Camera computer vision và các ứng dụng

Nhiều yếu tố kỹ thuật, chẳng hạn như dữ liệu, thuật toán và năng lực tính toán, góp phần quyết định thành công của một ứng dụng trí tuệ nhân tạo (AI). Đặc biệt trong thị giác máy tính, một lĩnh vực con của AI tập trung vào việc giúp máy móc phân tích và hiểu hình ảnh cũng như video, một trong những yếu tố quan trọng nhất là nguồn đầu vào hay nguồn dữ liệu: camera. Chất lượng và loại camera được sử dụng trong một ứng dụng thị giác máy tính ảnh hưởng trực tiếp đến hiệu năng của model AI.

Việc chọn đúng camera rất quan trọng vì các tác vụ thị giác máy tính khác nhau đòi hỏi những loại dữ liệu hình ảnh khác nhau. Chẳng hạn, camera độ phân giải cao được dùng trong các ứng dụng như nhận diện khuôn mặt, nơi cần ghi lại các chi tiết nhỏ trên khuôn mặt với độ chính xác cao. Ngược lại, camera độ phân giải thấp hơn có thể dùng cho các tác vụ như giám sát hàng đợi, vốn dựa vào các mẫu tổng thể hơn là chi tiết phức tạp.

Hiện nay có nhiều loại camera, mỗi loại được thiết kế để đáp ứng những nhu cầu cụ thể. Hiểu rõ sự khác biệt giữa chúng có thể giúp bạn tối ưu hóa các đổi mới trong thị giác máy tính. Hãy cùng tìm hiểu các loại camera thị giác máy tính khác nhau và ứng dụng của chúng trong nhiều ngành công nghiệp.

Tìm hiểu camera RGB trong thị giác máy tính#

Camera RGB (đỏ, lục và lam) thường được sử dụng trong các ứng dụng thị giác máy tính. Camera ghi lại hình ảnh trong quang phổ khả kiến với bước sóng từ 400 đến 700 nanomet (nm). Vì những hình ảnh này tương tự cách con người nhìn thế giới, camera RGB được dùng cho nhiều tác vụ như phát hiện đối tượng, phân đoạn instance và ước tính tư thế trong những tình huống mà khả năng nhìn tương tự con người là đủ.

Hình 1. Tổng quan về cách camera RGB hoạt động.

Các tác vụ này thường bao gồm việc nhận diện và phát hiện đối tượng từ góc nhìn hai chiều (2D), trong đó không cần ghi nhận độ sâu để có kết quả chính xác. Tuy nhiên, khi ứng dụng cần thông tin độ sâu, chẳng hạn như phát hiện đối tượng 3D hoặc robotics, người ta sử dụng camera RGB-D (đỏ, lục, lam và độ sâu). Các camera này kết hợp dữ liệu RGB với cảm biến độ sâu để ghi lại chi tiết 3D và cung cấp phép đo độ sâu theo thời gian thực.

Sử dụng camera RGB-D trong cửa hàng bán lẻ#

Một ứng dụng thú vị mà camera RGB-D có thể phát huy hiệu quả là thử đồ ảo, một khái niệm ngày càng phổ biến tại cửa hàng bán lẻ. Nói đơn giản, các màn hình thông minh tích hợp camera và cảm biến RGB-D có thể thu thập thông tin như chiều cao, vóc dáng và độ rộng vai của khách hàng. Dựa trên thông tin này, hệ thống có thể phủ hình ảnh quần áo kỹ thuật số lên hình ảnh trực tiếp của khách hàng. Các tác vụ thị giác máy tính, chẳng hạn như phân đoạn instance và ước tính tư thế, có thể xử lý dữ liệu hình ảnh để phát hiện chính xác cơ thể khách hàng và căn chỉnh quần áo theo vóc dáng của họ theo thời gian thực.

Hình 2. Ví dụ về thử đồ ảo.

Thử đồ ảo giúp khách hàng xem trang phục sẽ vừa vặn như thế nào qua hình ảnh 3D, và một số hệ thống thậm chí có thể mô phỏng chuyển động của vải để mang lại trải nghiệm chân thực hơn. Thị giác máy tính và camera RGB-D giúp khách hàng không cần vào phòng thử đồ mà vẫn có thể thử quần áo ngay lập tức. Công nghệ này tiết kiệm thời gian, giúp việc so sánh kiểu dáng và kích cỡ dễ dàng hơn, đồng thời cải thiện trải nghiệm mua sắm tổng thể.

Tìm hiểu ảnh stereo và camera time-of-flight (ToF)#

Camera stereo là loại camera sử dụng nhiều cảm biến hình ảnh để ghi nhận độ sâu bằng cách so sánh hình ảnh từ các góc khác nhau. Chúng chính xác hơn các hệ thống chỉ có một cảm biến. Trong khi đó, camera hoặc cảm biến Time-of-Flight (ToF) đo khoảng cách bằng cách phát ra ánh sáng hồng ngoại, ánh sáng phản xạ từ các vật thể rồi quay trở lại cảm biến. Bộ xử lý của camera tính toán thời gian ánh sáng quay trở lại để xác định khoảng cách.

Hình 3. Tổng quan về cách camera ToF hoạt động.

Trong một số trường hợp, camera stereo được tích hợp với cảm biến ToF, kết hợp ưu điểm của cả hai thiết bị để ghi nhận thông tin độ sâu nhanh chóng và chính xác cao. Sự kết hợp giữa phép đo khoảng cách theo thời gian thực của cảm biến ToF và khả năng nhận biết độ sâu chi tiết của camera stereo rất phù hợp với các ứng dụng như xe tự hành và thiết bị điện tử tiêu dùng, nơi cả tốc độ lẫn độ chính xác đều rất quan trọng.

Ví dụ thường ngày về cảm biến độ sâu bằng camera time-of-flight (ToF)#

Có thể bạn đã từng sử dụng camera Time-of-Flight (ToF) mà không nhận ra. Trên thực tế, các mẫu smartphone phổ biến của những thương hiệu như Samsung, Huawei và Realme thường tích hợp cảm biến ToF để nâng cao khả năng cảm nhận độ sâu. Thông tin độ sâu chính xác mà những camera này cung cấp được dùng để tạo hiệu ứng bokeh phổ biến, trong đó hậu cảnh bị làm mờ còn chủ thể vẫn được lấy nét rõ.

Cảm biến ToF cũng đang trở nên thiết yếu trong nhiều ứng dụng khác ngoài nhiếp ảnh, chẳng hạn như nhận diện cử chỉ và thực tế tăng cường (AR). Ví dụ, các điện thoại như Samsung Galaxy S20 Ultra và Huawei P30 Pro sử dụng những cảm biến này để lập bản đồ độ sâu 3D theo thời gian thực, cải thiện cả nhiếp ảnh lẫn trải nghiệm tương tác.

Camera hồng ngoại hoặc camera nhiệt để phát hiện nhiệt#

Đúng như tên gọi, camera nhiệt được sử dụng rộng rãi để phát hiện nhiệt trong nhiều ứng dụng, bao gồm ngành sản xuất và nhà máy ô tô. Những camera này đo nhiệt độ và có thể cảnh báo người dùng khi phát hiện mức nhiệt ở ngưỡng nguy hiểm, quá cao hoặc quá thấp. Bằng cách phát hiện bức xạ hồng ngoại mà mắt người không nhìn thấy, camera nhiệt cung cấp số đo nhiệt độ chính xác. Thường được gọi là camera hồng ngoại, chúng còn được sử dụng ngoài môi trường công nghiệp. Chẳng hạn, camera nhiệt còn được dùng trong nông nghiệp để theo dõi sức khỏe vật nuôi, trong kiểm định công trình để xác định vị trí thất thoát nhiệt và trong công tác chữa cháy để định vị các điểm nóng.

Hình 4. Lính cứu hỏa sử dụng camera nhiệt để tìm các điểm nóng.

Ảnh nhiệt trong các ứng dụng công nghiệp#

Máy móc và hệ thống điện tại các nhà máy sản xuất hoặc giàn khoan dầu khí thường hoạt động liên tục và sinh nhiệt như một sản phẩm phụ. Theo thời gian, nhiệt lượng tích tụ quá mức có thể xuất hiện ở các bộ phận như động cơ, vòng bi hoặc mạch điện, tiềm ẩn nguy cơ hỏng thiết bị hoặc mất an toàn.

Camera nhiệt có thể giúp người vận hành giám sát các hệ thống này bằng cách phát hiện sớm những đợt tăng nhiệt độ bất thường. Có thể lên lịch bảo trì động cơ quá nhiệt để ngăn ngừa sự cố tốn kém. Bằng cách tích hợp ảnh nhiệt vào quy trình kiểm tra định kỳ, các ngành công nghiệp có thể triển khai bảo trì dự đoán, giảm thời gian ngừng hoạt động, kéo dài tuổi thọ thiết bị và đảm bảo môi trường làm việc an toàn hơn. Nhìn chung, hiệu suất nhà máy có thể được cải thiện và nguy cơ sự cố bất ngờ có thể được giảm thiểu.

Camera tốc độ chậm và tốc độ cao để ghi hình chuyển động#

Camera tốc độ cao được thiết kế để ghi hình ở tốc độ hơn 10.000 khung hình mỗi giây (FPS), nhờ đó có thể xử lý các chuyển động nhanh với độ chính xác vượt trội. Ví dụ, khi sản phẩm di chuyển nhanh trên dây chuyền sản xuất, có thể dùng camera tốc độ cao để giám sát và phát hiện mọi bất thường.

Mặt khác, camera quay chậm có thể ghi hình ở tốc độ khung hình cao rồi giảm tốc độ phát lại. Nhờ vậy, người xem có thể quan sát những chi tiết thường bị bỏ lỡ trong thời gian thực. Những camera này được sử dụng để đánh giá hiệu năng của súng và vật liệu nổ. Khả năng làm chậm và phân tích các chuyển động phức tạp khiến chúng trở nên lý tưởng cho loại ứng dụng này.

Trong một số tình huống, kết hợp camera tốc độ cao và camera quay chậm có thể hỗ trợ phân tích chi tiết các vật thể chuyển động nhanh và chậm trong cùng một sự kiện. Giả sử chúng ta đang phân tích một trận golf. Camera tốc độ cao có thể đo tốc độ của bóng golf, trong khi camera quay chậm có thể phân tích chuyển động đánh bóng và khả năng kiểm soát cơ thể của golfer.

Hình 5. Sử dụng thị giác máy tính và camera tốc độ cao để phân tích cú đánh golf.

Ảnh đa phổ trong thị giác máy tính#

Camera đa phổ là các thiết bị chuyên dụng có thể ghi lại nhiều bước sóng trong quang phổ ánh sáng, bao gồm cả tia cực tím và tia hồng ngoại, chỉ trong một lần chụp. Ảnh đa phổ cung cấp dữ liệu chi tiết có giá trị mà camera truyền thống không thể thu nhận. Tương tự camera siêu phổ, vốn ghi lại các dải ánh sáng hẹp và liên tục hơn, camera đa phổ được sử dụng trong các lĩnh vực như nông nghiệp, địa chất, giám sát môi trường và chẩn đoán hình ảnh y tế. Ví dụ, trong chăm sóc sức khỏe, camera đa phổ có thể giúp quan sát các mô khác nhau bằng cách ghi lại hình ảnh ở nhiều bước sóng.

Hình 6. So sánh ảnh RGB, đa phổ và siêu phổ.

Tương tự, drone được trang bị công nghệ ảnh đa phổ đang tạo ra những bước tiến đáng kể trong nông nghiệp. Drone có thể sớm xác định cây trồng không khỏe mạnh hoặc bị côn trùng và sâu bệnh ảnh hưởng. Những camera này có thể phân tích quang phổ cận hồng ngoại; cây khỏe mạnh thường phản xạ nhiều ánh sáng cận hồng ngoại hơn cây không khỏe mạnh. Bằng cách áp dụng các kỹ thuật AI này vào nông nghiệp, nông dân có thể sớm triển khai biện pháp đối phó để tăng năng suất và giảm thất thoát mùa vụ.

Camera LiDAR cho xe tự hành#

Camera LiDAR (phát hiện và đo khoảng cách bằng ánh sáng) sử dụng xung laser để tạo bản đồ 3D và phát hiện vật thể từ xa. Camera LiDAR hoạt động hiệu quả trong nhiều điều kiện như sương mù, mưa, bóng tối và nhiệt độ cao, dù thời tiết khắc nghiệt như mưa hoặc sương mù có thể ảnh hưởng đến hiệu năng. LiDAR thường được sử dụng trong các ứng dụng như xe tự lái để định vị và phát hiện chướng ngại vật.

LiDAR hoạt động như đôi mắt của xe, phát ra các xung laser và đo thời gian để chúng phản hồi. Thông tin này giúp xe tính toán khoảng cách và nhận diện các vật thể như ô tô, người đi bộ và đèn giao thông, cung cấp góc nhìn 360 độ để lái xe an toàn hơn.

Tổng kết#

Trong lĩnh vực thị giác máy tính, camera đóng vai trò như đôi mắt giúp máy móc nhìn và diễn giải thế giới tương tự con người. Việc chọn đúng loại camera là yếu tố then chốt để các ứng dụng thị giác máy tính thành công. Từ camera RGB tiêu chuẩn đến hệ thống LiDAR tiên tiến, mỗi loại đều có những đặc điểm riêng phù hợp với các tác vụ cụ thể. Bằng cách hiểu rõ các công nghệ camera đa dạng và ứng dụng của chúng, developer và nhà nghiên cứu có thể tối ưu hóa model thị giác máy tính hiệu quả hơn để giải quyết những thách thức phức tạp trong thực tế.

Tìm hiểu thêm về AI bằng cách xem repository GitHub của chúng tôi. Tham gia cộng đồng để kết nối với những người cùng đam mê AI thị giác. Tìm hiểu thêm về các ứng dụng thị giác máy tính trong chăm sóc sức khỏe và sản xuất trên các trang giải pháp của chúng tôi.