I. GIỚI THIỆU

Theo vết đối tượng là thành phần chủ yếu trong các

hệ thống theo dõi (surveillance), dẫn đường

(guidance), phòng tránh ách tắc (obstacle avoidance

system), hay các ứng dụng tương tác người – máy

thông minh (intelligent human-computer interactive

system). Nhiệm vụ chủ yếu của giai đoạn này là xác

định số lượng các đối tượng thành phần cùng với vị trí,

và động tác chuyển động tương ứng của chúng nhằm

đưa ra những quyết định điều khiển thích hợp. Thông

thường các phương pháp theo vết được chia làm hai

loại chính: bottom-up và top-down :

Bottom-up: xuất phát từ các quan sát, thực hiện rút

trích, phân đoạn để tìm ra đối tượng cần theo vết.

Top-down: giải quyết bài toán một cách thuận chiều

hơn bằng cách ước lượng mức hợp lý (likelihood) của

các giả thuyết cho trước dựa trên quan sát thu được.

Cụ thể hơn, đầu tiên, phát sinh ra một tập các giả

thuyết có thể có trong không gian trạng thái của hệ

thống, sau đó sử dụng quan sát để tính likelihood cho

từng giả thuyết, các likelihood này sẽ quyết định đến

mức độ “tin cậy” của từng giả thuyết (thường được

biểu thị bằng các trọng số). Cuối cùng tổng hợp tập

các giả thuyết-trọng số để cho ước lượng trạng thái của

hệ thống.

Theo vết đối tượng sử dụng lọc Particle thuộc vào

loại phương pháp top-down. Giống như các phương

pháp lọc phi tuyến khác, lọc Particle cũng lấy ước

lượng Bayes hồi quy làm giải pháp lý thuyết, nhưng nó

lại sử dụng ý tưởng của phương pháp Monte Carlo để

xấp xỉ cho giải pháp lý thuyết này. Cụ thể, lọc Particle

sử dụng một tập lớn các mẫu - mỗi mẫu được ví như

một particle – rút ra từ một hàm mật độ đề xuất để

biểu diễn cho hàm mật độ hậu nghiệm, sau đó sử dụng

các giá trị mật độ hậu nghiệm này để đưa ra ước lượng

trạng thái hiện thời của hệ thống. Những điểm mạnh

khiến cho lọc Particle được xem là một công cụ ưu việt

cho các bài toán lọc phi tuyến hiện nay đó là: khả năng

giải quyết các bài toán lọc tổng quát mà không đòi hỏi

bất cứ giả định nào về hệ thống, tốc độ hội tụ không

phụ thuộc vào số thành phần của vectơ trạng thái, có

khả năng mở rộng để thực hiện trong môi trường tính

toán toán song song, ngoài ra với sức mạnh của máy

tính, người ta có thể gia tăng độ chính xác của phép

xấp xỉ bằng cách tăng số lượng các điểm mẫu.

Trong bối cảnh bài toán theo vết các đối tượng xe

lưu thông bằng thị giác máy tính, chúng tôi sử dụng

công cụ lọc Particle với mô hình quan sát dựa trên

màu, vì màu sắc là một đặc trưng trực quan dễ rút

trích và chi phí tính toán thấp, hơn nữa nó lại bất biến

với phép biến đổi tỉ lệ - bắt gặp trong bối cảnh của ứng

dụng theo dõi giao thông