Tìm hiểu vai trò của FPS trong thị giác máy tính

Xem lại một khoảnh khắc thể thao yêu thích ở chế độ slow motion, trong đó mọi chi tiết đều rõ ràng, rất khác với việc xem cảnh quay giám sát thường bị giật và khó theo dõi. Chi tiết kỹ thuật then chốt đứng sau những khác biệt này là FPS, hay số khung hình mỗi giây, đề cập đến số lượng khung hình được hiển thị mỗi giây trong video. FPS cao hơn tạo ra chuyển động mượt mà, chân thực hơn, trong khi FPS thấp hơn có thể khiến cảnh quay bị giật và kém chi tiết.

Khái niệm này tác động trực tiếp đến thị giác máy tính, một nhánh của AI cho phép máy móc diễn giải và phân tích dữ liệu hình ảnh tương tự con người. Trong thị giác máy tính, FPS cao hơn nghĩa là các hệ thống có thể thu thập nhiều thông tin hơn mỗi giây, cải thiện độ chính xác của việc phát hiện và tracking đối tượng trong thời gian thực.

Trong bài viết này, chúng ta sẽ tìm hiểu các khía cạnh kỹ thuật của FPS và mối liên hệ của nó với các ứng dụng thị giác máy tính. Hãy bắt đầu nào!

FPS có nghĩa là gì trong thị giác máy tính?#

Giả sử bạn đang chơi một game đua xe: ở mức 60 FPS, mỗi khúc cua đều mượt mà và phản hồi nhanh, nhưng ở mức 20 FPS, thao tác điều khiển bị trễ, khiến bạn khó tránh chướng ngại vật hơn. Nói đơn giản, bạn có thể hình dung FPS là số lượng ảnh tĩnh được hiển thị mỗi giây. Nhiều ảnh hơn mỗi giây khiến chuyển động trông mượt mà và tự nhiên, trong khi ít ảnh hơn có thể khiến chuyển động bị giật.

Cũng giống như trong gaming, FPS là một phần quan trọng của các ứng dụng thị giác máy tính. FPS cao hơn giúp tracking đối tượng bằng AI thị giác diễn ra mượt mà, trong khi FPS thấp hơn có thể khiến bỏ sót chi tiết.

Ví dụ, trong phân tích thể thao, camera hỗ trợ AI cần FPS cao hơn để tracking các đường chuyền nhanh, chuyển động của cầu thủ và quỹ đạo bóng. FPS thấp hơn có thể khiến hệ thống bỏ sót khoảnh khắc quan trọng như điểm tiếp xúc giữa chân và bóng hoặc một lần đổi hướng nhanh, từ đó ảnh hưởng đến độ chính xác của phân tích.

Tương tự, trong giám sát giao thông, các hệ thống dựa vào FPS cao để phát hiện xe chạy quá tốc độ và việc chuyển làn trong thời gian thực. Việc chọn FPS phù hợp phụ thuộc vào yêu cầu cụ thể của từng ứng dụng thị giác máy tính, đồng thời cân bằng hiệu năng, hiệu quả và độ rõ nét hình ảnh.

Hình 1. So sánh các tốc độ khung hình khác nhau.

Các khía cạnh kỹ thuật của FPS trong thị giác máy tính#

Sau khi đã tìm hiểu FPS là gì và được sử dụng như thế nào trong thị giác máy tính, hãy cùng đi sâu vào các khía cạnh kỹ thuật, bắt đầu với cách tính FPS của một video.

Chia tổng số khung hình cho thời lượng tính bằng giây sẽ cho ra FPS của video. Ví dụ, nếu một video có 96 khung hình trong 4 giây, kết quả là 24 FPS, nghĩa là mỗi giây hiển thị 24 hình ảnh; trong khi 32 khung hình trong 4 giây cho kết quả 8 FPS. Các thư viện Python như OpenCV có thể được sử dụng để trích xuất metadata video, đếm khung hình và tự động tính FPS, giúp đơn giản hóa quy trình phân tích video.

Hình 2. 24 FPS so với 8 FPS so với 4 FPS.

Các yếu tố ảnh hưởng đến FPS của video#

Tuy nhiên, chỉ tính FPS là chưa đủ để đưa ra các quyết định kỹ thuật khi phát triển giải pháp thị giác máy tính. Cũng cần xem xét nhiều yếu tố có thể ảnh hưởng đến tốc độ khung hình thực tế, chẳng hạn như khả năng phần cứng, tối ưu hóa phần mềm và điều kiện môi trường.

Hãy cùng xem xét kỹ hơn những yếu tố đó:

• Khả năng phần cứng: Chất lượng cảm biến camera và năng lực xử lý của thiết bị có thể quyết định số khung hình được ghi lại mỗi giây. Phần cứng tốt hơn thường hỗ trợ FPS cao hơn và video mượt mà hơn.
• Tối ưu hóa phần mềm: Phần mềm mã hóa và xử lý video hiệu quả giúp trích xuất và phân tích khung hình nhanh chóng. Điều này đảm bảo video được xử lý mà không có độ trễ không cần thiết.
• Điều kiện môi trường: Ánh sáng và chuyển động trong một cảnh ảnh hưởng đến độ rõ nét khi khung hình được ghi lại. Ánh sáng tốt và chuyển động vừa phải có thể cải thiện FPS, trong khi điều kiện kém có thể yêu cầu FPS cao hơn để duy trì độ rõ nét.
• Nhu cầu lưu trữ: FPS cao hơn ghi lại nhiều khung hình hơn mỗi giây, dẫn đến kích thước tệp lớn hơn. Điều này làm tăng nhu cầu lưu trữ và đòi hỏi xử lý dữ liệu nhanh hơn để đảm bảo phát lại mượt mà.

Tìm hiểu FPS trong các ứng dụng thị giác máy tính#

Các AI model như Ultralytics YOLO11 hỗ trợ tác vụ thị giác máy tính thời gian thực có thể được sử dụng để phân tích video với tốc độ khung hình cao. Khả năng thời gian thực này rất quan trọng đối với các ứng dụng như lái xe tự động, giám sát và robotics, nơi ngay cả độ trễ nhỏ cũng có thể dẫn đến sai sót đáng kể.

Hãy cùng xem qua một số ứng dụng AI thị giác trong thực tế, nơi FPS cao là yếu tố thiết yếu để đảm bảo độ chính xác và hiệu năng.

Tốc độ khung hình cao hơn cho các giải pháp giám sát và an ninh#

Các hệ thống giám sát những khu vực có mật độ giao thông cao như đường cao tốc sử dụng FPS cao để ghi lại các chi tiết nhỏ, đảm bảo những phương tiện di chuyển nhanh được ghi nhận rõ ràng. Độ rõ nét này rất quan trọng đối với các hệ thống nhận dạng biển số tự động (ANPR), vốn cần cảnh quay chất lượng tốt để nhận dạng phương tiện chính xác.

Trong những hệ thống như vậy, các model như Ultralytics YOLO11 có thể được sử dụng để phát hiện biển số trực tiếp từ luồng video. Sau khi biển số được phát hiện, Nhận dạng ký tự quang học (OCR), công nghệ chuyển hình ảnh chứa văn bản thành các ký tự mà máy có thể đọc, được sử dụng để đọc thông tin trên biển số. Quy trình này cho phép nhận dạng phương tiện nhanh chóng và chính xác, tăng cường hiệu quả thực thi luật giao thông và an ninh tổng thể.

Hình 3. Sử dụng YOLO11 để phát hiện biển số.

Tìm hiểu yêu cầu FPS đối với các hệ thống tự hành#

Hãy xem xét một ô tô tự lái đang dừng trước biển báo dừng, cẩn thận phân tích môi trường xung quanh để quyết định liệu có thể tiếp tục di chuyển an toàn hay không. Chiếc xe này phải đưa ra quyết định gần như tức thời, đòi hỏi phải thu thập và xử lý dữ liệu hình ảnh trong thời gian thực.

Nếu phương tiện tự hành được trang bị camera có thể ghi lại cảnh quay ở FPS cao hơn, nó sẽ nhận được luồng hình ảnh liên tục và chi tiết hơn. Dữ liệu hình ảnh nâng cao này cho phép xe nhanh chóng phát hiện chướng ngại vật, người đi bộ và các phương tiện khác. Nhờ đó, phương tiện có thể phản ứng kịp thời với mọi thay đổi trong môi trường.

Nếu camera xử lý hình ảnh ở FPS thấp hơn, phương tiện có thể nhận được góc nhìn giật hơn và kém chi tiết hơn. Điều này có thể làm chậm thời gian phản hồi, tăng nguy cơ bỏ sót thông tin quan trọng và có khả năng ảnh hưởng đến an toàn.

Mối liên hệ giữa FPS và phân tích thể thao#

Ghi lại chính xác mọi chuyển động là yếu tố then chốt trong thể thao, nơi những quyết định trong tích tắc có thể tạo nên khác biệt giữa thắng và thua. Công nghệ hỗ trợ FPS cao hơn cho phép ghi lại mọi chi tiết nhỏ trong chuyển động, đồng thời huấn luyện viên, chuyên gia phân tích và vận động viên có thể xem lại các pha bóng ở chế độ slow motion mà không bỏ sót khoảnh khắc nào. Công nghệ này cũng giúp trọng tài đưa ra quyết định chính xác hơn trong các môn như tennis, bóng đá và cricket nhờ cung cấp góc nhìn rõ ràng theo từng khung hình.

Ví dụ, một nghiên cứu thú vị về bóng chuyền đã phân tích cách sử dụng FPS cao hơn giúp cải thiện đánh giá hiệu năng. Việc tăng FPS từ 30 lên 240 đã cải thiện đáng kể độ rõ nét của chuyển động và khả năng tracking đối tượng. Độ chính xác của phân tích cú đập cũng được cải thiện, giúp huấn luyện viên hiểu chính xác hơn về vị trí bàn tay, điểm tiếp xúc với bóng và cơ chế bật nhảy. Ngoài ra, nghiên cứu cho thấy FPS cao hơn làm giảm hiện tượng nhòe chuyển động, giúp dễ phân tích các cú phát bóng và phản ứng phòng thủ hơn.

Hình 4. So sánh FPS thấp và cao về độ rõ nét của chuyển động.

Khi sử dụng FPS thấp mang lại hiệu quả trong phân tích video#

Không phải mọi ứng dụng thị giác máy tính đều yêu cầu ghi hình ở FPS cao hơn. Trong nhiều trường hợp, FPS thấp hơn vẫn đủ để đạt kết quả chính xác, tùy thuộc vào tác vụ. Sau đây là một số lĩnh vực chính ưu tiên FPS thấp hơn:

• Hậu xử lý và phân tích offline: Đối với các ứng dụng như giám sát giao thông và phân tích đám đông, không phải lúc nào cũng cần ghi lại mọi khung hình ở FPS cao. FPS thấp hơn vẫn có thể cung cấp đủ dữ liệu để phân tích các mô hình chuyển động, chẳng hạn như lưu lượng phương tiện, mật độ người đi bộ và xu hướng ùn tắc. Bằng cách loại bỏ các khung hình dư thừa, phương pháp này giảm nhu cầu lưu trữ và tải tính toán mà vẫn duy trì khả năng phân tích chính xác.
• Giám sát môi trường time-lapse: Để tracking những thay đổi chậm như sự phát triển của cây, tiến độ xây dựng hoặc chuyển động của sông băng, chỉ cần ghi lại một khung hình mỗi vài phút hoặc một lần mỗi ngày là đủ, qua đó ghi nhận hiệu quả các biến đổi dài hạn đồng thời tiết kiệm dung lượng lưu trữ.
• Môi trường hạn chế tài nguyên: Trong giám sát động vật hoang dã và an ninh từ xa, FPS thấp hơn giúp tiết kiệm pin và dung lượng lưu trữ. Camera kích hoạt theo chuyển động hoạt động ở mức 5–10 FPS có thể ghi lại các sự kiện thiết yếu trong thời gian dài, rất phù hợp với các hệ thống triển khai ngoài lưới điện.

Lựa chọn FPS phù hợp cho các ứng dụng deep learning#

Việc chọn FPS lý tưởng đòi hỏi cân bằng giữa hiệu năng và các giới hạn của hệ thống. Sau đây là một số yếu tố cần cân nhắc khi tối ưu FPS cho các ứng dụng deep learning:

• Cân bằng hiệu năng và tài nguyên: FPS cao hơn cải thiện khả năng phản hồi nhưng cũng làm tăng nhu cầu năng lượng và xử lý. Điều chỉnh FPS linh hoạt, sử dụng nội suy khung hình và tối ưu hóa phần cứng có thể giúp duy trì hiệu năng mượt mà mà không làm hệ thống quá tải.
• Nhu cầu theo từng ứng dụng: Các ứng dụng khác nhau có yêu cầu FPS khác nhau. Thiết bị chạy bằng pin nên sử dụng FPS thấp hơn để tiết kiệm năng lượng, trong khi các hệ thống thời gian thực như drone và phương tiện tự hành cần FPS cao hơn để phản hồi nhanh và chính xác.
• Kiểm thử và tối ưu hóa: Tốt nhất nên kiểm thử các cài đặt FPS trong nhiều điều kiện ánh sáng và chuyển động khác nhau. Đánh giá độ trễ và so sánh các mức FPS cạnh nhau giúp xác định sự cân bằng tốt nhất giữa khả năng phản hồi, chất lượng hình ảnh và hiệu quả sử dụng tài nguyên.

Các đổi mới trong tương lai và tối ưu FPS cho AI model#

Những tiến bộ trong AI và tối ưu hóa phần cứng đang giúp tốc độ khung hình cao trở nên khả thi hơn, ngay cả trong các môi trường hạn chế tài nguyên. Chẳng hạn, các ngành như điện ảnh, thể thao và robotics có thể hưởng lợi từ việc quản lý tốc độ khung hình thông minh hơn, trong đó hệ thống tự động điều chỉnh FPS dựa trên độ phức tạp của chuyển động và năng lực xử lý. Nội suy khung hình bằng AI cũng cải thiện độ mượt của video bằng cách tạo thêm khung hình trong thời gian thực.

Trong khi đó, một đột phá gần đây từ NVIDIA đang tiếp tục nâng cao hiệu năng FPS. DLSS 4 (Siêu lấy mẫu deep learning) giới thiệu tính năng tạo nhiều khung hình, sử dụng AI để dự đoán và tạo thêm các khung hình. Công nghệ này tăng tốc độ khung hình lên đến 8 lần đồng thời giảm tải cho hệ thống.

Bằng cách để AI đảm nhiệm một phần quá trình kết xuất, DLSS 4 giúp hình ảnh mượt mà hơn mà không gây thêm áp lực lên phần cứng, cải thiện cả hiệu năng và hiệu quả.

Những điểm chính#

FPS không chỉ là thước đo độ mượt của hình ảnh; nó thúc đẩy việc ra quyết định theo thời gian thực trong AI và thị giác máy tính. Mỗi khung hình trong video ghi lại dữ liệu quan trọng, cho phép máy móc tracking đối tượng, phân tích chuyển động và phản hồi với môi trường biến đổi. Dù là ô tô tự lái tránh chướng ngại vật hay hệ thống giám sát phát hiện mối đe dọa tức thời, FPS phù hợp sẽ đảm bảo độ chính xác và hiệu quả.

Tương lai của FPS không chỉ là tăng tốc độ khung hình mà còn là tối ưu chúng một cách thông minh. Sự phát triển này sẽ giúp các hệ thống thị giác máy tính nhanh hơn, đổi mới hơn và sử dụng tài nguyên hiệu quả hơn trong nhiều ngành khác nhau.

Bạn muốn tìm hiểu thêm về AI? Hãy khám phá repository GitHub của chúng tôi và tham gia cộng đồng của chúng tôi. Bạn đã sẵn sàng bắt đầu các dự án thị giác máy tính của riêng mình chưa? Hãy xem các tùy chọn cấp phép của chúng tôi. Tìm hiểu cách thị giác máy tính trong lĩnh vực chăm sóc sức khỏe đang cải thiện hiệu quả và khám phá tác động của AI trong lĩnh vực sản xuất bằng cách truy cập các trang giải pháp của chúng tôi!