Dự án KHKT Hệ thống điều khiển đèn giao thông sử dụng xử lý ảnh và trí tuệ nhân tạo. Giao thông luôn là vấn đề được quan tâm nhiều nhất đối với các đô thị lớn ở các nước nói chung và ở Việt Nam nói riêng. Trong những năm gần đây tình trạng tắc đường vẫn luôn là vấn đề nghiêm trọng và cấp thiết.
I ĐẶT VẤN ĐỀ Lí chọn đề tài Giao thông vấn đề quan tâm nhiều đô thị lớn nước nói chung Việt Nam nói riêng Trong năm gần tình trạng tắc đường ln vấn đề nghiêm trọng cấp thiết Hiện nay, có nghiên cứu, nhiều giải pháp tháo gỡ tình trạng tắc nghẽn giao thơng hiệu chưa cao tình trạng tắc đường xảy thường xuyên trục đường giao thông, đặc biệt khu thị lớn Trong đó, hầu hết hệ thống đèn tín hiệu giao thơng nước ta hoạt động với chu kỳ tắt mở đèn xanh-đỏ thiết lập cố định cho tuyến đường Phương pháp điều khiển đèn với chu kỳ cố định cứng nhắc, có nhiều thời gian chết Đèn xanh bật pha khơng có phương tiện, pha khác có nhiều phương tiện phải chờ Xuất phát từ nhu cầu thực tiễn chúng em nảy sinh ý tưởng để thực đề tài “Hệ thống điều khiển đèn giao thông sử dụng xử lý ảnh trí tuệ nhân tạo” Mục tiêu nhiệm vụ 2.1 Mục tiêu Dựa hoàn cảnh thực tế tình hình giao thơng thị : tình hình kẹt xe diễn liên tục tuyến đường với nhiều lý lý thiết yếu thay đổi lượng xe đến tuyến đường mà khơng có thay đổi tình trạng đèn cho phù hợp với hồn cảnh nên xảy ùn tắc Do mục tiêu hệ thống thu nhận hình ảnh tình trạng xe lưu thơng tuyến đường thu từ camera truyền máy tính Sử dụng phần mềm để tính tốn lưu lượng xe tuyến đường cung cấp liệu tương ứng để điều khiển hệ thống đèn giao thông Tùy thuộc vào lưu lượng xe thời điểm quan sát, hệ thống điều khiển định trạng thái đèn Với hệ thống điều khiển giao thông thông minh, đèn giao thông cung cấp thông tin lưu lượng giao thông thay đổi thời gian cho phù hợp để đảm bảo thời gian chờ đèn đỏ phương tiện tối ưu Do hệ thống đèn giao thông thông minh giúp ngăn ngừa việc xuất tắc nghẽn Đề tài định hướng sử dụng ứng dụng xử lý ảnh trí tuệ nhân tạo để nhận diện đếm số lượng phương tiện tham gia giao thơng ngã tư, từ lấy để điều khiển hệ thống đèn giao thông 2.2 Nhiệm vụ Đề tài tập trung nghiên cứu nhiệm vụ sau: - Tìm hiểu xử lý ảnh - Tìm hiểu trí tuệ nhân tạo; - Huấn luyện xây dựng mơ hình nhận diện đếm số lượng phương tiện giao thông; - Xây dựng hệ thống điều khiển đèn tín hiệu giao thơng dựa lưu lượng phương tiện giao thông Phạm vi nghiên cứu - Nghiên cứu phân tích liệu từ camera nhận diện đếm số lượng phương tiện giao thơng trí tuệ nhân tạo - Thiết kế hệ thống điều khiển đèn giao thông dựa lưu lượng phương tiện giao thông Phương pháp nghiên cứu 4.1 Phương pháp nghiên cứu tài liệu - Tìm hiểu kỹ thuật xử lý ảnh; - Tìm hiểu việc ứng dụng trí tuệ nhân tạo - Huấn luyện xây dựng mơ hình nhận dạng, đếm số lượng phương tiện giao thông; 4.2 Phương pháp thực nghiệm - Xây dựng liệu; - Thực nghiệm mơ hình; - Phân tích, đánh giá kết II QUY TRÌNH THỰC HIỆN Khái niệm xử lý ảnh Xử lý ảnh phương pháp chuyển đổi hình ảnh sang dạng số thực số hoạt động để nâng cao chất lượng hình ảnh để trích xuất số thơng tin hữu ích từ Q trình xử lý ảnh xem trình thao tác ảnh đầu vào nhằm tạo kết mong muốn Kết đầu trình xử lý ảnh ảnh tốt kết luận Hệ thống xử lý ảnh hoạt động theo bước sau: Sơ đồ tổng quát hệ thống xử lý ảnh 2 Tổng quan trí tuệ nhân tạo (AI) Một lĩnh vực quan trọng Trí tuệ nhân tạo (Artificial Intelligence) thị giác máy tính (Computer Vision) Computer Vision lĩnh vực bao gồm phương pháp thu nhận, xử lý ảnh kỹ thuật số, phân tích nhận dạng hình ảnh, phát đối tượng, tạo ảnh, siêu phân giải hình ảnh nhiều Nhận diện đối tượng có lẽ khía cạnh sâu sắc thị giác máy tính số lần sử dụng thực tế Nhận diện đối tượng đề cập đến khả hệ thống máy tính phần mềm để định vị đối tượng hình ảnh xác định đối tượng Nhận diện đối tượng sử dụng rộng rãi để phát khuôn mặt, phát xe, đếm số người bộ, hệ thống bảo mật xe khơng người lái Có nhiều cách để nhận diện đối tượng sử dụng nhiều lĩnh vực thực hành Giống công nghệ khác, loạt ứng dụng sáng tạo tuyệt vời nhận diện đối tượng đến từ lập trình viên nhà phát triển phần mềm Bắt đầu sử dụng phương pháp nhận diện đối tượng đại ứng dụng hệ thống, xây dựng ứng dụng dựa phương pháp này.Việc triển nhận diện đối tượng sớm liên quan đến việc sử dụng thuật toán cổ điển, giống thuật toán hỗ trợ OpenCV, thư viện computer vision phổ biến Tuy nhiên, thuật tốn cổ điển khơng thể đạt hiệu suất đủ để làm việc điều kiện khác Việc áp dụng đột phát nhanh chóng deep learning vào năm 2012 đưa vào tồn thuật toán phương pháp phát đối tượng đại xác cao R-CNN, Fast-RCNN, Faster-RCNN, RetinaNet nhanh xác SSD YOLO Sử dụng phương pháp thuật toán này, dựa deep learning dựa việc học máy đòi hỏi nhiều kiến thức toán học việc học sâu Có hàng triệu chun gia lập trình nhà phát triển phần mềm muốn tích hợp tạo sản phẩm sử dụng nhận diện đối tượng Nhưng công nghệ xa tầm tay họ phức tạp để hiểu sử dụng thực tế Một phương pháp học sâu thành cơng mơ hình mạng nơ-ron nhân tạo Mạng nơ-ron nhân tạo lấy cảm hứng từ mơ hình sinh học năm 1959 đề xuất người đoạt giải Nobel David H Hubel & Torsten Wiesel, người tìm thấy hai loại tế bào vỏ não thị giác chính: tế bào đơn giản tế bào phức tạp Mạng nơ-ron nhân tạo Kiến trúc chung mạng nơ-ron nhân tạo bao gồm thành phần: Lớp đầu vào, Lớp ẩn Lớp đầu Mơ hình giải tốn Bài tốn nhận diện đếm số lượng phương tiện giao thông bao gồm hai tốn nhỏ là: Bài tốn nhận diện phương tiện toán đếm phương tiện nhận dạng - Bài toán nhận phương tiện: mục tiêu toán từ ảnh cụ thể video cụ thể, phải nhận dạng đâu phương tiện giao thơng Bài tốn tốn khó phương tiện có nhiều chủng loại, lưu thơng thực tế có nhiều trường hợp khác xe chạy ngược, xe chạy xi, xe che khuất xe Để nhận diện phương tiện cách tối ưu bước định đến độ xác tốn đếm xe - Bài toán phương tiện: sau nhận diện phương tiện, tiến hành đếm số đối tượng u cầu đặt cho tốn đếm xác, khơng thừa khơng thiếu Mơ hình đề xuất cho trình nhận dạng phương tiện giao thơng sau: Mơ hình hệ thống - Tiền xử lý: Ở bước này, thao tác lọc nhiễu liệu đầu vào, chỉnh độ sáng thao tác khác thực - Gán nhãn: Sử dụng công cụ đánh nhãn để đánh dấu hình ảnh phương tiện giao thơng ảnh đầu vào - Huấn luyện: Sử dụng tập liệu ảnh gắn nhãn để xây dựng mơ hình cho hệ thống - Nhận dạng: Quá trình nhận dạng thực qua bước xử lý tương tự với ảnh đầu vào - Đếm: Sau phát nhận dạng đối tượng, ta khoanh vùng hoạt động để thực đếm phương tiện giao thông - TensorFlow thư viện phần mềm nguồn mở để tính tốn số hiệu suất cao Kiến trúc linh hoạt cho phép dễ dàng triển khai tính tốn nhiều tảng khác từ máy tính để bàn đến cụm máy chủ tới thiết bị di động Được phát triển nhà nghiên cứu kỹ sư từ nhóm Google Brain tổ chức AI Google, hỗ trợ mạnh mẽ cho Machine Learing, Deep Learning lõi tính toán linh hoạt sử dụng nhiều lĩnh vực khoa học khác Nhận diện đếm phương tiện giao thơng thuật tốn trí tuệ nhân tạo Sơ đồ hệ thống - Hình ảnh thu từ camera gửi đến Raspberry pi - Hình ảnh sau thu thập so sánh với Model đào tạo để nhận diện đếm số lượng phương tiện giao thông tuyến đường - Kết sử dụng để điều khiển hệ thống đèn giao thông Các công cụ môi trường triển khai dự án 4.1 Thư viện xử lý hình ảnh OpenCV OpenCV (Open Computer Vision) thư viện mã nguồn mở hàng đầu cho xử lý thị giác máy tính, machine learning, xử lý ảnh 4.2 Cơng cụ đánh nhãn hình ảnh LabelImage Để huấn luyện cho mơ hình học máy cần lượng lớn liệu để huấn luyện mơ hình, bước phải gán nhãn cho đối tượng xe máy ảnh, nhãn bao gồm tên đối tượng vị trí ảnh Để làm việc cơng cụ đánh nhãn LabelImage công cụ hiệu quả, miễn phí 4.3 Thư viện TensorFlow TensorFlow thư viện phần mềm nguồn mở trí tuệ nhân tạo để tính tốn số hiệu suất cao Kiến trúc linh hoạt cho phép dễ dàng triển khai tính tốn nhiều tảng khác từ máy tính để bàn đến cụm máy chủ tới thiết bị di động Được phát triển nhà nghiên cứu kỹ sư từ nhóm Google Brain tổ chức AI Google, hỗ trợ mạnh mẽ cho Machine Learing, Deep Learning lõi tính tốn linh hoạt sử dụng nhiều lĩnh vực khoa học khác 4.4 Ngơn ngữ lập trình Python Python ngơn ngữ lập trình bậc cao, mã nguồn mở, dùng cho nhiều mục đích, có dùng nghiên cứu liệu, học máy Xây dựng mơ hình 5.1 Mơ hình giả lập Mơ hình giả lập xây dựng với thư viện pygame tảng python: Mục đích nhằm so sánh khác hệ thống đèn giao thông thông thường đèn giao thơng sử dụng AI 5.2 Mơ hình thực tiễn Một mơ hình ngã tư chúng em xây dựng sau: Một camera gắn phía để thu nhận hình ảnh từ ngã tư Chúng em sử dụng camera để chụp ảnh phương tiện giao thông làm nguồn liệu huấn luyện cho máy tính nhận diện Bộ liệu ảnh thu thập: Quá trình huấn luyện nhiều thời gian cần máy tính có cấu hình cao Chúng em sử dụng trang web Teachable Machine Google để huấn luyện mơ hình Tiến hành huấn luyện giá trị hàm loss thấp nên dừng lại 10 Độ xác mơ hình sau huấn luyện đạt tương đối cao Chúng em tiếp tục lắp thêm đèn giao thông để hệ thống thêm hoàn chỉnh 11 Phiên 1: Sau nhiều lần điều chỉnh, hệ thống nhận diện xác phương tiện giao thơng Phiên 2: Điều chỉnh thuật tốn khơng đếm xe vào ngã tư: 12 Phiên 3: Không đếm xe đỗ phía ngồi đường Phiên 4: Nhận diện xe ưu tiên 13 - Mơ hình hồn chỉnh hệ thống: Kết luận – Hướng phát triển 14 6.1 Kết luận Đã ứng dụng thành công việc sử dụng xử lý ảnh trí tuệ nhân tạo để nhận diện đếm số lượng phương tiện giao thông Đã thiết kế hệ thống điều khiển đèn tín hiệu giao thông dựa lưu lượng phương tiện Chứng minh tính khả thi, mở giải pháp hướng nghiên cứu áp dụng vào thực tế để giải vấn đề tắc nghẽn giao thông Kết nhận diện tương đối xác, nhiên có số hình ảnh tơ nhận diện chưa xác mẫu tơ khơng có tập huấn luyện, số lượng mẫu ô tô sử dụng để huấn luyện chưa nhiều, mẫu phương tiện chưa đa dạng 6.2 Hướng phát triển Đề tài phát triển để áp dụng với phương tiện giao thông thực tế để giải vấn đề tắc nghẽn giao thơng Để cải thiện độ xác, chúng em tiến hành thu thập thêm nhiều liệu hơn, đa dạng nhiều góc độ hơn, ví dụ phân biệt màu sắc, kiểu loại phương tiện Từ giúp mơ hình nhận dạng phương tiện xác Xây dựng liệu đa dạng nhằm giúp hệ thống nhận diện xác nhiều loại phương tiện khác Tài liệu tham khảo [1] Nhập mơn trí tuệ nhân tạo – Ngô Hữu Phúc [2] Machine learning – Vũ Hữu Tiệp [3] Python – Võ Duy Tun [4] Deep Learning with Python - Franỗois Chollet [5] Mobile Object Detection using TensorFlow Lite and Transfer LearningAlsing Oscar 15