(Luận văn) 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 lu an va n NGHIÊN CỨU MỘT SỐ KỸ THUẬT XỬ LÝ ẢNH tn to ie gh PHỤC VỤ BÀI TOÁN ĐẾM PHƢƠNG TIỆN p GIAO THÔNG TRÊN ĐƢỜNG d oa nl w an lu Chuyên ngành: Khoa học máy tính ll u nf va Mã số: 8480101 oi m z at nh Ngƣời hƣớng dẫn: TS NGUYỄN THANH BÌNH z m co l gm @ an Lu n va ac th si 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 lu Nhơn an va - Mọi tham khảo dùng luận văn đƣợc trích dẫn rõ ràng n trung thực tên tác giả, tên cơng trình, thời gian, địa điểm công bố tn to - Các số liệu, kết thực nghiệm đƣợc trình bày luận văn hoàn gh p ie toàn trung thực dựa khảo sát chƣa đƣợc công bố hay w xuất dƣới hình thức khác Những tƣ liệu tham khảo đƣợc sử oa nl dụng luận văn có nguồn gốc trích dẫn rõ ràng, đầy đủ d - Mọi chép không hợp lệ, vi phạm quy chế đào tạo xin chịu hoàn lu ll u nf va an toàn trách nhiệm trƣớc Hội đồng oi m Bình Định, ngày 20 tháng 09 năm 2021 z at nh Học viên z gm @ m co l Võ Thanh Hoàng an Lu n va ac th si 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 Tơi xin bày tỏ lịng biết ơn sâu sắc đến thầy hƣớng dẫn tận tình, đầy trách nhiệm trình tìm hiểu, nghiên cứu thực hoàn thành tốt đề tài lu Bên cạnh đó, tơi xin bày tỏ lịng biết ơn đến Ban lãnh đạo Trƣờng Đại an học Quy Nhơn, Khoa cơng nghệ thơng tin, Phịng Đào tạo Sau đại học tận va n tình động viên, tạo điều kiện giúp đỡ thời gian học tập, làm luận văn to gh tn Tôi xin gửi lời cảm ơn chân thành đến ngƣời thân gia đình, ie bạn bè đồng nghiệp quan tâm, động viên giúp đỡ suốt p thời gian học tập nghiên cứu oa nl w Kính chúc q Thầy, Cơ bạn học viên lớp cao học ngành d Khoa học máy tính khóa 22 sức khỏe, hạnh phúc thành đạt lu va an Xin chân thành cảm ơn! u nf Bình Định, ngày 17 tháng năm 2021 ll Học viên oi m z at nh z m co l gm @ Võ Thanh Hoàng an Lu n va ac th si 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 lu PHÁT HIỆN PHƢƠNG TIỆN GIAO THÔNG TRÊN ĐƢỜNG an n va 1.1 Tổng quan hệ thống giám sát tự động 1.1.2 Dữ liệu video p ie gh tn to 1.1.1 Hệ thống camera giát sát tự động 1.1.2.1 Khái quát xử lý ảnh xử lý liệu video oa nl w 1.1.2.2 Khái niệm video d 1.2 Bài toán phát phân lớp phƣơng tiện giao thông lu va an 1.2.1 Phát đối tƣợng ll u nf 1.2.2 Phát đối tƣợng chuyển động 10 oi m 1.2.3 Nhận dạng đối tƣợng 11 z at nh 1.3 Một số tiếp cận phát phân lớp phƣơng tiện giao thông 11 1.3.1 Tiếp cận dựa Optical Flow 12 z @ gm 1.3.2 Tiếp cận dựa trừ ảnh 13 m co l 1.3.3 Mơ hình hệ thống phát đếm phƣơng tiện giao thông 16 1.4 Một số ứng dụng 17 an Lu 1.4.1 Giám sát bãi đậu xe 17 n va ac th si 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 thông dựa vào mơ hình trộn Gauss 22 2.2.2 Tối ƣu vùng quan tâm ROI (Region of Interest) 24 lu an 2.2.3 Kỹ thuật phân tích khối (Blob Analysis) 25 n va 2.3 Phân tích đánh giá kỹ thuật 30 gh tn to 2.4 Kết luận chƣơng 30 p ie CHƢƠNG 3: CHƢƠNG TRÌNH THỬ NGHIỆM 31 w 3.1 Bài toán đếm phƣơng tiện giao thông 31 oa nl 3.2 Phân tích u cầu lựa chọn cơng cụ 32 d 3.3 Xây dựng chƣơng trình thử nghiệm 34 an lu u nf va 3.3.1 Thu nhận ảnh tiền xử lý ảnh 34 ll 3.3.2 Khởi tạo cập nhật ảnh 34 m oi 3.3.3 Module phát chuyển động 36 z at nh 3.3.4 Đếm phƣơng tiện 38 z 3.4 Phân tích kết thử nghiệm 43 @ l gm 3.5 Kết luận chƣơng 44 m co KẾT LUẬN 45 an Lu DANH MỤC TÀI LIỆU THAM KHẢO 47 QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN THẠC SĨ (BẢN SAO) n va ac th si 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 tốn phát đối tƣợng chuyển động 10 Hình Hình ảnh xe phƣơng pháp Optical Flow 13 lu Hình Quy trình trừ 15 an va Hình Các bƣớc thực quy trình đếm phƣơng tiện giao thơng 17 n Hình Quy trình nhận dạng đếm phƣơng tiện giao thơng 17 gh tn to Hình 10 Mơ hình giám sát bãi đậu xe 18 p ie Hình 11 Giám sát phƣơng tiện giao thông đƣờng 19 Hình ROI xử lý trƣớc phát xe 25 oa nl w Hình 2 Q trình phân tích blob phát xe 26 d Hình Mơ hình tích hợp GMM, tối ƣu ROI, phân tích Blob xác an lu định phƣơng tiện giao thông 27 u nf va Hình Điều chỉnh lƣợc đồ ROI phân tích blob 28 ll Hình ROI hình ảnh 29 oi m Hình Mơ hình kịch thử nghiệm 33 z at nh Hình Kết tiền xử lý ảnh 34 Hình 3 Khởi tạo cập nhật ảnh 36 z gm @ Hình Tính mặt nạ chuyển động 38 Hình Kết nhận dạng đếm phƣơng tiện giao thông 39 l m co Hình Trƣờng hợp không phát xe xe không di chuyển đứng yên lâu 40 an Lu Hình Trƣờng hợp khơng phát xe q xa so với camera quan sát 40 n va ac th si 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 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 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 lu an loại phƣơng tiện giao thông đƣờng toán quan n va trọng lĩnh vực giám sát tự động dƣới hỗ trợ camera tn to Trong năm gần đây, nghiên cứu xử lý ảnh thị giác máy ie gh đạt đƣợc nhiều thành tựu tiến vƣợt bậc Trong đó, tốn tự động nhận p dạng xe đƣợc phổ biến rộng rãi, sử dụng hệ thống giám sát tự nl w động, hệ thống giao thông thông minh Vấn đề đƣợc nhà nghiên oa cứu quan tâm từ thập kỷ trƣớc với tiến kỹ thuật số công nghệ d xử lý hình ảnh tính tốn hiệu cao Nhiều hƣớng tiếp cận đƣợc đề xuất lu va an nghiên cứu, song thuật toán xử lý ảnh để phát phƣơng tiện u nf liệu video cịn tốn mở nhiều tác động từ yếu tố môi trƣờng ll điều kiện thu nhận đa dạng oi m z at nh Hệ thống phát xe tự động chìa khóa kiểm sốt giao thơng đƣờng ngày nay; số ứng dụng hệ thống hệ thống phản ứng z giao thơng, điều khiển tín hiệu giao thông, đƣờng hệ thống cảnh báo @ gm khởi hành, tai nạn xe tự động phát ƣớc tính mật độ giao thơng tự m co l động Hệ thống phân loại đếm xe tự động sử dụng liệu video thu đƣợc từ camera giao thơng, thực phép tính tốn tập hợp khung an Lu hình thu đƣợc từ video để ƣớc tính số lƣợng xe có mặt địa điểm n va ac th si khoảng thời gian Đếm phƣơng tiện cung cấp nhiều thơng 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 lu Xuất phát từ ý nghĩa khoa học ý nghĩ thực tiễn nhƣ phân tích an n va trên, luận văn lựa chọn đề tài: “Nghiên cứu số kỹ thuật xử lý ảnh phục tn to vụ tốn đếm phương tiện giao thơng đường” nhằm nghiên cứu ie gh số vấn đề toán với giải pháp liên quan p Tổng quan tài liệu bố cục luận văn nl w Nguồn tài liệu để nghiên cứu luận văn bao gồm: báo khoa d oa học, luận văn, luận án nƣớc nƣớc liên quan đến đề tài an lu Bố cục luận văn gồm phần mở đầu, phần kết luận ba chƣơng nội u nf va dung đƣợc bố cục nhƣ sau: ll Chƣơng 1: Tổng quan hệ thống giám sát tự động phát m oi phƣơng tiện giao thông đƣờng Trên sở đó, luận văn giới thiệu z at nh số toán 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 z gm @ thông đƣờng l Chƣơng 2: Đếm phƣơng tiện giao thông đƣờng Cụ thể số m co kỹ thuật xác định đối tƣợng chuyển động, phát phân loại phƣơng tiện an Lu giao thông xây dựng thuật tốn đếm phƣơng tiện giao thơng theo yêu cầu n va ac th si 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 lu - Cài đặt thử nghiệm đánh giá kết an Đối tƣợng phạm vi nghiên cứu va n - Đối tƣợng nghiên cứu: Dữ liệu video lấy từ camera giám sát giao tn to thông p ie gh - Phạm vi nghiên cứu: Đề tài nghiên cứu thuật toán xử lý ảnh với w liệu video Thuật toán xử lý ảnh xác định nhận dạng phƣơng tiện giao oa nl thơng Xây dựng mơ hình học máy hỗ trợ giám sát đếm tự động d Phƣơng pháp nghiên cứu an lu va - Phƣơng pháp nghiên cứu tài liệu; ll u nf - Phƣơng pháp phân tích, tổng hợp; oi m - Phƣơng pháp thực nghiệm z at nh Ý nghĩa khoa học thực tiễn Tập trung nghiên cứu thuật toán xử lý ảnh với liệu video Xác định z l đếm số phƣơng tiện giao thông gm @ nhận dạng đối tƣợng phƣơng tiện giao thông Xây dựng mơ hình học máy m co Ứng dụng xây dựng mơ hình hệ thống giám sát tự động đếm số lƣợng xá Việt Nam an Lu phƣơng tiện tham gia giao thông theo yêu cầu, ứng dụng vào hệ thống đƣờng n va ac th si 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 thơng cần quan tâm, video loại tệp video định dạng ví dụ định dạng AVI MP4 v.v Chƣơng lu trình đọc tệp video tách thành khung hình, khung hình an n va đƣợc xử lý tạo thành đối tƣợng Mat để chứa thông số tƣơng ứng Ma trận tiêu đề (matrix header chứa thơng tin nhƣ kích thƣớc ảnh, phƣơng gh tn to đầu vào cho bƣớc Mat lớp với hai phần liệu: p ie 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 nl w nâng cao chất lƣợng ảnh, khung hình đƣợc chuyển đổi ảnh d oa xám loại bỏ vùng khơng quan tâm Hình 3.2 minh họa kỹ thuật an lu tiền xử lý hình ảnh video đầu vào, chủ yếu kỹ thuật chuyển sang ảnh xám, ll u nf va loại bỏ ngoại cảnh trừ sử dụng kỹ thuật lọc trung vị để khử nhiễu oi m z at nh z l 3.3.2 Khởi tạo cập nhật ảnh gm @ Hình Kết tiền xử lý ảnh m co Đây kỹ thuật phát tiền cảnh, hiểu đơn giản ta tách đối tƣợng đối tƣợng phƣơng tiện an Lu ảnh khỏi hậu cảnh phía sau, nhằm mục đích hậu xử lý nhƣ nhận dạng n va ac th si 35 Kỹ thuật dựa việc giả định hậu cảnh tĩnh (static background) thƣờng không áp dụng môi trƣờng thực (ánh sáng tự nhiên, trời…) thay đổi ảnh nhà (nhƣ hình TV) ngồi trời có mƣa gió, thay đổi ánh sáng Một thuật tốn 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 không diễn liên tục (nhƣ đóng mở cửa, đèn xanh đỏ) lu Chƣơng trình thử nghiệm áp dụng kỹ thuật khởi tạo cập nhật ảnh an n va phổ biến là: tn to So sánh hai khung hình liên tiếp (Frame Difference): Đây kỹ thuật trừ gh đơn giản Ta tính hiệu giá trị pixel khung hình p ie khung hình trƣớc hiệu lớn ngƣỡng T pixel vị trí thuộc cảnh nl w oa Ƣu điểm kỹ thuật tốc độ tính toán nhanh việc khởi tạo d background image đơn giản việc lấy khung hình trƣớc an lu va Nhƣợc điểm kỹ thuật tốt với đối tƣợng di ll u nf chuyển liên tục nhƣng có đối tƣợng đứng yên khung hình oi m lâu đối tƣợng bị cho với phƣơng pháp phụ ngƣỡng phù hợp z at nh thuộc nhiều vào ngƣỡng T với video ta phải chọn z Sử dụng lọc trung vị (Median filter): Ý tƣởng thuật toán lọc @ l gm Trung vị nhƣ sau: ta sử dụng cửa sổ lọc (ma trận 3×3) quét qua lần lƣợt m co 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 an Lu xếp điểm ảnh cửa sổ theo thứ tự (tăng dần giảm dần n va ac th si 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 lu an Hình 3 Khởi tạo cập nhật ảnh n va 3.3.3 Module phát chuyển động tn to Module phát chuyển động có nhiệm vụ xác định có hay khơng ie gh đối tƣợng chuyển động khung hình, sau tách ảnh đối p tƣợng chuyển động khỏi ảnh nl w Kết bƣớc trừ mặt nạ nhị phân khung hình d oa ảnh đầu vào Mặt nạ nhị phân tiếp tục đƣợc đƣa vào khối Blob an lu Tracking để thực tối ƣu hóa biến đổi hình thái học sau va phƣơng pháp dị blob đƣợc áp dụng lên đầu biến đổi hình thái học để ll u nf có kết blob đƣợc đánh nhãn riêng biệt Các phƣơng tiện giao thông oi m (ô tô, xe máy) đƣợc xác định dựa kích thƣớc chúng đƣợc ghi z at nh nhận Đầu cuối trình khung hình với phƣơng tiện giao thông đƣợc dựng lại với kết đếm số lƣợng phƣơng tiện tham z gia giao thông Với cửa sổ PBAS kết trình trừ Blob @ m co l bỏ đáng kể gm Mask kết trình biến đổi hình thái học, điểm nhiễu bị loại Sau giai đoạn xử lý nhiễu bƣớc biến đổi hình thái học, mặt nạ nhị phân an Lu segmentated tiếp tục đƣợc đƣa vào bƣớc xử lý quan trọng n va ac th si 37 q 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 thơng 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 lu chiều Một điểm ảnh thuộc biên đối tƣợng phải ln có điểm lân an n va cận điểm ảnh đen, để tìm điểm biên nó, thực định trƣớc theo chiều kim đồng hồ Từ ta rút đƣợc gh tn to quét điểm lân cận điểm bên cạnh điểm ảnh đen xác p ie 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 oa nl w điểm đen liền kề với nhƣ sau: d Nếu lân cận phải (R) dƣới phải (DR) ln có điểm ảnh đen lu va an liền kề lân cận (U) ll kề lân cận dƣới (D) u nf Nếu lân cận trái (L) trái (UL), ln có điểm ảnh đen liền oi m liền kề lân cận phải (R) z at nh Nếu lân cận dƣới (D) dƣới trái (DL), ln có điểm ảnh đen z Nếu lân cận (U) phải (UR), ln có điểm ảnh đen m co l gm @ liền kề lân cận trái (L) an Lu n va ac th si 38 lu an Hình Tính mặt nạ chuyển động va n 3.3.4 Đếm phương tiện to gh tn Để tránh đếm blob tƣơng ứng với đối tƣợng không mong muốn nhƣ p ie ngƣời, động vật nhiễu thuộc nền, ta cần xác định phạm vi kích thƣớc phƣơng tiện giao thông áp dụng lọc để loại bỏ đối tƣợng khơng oa nl w mong muốn Thực chất, kích thƣớc đối tƣợng đƣợc thể qua d giá trị area blob, với vùng số điểm ảnh cấu thành blob an lu Sau có đƣợc tập đối tƣợng mong muốn phƣơng tiện giao u nf va thơng, q trình trích xuất đếm số lƣợng đƣợc áp dụng để vẽ khung chữ ll nhật bao quanh đối tƣợng thị số lƣợng phƣơng tiện xuất oi m khung hình Tuy nhiên, nhƣ nêu trƣớc đó, khuyết điểm phƣơng z at nh pháp số đối tƣợng bị chồng lấn q trình trích xuất đối tƣợng coi đối tƣợng dẫn đến nhận dạng đếm khơng xác z gm @ Bước 1: Load input video đầu vào l Bước 2: Ta định nghĩa sẵn đƣờng kẻ ngang, tạm gọi laser line Các an Lu xe cho dễ hiểu m co bạn tƣởng tƣợng có đƣờng laser chiếu ngang, xe qua đếm n va ac th si 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 lu an Hình 3.5 minh họa kỹ thuật phát đếm phƣơng tiện đƣờng n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh Hình Kết nhận dạng đếm phƣơng tiện giao thông z m co l gm @ an Lu n va ac th si 40 lu an n va gh tn to ie Hình Trƣờng hợp khơng phát xe xe không di chuyển đứng yên p lâu d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu Hình Trƣờng hợp khơng phát xe q xa so với camera quan sát n va ac th si 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 khơng 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 lu đƣờng nhƣ sau: an Hình 3.8, hình 3.9 hình 3.10 giao diện ban đầu chƣơng trình: n va p ie gh tn to d oa nl w Hình Giao diện khởi động chƣơng trình lu va an Trong giao diện khởi động chƣơng trình, ta đƣa đƣờng link phát u nf video streaming camera IP vào nhập text Ngồi ra, ta có thêm ll lựa chọn sử dụng tệp video ổ cứng Việc lựa chọn tệp đƣợc m oi tiến hành đơn giản cách chọn nút bên cạnh ô text z at nh z m co l gm @ an Lu Hình Nút chọn file video ổ cứng n va ac th si 42 lu an n va tn to Hình 10 Giao diện chọn file video ổ cứng gh p ie Sau chọn đƣợc đƣờng phát video streaming file video ổ hình 3.11 d oa nl w cứng, ta ấn nút Process để tiến hành chạy chƣơng trình thử nghiệm nhƣ ll u nf va an lu oi m z at nh Hình 11 Nút Process để thực xử lý z gm @ Dựa theo luồng thực đƣợc mô tả, sau đọc khung hình l thời, chƣơng trình thực phát chuyển động khung hình m co Kết việc phát chuyển động ảnh nhị phân tƣơng tĩnh an Lu ứng vùng màu trắng vùng chuyển động, vùng màu đen vùng n va ac th si 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 thơng lu đƣờng phố có nhiều khác biệt màu sắc, kích thƣớc, số lƣợng an n va ngƣời ngồi xe hay loại hàng hóa chở xe, cịn bị ảnh hƣởng gh tn to 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 p ie mà xe khơng bị che khuất có kích thƣớc vừa phải nl w Đối với số trƣờng hợp xe khơng nhận dạng đƣợc chủ yếu bị d oa che khuất phần, kích thƣớc hình ảnh xe nhỏ an lu Có trƣờng hợp đếm nhầm vật thể có hình dạng giống tơ xe va máy Độ xác hệ thống đếm phƣơng tiện cao Kết triển ll u nf khai toán nhƣ ta thấy có nhiều khả quan ứng dụng vào oi m tốn u cầu độ xác khơng q lớn, đƣa số chấp nhận z at nh đƣợc Từ hệ thống đơn giản này, ta cải tiến để nâng cao khả nhận dạng xe nhƣ độ xác toán phức tạp z Kết toán phụ thuộc nhiều vào tình hình giao thơng, thời @ l gm tiết, địa điểm thực nhiều yếu tố khác Mật độ lƣu thông m co phƣơng tiện giao thơng lớn độ xác giảm dần Cũng tƣơng tự thời tiết diễn biến xấu hay địa điểm đếm xe có nhiều vật cản che khuất an Lu hay có nhiều bóng Bên cạnh thuật tốn chƣa ổn định yếu n va ac th si 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 tơ, 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 ô tô Độ thực tế thực tế đếm đƣợc đếm đƣợc xác Video 12 10 85,7% Video 91,6% Video 10 13 10 82,6% ie 11 11 94,4% Video 10 18 15 82,1% STT lu an n va gh tn to Video p w oa nl 3.5 Kết luận chƣơng d Chƣơng trình bày kết thực nghiệm toán đếm lu va an phƣơng tiện giao thông đƣờng, cụ thể phƣơng tiện xe máy, xe ô tô u nf xe tải theo kỹ thuật dựa mơ hình Gauss trộn tích hợp tối ƣu vùng quan ll tâm phân tích khối (blob) Các kết thực nghiệm đạt đƣợc minh họa m oi cho nội dung lý thuyết đƣợc trình bày chƣơng với cài đặt z at nh cụ thể z Chƣơng trình phát đếm lƣợt phƣơng tiện giao thơng lƣu thơng @ gm với độ xác cao sử dụng kết chƣơng trình vào mục tiêu m co l 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 an Lu góp phần tạo nên luồng giao thơng an toàn hiệu n va ac th si 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 lu đề tóm tắt lại nhƣ sau: an n va - Tổng quan giám sát tự động sở trình bày hệ thống camera tn to giám sát giao thơng, tốn phát đối tƣợng, phát chuyển động, gh toán đếm phƣơng tiện đƣờng với số tiếp cận để giải p ie toán Luận văn đƣa sơ đồ xử lý chung cho quy trình phát đếm oa nl thực tế w đối tƣợng phƣơng tiện đƣờng thông qua liệu video thu thập từ camera d - Lý thuyết kỹ thuật phục vụ phát đếm phƣơng tiện giao thông lu va an đƣờng, cụ thể kỹ thuật dựa mơ hình trộn Gauss, tích hợp tối ƣu u nf vùng quan tâm phân tích khối nhằm phát khoanh vùng ll đối tƣợng phƣơng tiện nhỏ hiệu Luận văn đƣa phƣơng pháp đánh oi m giá độ xác thuật tốn z at nh - Xây dựng chƣơng trình thử nghiệm cho toán phát đếm z phƣơng tiện giao thông đƣờng Phần thử nghiệm, luận văn áp dụng @ gm số kỹ thuật tiền xử lý ảnh nhƣ tách nền, lọc nhiễu Sau áp dụng liệu lên m co hiệu cho xe máy, ô tô xe tải l kỹ thuật trình bày chƣơng Kết thử nghiệm, bƣớc đầu đƣợc đánh giá an Lu Luận văn đạt đƣợc số kết định lý thuyết thực nghiệm n va ac th si 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 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 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/ lu an [4] Tran D.-D., Le T.-L., and Tran T.-T.-H (2014), "Abnormal event va detection using multimedia information for monitoring system", n tn to Communications and Electronics (ICCE), 2014 IEEE Fifth ie gh International Conference on, pp: 490-495 p [5] http://mmlab.uit.edu.vn/ nl w [6] Djamaluddin D., Indrabulan T., Andani Indrabayu, Sidehabi S.W 2014 d oa “The Simulation of Vehicle Counting System for Traffic an lu Surveillance using Viola Jones Method” Makassar International u nf va Conference on Electrical Engineering and Informatics (MICEEI) pp.130, 135, 26-30 ll oi m [7] Lin G., Xiang-Hui S 2013 “Vehicle Detection Method based on Adaptive z at nh Background Updating Algorithm” International Conference on Advanced Information and Communication Technology for z gm @ Education (ICAICTE) Atlantis Press pp 206-209 l [8] Karamizadeh S., Abdullah S.M., Zamani M and Kherikhah A 2014 m co “Pattern Recognition Techniques: Studies On Appropriate Sciences, Vol 9, No 8, pp 1215-1219 an Lu Classifications” ARPN Journal of Engineering and Applied n va ac th si 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 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si