Cải tiến hiệu năng mã hóa video cho các ứng

dụng Học máy với chuẩn VVC kết hợp ROI

Coding
Đỗ Ngọc Minh, Nguyễn Phương Anh, Hoàng Văn Xiêm∗
Khoa Điện tử Viễn thông
Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội
∗ Tác giả liên hệ: (dongocminh, xiemhoang)@vnu.edu.vn

Tóm tắt—Các chuẩn mã hóa video HEVC (High Effi-

ciency Video Coding) và gần đây nhất là VVC (Versatile
Video Coding) ra đời, mang lại nhiều đột phá cho các ứng
dụng truyền thông đa phương tiện như truyền hình hội
nghị, truyền hình quảng bá và đặc biệt là E-learning. Tuy
nhiên, sự phát triển của trí tuệ nhân tạo (AI) và dữ liệu
lớn gần đây đặt ra một nhu cầu bức thiết về một mô hình
mã hóa video chuyên biệt, được thiết kế riêng cho các ứng
dụng phân tích hình ảnh, video sử dụng học máy (VCM
- Video Coding for Machines). Do vậy, trong bài báo này,
chúng tôi đề xuất một phương pháp mã hóa video mới,
kết hợp hiệu quả giữa thuật toán ROI Coding (Region Of
Interest Coding) và mô hình mã hóa VVC. Phương pháp
đề xuất xác định các vùng quan tâm trong các khung
hình của video thông qua các đặc trưng cơ bản. Trên cơ
sở đó, chúng tôi đề xuất điều chỉnh thích nghi phương
thức nén cho từng khối hình sao cho vẫn đảm bảo được
hiệu năng thực thi các ứng dụng học máy nhưng yêu cầu
lượng dữ liệu mã hóa là ít nhất. Do đó, nghiên cứu khảo
sát hướng tiếp cận để trích xuất đặc trưng từ thông tin
gốc tại phía mã hóa (EROI - Encoding based on Region
Of Interest). Kết quả cho thấy thuật toán EROI-VCM có
thể giúp tăng độ chính xác MOTA lên tới 9.69% và cùng
một giá trị MOTA thì EROI-VCM tiết kiệm được 54.81%
về BD-Rate.
Từ khóa—Mã hóa VCM, Chuẩn VVC, Mã hóa vùng
quan tâm (ROI Coding)
I. GIỚI THIỆU
Ngày nay, video chiếm hơn 80 phần trăm lưu lượng
dữ liệu trên internet và trở thành một trong những định
dạng dữ liệu chính. Dung lượng video được khai thác
bởi máy tính đã vượt qua dung lượng video được khai
thác bởi con người. Các nhiệm vụ thị giác máy kết hơp
học máy bao gồm phát hiện đối tượng, phân đoạn, và
theo dõi khá khác biệt so với những nhiệm vụ dành cho
con người. Ngược lại, do dung lượng dữ liệu video lớn,
việc nén video một cách hiệu quả cho máy tính (VCM
- Video Coding for Machines) đã trở thành một chủ
Hình 1: Sơ đồ tổng quát hệ thống mã hóa video thông
thường (a) và VCM (b).
đề quan trọng trong giới học thuật nói chung và công
nghiệp nói riêng.
A. Mã hóa VCM và mô hình Standard-VCM
Các chuẩn mã hóa video truyền thống như High-
efficiency Video Coding (HEVC) [1] và mới nhất là
Versatile Video Coding (VVC) [2] đã được tối ưu hóa
rất nhiều để cung cấp chất lượng tốt nhất có thể ở tỷ lệ
bit cụ thể, trong đó người dùng cuối được xem xét làm
tham chiếu để đánh giá chất lượng. Do đó, nó đặt ra một
vấn đề rằng liệu những tối ưu hóa được thực hiện cho
người dùng được mô tả trong hình 1a, có phù hợp khi
những dữ liệu này được phân tích và xử lý bởi một thuật
toán thay vì một con người, như hình 1b. Câu hỏi đó đã
mở ra một lĩnh vực nghiên cứu về mã hóa video cho các
tác vụ được xử lý bởi máy tính (VCM - Video Coding
for Machines). Từ đó, MPEG [3] đã thành lập một nhóm
các chuyên gia về lĩnh vực này vào năm 2019 với mục
tiêu nghiên cứu và phát triển chuẩn mã hóa video VCM
[4].
Sau đó, các nghiên cứu về VCM trên video ngày càng
được quan tâm. Trong nghiên cứu của A. D. Bagdanov
và công sự [5], họ đã đề xuất mô hình VCM dựa trên
chuẩn mã hóa video H.264/AVC [6] mà giúp bảo tồn
chất lượng các khu vực quan trọng, trong khi vùng nền
được nén mạnh hơn. Kết quả cho thấy rằng kỹ thuật này
có hiệu quả vượt trội so với việc mã hóa chuẩn H.264
với tỷ lệ bit tương tự và bảo tồn các đặc trưng quan
trọng cho việc phát hiện và nhận dạng ở các bước tiếp
theo.
Ngoài ra, Choi và Bajic [7] đã đề xuất một chiến
lược phân bổ bit và kiểm soát tốc độ được điều chỉnh
để phục vụ bài toán phát hiện đối tượng. Bằng cách
sử dụng các lớp tích chập ban đầu của bộ phát hiện đối
tượng YOLO9000 [8], họ đã tạo ra một bản đồ biểu diễn
tầm quan trọng của các vùng trong ảnh có thể hướng
dẫn việc phân bổ bit đến các khu vực quan trọng để phát
hiện đối tượng. Phương pháp này cho phép tiết kiệm tốc
độ bit từ 7% trở lên so với chuẩn HEVC mà hiệu quả
phát hiện đối tượng tương đương.
B. ROI Coding
Thuật ngữ ROI Coding đã sớm xuất hiện trong mã hóa
ở tiêu chuẩn JPEG2000 [9] liên quan đến việc mã hóa
ảnh sao cho vùng quan tâm (ROI - Region Of Interest)
được mã hóa với chất lượng tốt hơn so với phần còn
lại của hình ảnh. Theo đó, vùng ROI có thể là người,
xe, chuyển động hay bất kỳ đối tượng nào mà hệ thống
quan tâm. Ví dụ như trong các hệ thống nhận dạng biển
số xe, vùng ROI cần được xác định ở đây là vùng chứa
biển số xe.
Sau đó, thuật ngữ này được sử dụng rộng rãi trong cả
mã hóa ảnh và video. Trong mã hóa video, ROI Coding
là mã hóa vùng quan tâm với chất lượng tốt hơn so
với những vùng khác trong khung hình [10], điều này
có nhiều ứng dụng như hệ thống họp trực tuyến, giám
sát video hay phục vụ cho những tác vụ trí tuệ nhân
tạo. Việc cung cấp nhiều bit hơn cho vùng quan tâm
giúp phân biệt rõ hơn các khuôn mặt và hành vi của
con người so với môi trường xung quanh, do đó cải
thiện trải nghiệm họp và hiệu suất theo dõi. Ngoài ra,
nó cũng được sử dụng trong hình ảnh y học, nơi các
vùng có cơ quan quan trọng đối với chẩn đoán của bác
sĩ được mã hóa với chất lượng tốt hơn và phần nền ít
quan trọng bị làm mờ đi [11].
C. Đóng góp chính của bài báo
Hiện nay đã có các nghiên cứu về VCM dựa trên các
chuẩn mã hóa thông dụng như H264/AVC, H265/HEVC,
H266/VVC. Tuy nhiên, các nghiên cứu này tập trung vào
xây dựng bộ mã hóa cho VCM mà chưa đưa ra kiến trúc
tổng thể dựa trên các chuẩn truyền thống và ROI Coding
[12]. Để giải quyết vấn đề trên, bài báo tập trung vào
trình bày một mô hình kết hợp giữa ROI Coding và
Hình 2: Ứng dụng theo dõi đối tượng.
chuẩn VVC trên cơ sở giải quyết hai câu hỏi: (1) Cần
mã hóa thông tin gì trong video để nâng cao hiệu quả
quá trình phân tích và xử lý của máy tính; (2) Những
thông tin quan trọng đối với máy tính được mã hóa như
thế nào. Đầu tiên, để xác định thông tin quan trọng cho
VCM thì ROI Coding đang được cộng đồng nghiên cứu
quan tâm. Ngoài ra, bài báo cũng trình bày phương pháp
tiếp cận để xác định vùng ROI trong video, là EROI-
VCM: sử dụng thông tin gốc ở phía mã hóa. Hướng tiếp
cận này mang lại hiệu quả cao trong việc tiết kiệm lượng
bit mã hóa so với chuẩn VVC khi sử dụng trực tiếp cho
VCM.
Mô tả chi tiết về kiến trúc mã hóa video đề xuất được
trình bày ở mục II. Mục III trình bày kết quả và các phân
tích đánh giá. Mục IV đưa ra kết luận và các hướng phát
triển.
II. ĐỀ XUẤT MÔ HÌNH VCM TRÊN NỀN TẢNG
VVC VÀ ROI CODING
A. Tác vụ trí tuệ nhân tạo
Trong lĩnh vực trí tuệ nhân tạo, có một loạt các tác
vụ quan trọng liên quan đến việc theo dõi và xác định vị
trí của nhiều đối tượng trong môi trường thời gian thực.
Một trong những tác vụ quan trọng nhất trong lĩnh vực
này là theo dõi đa đối tượng (MOT - Multiple Object
Tracking) [13]. MOT đóng một vai trò then chốt trong
phân lập nhiều đối tượng, duy trì danh tính của họ và tạo
ra quỹ đạo cá nhân của từng đối tượng dựa trên video
đầu vào. Các đối tượng cần được theo dõi có thể là
người đi bộ trên đường, phương tiện trên đường, người
chơi thể thao trên sân, hoặc thậm chí là các nhóm động
vật như chim, dơi, kiến, cá, tế bào, hoặc ong. Việc theo
dõi nhiều đối tượng có thể được xem như việc theo dõi
nhiều phần khác nhau của một đối tượng duy nhất.
Khi bước vào cuộc hành trình để cải thiện khả năng
theo dõi nhiều đối tượng, mạng JDE (Joint Detection
and Embedding) [14] đã nổi lên như một công cụ quan
trọng. JDE kết hợp giữa việc phát hiện các đối tượng và

(a) Khung hình gốc
(b) Khung hình chứa ROI
Hình 3: Khung hình gốc (a) và khung hình sai khác (b).
việc nhúng chúng vào không gian đặc trưng, cho phép
theo dõi và duy trì danh tính của các đối tượng trong
các tình huống yêu cầu thời gian thực. Sự kết hợp này
giúp JDE đạt được độ chính xác và ổn định cao, làm
cho nó trở thành một công cụ quan trọng cho nhiều ứng
dụng thực tế như quản lý giao thông đô thị, theo dõi an
ninh và nhiều tác vụ quan trọng khác. Do đó, chúng tôi
sẽ tập trung vào việc đánh giá nghiên cứu về ảnh hưởng
của VCM đến nhiệm vụ theo dõi người đi bộ bằng mô
hình JDE như Hình 2.
B. Phương pháp xác định ROI
Hiện nay, thách thức trong việc tìm ROI đó là thời
gian và độ chính xác. Đối với những bài toán giám sát
hay theo dõi đối tượng thì chúng ta luôn có sự di chuyển
của đối tượng. Do đó, một trong những phương pháp
hiệu quả được sử dụng là Sai khác Hậu cảnh dựa trên mô
hình Gaussian hỗn hợp và thuật toán Hole Filling[15].
Đây là một phương pháp đặc biệt phù hợp cho bài toán
theo dõi đối tượng ở thiết bị cuối bởi vì nó sử dụng
mô hình phân bố Gaussian hỗn hợp (GMM - Gaussian
Mixture Model) để mô tả các giá trị điểm ảnh trong phần
nền của video. Mô hình này dựa trên giả định rằng phần
lớn điểm ảnh trong video tạo thành phần nền và được
mô tả bằng một tổ hợp của các phân phối Gaussian. Khi
một đối tượng xuất hiện trong video và di chuyển, giá
trị điểm ảnh tại vị trí của đối tượng thường khác biệt
đáng kể so với phân bố của phần nền. Do đó, GMM cho
phép phát hiện các đối tượng một cách hiệu quả trong
điều kiện biến đổi và thay đổi, trong khi thuật toán Hole
Filling giúp giữ lại các chi tiết quan trọng và loại bỏ sự
nhiễu từ phần nền. Kết hợp giữa hai phần này tạo ra
một phương pháp mạnh mẽ cho việc theo dõi và mã
hóa các đối tượng quan trọng trong lĩnh vực VCM như
trong Hình 3.
C. Điều chỉnh bản đồ QP
Để mã hóa tập trung vào thông tin hữu ích cho nhiệm
vụ theo dõi đối tượng thì cần đưa vào bộ mã hóa những
thông tin đó, cụ thể là chúng tôi sẽ xác định được vùng
ROI như ở phần II-B. Thông tin về ROI sẽ được lưu
ở dạng tọa độ điểm ảnh. Sau đó, khung hình khi mã
hóa với chuẩn VVC sẽ được chia thành các CTU kích
thước 128 × 128 theo thứ tự. Do đó, chúng ta sẽ xác
định những CTU chứa ROI dựa vào tọa độ điểm ảnh
tương ứng của nó.
Để đảm bảo được tốc độ bit khi chỉnh giá trị QP cho
từng CTU thì chúng ta cần xác định tỉ lệ (α) giữa CTU
chứa ROI và CTU không chứa ROI theo công thức (1).
Số CTU chứa đối tượng
α= (1)
Số CTU không chứa đối tượng
Sau đó, giá trị QP của từng CTU sẽ được điều chỉnh
theo công thức (2) để phục vụ cho quá trình mã hóa.
QP = QP ± α × ∆QP (2)
Trong đó, QP là chất lượng của từng CTU, ∆QP lượng
QP chênh lệch giữa vùng có đối tượng và vùng không
có đối tượng.
D. Mô hình VCM trên nền tảng VVC và ROI Coding
Quá trình mã hóa video thông thường thường được
dùng cho VCM (Standard-VCM) như Hình 1b không
hiệu quả cho các nhiệm vụ trí tuệ nhân tạo vì nó không
tận dụng được các đặc trưng quan trọng trong hình ảnh.
Trong quá trình này, thông tin trên từng khung hình
thường bị nén một cách đồng đều, không phân biệt giữa
các phần của hình ảnh. Điều này dẫn đến việc mất đi
nhiều thông tin quan trọng, đặc biệt là các đối tượng
có ảnh hưởng trực tiếp đến việc phân tích và xử lý của
máy tính. Ngoài ra, quá trình mã hóa video thông thường
thường không tập trung vào việc bảo toàn các đặc trưng
quan trọng cho việc phát hiện, nhận dạng và xử lý thông
tin trí tuệ nhân tạo. Thay vào đó, nó tập trung vào việc
giảm thiểu kích thước của video và tối ưu hóa RD (Rate-
Distortion), điều này có thể dẫn đến việc mất đi thông
tin quan trọng cho các ứng dụng trí tuệ nhân tạo. Do
đó, quá trình mã hóa video cần được cải tiến và phát
triển để đáp ứng yêu cầu của các ứng dụng này.
 Bảng II: Điều kiện kiểm thử
Theo dõi đối tượng
Dữ liệu
Tập dữ liệu MOT [18]
đánh giá
Cấu hình
All-Intra
mã hóa
Định dạng
YUV 420 (8 bits)
dữ liệu
Hình 4: Sơ đồ tổng quát hệ thống EROI-VCM. QP {22, 27, 32, 37, 39, 42}
Mô hình
JDE-1088x608 [14]
AI
Với mục đích nén những đặc trưng được trích xuất từ
video, nghiên cứu đề xuất hướng tiếp cận phục vụ cho Bảng III: Kết quả so sánh BD-Rate và BD-MOTA của
các bài toán VCM. Theo đó, nghiên cứu xây dựng hệ EROI-VCM và Standard-VCM
thống mà việc mã hóa và giải mã chỉ sử dụng thông tin EROI-VCM vs.
vùng ROI được trích xuất tại bộ mã hóa gọi là EROI- Chuỗi Video Standard-VCM
VCM như được minh họa trong Hình 4. Đầu tiên, các BD-Rate BD-MOTA
MOT16-02 −67.34 6.30
khung hình đầu vào được trích xuất để xác định vùng MOT16-04 −49.96 4.60
ROI. Từ đó, bản đồ QP được điều chỉnh để tập trung MOT16-05 −94.22 28.41
vào việc bảo toàn vùng ROI cho các nhiệm vụ trí tuệ MOT16-10 −11.85 0.86
MOT16-11 −63.21 7.13
nhân tạo. Tuy nhiên, việc điều chỉnh QP này cần được MOT16-13 −42.29 10.87
đồng bộ ở cả hai bộ mã hóa và giải mã. Do đó, trong Trung bình −54.81 9.69
cấu trúc của EROI-VCM, dữ liệu được truyền đi bao
gồm chuỗi video và thông tin về bản đồ QP được điều
chỉnh. Thông tin bản đồ QP này sẽ được mã hóa bằng dụng để đánh giá hiệu suất của hệ thống theo dõi nhiều
mã Huffman [16] để truyền đi. đối tượng trong lĩnh vực xử lý ảnh và thị giác máy tính.
MOTA thường được sử dụng để đánh giá mức độ chính
III. ĐÁNH GIÁ HIỆU NĂNG HỆ THỐNG
xác của việc theo dõi vị trí của các đối tượng trong một
A. Điều kiện kiểm thử video hoặc hình ảnh động. Chỉ số này cung cấp thông
Việc đánh giá hiệu quả của mô hình VCM được thực tin về mức độ sai lệch giữa kết quả theo dõi của hệ
hiện trên tập MOT16 Benchmark [13]. Tập dữ liệu này thống và thực tế.
đánh giá hiệu suất theo dõi trên sáu chuỗi, bao gồm Cuối cùng, để đánh giá hiệu năng mã hóa video của
cả các cảnh mặt trước với camera di động cũng như hướng tiếp cận cho bài toán trí tuệ nhân tạo, nghiên cứu
các video giám sát từ trên xuống như được mô tả trong được đánh giá bằng hai chỉ số là: tỉ lệ tiết kiệm bitrate
Bảng I. Sau đó, các video được mã hóa trên phần mềm (BD-Rate) và tỉ lệ tăng của MOTA (BD-MOTA). Từ hai
VVenc [17] với cấu hình All-Intra và 6 hệ số lượng tử chỉ số đánh giá trên, phương pháp đề xuất được so sánh
22, 27, 32, 37, 42, 46 như được mô tả trong Bảng II. với mô hình mã hóa video thông thường dựa trên chuẩn
H.266/VVC [2] với phần mềm tham chiếu VVenc, gọi
Bảng I: Đặc tính các chuỗi video kiểm thử là Standard-VCM.
Chuỗi Độ phân Tốc độ Số khung hình B. Đánh giá hiệu năng VCM
Video giải khung hình mã hóa
MOT16-02 1920x1080 30 600 Sau khi thực nghiệm trên bộ dữ liệu với hai kiến trúc
MOT16-04 1920x1080 30 1050 (Standard-VCM, EROI-VCM), chúng tôi thu được kết
MOT16-05 640x480 14 837
MOT16-10 1920x1080 30 654 quả như trong Bảng III. Bảng này thể hiện kết quả tỉ lệ
MOT16-11 1920x1080 30 900 tiết kiệm bitrate (BD-Rate) video trong bộ dữ liệu. Từ
MOT16-13 1920x1080 25 750 đó, ta thu được kết quả BD-Rate trung bình của mô hình
EROI-VCM đạt −54.81. Điều đó chứng minh rằng, với
Các chuỗi video sau khi giải mã sẽ được sử dụng cho cùng giá trị MOTA thì EROI-VCM tiết kiệm 54.81%.
nhiệm vụ theo dõi đối tượng bằng sử dụng mô hình JDE- Trong khi đó, MOTA của EROI-VCM tăng 9.69%.
1088x608 [14]. Sau đó, độ chính xác của việc theo dõi Ngoài ra, chúng tôi đã vẽ đồ thị minh họa sự tương
đối tượng được đánh giá bằng chỉ số MOTA (Multiple quan giữa Bitrate và giá trị MOTA như Hình 5. Từ đồ
Object Tracking Accuracy)[13]. Đây là một thước đo sử thị cho thấy, đường minh họa mô hình EROI-VCM đều
cao hơn Standard-VCM do chúng tập trung vào mã hóa
vùng ROI phục vụ cho các bài toàn trí tuệ nhân tạo.
IV. KẾT LUẬN
Trong bài báo này, chúng tôi đề xuất một phương pháp
mã hóa video mới, kết hợp hiệu quả giữa thuật toán ROI
Coding và mô hình mã hóa VVC. Sau đó, phương pháp
được khảo sát với hướng tiếp cận là EROI-VCM. Kết
quả cho thấy, EROI-VCM có thể giúp tăng độ chính xác
MOTA lên tới 9.69% và cùng một giá trị MOTA thì
EROI-VCM tiết kiệm được 54.81% lượng bitrate. Do
đó, phương pháp đề xuất đạt được độ chính xác cao
hơn cho một nhiệm vụ trí tuệ nhân tạo cụ thể mà hiệu
suất nén cũng tốt hơn so với phương pháp mã hóa video
truyền thống. Tuy vậy, trong tương lai nghiên cứu cần
phát triển, cải tiến phương pháp tìm ROI để nâng cao
hiệu năng mã hóa VCM và đánh giá nó trên nhiều tác
vụ trí tuệ nhân tạo khác nhau.
TÀI LIỆU THAM KHẢO
[1] G. J. Sullivan, J.-R. Ohm, W.-J. Han, and T. Wiegand, “Overview
of the high efficiency video coding (hevc) standard,” IEEE
Transactions on Circuits and Systems for Video Technology,
vol. 22, no. 12, pp. 1649–1668, 2012.
[2] B. Bross, Y.-K. Wang, Y. Ye, S. Liu, J. Chen, G. J. Sullivan,
and J.-R. Ohm, “Overview of the versatile video coding (vvc)
standard and its applications,” IEEE Transactions on Circuits and
Systems for Video Technology, vol. 31, no. 10, pp. 3736–3764,
2021.
[3] Y. Zhang and P. Dong, “Mpeg-m49944: Report of the ahg
on vcm,” Moving Picture Experts Group (MPEG) of ISO/IEC
JTC1/SC29/WG11, Oct. 2019.
[4] L. Duan, J. Liu, W. Yang, T. Huang, and W. Gao,
“Video coding for machines: A paradigm of collaborative
compression and intelligent analytics,” Trans. Img. Proc.,
vol. 29, p. 8680–8695, jan 2020. [Online]. Available:
https://doi.org/10.1109/TIP.2020.3016485
[5] A. D. Bagdanov, M. Bertini, A. Del Bimbo, and L. Seidenari,
“Adaptive video compression for video surveillance applica-
tions,” in 2011 IEEE International Symposium on Multimedia,
2011, pp. 190–197.
[6] T. Wiegand, G. Sullivan, G. Bjontegaard, and A. Luthra,
“Overview of the h.264/avc video coding standard,” IEEE Trans-
actions on Circuits and Systems for Video Technology, vol. 13,
no. 7, pp. 560–576, 2003.
[7] H. Choi and I. V. Bajic, “High efficiency compression for object
detection,” in 2018 IEEE International Conference on Acoustics,
Speech and Signal Processing (ICASSP), 2018, pp. 1792–1796.
[8] J. Redmon and A. Farhadi, “Yolo9000: Better, faster, stronger,”
2017 IEEE Conference on Computer Vision and Pattern
Recognition (CVPR), pp. 6517–6525, 2016. [Online]. Available:
https://api.semanticscholar.org/CorpusID:786357
[9] D. Taubman and M. Marcellin, JPEG2000 Image Compression
Fundamentals, Standards and Practice: Image Compression Fun-
damentals, Standards and Practice. Springer Science Business
Media, 2012, vol. 642.
[10] H. Meuel, J. Schmidt, M. Munderloh, and J. Ostermann, “Region
of interest coding for aerial video sequences using landscape
models,” in Advanced Video Coding for Next-Generation
Multimedia Services, Y.-S. Ho, Ed. Rijeka: IntechOpen, 2013,
ch. 3. [Online]. Available: https://doi.org/10.5772/52904
[11] P. G. Tahoces, J. R. Varela, M. J. Lado, and M. Souto, “Im-
age compression: Maxshift roi encoding options in jpeg2000,”
Computer Vision and Image Understanding, vol. 109, no. 2, pp.
139–145, 2008.
[12] K. Fischer, F. Brand, C. Herglotz, and A. Kaup, “Video coding
for machines with feature-based rate-distortion optimization,” in
2020 IEEE 22nd International Workshop on Multimedia Signal
Processing (MMSP). IEEE, 2020, pp. 1–6.
[13] W. Luo, J. Xing, A. Milan, X. Zhang, W. Liu, and T.-K.
Kim, “Multiple object tracking: A literature review,” Artificial
Intelligence, vol. 293, p. 103448, 2021.
[14] Z. Wang, L. Zheng, Y. Liu, and S. Wang, “Towards real-time
multi-object tracking,” The European Conference on Computer
Vision (ECCV), 2020.
[15] A. Nurhadiyatna, W. Jatmiko, B. Hardjono, A. Wibisono, I. Sina,
and P. Mursanto, “Background subtraction using gaussian mix-
ture model enhanced by hole filling algorithm (gmmhf),” in
2013 IEEE International Conference on Systems, Man, and
Cybernetics, 2013, pp. 4006–4011.
[16] B. Furht, Ed., Huffman Coding. Boston, MA: Springer US,
2006, pp. 278–280.
[17] A. Wieckowski, J. Brandenburg, T. Hinz, C. Bartnik, V. George,
G. Hege, C. Helmrich, A. Henkel, C. Lehmann, C. Stoffers,
I. Zupancic, B. Bross, and D. Marpe, “Vvenc: An open and
optimized vvc encoder implementation,” in Proc. IEEE Inter-
national Conference on Multimedia Expo Workshops (ICMEW),
pp. 1–2.
[18] A. Milan, L. Leal-Taixe, I. Reid, S. Roth, and K. Schindler,
“Mot16: A benchmark for multi-object tracking,” 2016.
(a) (b) (c)

(d) (e) (f)

Hình 5: Đồ thị minh họa sự phụ thuộc của Bitrate và MOTA.