Xây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây Ninh

Xây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây NinhXây dựng hệ thống hỏi đáp trực tuyến bằng phương pháp máy học để tự động hóa quy trình tiếp nhận câu hỏi áp dụng cho chính quyền địa phương tỉnh Tây Ninh

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG -

Đề án tốt nghiệp được hoàn thành tại:

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

Người hướng dẫn khoa học: PGS.TS Vũ Đức Lung

Vào lúc: 11 giờ 15 ngày 05 tháng 08 năm 2023

Có thể tìm hiểu đề án tốt nghiệp tại:

- Thư viện của Học viện Công nghệ Bưu chính Viễn thông

MỞ ĐẦU

1 Lý do chọn đề tài

Hiện nay, với xu thế chuyển đổi số các ngành các lĩnh vực trong cả nước đang diễn ra rất mạnh mẽ, việc ứng dụng công nghệ thông tin, đặc biệt là các hệ thống thông minh mang tính cấp thiết cao

Trong bối cảnh hợp tác giữa VNPT Tây Ninh và Sở Giao Thông Vận Tải tỉnh Tây Ninh nhằm xây dựng Đề án chuyển đổi số cho Ngành Giao Thông, việc đưa vào hệ thống camera giao thông thông minh tại các tuyến đường giao thông trọng điểm nhằm hỗ trợ cơ quan quản lý nhà nước nâng cao hiệu quả giám sát các phương tiện tham gia giao thông, xử lý kịp thời các tình huống ùn tắc hay tai nạn giao thông cũng như việc chấp hành quy định an toàn giao thông đô thị, góp phần nâng cao nhận thức của người dân tham gia giao thông là cần thiết

Trong những năm gần đây trên địa bàn tỉnh phát hiện nhiều trường hợp vi phạm trật tự an toàn giao thông qua camera giám sát giao thông, nguyên nhân xuất phát từ việc người điều khiển phương tiện vi phạm quy định về sử dụng phần đường, làn đường luôn chiếm tỷ lệ cao, đứng đầu các nguyên nhân gây tai nạn

Từ thực tiễn cho thấy, việc phương tiện giao thông không tuân thủ quy định về sử dụng phần đường, làn đường trong tham gia giao thông không những ảnh hưởng rất lớn đến xác suất xảy ra tai nạn cao mà còn ảnh hưởng đến mức độ nghiêm trọng của mỗi vụ tai nạn Do vậy cần thiết phải có một hệ thống quản lý và giám sát giao thông thông minh phát hiện

phương tiện lưu thông sai làn đường theo thời gian thực nhằm hỗ trợ cơ quan quản lý nhà nước phát hiện cảnh báo sớm để có phương án xử lý kịp thời tránh phát sinh tai nạn cũng như giảm thiệt hại về hạ tầng, tài sản và tính mạng của người dân, và đó chính là lý do tôi chọn thực hiện đề tài này

2 Tổng quan về vấn đề nghiên cứu

Hiện nay, trên thế giới cũng như ở nước ta có rất nhiều nghiên cứu về bài toán nhận dạng làn đường, phát hiện và phân loại và theo vết phương tiện tham gia giao thông Tuy nhiên các giải pháp hiện tại còn riêng lẻ và chuyên biệt nên vẫn còn nhiều vấn đề cần nghiên cứu đầy đủ thêm liên quan đến sự kết hợp các giải pháp, mật độ dày đặc của phương tiện tham gia giao thông, đặc biệt là xe máy và xe ô tô

Xây dựng hệ thống phân loại và phát hiện phương tiện giao thông di chuyển sai phần đường, làn đường dựa trên video thời gian thực là xét xem tại một thời điểm, trong vùng đang giám sát, có những loại phương tiện gì, số lượng tương ứng, các phương tiện đó có đi đúng phần đường làn đường theo quy định luật giao thông đường bộ hiện hành của Việt Nam hay không Yêu cầu cơ bản của hệ thống là trích xuất được phương tiện giao thông vi phạm di chuyển sai phần đường, làn đường dành riêng cho từng loại phương tiện

Nhìn chung, điểm mới của đề tài là kết hợp giải pháp nhận dạng làn đường và nhận dạng phương tiện, theo vết được các phương tiện từng làn đường, các dữ liệu được thu thập và gán nhãn ở Tây Ninh Các giải thuật không mới nhưng lần đầu được áp dụng và thử nghiệm ở Tây Ninh

3 Câu hỏi nghiên cứu

Xây dựng hệ thống Hệ thống phân loại và phát hiện phương tiện tham gia giao thông di chuyển sai làn đường trên quốc lộ thuộc tỉnh Tây Ninh bằng camera kỹ thuật số mang lại lợi ích gì cho các sở ban ngành?

Cần những dữ liệu nào phù hợp, để có thể quản lý và giám sát?

Sử dụng phương pháp nào để trích xuất làn đường, phát hiện, nhận diện đối tượng chuyển động?

Ứng dụng phép toán nào để xác định phương tiện tham gia giao thông di chuyển sai làn đường?

4 Mục đích nghiên cứu

Đề án tập trung nghiên cứu các lý thuyết liên quan đến vấn đề xử lý ảnh, bài toán nhận dạng và phân loại đối tượng, phát hiện và truy vết đối tượng qua video

Nghiên cứu các lý thuyết liên quan bài toán xác định phương tiện đi sai làn đường

Xây dựng thử nghiệm hệ thống phân loại và phát hiện phương tiện giao thông di chuyển sai phần đường, làn đường

5 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu là hạ tầng giao thông đường bộ cụ thể là làn đường bộ, các loại phương tiện tham gia giao thông trên đường qua camera kỹ thuật số giám sát giao thông

Các phương pháp nhận dạng đối tượng, theo vết đối tượng và bài toán xác định đối tượng trong vùng quan sát

Phạm vi của đề án này chỉ tập trung vào nhận dạng làn đường được phân làn cố định: Đường giao thông có 3 làn: làn ngoài cùng dành cho xe ô tô; làn giữa cho xe tải, container; làn

trong dành cho xe máy; nhận dạng một số loại xe: xe ô tô con, ô tô khách, xe tải, xe container, xe máy

Camera giám sát được đặt cố định tại các giao lộ trên tuyến quốc lộ thuộc địa phận tỉnh Tây Ninh Môi trường thử nghiệm trong điều kiện sáng và rõ, giám sát được chuyển động của các phương tiện

6 Phương pháp nghiên cứu

- Thu thập và nghiên cứu các công trình nghiên cứu về lĩnh vực giám sát giao thông thông minh qua video, hình ảnh trên thế giới và trong nước

- Thu thập các dữ liệu làn đường và phương tiện giao thông qua video giám sát giao thông trên địa bàn tỉnh Tây Ninh

- Phân tích, lựa chọn giải pháp và hiện thực thử nghiệm - Đánh giá kết quả và hiệu chỉnh nếu có

7 Những đóng góp của đề tài

Vận dụng các thuật toán trích xuất làn đường, phân loại, theo vết và phát hiện phương tiện tham gia giao thông di chuyển sai làn đường trên quốc lộ thuộc tỉnh Tây Ninh bằng camera kỹ thuật số

Xây dựng hệ thống phân loại và phát hiện phương tiện tham gia giao thông di chuyển sai làn đường

CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU TRONG VÀ NGOÀI NƯỚC

1.1 Giới thiệu

Tại các nước phát triển, việc sử dụng camera giám sát khá phổ biến với rất nhiều tính năng thông minh như đo tốc độ, nhận dạng biển số, phân loại xe, phát hiện ngược chiều, xe đi vào vùng cấm,… được bố trí kín đáo và mật độ dày đặc

Đối với tình hình giao thông phức tạp của Việt Nam hiện nay, việc xây dựng hệ thống nhận dạng làn đường và phân loại phương tiện tham gia giao thông vẫn còn nhiều thách thức Hiện tại, giải pháp tận dụng các hình ảnh thu được từ video giám sát giao thông, áp dụng các kỹ thuật xử lý ảnh, hay giải pháp máy học để phân tích nhận dạng làn đường, nhận dạng phương tiện từ đó xác định phương tiện đang di chuyển trên làn đường nào trong hệ thống giám sát giao thông là phù hợp với hiện trạng camera đang được trang bị với số lượng lớn trên khắp cả nước đang được nhiều nhà nghiên cứu quan tâm

1.2 Các nghiên cứu trong nước

Ở nước ta, các công trình nghiên cứu về bài toán phát hiện phương tiện di chuyển sai làn đường qua camera còn rất hạn chế do tính phức tạp và ứng dụng vào thực tế Đa phần là các nghiên cứu liên quan đến kỹ thuật nhận dạng đối tượng, phát hiện đối tượng chuyển động, theo vết đối tượng và dự đoán hướng di chuyển trong video

Năm 2016, nghiên cứu “Dự đoán hướng di chuyển và xác định tốc độ xe qua camera giám sát” [3] sử dụng phương pháp một “khung đo” để xác định tốc độ xe trong video giao

thông, phát hiện đối tượng chuyển động bằng kỹ thuật trừ nền và dự đoán hướng di chuyển, tính vận tốc của đối tượng bằng phép toán trung bình có trọng số Từ thực nghiệm của các tác giả cho thấy kết quả khá chính xác, đo được tốc độ nhiều phương tiện cùng lúc và có thể xử lý ảnh, video được thu bằng camera thường

Năm 2019, công trình “Nhận dạng phương tiện dựa vào kỹ thuật học sâu” [7] sử dụng YOLOv4 trong việc nhận dạng phương tiện giao thông Trong thử nghiệm của tác giả với các phương tiện giao thông như ô tô con và xe máy việc thay đổi số filter tích chập đã cải thiện tốc độ dự đoán đáng kể mà không giảm đi độ chính xác của hệ thống trong điều kiện ánh sáng tốt Tại hội nghị FAIR 2020, công trình “Khảo sát bài toán nhận diện và đo tốc độ phương tiện tham gia giao thông” [5] của tác giả Vũ Đức Lung và các cộng sự giới thiệu đã khảo sát và phân loại các kỹ thuật và hướng tiếp cận phổ biến hiện nay đối với hai bài toán phát hiện và đo tốc độ phương tiện tham gia giao thông vốn là cơ sở cho nhiều hệ xử lý kế tiếp như theo vết, phân tích hành vi Đồng thời các tác giả tổng hợp và đề xuất một số bộ dữ liệu thường dùng để huấn luyện và đánh giá kết quả

Năm 2022, công Trình của tác giả Lý Băng, “Hệ Thống Đo Tốc Độ Phương Tiện Giao Thông Trên Quốc Lộ Bằng Camera Kỹ Thuật Số” [11] Tác giả sử dụng SSD – Single Shot Detector và Optical flow để phát hiện phương tiện và xác định tốc độ đối tượng Từ kết quả thực nghiệm của tác giả cho thấy việc phát hiện và theo vết phương tiện khá tốt tuy nhiên vẫn còn một số ít phương tiện bị bỏ qua hoặc không lấy được tốc độ do có một số phương tiện quá khổ thời gian vào và ra video

không được chính xác

1.3 Các nghiên cứu ngoài nước

Hiện nay, trên thế giới có rất nhiều công trình nghiên cứu về kỹ thuật xử lý ảnh, kỹ thuật trừ nền, kỹ thuật học sâu để nhận dạng, theo vết đối tượng như làn đường, các phương tiện giao thông, đo tốc độ

Năm 2014, công trình “Lane Detection in Video-Based Intelligent Transportation Monitoring via Fast Extracting and Clustering of Vehicle Motion Trajectories” [17] đề xuất một phương pháp mới để phát hiện trung tâm làn đường thông qua trích xuất nhanh chóng và phân cụm quỹ đạo chuyển động của phương tiện với độ chính xác cao

Năm 2016, công trình “Vehicle Re-Identification for Automatic Video Traffic Surveillance” [11], nhận diện phương tiện sử dụng 3D bounding box, chỉ dùng mặt bên và mặt trước của vật thể (không dùng hình ảnh từ đỉnh xe), sau đó ghép hai phần lại thành một ảnh đại diện cho vật thể đó và trích xuất đặc trưng màu sắc từ ảnh đó dùng linear SVM classifier

Năm 2018, công trình “Single-camera and camera vehicle tracking and 3D speed estimation based on fusion of visual and semantic features” [12] sử dụng hai phương pháp đơn camera 3D và đa camera để xác định phân loại và ước lượng tốc độ phương tiện Thuật toán đạt được hiệu suất cao nhất trong cả ước tính tốc độ 3D và nhận dạng lại phương tiện tại Bài báo được top 1 cuộc thi NVIDIA AI City 2018

inter-Năm 2018, công trình “Detection and classification of vehicles for traffic video analytics” [14] trình bày một hệ thống phân tích video giao thông dựa trên kỹ thuật thị giác máy tính Các tác giả áp dụng hai mô hình là hệ thống MoG + SVM và mô hình dựa trên Faster RCNN

Năm 2020, công trình “Ultra Fast Structure-aware Deep Lane Detection” [16], đề xuất phương pháp mô hình hóa cấu trúc của làn đường, xử lý việc nhận dạng làn dựa trên việc chọn các đặc trưng chung theo từng dòng (tức chia mô hình làn đường thành các row để xử lý) Kết quả thực nghiệm đạt được hiệu suất tối ưu về cả tốc độ và độ chính xác

Từ kết quả nghiên cứu tổng quan các công trình ở trên cho thấy các giải pháp dùng học sâu hiện nay cho kết quả chính xác hơn nhiều và hiện được áp dụng sâu rộng hơn do đó trong đề án này học viên sẽ áp dụng phương pháp học sâu để phát hiện phương tiện cho giao thông Việt Nam

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

Trong chương này sẽ trình bày các phương pháp liên quan đến xử lý ảnh và phát hiện, nhận dạng đối tượng, theo vết đối tượng, xác định đối tượng giao nhau phổ biến đang được

áp dụng và những hạn chế của các phương pháp này 2.1 Các kỹ thuật xử lý ảnh

2.1.1 Tổng quan về một hệ thống xử lý ảnh

Quá trình xử lý ảnh [4] là quá trình tác động lên ảnh mục đích là để tạo ra một ảnh tốt hơn hay một kết luận về vấn đề nào đó Các bước cơ bản trong hệ thống xử lý ảnh như hình 2.1 sau:

Thu nhận

ảnh

Tiền xử lý ảnh

Phân đoạn ảnh

Biểu diễn và mô tả

Nhận dạng và nội

suy

Cơ sở tri thức

Hình 2.1: Các bước cơ bản trong một hệ thống xử lý ảnh

(Nguồn: Giáo trình xử lý ảnh [4])

1 Phần thu nhận ảnh (Image Acquisition) 2 Tiền xử lý (Image Processing)

3 Phân đoạn (Segmentation) hay phân vùng ảnh 4 Biểu diễn ảnh (Image Representation)

5 Nhận dạng và nội suy ảnh (Image Recognition and Interpretation)

6 Cơ sở tri thức (Knowledge Base)

2.1.2 Một số vấn đề cơ bản trong xử lý ảnh

 Điểm ảnh hay phần tử ảnh (Picture Element)

 Độ phân giải ảnh (resolution)

 Biểu diễn ảnh xám:

 Phát hiện cạnh bằng thuật toán Canny Edge Detection

Khi áp dụng thuật toán Canny Edge Detection ta thu được ảnh kết quả có đường biên bao quanh đối tượng trong ảnh rõ hơn ảnh gốc, sắc nét và mảnh hơn, loại bỏ những pixel thừa

Ý tưởng chính của giải thuật phát hiện đường thẳng Hough Transform đó là dựa trên kết quả phát hiện cạnh để tiến hành phát hiện đường thẳng

2.2 Các phương pháp phát hiện và phân loại đối tượng

Một số kỹ thuật phát hiện và nhận dạng đối tượng dựa

trên deep learning phổ biến trên thế giới như: R-CNN[28], Fast R-CNN[28], Faster R-CNN[29], Single Shot Detector (SSD)[27], You Only Look Once (YOLO),…

Đối với mô hình YOLO, chia ảnh đầu vào thành một lưới có SxS ô (hình 2.15) Tương ứng với mỗi ô dự đoán N bounding box và độ tin cậy thể hiện độ chính xác của bounding box đó có thực sự chứa một đối tượng không phân biệt lớp

YOLO qua các phiên bản đã có nhiều cải tiến về: tốc độ, tốt cho các hệ thông xử lý thời gian thực và tối ưu độ chính xác, dự đoán cả vị trí và loại đối tượng trong một mạng duy nhất

Hình 2.2: Các bounding box dự đoán

YOLO là một trong những mô hình có hiệu quả cao đối với hệ thống phát hiện phương tiện giao thông, nó cân bằng cả

hai yếu tố giữa tốc độ xử lý và độ chính xác

2.3 Các phương pháp phát hiện chuyển động (Sử dụng các kĩ thuật trừ nền trong camera giám sát)

2.3.1 Phát hiện đối tượng chuyển động là gì?

Phát hiện đối tượng chuyển động là quá trình theo vết đối tượng từ các khung hình video Quá trình này chính là quá trình xử lý chuỗi ảnh liên tiếp để phát hiện ra các đối tượng chuyển động trong một đoạn khung ảnh trong video

Hình 2.3: Các quá trình phát hiện chuyển động

CÁC KHUNG

HÌNH VIDEO

PHÁT HIỆN CÁC VÙNG ẢNH NỔI(Foreground

XỬ LÝ CÁC VÙNG ẢNH NỔI

(Foreground Processing)

CÁC ĐỐI TƯỢNG CHUYỂN

ĐỘNG,CÁC TÍNH

CHẤT CỦA CHÚNG

2.3.2 Phát hiện các vùng ảnh nổi

Phát hiện vùng ảnh nổi là một trong những module thiết yếu trong hệ thống phát hiện truy vết theo đối tượng chuyển động qua khung hình video, nó đóng vai trò quan trọng phân tích xử lý các khung hình video để lọc ra các vùng ảnh nổi tách biệt với phần còn lại của ảnh trong khung nền

2.3.3 Xử lý các vùng ảnh nổi 2.3.4 Các kỹ thuật trừ ảnh

 Trừ ảnh dựa vào khối

 Trừ ảnh dựa vào biểu đồ

 Trừ ảnh dựa vào thống kê

2.3.5 Một số kỹ thuật trừ nền cơ bản

 Sự khác biệt khung (Frame Differencing)

 Lọc trung bình (Running Average)

2.3.6 Kỹ thuật trừ nền nâng cao

 Mô hình Gauss hỗn hợp (Mô hình GMM))

2.4 Phương pháp theo vết đối tượng

2.4.1 Quy trình theo vết đối tượng

Theo vết đối tượng [8] là quá trình định vị đối tượng qua các khung hình liên tiếp trong video để cung cấp thông tin về sự thay đổi của đối tượng về không gian và thời gian như loại, đường đi, tốc độ và hướng chuyển động

Theo vết đối tượng bao gồm hai giai đoạn:

- Cô lập những đối tượng ra khỏi nền trong từng

Vết và đặc trưng của đối tượng

Chính xác hóa đối

tượng(Occlution Handling)Xử lý nhập nhằng

Dự đoán chuyển động của đối tượngPhát hiện đối tượng

rời khỏi cảnh

Đường đi của đối tượng

2.4.3 Các phương pháp truy vết nhiều vật thể trong video

Có nhiều phương pháp truy vết nhiều vật thể trong video như IoUTracker [21], SORT, DEEPSORT [23], CenterTrack [24],…

DEEPSORT[23] dựa trên SORT và cải tiến sử dụng thêm các đặc trưng về không gian và đặc trưng trực quan để phân biệt các đối tượng Ngoài ra, một chiến lược liên kết theo tầng (Matching Cascade) và một cách quản lý mới cho vòng đời của chuỗi truy vết được xây dựng nhằm nâng cao độ chính xác liên kết

2.5 Giới thiệu về OpenCV

OpenCV (Open Source Computer Vision Library) là thư viện mã nguồn mở hàng đầu dành cho thị giác máy tính, cung cấp các mã nguồn về xử lý hình ảnh, phát triển các ứng dụng trong nhiều lĩnh vực datamining, máy học và các tính năng tăng tốc tối ưu GPU trong thời gian thực

OpenCV cung cấp bộ thư viện hỗ trợ đa nền tảng Windows, Linux, Mac OS, iOS và Android và tương thích với hầu hết các ngôn ngữ Python, Java, C, C++

CHƯƠNG 3: PHÂN TÍCH THIẾT KẾ HỆ THỐNG

Trong chương này sẽ trình bày bài toán phát hiện phương tiện giao thông di chuyển trên làn đường, theo thời

gian thực và một số phương pháp tiếp cận chính

3.1 Hệ thống nhận dạng làn đường, phát hiện chuyển động, theo vết phương tiện giao thông

3.1.1 Tổng quan hệ thống

Phát hiện và phân loại phương tiện giao thông trên làn đường là một hệ thống khó và phức tạp, cần nhận dạng làn đường, xác định vị trí và phân loại nhiều phương tiện đang lưu thông trong khung hình Tổng quan các bước như hình 3.1:

Hình 3.1: Mô hình hệ thống nhận dạng làn đường, phát hiện chuyển động, theo vết và phát hiện phương tiện chạy

sai làn

Bước 1: Hệ thống thu thập dữ liệu đầu vào là các video

hoặc chuỗi hình ảnh từ hệ thống camera giao thông sau đó phân tích và tiến hành tiền xử lý dữ liệu

Bước 2: Trích xuất làn đường: đầu vào là ảnh làn

đường, đầu ra là các làn đường được phân chia thành từng vùng

Video/ Chuỗi ảnh

Trích xuất làn

Phát hiện đối tượng

Theo vết

Phát hiện đối tượng chạy sai

Lưu trữ