Thị giác máy tính giúp theo dõi chuyển động đáng tin cậy hơn

Khi xem một vở kịch và diễn viên yêu thích di chuyển trên sân khấu, mắt bạn có thể theo dõi họ mà hầu như không cần nỗ lực có ý thức. Với con người, kiểu theo dõi chuyển động này diễn ra tự nhiên. Não bộ tự động kết nối những gì bạn nhìn thấy ở thời điểm này với thời điểm tiếp theo, lấp đầy các khoảng trống và duy trì cảm giác liên tục khi cảnh diễn thay đổi.

Đối với máy móc, cùng một tác vụ phức tạp hơn nhiều. Camera ghi lại video dưới dạng chuỗi các frame riêng lẻ, và hệ thống phải liên tục xác định cùng một đối tượng qua từng bước để ước tính vị trí di chuyển của đối tượng, đồng thời quyết định xem đó có còn là đối tượng cần theo dõi hay không.

Thách thức này là trọng tâm của theo dõi chuyển động. Theo dõi chuyển động bao gồm việc theo vết một đối tượng trong video theo thời gian và đóng vai trò quan trọng trong các lĩnh vực như phân tích thể thao, robotics và ứng dụng di động.

Theo dõi chuyển động và camera truyền thống thường phụ thuộc vào thiết lập thủ công, các điểm theo dõi và keyframe. Phương pháp này có thể hiệu quả trong những cảnh đơn giản, nhưng nhanh chóng trở nên chậm và thiếu tin cậy khi chuyển động nhanh hoặc bị che khuất một phần.

Hình 1. Tổng quan về hệ thống theo dõi chuyển động (Nguồn)

Những tiến bộ gần đây trong thị giác máy tính giúp công việc này dễ dàng hơn nhiều. Thị giác máy tính là một nhánh của AI giúp máy móc hiểu hình ảnh và video, từ đó việc theo dõi chuyển động trở nên chính xác hơn và ít phụ thuộc vào thao tác thủ công hơn. Bằng cách phát hiện đối tượng trong mỗi frame và duy trì nhất quán danh tính của đối tượng theo thời gian, các hệ thống này theo dõi chuyển động đáng tin cậy hơn trong điều kiện thực tế.

Trong bài viết này, chúng ta sẽ tìm hiểu cách thị giác máy tính có thể đơn giản hóa việc theo dõi chuyển động.

Các phương pháp ghi lại và theo dõi chuyển động truyền thống cùng những hạn chế#

Việc theo dõi chuyển động truyền thống thường đòi hỏi thiết lập thủ công cẩn thận, đặc biệt trong quy trình chỉnh sửa video và VFX, nơi mục tiêu là gắn đồ họa, hiệu ứng hoặc lớp phủ vào các thành phần chuyển động trong cảnh quay.

Nhiều quy trình bắt đầu bằng cách đặt các điểm theo dõi lên những phần cụ thể của cảnh quay, sau đó phần mềm bám theo các điểm này qua từng frame để lập bản đồ đường đi của chuyển động. Cách làm này phổ biến trong các công cụ như After Effects; những quy trình tương tự cũng xuất hiện trong Premiere Pro thông qua các tính năng như theo dõi mask, cho phép biên tập viên theo dõi mask hoặc vùng theo thời gian.

Match moving là một phương pháp phổ biến khác. Phương pháp này giúp căn chỉnh các thành phần kỹ thuật số với chuyển động camera thực để hiệu ứng hoặc đồ họa luôn nằm đúng vị trí trong cảnh quay trực tiếp. Những phương pháp này có thể hoạt động tốt với các cảnh đơn giản, nhưng thường gặp khó khăn khi cảnh quay đông đúc hoặc đối tượng di chuyển nhanh.

Việc theo dõi cũng có thể thất bại khi ánh sáng thay đổi hoặc chủ thể bị che khuất một phần, gây ra hiện tượng trôi hoặc nhảy đột ngột của đường theo dõi. Điều đó làm chậm quy trình và buộc biên tập viên phải làm lại một số đoạn trong cảnh quay. Khi đối tượng đổi hướng nhanh, các bộ theo dõi chuyển động đời cũ có thể không theo kịp, khiến kết quả thiếu nhất quán và khó tin cậy hơn.

Thị giác máy tính thay đổi cách theo dõi chuyển động như thế nào#

Các hệ thống thị giác máy tính hiện đại sử dụng model AI để theo dõi các đối tượng chuyển động trong video. Thay vì dựa vào việc điều chỉnh thủ công liên tục hoặc theo dõi từng frame dễ lỗi, model học hình dạng của đối tượng và cách đối tượng thường di chuyển. Nhờ đó, việc theo dõi chuyển động vẫn ổn định khi cảnh trở nên phức tạp, ánh sáng thay đổi hoặc đối tượng tạm thời biến mất.

Ví dụ, các model thị giác máy tính như Ultralytics YOLO11 và phiên bản kế nhiệm Ultralytics YOLO26 hỗ trợ theo dõi đối tượng bằng cách phát hiện đối tượng trong từng frame. Nói đơn giản, chúng xác định nội dung trong frame và vị trí của nội dung đó bằng cách xuất bounding box cùng điểm độ tin cậy cho mỗi đối tượng được phát hiện.

Hình 2. Theo dõi phương tiện trong một vùng bằng Ultralytics YOLO11 (Nguồn)

Điều thú vị là các model YOLO không thực sự tự theo dõi đối tượng theo thời gian. Thay vào đó, tính năng theo dõi được triển khai thông qua package Python Ultralytics, kết nối kết quả phát hiện của YOLO với các thuật toán theo dõi đa đối tượng như ByteTrack và BoT-SORT. Trong cấu hình này, YOLO phát hiện đối tượng theo từng frame, còn tracker liên kết các kết quả phát hiện qua các frame để duy trì ID nhất quán cho mỗi đối tượng khi đối tượng di chuyển.

Các ứng dụng thực tế của theo dõi chuyển động bằng AI#

Tiếp theo, hãy cùng xem xét kỹ hơn một số ứng dụng thực tế mà việc theo dõi chuyển động bằng AI đang tạo ra tác động.

Phân tích thể thao và theo dõi cầu thủ chính xác#

Trong một trận đấu bóng đá, cầu thủ liên tục tăng tốc, dừng lại và đổi hướng, khiến việc đo lường chính xác chuyển động trên sân trở nên khó khăn. Việc theo dõi thủ công thường không hiệu quả trong những tình huống này, đặc biệt khi các cầu thủ chồng lấp, tụ lại hoặc di chuyển qua khu vực đông người.

Theo dõi chuyển động bằng AI hỗ trợ bằng cách bám theo từng cầu thủ trong suốt trận đấu, đồng thời duy trì đường đi của họ rõ ràng và nhất quán. Ví dụ, trong một nghiên cứu gần đây, các nhà nghiên cứu đã sử dụng YOLO11 để phát hiện cầu thủ và bóng từ nhiều góc camera. YOLO11 xác định từng cầu thủ trong mỗi frame, còn hệ thống theo dõi liên kết các kết quả phát hiện theo thời gian để duy trì danh tính nhất quán của từng cầu thủ khi họ di chuyển.

Hình 3. Phát hiện và theo dõi nhiều cầu thủ bóng đá (Nguồn)

Theo dõi chuyển động trong thực tế tăng cường và thực tế ảo#

Thực tế tăng cường (AR) cho phép ứng dụng đặt các đối tượng kỹ thuật số vào thế giới thực, chẳng hạn như nhãn trên sản phẩm, nhân vật trên sàn hoặc lớp phủ trên bàn chân khi bạn di chuyển. Để những trải nghiệm này tạo cảm giác chân thực, nội dung ảo phải luôn được neo đúng vị trí khi bạn đi lại, nghiêng điện thoại hoặc di chuyển chính đối tượng đó.

Thị giác máy tính đóng vai trò then chốt ở đây vì giúp thiết bị di động hiểu được camera đang hướng vào đâu và di chuyển như thế nào trong cảnh. Nói cách khác, công nghệ này cho phép theo dõi 3D bằng cách ước tính vị trí và hướng của một đối tượng trong không gian, sau đó cập nhật vị trí đó khi người dùng di chuyển.

Hình 4. Ví dụ về theo dõi 3D trong ứng dụng AR (Nguồn)

Thực tế ảo (VR) dựa trên các ý tưởng theo dõi tương tự, nhưng mục tiêu khác nhau. Thay vì neo nội dung kỹ thuật số vào thế giới thực, VR tập trung theo dõi đầu và tay của bạn để thế giới ảo phản hồi tự nhiên khi bạn di chuyển.

Theo dõi thiết bị chuyển động và tự động hóa quy trình#

Môi trường công nghiệp thường có thiết bị và sản phẩm di chuyển qua nhiều công đoạn trong một quy trình. Mỗi công đoạn phụ thuộc vào việc phối hợp và căn chỉnh thời gian chính xác. Việc theo dõi thủ công có thể không theo kịp vì các vật thể di chuyển với tốc độ khác nhau, chồng lấp lên nhau hoặc nhanh chóng đổi vị trí.

Theo dõi chuyển động bằng AI giúp hệ thống sản xuất quan sát rõ hơn từng đối tượng khi đối tượng di chuyển dọc theo dây chuyền. Trong một nghiên cứu đáng chú ý, một mạng lưới camera kết nối với nhau đã theo dõi sản phẩm trong toàn bộ chu kỳ sản xuất và cập nhật bản sao số — bản sao ảo của quy trình thực — theo thời gian thực.

Hệ thống xác định từng sản phẩm, theo dõi chuyển động và duy trì sự đồng bộ giữa model kỹ thuật số với những gì đang diễn ra trên sàn nhà máy. Phương pháp này cải thiện hoạt động giám sát và hỗ trợ vận hành an toàn hơn bằng cách cung cấp cho người vận hành thông tin đáng tin cậy ở mọi công đoạn. Phương pháp này cũng cho thấy theo dõi chuyển động có thể hỗ trợ tự động hóa linh hoạt và có khả năng mở rộng như thế nào khi có dữ liệu theo dõi nhất quán.

Ưu và nhược điểm của theo dõi chuyển động bằng AI#

Dưới đây là một số lợi ích của việc sử dụng theo dõi chuyển động bằng AI:

• Khôi phục sau khi bị che khuất tốt hơn: Các hệ thống AI thị giác thường có thể duy trì hoặc khôi phục track khi các đối tượng chồng lấp hoặc tạm thời biến mất.
• Khả năng mở rộng: Sau khi triển khai, các hệ thống theo dõi bằng AI có thể xử lý video dài và nhiều luồng camera mà không cần thiết lập lại cho từng cảnh quay.
• Dữ liệu chuyển động phong phú hơn: Kết quả theo dõi có thể được dùng để đo lường đường đi, số lượng, thời gian lưu lại và ước tính tốc độ cơ bản phục vụ phân tích.

Theo dõi bằng AI hoạt động hiệu quả trong nhiều trường hợp, nhưng không phải thiết lập nào cũng có thể dùng ngay mà không cần cấu hình. Dưới đây là một số hạn chế cần cân nhắc:

• Bảo trì liên tục: Hiệu suất có thể thay đổi theo thời gian khi góc camera, môi trường hoặc workload biến đổi, vì vậy thường cần cập nhật định kỳ.
• Độ phức tạp khi tích hợp: Việc kết nối bộ theo dõi với các trình chỉnh sửa video, hệ thống phân tích hoặc hệ thống tự động hóa hiện có có thể cần adapter, hiệu chỉnh và kiểm thử bổ sung.
• Các trường hợp biên trong điều kiện khắc nghiệt: Ánh sáng yếu, nhòe chuyển động, che khuất nhiều và các đối tượng rất nhỏ vẫn có thể gây lỗi theo dõi.

Điểm chính cần ghi nhớ#

Các tính năng theo dõi chuyển động bằng AI đang nhanh chóng trở thành lựa chọn thiết thực hơn cho video trong thế giới thực, nơi chuyển động nhanh, cảnh quay đông đúc và các chỉnh sửa thủ công không thể mở rộng quy mô. Thị giác máy tính đang tiến bộ nhanh chóng, giúp hệ thống theo dõi dễ triển khai hơn và đáng tin cậy hơn trong những điều kiện khó khăn. Nhờ đó, theo dõi chuyển động ngày càng hữu ích trong robotics, ứng dụng di động, phân tích và sáng tạo nội dung.

Tham gia cộng đồng của chúng tôi và khám phá những cập nhật mới nhất về AI thị giác trên repository GitHub của chúng tôi. Truy cập các trang giải pháp để tìm hiểu cách những ứng dụng như AI trong sản xuất và thị giác máy tính trong y tế thúc đẩy tiến bộ, đồng thời xem các tùy chọn cấp phép để hỗ trợ giải pháp AI tiếp theo của bạn.