locally, Infer Globally: A Spacetime MRF for Detecting Abnormal Activities with Incremental Updates, Proceedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Miami, FL, USA, pp: 2921–2928 59 Kim J., and Kim D (2008), "Probabilistic camera hand-off for visual surveillance", Distributed Smart Cameras, 2008 ICDSC 2008 Second ACM/IEEE International Conference on IEEE, pp: 1-8 60 Laxhammar R., and Falkman G (2011) Sequential Conformal Anomaly Detection in Trajectories based on Hausdorff Distance, 14th International Conference on Information Fusion, Chicago, Illinois, USA, pp: 61 Le T.-L., and Tran T.-H (2015), Real-Time Abnormal Events Detection Combining Motion Templates and Object Localization, Advances in Intelligent Systems and Computing, 341, Springer International Publishing, pp: 17-30 62 Lee C Y., Lee S S J L C W., and Yang C S (2012), "An Efficient Camera Hand-Off Filter In Real-Time Surveillance Tracking System", International Journal of Innovative Computing, Information and Control, 8(2) 63 Lee C Y., Lin S S J., Lee C W., and Yang C S (2012), "An Efficient Camera Hand-Off Filter In Real-Time Surveillance Tracking System", International Journal of Innovative Computing, Information and Control, 8(2) 64 Lee L., Romano R., and Stein G (2002), "Monitoring activities from multiple video streams: Establishing a common coordinate frame", IEEE Transaction on Pattern Analysis and Machine Intelligence, 22(8), pp: 18–36 65 LeFloch D (2007) Real-time people counting system using video camera Master’s thesis, Universite de Bourgogne 66 Leon J C., Martinez F., and Romero E (2010), "Abnormal Motion Detection in Survilleance Video: A Review" 120 67 Li C., Han Z., Ye Q., and Jiao J (2013), "Visual abnormal behavior detection based on trajectory sparse reconstruction analysis", Neurocomputing, 119, pp: 94–100 68 Li H., Wu Q., and Dou A (2013), "Abnormal Traffic Events Detection Based on Short-time Constant Velocity Model and Spatio-Temporal Trajectory Analysis", Journal of Information & Computational Science, 10(16), pp: 5233–5241 69 Li W., Mahadevan V., and Vasconcelos N (2014), "Anomaly Detection and Localization in Crowded Scenes", Pattern Analysis and Machine Intelligence, IEEE Transactions, 36(1), pp: 18-32 70 Li Y., and Bhanu B (2011), "Utility-Based Camera Assignment in a Video Network: A Game Theoretic Framework", Sensors Journal, IEEE, 11(3), pp: 676-687 71 Lowe D G (2004), "Distinctive image features from scale-invariant keypoints", International Journal of Computer Vision (IJCV), 60(2), pp: 91–110 72 Mahadevan V., Li W., Bhalodia V., and Vasconcelos N (2010) Anomaly Detection in Crowded Scenes, Proccedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR), San Francisco, CA, USA, pp: 1975–1981 73 Makris D., Ellis T J., and Black J K (2004), "Bridging the gaps between cameras", Computer Vision and Pattern Recognition, 2, pp: II-205 74 Mittal A., and Davis L S (2003), "M2 Tracker: A multi-view approach to segmenting and tracking people in a cluttered scene", International Journal of Computer Vision (IJCV), 51(3), pp: 189-203 75 Monari E., and Kroschel K (2009), "A knowledge-based camera selection approach for object tracking in large sensor networks", Distributed Smart Cameras, 2009 ICDSC 2009 Third ACM/IEEE International Conference on IEEE, pp: - 121 76 Monari E., and Kroschel K (2010) Dynamic Sensor Selection for Single Target Tracking in Large Video Surveillance Networks, Proceedings of the 2010 7th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS '10), IEEE Computer Society, Washington, DC, USA, pp: 539-546 77 Oh J., Lee J., and Kote S (2003), "Real Time Video Data Mining for Surveillance Video Streams", Knowledge Discovery and Data Mining Berlin, Heidelberg: Springer Berlin Heidelberg, pp: 222–233 78 Parent C., Spaccapietra S., Renso C., Andrienko G., Andrienko N., Bogorny V., Yan Z (2013), "Semantic trajectories modeling and analysis", ACM Comput Surv, 45(4), pp: 32 pages 79 Park J., Bhat P C., and Kak A C (2006), "A look-up table based approach for solving the camera selection problem in large camera networks", Proceedings of the International Workshop on Distributed Smart Cameras (DCS’06), Boulder, CO, 31, pp: 72-76 80 Park U., Jain A., Kitahara I., Kogure K., and Hagita N (2006), "Vise: Visual search engine using multiple networked cameras", In 18th International Conference on Pattern Recognition (ICPR’06), pp: 1204–1207 81 Pasqualetti F., Franchi A., and Bullo F (2010), "On Optimal Cooperative Patrolling", 49th IEEE Conference on Decision and Control, pp: 7153 – 7158 82 Pavone M., Frazzoli A A E., and Bullo F (2009) Equitable partitioning policies for robotic networks, ICRA’09: Proceedings of the 2009 IEEE international conference on Robotics and Automation, Piscataway, NJ, USA, pp: 3979– 3984 83 Piciarelli C., and Foresti G L (2008), "Trajectory-based anomalous event detection", IEEE Trans Circ Syst Video Tech, pp: 1544–1554 122 84 Popoola O P., and Wang K (2012), "Video-Based Abnormal Human Behavior Recognition - A Review", Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE Transactions, 42(6), pp: 865–878 85 Porikli F (2003), "Inter-camera color calibration by correlation model function", International Conference on Image Processing, 3, pp: II-133 86 Porikli F., and Divakaran A (2003), "Multi-camera calibration, object tracking and query generation", In ICME 03, pp: 653–656 87 Prosser B., Gong S., and Xiang T (2008), "Multi-camera matching using bidirectional cumulative brightness transfer functions", Proceedings of the British Machive Vision Conference, pp: 64.61–64.10 88 Puhuluwutta P., Puppus T., and Kutsuggelos A (2004), "Optimal sensor selection for video-based target tracking in a wireless sensor network", International Conference on Image Processing ICIP, 5, pp: 3073 – 3076 89 Rahimi A., and Darrell T (2004), "Simultaneous calibration and tracking with a network of nonoverlapping sensors", In IEEE Conference on Computer Vision and Pattern Recognition, 1, pp: I-187 90 Roshtkhari M J., and Levine M D (2013), "Online dominant and anomalous behavior detection in videos", Computer Vision and Pattern Recognition (CVPR), 2013 IEEE Conference, pp: 2611-2618 91 Saleemi I., Shafique K., and Shah M (2009), "Probabilistic Modeling of Scene Dynamics for Applications in Visual Surveillance", Pattern Analysis and Machine Intelligence, IEEE Transactions, 31(8), pp: 1472–1485 92 Saligrama V., Konrad J., and Jodoin P (2010), "Video Anomaly Identification", IEEE Signal Process Mag., 27(5), pp: 18–33 93 Santos T T., and Morimoto C H (2011), "Multiple camera people detection and tracking using support integration", Pattern Recognition Letters, 32(1), pp: 47-55 123 94 Shah M., Javed O., and Shafique K (2007), "Automated visual surveillance in realistic scenarios", IEEE Transactions on Multimedia, 14(1), pp: 30 – 39 95 Sillito R R., and Fisher R B (2008), "Semi-supervised learning for anomalous trajectory detection", Proceedings of British Machine Vision Conference, pp: 1035–1044 96 Snidaro L., Niu R., Varshney P K., and Foresti G L (2003), "Automatic camera selection and fusion for outdoor surveillance under changing weather conditions", Proc IEEE Conference on Advanced Video and Signal Based Surveillance, pp: 364–369 97 Sternig S., Mauthner T., Irschara A., Roth P M., and Bischof H (2011), "Multicamera Multi-object Tracking by Robust Hough-based Homography Projections", Computer Vision Workshops (ICCV Workshops), 2011 IEEE International Conference on IEEE, pp: 1689-1696 98 Sun Z., and Wang F (2013), "A Comparative Study of Features and Distance Metrics for Trajectory Clustering in Open Video Domains", Proceedings of the 2013 Fifth International Conference on Multimedia Information Networking and Security 99 Teddy K (2011), A Survey on Behavior Analysis in Video Surveillance Applications Video Surveillance (16, pp 279 - 294): InTech 100 Thang P V., Worring M., and Smeulders A (2007), "A multi-camera visual surveillance system for tracking re-occurrences of people", In International Conference on on Smart Distributed Cameras 101 Tian Y., and al e (2008), "IBM smart surveillance system (s3): Event based video surveillance system with an open and extensible framework", Machine Vision and Applications, 19(5 - 6), pp: 315–327 102 Ting-Hsun, Chang, and Gong S (2001), "Tracking multiple people with a multicamera system", IEEE workshop on multi object tracking, pp: 19 - 26 124 103 Tran D.-D., Le T.-L., and Tran T.-T.-H (2014), "Abnormal event detection using multimedia information for monitoring system", Communications and Electronics (ICCE), 2014 IEEE Fifth International Conference on, pp: 490495 104 Velipasalar S., Schlessman J., Chen C., Wolf W., and Singh J (2008), "A scalable clustered camera system for multiple object tracking", EURASIP Journal on Image and Video Processing, pp: 22 105 Wang X., and Grimson E (2008), "Trajectory analysis and semantic region modeling using a nonparametric Bayesian model", IEEE Conference on Computer Vision and Pattern Recognition 106 Wang X., and Grimson X M W E L (2009), "Unsupervised Activity Perception in Crowded and Complicated Scenes Using Hierarchical Bayesian Models", Pattern Analysis and Machine Intelligence, IEEE Transactions, 31(3), pp: 539–555 107 Wang X., Ma X., and Grimson E (2007), "Unsupervised activity perception by hierarchical Bayesian models", Proceedings of IEEE Computer Vision and Pattern Recognition, pp: - 108 Wang X., Tieu K., and Grimson E (2006), "Learning semantic scene models by trajectory analysis", In In ECCV, 3, pp: 110-123 109 Welch G., and Bishop G (2006), "An Introduction to the Kalman Filter", Department of Computer Science University of North Carolina at Chapel Hill, NC 27599-3175 110 Xiang T., and Gong S (2007), "Video behaviour profiling and abnormality detection without manual labelling", Computer Vision, 2007 ICCV 2007 IEEE 11th International Conference, 2, pp: 1238–1245 111 Yang W., Gao Y., and Cao L (2012), "TRASMIL: A Local Anomaly Detection Framework Based on Trajectory Segmentation and Multi-instance Learning", Computer Vision and Image Understanding 125 112 Yang Y., Cui Z., Wu J., Zhang G., and Xian X (2012), "Trajectory Analysis Using Spectral Clustering and Sequene Pattern Mining", Journal of Computational Information Systems, 8(6), pp: 2637 – 2645 113 Yao Y., and Chen C.-H (2010), "Multi Camera Positioning For Automated Tracking Systems In Dynamic Environments", International Journal of Information Acquisition, 7(3), pp: 225–242 114 Yiming L., Bhanu B., and Nguyen V (2010), "On the performance of handoff and tracking in a camera network", Pattern Recognition (ICPR), 2010 20th International Conference on IEEE, pp: 3645-3648 115 Zanella F., Pasqualetti F., Carli R., and Bullo F (2012) Simultaneous Boundary Partitioning and Cameras Synchronization for Optimal Video Surveillance, IFAC Workshop on Distributed Estimation and Control in Networked Systems, Santa Barbara, CA, USA, pp: - 116 Zhang T., Lu H., and Li S Z (2009), "Learning semantic scene models by object classification and trajectory clustering", inComputer Vision and Pattern Recognition, 2009 CVPR 2009 IEEE Conference, pp: 1940–1947 117 Zhang Y., and Ji Q (2006), "Active and dynamic information fusion for multisensor systems with dynamic bayesian networks", IEEE Transactions on Systems, Man, and Cybernetics, Part B, 36(2), pp: 467–472 118 Zhao B., Fei-Fei L., and Xing E P (2011), "Online detection of unusual events in videos via dynamic sparse coding", Computer Vision and Pattern Recognition (CVPR), 2011 IEEE Conference, pp: 3313–3320 119 Zheng Y., Chen Y., Xie X., and Ma W.-Y (2010), "Understanding transportation modes based on GPS data for Web applications", ACM Transaction on the Web, 4(1) 120 Zhong H., Shi J., and Visontai M (2004), "Detecting unusual activity in video", Computer Vision and Pattern Recognition, 2004 CVPR 2004 Proceedings of the 2004 IEEE Computer Society Conferenc, 2, pp: II–819–II–826 126 121 Zhou Y., Yan S., and Huang T (2007), "Detecting anomaly in videos from trajectory similarity analysis", IEEE International Conference on Multimedia and Expo 2007, pp: 1087–1090 122 Zhu L J., Hwang J N., and Cheng H Y (2009), "Tracking of multiple objects across multiple cameras with overlapping and non-overlapping vie", In IEEE International Symposium on Circuits and Systems, (ISCAS), pp: 1056–1060 ... camera hệ thống camera giám sát dựa quan hệ hình học thị trường quan sát camera, giúp giảm thiểu số lần tính tốn chuyển tiếp camera thơng qua việc giảm thiểu cạnh đa giác quan sát vùng giao camera. .. 2: MỘT SỐ KỸ THUẬT XỬ LÝ VÙNG QUAN SÁT TRONG CHUYỂN TIẾP CAMERA Trong hệ thống camera giám sát, camera khơng đủ để quan sát hết bị giới hạn độ phân giải, thị trường quan sát Do vậy, giám sát vùng... chuyển tiếp camera hệ thống camera giám sát 2.2.2 Giao cắt hai đa giác  Định nghĩa 2.1 [Đa giác quan sát] Đa giác quan sát camera hình chiếu vùng quan sát camera xuống mặt phẳng 2D Trong thực