Nghiên cứu một số kỹ thuật xử lý ảnh phục vụ bài toán đếm phương tiện giao thông trên đường

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC QUY NHƠN VÕ THANH HOÀNG NGHIÊN CỨU MỘT SỐ KỸ THUẬT XỬ LÝ ẢNH PHỤC VỤ BÀI TOÁN ĐẾM PHƢƠNG TIỆN GIAO THƠNG TRÊN ĐƢỜNG Chun ngành: Khoa học máy tính Mã số: 8480101 Ngƣời hƣớng dẫn: TS NGUYỄN THANH BÌNH LỜI CAM ĐOAN Tôi xin cam đoan: - Những nội dung luận văn với đề tài: “Nghiên cứu số kỹ thuật xử lý ảnh phục vụ toán đếm phương tiện giao thông đường” thân thực dƣới giúp đỡ, hƣớng dẫn trực tiếp Tiến sĩ Nguyễn Thanh Bình - giảng viên Khoa Công nghệ thông tin, Trƣờng Đại học Quy Nhơn - Mọi tham khảo dùng luận văn đƣợc trích dẫn rõ ràng trung thực tên tác giả, tên cơng trình, thời gian, địa điểm cơng bố - Các số liệu, kết thực nghiệm đƣợc trình bày luận văn hoàn toàn trung thực dựa khảo sát chƣa đƣợc cơng bố hay xuất dƣới hình thức khác Những tƣ liệu tham khảo đƣợc sử dụng luận văn có nguồn gốc trích dẫn rõ ràng, đầy đủ - Mọi chép không hợp lệ, vi phạm quy chế đào tạo tơi xin chịu hồn tồn trách nhiệm trƣớc Hội đồng Bình Định, ngày 20 tháng 09 năm 2021 Học viên Võ Thanh Hoàng LỜI CẢM ƠN Để hồn thành luận văn này, tơi xin chân thành cảm ơn thầy giáo hƣớng dẫn Tiến sĩ Nguyễn Thanh Bình - giảng viên Khoa Cơng nghệ thơng tin, Trƣờng Đại học Quy Nhơn Tôi xin bày tỏ lòng biết ơn sâu sắc đến thầy hƣớng dẫn tận tình, đầy trách nhiệm trình tìm hiểu, nghiên cứu thực hoàn thành tốt đề tài Bên cạnh đó, tơi xin bày tỏ lịng biết ơn đến Ban lãnh đạo Trƣờng Đại học Quy Nhơn, Khoa cơng nghệ thơng tin, Phịng Đào tạo Sau đại học tận tình động viên, tạo điều kiện giúp đỡ thời gian học tập, làm luận văn Tôi xin gửi lời cảm ơn chân thành đến ngƣời thân gia đình, bạn bè đồng nghiệp quan tâm, động viên giúp đỡ suốt thời gian học tập nghiên cứu Kính chúc q Thầy, Cơ bạn học viên lớp cao học ngành Khoa học máy tính khóa 22 sức khỏe, hạnh phúc thành đạt Xin chân thành cảm ơn! Bình Định, ngày 17 tháng năm 2021 Học viên Võ Thanh Hoàng MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN DANH MỤC HÌNH ẢNH MỞ ĐẦU CHƢƠNG 1: TỔNG QUAN VỀ HỆ THỐNG GIÁM SÁT TỰ ĐỘNG VÀ PHÁT HIỆN PHƢƠNG TIỆN GIAO THÔNG TRÊN ĐƢỜNG 1.1 Tổng quan hệ thống giám sát tự động 1.1.1 Hệ thống camera giát sát tự động 1.1.2 Dữ liệu video 1.1.2.1 Khái quát xử lý ảnh xử lý liệu video 1.1.2.2 Khái niệm video 1.2 Bài toán phát phân lớp phƣơng tiện giao thông 1.2.1 Phát đối tƣợng 1.2.2 Phát đối tƣợng chuyển động 10 1.2.3 Nhận dạng đối tƣợng 11 1.3 Một số tiếp cận phát phân lớp phƣơng tiện giao thông 11 1.3.1 Tiếp cận dựa Optical Flow 12 1.3.2 Tiếp cận dựa trừ ảnh 13 1.3.3 Mô hình hệ thống phát đếm phƣơng tiện giao thông 16 1.4 Một số ứng dụng 17 1.4.1 Giám sát bãi đậu xe 17 1.4.2 Giám sát giao thông đƣờng 19 1.5 Kết luận chƣơng 20 CHƢƠNG 2: ĐẾM PHƢƠNG TIỆN GIAO THÔNG TRÊN ĐƢỜNG 21 2.1 Giới thiệu 21 2.2 Xác định phƣơng tiện giao thông 22 2.2.1 Phát phƣơng tiện giao thơng dựa vào mơ hình trộn Gauss 22 2.2.2 Tối ƣu vùng quan tâm ROI (Region of Interest) 24 2.2.3 Kỹ thuật phân tích khối (Blob Analysis) 25 2.3 Phân tích đánh giá kỹ thuật 30 2.4 Kết luận chƣơng 30 CHƢƠNG 3: CHƢƠNG TRÌNH THỬ NGHIỆM 31 3.1 Bài toán đếm phƣơng tiện giao thông 31 3.2 Phân tích u cầu lựa chọn cơng cụ 32 3.3 Xây dựng chƣơng trình thử nghiệm 34 3.3.1 Thu nhận ảnh tiền xử lý ảnh 34 3.3.2 Khởi tạo cập nhật ảnh 34 3.3.3 Module phát chuyển động 36 3.3.4 Đếm phƣơng tiện 38 3.4 Phân tích kết thử nghiệm 43 3.5 Kết luận chƣơng 44 KẾT LUẬN 45 DANH MỤC TÀI LIỆU THAM KHẢO 47 QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN THẠC SĨ (BẢN SAO) DANH MỤC HÌNH ẢNH Hình 1 Ảnh điểm ảnh Hình Độ phân giải Hình Khung hình Hình Phép chiếu phối cảnh đoạn thẳng Hình Mơ hình xử lý toán phát đối tƣợng chuyển động 10 Hình Hình ảnh xe phƣơng pháp Optical Flow 13 Hình Quy trình trừ 15 Hình Các bƣớc thực quy trình đếm phƣơng tiện giao thơng 17 Hình Quy trình nhận dạng đếm phƣơng tiện giao thơng 17 Hình 10 Mơ hình giám sát bãi đậu xe 18 Hình 11 Giám sát phƣơng tiện giao thông đƣờng 19 Hình ROI xử lý trƣớc phát xe 25 Hình 2 Q trình phân tích blob phát xe 26 Hình Mơ hình tích hợp GMM, tối ƣu ROI, phân tích Blob xác định phƣơng tiện giao thơng 27 Hình Điều chỉnh lƣợc đồ ROI phân tích blob 28 Hình ROI hình ảnh 29 Hình Mơ hình kịch thử nghiệm 33 Hình Kết tiền xử lý ảnh 34 Hình 3 Khởi tạo cập nhật ảnh 36 Hình Tính mặt nạ chuyển động 38 Hình Kết nhận dạng đếm phƣơng tiện giao thông 39 Hình Trƣờng hợp khơng phát xe xe không di chuyển đứng yên lâu 40 Hình Trƣờng hợp khơng phát xe xa so với camera quan sát 40 Hình Giao diện khởi động chƣơng trình 41 Hình Nút chọn file video ổ cứng 41 Hình 10 Giao diện chọn file video ổ cứng 42 Hình 11 Nút Process để thực xử lý 42 Hình 12 Số liệu nhận dạng đếm xe 44 MỞ ĐẦU Lý chọn đề tài Nghiên cứu hệ thống giám sát tự động chủ đề đƣợc quan tâm lĩnh vực xử lý ảnh thị giác máy tính, với mục đích nhằm trích xuất cách hiệu thơng tin hữu ích từ số lƣợng lớn video thu đƣợc từ camera giám sát cách tự động phát hiện, theo dõi, nhận biết, phân tích đối tƣợng đƣợc giám sát Phát hiện, phân loại phƣơng tiện giao thông đƣờng toán quan trọng lĩnh vực giám sát tự động dƣới hỗ trợ camera Trong năm gần đây, nghiên cứu xử lý ảnh thị giác máy đạt đƣợc nhiều thành tựu tiến vƣợt bậc Trong đó, toán tự động nhận dạng xe đƣợc phổ biến rộng rãi, sử dụng hệ thống giám sát tự động, hệ thống giao thông thông minh Vấn đề đƣợc nhà nghiên cứu quan tâm từ thập kỷ trƣớc với tiến kỹ thuật số cơng nghệ xử lý hình ảnh tính tốn hiệu cao Nhiều hƣớng tiếp cận đƣợc đề xuất nghiên cứu, song thuật toán xử lý ảnh để phát phƣơng tiện liệu video cịn tốn mở nhiều tác động từ yếu tố môi trƣờng điều kiện thu nhận đa dạng Hệ thống phát xe tự động chìa khóa kiểm sốt giao thơng đƣờng ngày nay; số ứng dụng hệ thống hệ thống phản ứng giao thông, điều khiển tín hiệu giao thơng, đƣờng hệ thống cảnh báo khởi hành, tai nạn xe tự động phát ƣớc tính mật độ giao thơng tự động Hệ thống phân loại đếm xe tự động sử dụng liệu video thu đƣợc từ camera giao thông, thực phép tính tốn tập hợp khung hình thu đƣợc từ video để ƣớc tính số lƣợng xe có mặt địa điểm khoảng thời gian Đếm phƣơng tiện cung cấp nhiều thông tin cần thiết để có đƣợc thơng tin luồng giao thông khu vực dƣới giám sát tự động Để giải vấn đề giao thông ngày nghiêm trọng, nghiên cứu kỹ thuật xử lý ảnh ứng dụng hệ thống giám sát nhƣ đếm phƣơng tiện cách tự động cấp thiết Phát phƣơng tiện đƣờng video nhiều giới đặc biệt nhận đƣợc quan tâm nhiều cộng đồng nghiên cứu nƣớc Xuất phát từ ý nghĩa khoa học ý nghĩ thực tiễn nhƣ phân tích trên, luận văn lựa chọn đề tài: “Nghiên cứu số kỹ thuật xử lý ảnh phục vụ toán đếm phương tiện giao thông đường” nhằm nghiên cứu số vấn đề toán với giải pháp liên quan Tổng quan tài liệu bố cục luận văn Nguồn tài liệu để nghiên cứu luận văn bao gồm: báo khoa học, luận văn, luận án nƣớc nƣớc liên quan đến đề tài Bố cục luận văn gồm phần mở đầu, phần kết luận ba chƣơng nội dung đƣợc bố cục nhƣ sau: Chƣơng 1: Tổng quan hệ thống giám sát tự động phát phƣơng tiện giao thông đƣờng Trên sở đó, luận văn giới thiệu số tốn xử lý liệu video, số vấn đề gặp phải đếm phƣơng tiện giao thông đƣờng sơ đồ xử lý quy trình nhận dạng phƣơng tiện giao thông đƣờng Chƣơng 2: Đếm phƣơng tiện giao thông đƣờng Cụ thể số kỹ thuật xác định đối tƣợng chuyển động, phát phân loại phƣơng tiện giao thơng xây dựng thuật tốn đếm phƣơng tiện giao thông theo yêu cầu Chƣơng 3: Chƣơng trình thử nghiệm Xây dựng chƣơng trình thử nghiệm, phân tích đánh giá kết đạt đƣợc Mục đích nhiệm vụ nghiên cứu - Nghiên cứu liệu video - Nghiên cứu thuật toán phát nhận dạng đối tƣợng phƣơng tiện giao thông video - Xây dựng mơ hình hệ thống đếm phƣơng tiện giao thông tự động - Cài đặt thử nghiệm đánh giá kết Đối tƣợng phạm vi nghiên cứu - Đối tƣợng nghiên cứu: Dữ liệu video lấy từ camera giám sát giao thông - Phạm vi nghiên cứu: Đề tài nghiên cứu thuật toán xử lý ảnh với liệu video Thuật toán xử lý ảnh xác định nhận dạng phƣơng tiện giao thơng Xây dựng mơ hình học máy hỗ trợ giám sát đếm tự động Phƣơng pháp nghiên cứu - Phƣơng pháp nghiên cứu tài liệu; - Phƣơng pháp phân tích, tổng hợp; - Phƣơng pháp thực nghiệm Ý nghĩa khoa học thực tiễn Tập trung nghiên cứu thuật toán xử lý ảnh với liệu video Xác định nhận dạng đối tƣợng phƣơng tiện giao thơng Xây dựng mơ hình học máy đếm số phƣơng tiện giao thông Ứng dụng xây dựng mô hình hệ thống giám sát tự động đếm số lƣợng phƣơng tiện tham gia giao thông theo yêu cầu, ứng dụng vào hệ thống đƣờng xá Việt Nam 34 Giao diện khởi động chƣơng trình đƣợc thiết kế đơn giản với việc nhập input đƣờng video streaming url nút xử lý minh họa cho nội dung lý thuyết luận văn 3.3 Xây dựng chƣơng trình thử nghiệm 3.3.1 Thu nhận ảnh tiền xử lý ảnh Đầu vào video thu thập đƣờng khu vực cần đếm số xe với phƣơng tiện xe lƣu thông cần quan tâm, video loại tệp video định dạng ví dụ định dạng AVI MP4 v.v Chƣơng trình đọc tệp video tách thành khung hình, khung hình đƣợc xử lý tạo thành đối tƣợng Mat để chứa thông số tƣơng ứng đầu vào cho bƣớc Mat lớp với hai phần liệu: Ma trận tiêu đề (matrix header chứa thơng tin nhƣ kích thƣớc ảnh, phƣơng thức dùng để lƣu trữ) trỏ đến ma trận chứa giá trị điểm ảnh Tiếp theo, khung hình video đƣợc tách thông qua lọc trung vị để nâng cao chất lƣợng ảnh, khung hình đƣợc chuyển đổi ảnh xám loại bỏ vùng khơng quan tâm Hình 3.2 minh họa kỹ thuật tiền xử lý hình ảnh video đầu vào, chủ yếu kỹ thuật chuyển sang ảnh xám, loại bỏ ngoại cảnh trừ sử dụng kỹ thuật lọc trung vị để khử nhiễu Hình Kết tiền xử lý ảnh 3.3.2 Khởi tạo cập nhật ảnh Đây kỹ thuật phát tiền cảnh, hiểu đơn giản ta tách đối tƣợng ảnh khỏi hậu cảnh phía sau, nhằm mục đích hậu xử lý nhƣ nhận dạng đối tƣợng phƣơng tiện 35 Kỹ thuật dựa việc giả định hậu cảnh tĩnh (static background) thƣờng không áp dụng mơi trƣờng thực (ánh sáng tự nhiên, ngồi trời…) thay đổi ảnh nhà (nhƣ hình TV) ngồi trời có mƣa gió, thay đổi ánh sáng Một thuật toán Background Subtraction mạnh cần phải có khả xử lý việc thay đổi môi trƣờng nhƣ ánh sáng, chuyển động lặp (Màn hình TV, quạt…) thay đổi khơng diễn liên tục (nhƣ đóng mở cửa, đèn xanh đỏ) Chƣơng trình thử nghiệm áp dụng kỹ thuật khởi tạo cập nhật ảnh phổ biến là: So sánh hai khung hình liên tiếp (Frame Difference): Đây kỹ thuật trừ đơn giản Ta tính hiệu giá trị pixel khung hình khung hình trƣớc hiệu lớn ngƣỡng T pixel vị trí thuộc cảnh Ƣu điểm kỹ thuật tốc độ tính toán nhanh việc khởi tạo background image đơn giản việc lấy khung hình trƣớc Nhƣợc điểm kỹ thuật tốt với đối tƣợng di chuyển liên tục nhƣng có đối tƣợng đứng yên khung hình lâu đối tƣợng bị cho với phƣơng pháp phụ thuộc nhiều vào ngƣỡng T với video ta phải chọn ngƣỡng phù hợp Sử dụng lọc trung vị (Median filter): Ý tƣởng thuật tốn lọc Trung vị nhƣ sau: ta sử dụng cửa sổ lọc (ma trận 3×3) quét qua lần lƣợt điểm ảnh ảnh đầu vào Tại vị trí điểm ảnh lấy giá trị điểm ảnh tƣơng ứng vùng 3×3 ảnh gốc “lấp” vào ma trận lọc Sau xếp điểm ảnh cửa sổ theo thứ tự (tăng dần giảm dần 36 tùy ý) Cuối cùng, gán điểm ảnh nằm (Trung vị) dãy giá trị điểm ảnh đƣợc xếp cho giá trị điểm ảnh xét ảnh đầu Hình 3.3 mơ tả khởi tạo cập nhật dựa vào kỹ thuật trừ ảnh lọc trung vị Hình 3 Khởi tạo cập nhật ảnh 3.3.3 Module phát chuyển động Module phát chuyển động có nhiệm vụ xác định có hay khơng đối tƣợng chuyển động khung hình, sau tách ảnh đối tƣợng chuyển động khỏi ảnh Kết bƣớc trừ mặt nạ nhị phân khung hình ảnh đầu vào Mặt nạ nhị phân tiếp tục đƣợc đƣa vào khối Blob Tracking để thực tối ƣu hóa biến đổi hình thái học sau phƣơng pháp dị blob đƣợc áp dụng lên đầu biến đổi hình thái học để có kết blob đƣợc đánh nhãn riêng biệt Các phƣơng tiện giao thông (ô tô, xe máy) đƣợc xác định dựa kích thƣớc chúng đƣợc ghi nhận Đầu cuối trình khung hình với phƣơng tiện giao thông đƣợc dựng lại với kết đếm số lƣợng phƣơng tiện tham gia giao thông Với cửa sổ PBAS kết trình trừ Blob Mask kết trình biến đổi hình thái học, điểm nhiễu bị loại bỏ đáng kể Sau giai đoạn xử lý nhiễu bƣớc biến đổi hình thái học, mặt nạ nhị phân segmentated tiếp tục đƣợc đƣa vào bƣớc xử lý quan trọng 37 trình trích xuất đối tƣợng đánh nhãn để phân biệt đối tƣợng kết đầu mảng blobs bao gồm blob khung hình Với blob đƣợc coi nhƣ lớp đối tƣợng có thuộc tính phƣơng thức Do phƣơng tiện giao thông đƣợc lọc theo kích thƣớc chúng (có kích thƣớc lớn ngƣời, động vật) để phục vụ render, có thuộc tính cần lƣu ý area, minx, miny, maxx, maxy Trong area số điểm ảnh biểu diễn cho đối tƣợng giá trị min, max giới hạn tọa độ đối tƣợng xét theo mặt phẳng chiều Một điểm ảnh thuộc biên đối tƣợng phải ln có điểm lân cận điểm ảnh đen, để tìm điểm biên nó, thực quét điểm lân cận điểm bên cạnh điểm ảnh đen xác định trƣớc theo chiều kim đồng hồ Từ ta rút đƣợc nguyên tắc, với điểm biên ln có điểm ảnh đen liền kề trƣớc theo vòng quét điểm Nhƣ vậy, ta có nguyên tắc sau để xác định điểm đen liền kề với nhƣ sau: Nếu lân cận phải (R) dƣới phải (DR) ln có điểm ảnh đen liền kề lân cận (U) Nếu lân cận trái (L) trái (UL), ln có điểm ảnh đen liền kề lân cận dƣới (D) Nếu lân cận dƣới (D) dƣới trái (DL), ln có điểm ảnh đen liền kề lân cận phải (R) Nếu lân cận (U) phải (UR), ln có điểm ảnh đen liền kề lân cận trái (L) 38 Hình Tính mặt nạ chuyển động 3.3.4 Đếm phương tiện Để tránh đếm blob tƣơng ứng với đối tƣợng không mong muốn nhƣ ngƣời, động vật nhiễu thuộc nền, ta cần xác định phạm vi kích thƣớc phƣơng tiện giao thơng áp dụng lọc để loại bỏ đối tƣợng không mong muốn Thực chất, kích thƣớc đối tƣợng đƣợc thể qua giá trị area blob, với vùng số điểm ảnh cấu thành blob Sau có đƣợc tập đối tƣợng mong muốn phƣơng tiện giao thông, trình trích xuất đếm số lƣợng đƣợc áp dụng để vẽ khung chữ nhật bao quanh đối tƣợng thị số lƣợng phƣơng tiện xuất khung hình Tuy nhiên, nhƣ nêu trƣớc đó, khuyết điểm phƣơng pháp số đối tƣợng bị chồng lấn q trình trích xuất đối tƣợng coi đối tƣợng dẫn đến nhận dạng đếm khơng xác Bước 1: Load input video đầu vào Bước 2: Ta định nghĩa sẵn đƣờng kẻ ngang, tạm gọi laser line Các bạn tƣởng tƣợng có đƣờng laser chiếu ngang, xe qua đếm xe cho dễ hiểu 39 Bước 3: Ta tiến hành lặp qua đối tƣợng đƣợc tracking để update vị trí (nếu có) Trong q trình lặp, đối tƣợng vƣợt qua đƣờng laser tính thêm xe mới, đối tƣợng khơng vƣợt qua tiếp tục theo vết Bước 4: Cứ frame, lại nhận diện lại đối tƣợng lần, nhƣ đối tƣợng xuất (bằng cách kiểm tra centroid xem có gần đối tƣợng đƣợc tracking hay khơng) ta thêm vào danh sách tracking Bước 5: Hiển thị lên hình tiếp tục lặp lại bƣớc Hình 3.5 minh họa kỹ thuật phát đếm phƣơng tiện đƣờng Hình Kết nhận dạng đếm phƣơng tiện giao thơng 40 Hình Trƣờng hợp khơng phát xe xe không di chuyển đứng yên lâu Hình Trƣờng hợp khơng phát xe xa so với camera quan sát 41 Một số trƣờng hợp thuật tốn khơng phát đƣợc đối tƣợng phƣơng tiên xe, dẫn đến kết đếm bị sót Trong hình 3.6 trƣờng hợp phƣơng tiện xe đứng n khơng di chuyển đƣờng thuật tốn không phát đƣợc, dẫn đến kết đếm phƣơng tiện bị thiếu Do chất kỹ thuật có áp dụng kỹ thuật trừ nên xe đứng yên, kết trừ nhầm đối tƣợng phƣơng tiện xe Hình 3.7 kết khơng đƣợc phƣơng tiện xe đối tƣợng phƣơng tiện xe xa camera Mô tả bƣớc thực cài đặt chƣơng trình thử nghiệm thuật tốn đếm đối tƣợng phƣơng tiện xe đƣờng nhƣ sau: Hình 3.8, hình 3.9 hình 3.10 giao diện ban đầu chƣơng trình: Hình Giao diện khởi động chƣơng trình Trong giao diện khởi động chƣơng trình, ta đƣa đƣờng link phát video streaming camera IP vào nhập text Ngồi ra, ta có thêm lựa chọn sử dụng tệp video ổ cứng Việc lựa chọn tệp đƣợc tiến hành đơn giản cách chọn nút bên cạnh ô text Hình Nút chọn file video ổ cứng 42 Hình 10 Giao diện chọn file video ổ cứng Sau chọn đƣợc đƣờng phát video streaming file video ổ cứng, ta ấn nút Process để tiến hành chạy chƣơng trình thử nghiệm nhƣ hình 3.11 Hình 11 Nút Process để thực xử lý Dựa theo luồng thực đƣợc mơ tả, sau đọc khung hình thời, chƣơng trình thực phát chuyển động khung hình Kết việc phát chuyển động ảnh nhị phân tƣơng ứng vùng màu trắng vùng chuyển động, vùng màu đen vùng tĩnh 43 3.4 Phân tích kết thử nghiệm Số lƣợng ô tô xuất video ghi đƣợc khơng nhiều, tác giả tiến hành thử nghiệm nhận dạng loại phƣơng tiện ô tô xe máy Kết nhận diện tƣơng đối xác, nhiên có số hình ảnh tơ đƣợc nhận diện chƣa xác mẫu tơ khơng có tập huấn luyện, số lƣợng mẫu ô tô đƣợc sử dụng để huấn luyện chƣa nhiều, mẫu ô tô chƣa đa dạng Kết nhận dạng xe mơ hình cao mà xe lƣu thông đƣờng phố có nhiều khác biệt màu sắc, kích thƣớc, số lƣợng ngƣời ngồi xe hay loại hàng hóa chở xe, cịn bị ảnh hƣởng nhiều yếu tố khác nhƣ bị che khuất, bóng cây, thời tiết v.v Qua thực nghiệm nhận thấy mơ hình cho kết nhận dạng cao mà xe không bị che khuất có kích thƣớc vừa phải Đối với số trƣờng hợp xe khơng nhận dạng đƣợc chủ yếu bị che khuất phần, kích thƣớc hình ảnh xe nhỏ Có trƣờng hợp đếm nhầm vật thể có hình dạng giống tơ xe máy Độ xác hệ thống đếm phƣơng tiện cao Kết triển khai toán nhƣ ta thấy có nhiều khả quan ứng dụng vào toán yêu cầu độ xác khơng q lớn, đƣa số chấp nhận đƣợc Từ hệ thống đơn giản này, ta cải tiến để nâng cao khả nhận dạng xe nhƣ độ xác toán phức tạp Kết toán phụ thuộc nhiều vào tình hình giao thơng, thời tiết, địa điểm thực nhiều yếu tố khác Mật độ lƣu thông phƣơng tiện giao thông lớn độ xác giảm dần Cũng tƣơng tự thời tiết diễn biến xấu hay địa điểm đếm xe có nhiều vật cản che khuất hay có nhiều bóng Bên cạnh thuật tốn chƣa ổn định yếu 44 tố ảnh hƣởng đến kết Bảng 3.1 kết nhận dạng đếm phƣơng tiện xe liệu thu thập thực tế từ nguồn internet với phƣơng tiện chủ yếu xe máy xe ô tô, kết độ xác trung bình 80% Dữ liệu thu nhận từ camera đƣờng, điều kiện thu nhận chƣa tốt (nền tối, thiếu sáng, ngoại cảnh tác động nhiều, góc quay chƣa diện nên có ảnh hƣởng định đến kết nhận dạng thuật tốn Hình 12 Số liệu nhận dạng đếm xe Số xe máy Số xe ô tô Số xe máy Số xe tơ Độ thực tế thực tế đếm đƣợc đếm đƣợc xác Video 12 10 85,7% Video 91,6% Video 10 13 10 82,6% Video 11 11 94,4% Video 10 18 15 82,1% STT 3.5 Kết luận chƣơng Chƣơng trình bày kết thực nghiệm tốn đếm phƣơng tiện giao thông đƣờng, cụ thể phƣơng tiện xe máy, xe ô tô xe tải theo kỹ thuật dựa mơ hình Gauss trộn tích hợp tối ƣu vùng quan tâm phân tích khối (blob) Các kết thực nghiệm đạt đƣợc minh họa cho nội dung lý thuyết đƣợc trình bày chƣơng với cài đặt cụ thể Chƣơng trình phát đếm lƣợt phƣơng tiện giao thơng lƣu thơng với độ xác cao sử dụng kết chƣơng trình vào mục tiêu quan sát lƣu lƣợng phƣơng tiện giao thông qua lại điểm giao thơng quan tâm, để có phƣơng án quy hoạch giao thông hợp lý hiệu nhằm góp phần tạo nên luồng giao thơng an toàn hiệu 45 KẾT LUẬN Nghiên cứu kỹ thuật phát hiện, phân loại đếm phƣơng tiện giao thông đƣờng toán quan trọng xử lý ảnh thị giác máy Ngồi ra, tốn có ý nghĩa thực tiễn việc phát triển đô thị thông minh Luận văn hệ thống số vấn đề toán phát đếm đối tƣợng phƣơng tiện giao thông hệ thống camera giám sát tự động nghiên cứu lý thuyết nhƣ cài đặt thực nghiệm Những vấn đề tóm tắt lại nhƣ sau: - Tổng quan giám sát tự động sở trình bày hệ thống camera giám sát giao thơng, tốn phát đối tƣợng, phát chuyển động, toán đếm phƣơng tiện đƣờng với số tiếp cận để giải toán Luận văn đƣa sơ đồ xử lý chung cho quy trình phát đếm đối tƣợng phƣơng tiện đƣờng thông qua liệu video thu thập từ camera thực tế - Lý thuyết kỹ thuật phục vụ phát đếm phƣơng tiện giao thông đƣờng, cụ thể kỹ thuật dựa mơ hình trộn Gauss, tích hợp tối ƣu vùng quan tâm phân tích khối nhằm phát khoanh vùng đối tƣợng phƣơng tiện nhỏ hiệu Luận văn đƣa phƣơng pháp đánh giá độ xác thuật tốn - Xây dựng chƣơng trình thử nghiệm cho tốn phát đếm phƣơng tiện giao thông đƣờng Phần thử nghiệm, luận văn áp dụng số kỹ thuật tiền xử lý ảnh nhƣ tách nền, lọc nhiễu Sau áp dụng liệu lên kỹ thuật trình bày chƣơng Kết thử nghiệm, bƣớc đầu đƣợc đánh giá hiệu cho xe máy, ô tô xe tải Luận văn đạt đƣợc số kết định lý thuyết thực nghiệm 46 Tuy nhiên, thời gian ngắn để thực đề tài luận văn, chắn có nhiều sai sót chƣa thể đánh giá kỹ thuật nhƣ chƣơng trình thử nghiệm cách toàn diện Luận văn tiền đề để thực nghiên cứu phát triển phục vụ công tác chuyên ngành địa phƣơng 47 DANH MỤC TÀI LIỆU THAM KHẢO [1] Collins R T., and al e (2000), "A system for visual surveillance and monitoring", Carnegie Mellon University [2] Ting-Hsun, Chang, and Gong S (2001), "Tracking multiple people with a multi-camera system", IEEE workshop on multi object tracking, pp: 19 – 26 [3] http://mica.edu.vn/ [4] Tran D.-D., Le T.-L., and Tran T.-T.-H (2014), "Abnormal event detection using multimedia information for monitoring system", Communications and Electronics (ICCE), 2014 IEEE Fifth International Conference on, pp: 490-495 [5] http://mmlab.uit.edu.vn/ [6] Djamaluddin D., Indrabulan T., Andani Indrabayu, Sidehabi S.W 2014 “The Simulation of Vehicle Counting System for Traffic Surveillance using Viola Jones Method” Makassar International Conference on Electrical Engineering and Informatics (MICEEI) pp.130, 135, 26-30 [7] Lin G., Xiang-Hui S 2013 “Vehicle Detection Method based on Adaptive Background Updating Algorithm” International Conference on Advanced Information and Communication Technology for Education (ICAICTE) Atlantis Press pp 206-209 [8] Karamizadeh S., Abdullah S.M., Zamani M and Kherikhah A 2014 “Pattern Recognition Techniques: Studies On Appropriate Classifications” ARPN Journal of Engineering and Applied Sciences, Vol 9, No 8, pp 1215-1219 48 [9] Basri, Indrabayu and Achmad A 2015 “Gaussian Mixture Models Optimization for Counting the Numbers of Vehicle by Adjusting the Region of Interest under Heavy Traffic Condition" International Seminar on Intelligent Technology and Its Applications (ISITIA) IEEE Conference no 35246 pp 243-247 [10] Zivkovic Z., 2004 “Improved adaptive Gaussian mixture model for background subtraction," Pattern Recognition ICPR Proceedings of the 17th ... nghĩ thực tiễn nhƣ phân tích trên, luận văn lựa chọn đề tài: ? ?Nghiên cứu số kỹ thuật xử lý ảnh phục vụ toán đếm phương tiện giao thông đường? ?? nhằm nghiên cứu số vấn đề toán với giải pháp liên quan... phạm vi nghiên cứu - Đối tƣợng nghiên cứu: Dữ liệu video lấy từ camera giám sát giao thông - Phạm vi nghiên cứu: Đề tài nghiên cứu thuật toán xử lý ảnh với liệu video Thuật toán xử lý ảnh xác... tài: ? ?Nghiên cứu số kỹ thuật xử lý ảnh phục vụ toán đếm phương tiện giao thông đường? ?? thân thực dƣới giúp đỡ, hƣớng dẫn trực tiếp Tiến sĩ Nguyễn Thanh Bình - giảng viên Khoa Công nghệ thông tin,