Báo cáo nghiên cứu khoa học hệ thống giữ xe tự động

CHƯƠNG 1: PHƯƠNG PHÁP NHẬN DẠNG BIỂN SỐ XE 1.1 Khái quát phương pháp nhận dạng biển số xe Từ ảnh đầu vào ảnh RGB ta lọc ra vùng có chứa biển số xe, sau đó trích xuất những ký tự có trên

TRƯỜNG ĐẠI HỌC LẠC HỒNG KHOA CÔNG NGHỆ THÔNG TIN

- -

BÁO CÁO NGHIÊN CỨU KHOA HỌC

BIÊN HÒA, THÁNG 12/2013

TRƯỜNG ĐẠI HỌC LẠC HỒNG KHOA CÔNG NGHỆ THÔNG TIN

- -

BÁO CÁO NGHIÊN CỨU KHOA HỌC ĐỀ TÀI: HỆ THỐNG GIỮ XE TỰ ĐỘNG

SVTH : ĐINH HỒNG HÀ

NGUYỄN THỊ PHƯƠNG THẢO GVHD :ThS NGUYỄN VŨ DUY QUANG

BIÊN HÒA, THÁNG 12/2013

Để hoàn thành đề tài này và có kiến thức như ngày hôm nay, đầu tiên chúng tôi xin gửi lời cảm ơn đến Ban Giám Hiệu cùng toàn thể Thầy Cô Khoa Công Nghệ Thông Tin – Trường Đại Học Lạc Hồng đã tận tình giảng dạy, truyền đạt kiến thức cũng như những kinh nghiệm quý báu cho chúng tôi trong suốt quá trình học tập tại trường

Chúng tôi cũng chân thành cảm ơn thầy Nguyễn Vũ Duy Quang đã tận tình hướng dẫn và quan tâm, động viên chúng tôi trong quá trình thực hiện đề tài

Chúng tôi cũng bày tỏ lòng biết ơn đến những người thân trong gia đình, bạn bè

đã động viên và tạo mọi điều kiện giúp chúng tôi trong quá trình học tập cũng như trong cuộc sống

Mặc dù chúng tôi đã cố gắng hoàn thành tốt đề tài nhưng cũng không thể tránh khỏi những sai sót nhất định, rất mong được sự thông cảm và chia sẻ cùng quý Thầy Cô

LỜI CẢM ƠN

MỤC LỤC

DANH MỤC VIẾT TẮT

DANH MỤC BẢNG

DANH MỤC HÌNH

DANH MỤC SƠ ĐỒ

PHẦN MỞ ĐẦU 1

1 Lý do chọn đề tài 1

2 Tình hình phát triển đề tài 1

2.1 Ngoài nước 2

2.2 Trong nước 2

3 Mục tiêu nghiên cứu 3

4 Đối tượng nghiên cứu và phạm vi nghiên cứu 3

5 Phương pháp nghiên cứu 3

6 Kết cấu của đề tài 4

CHƯƠNG 1: PHƯƠNG PHÁP NHẬN DẠNG BIỂN SỐ XE 5

1.1Khái quát phương pháp nhận dạng biển số xe 5

1.2 Xác định vùng chứa biển số xe 6

1.2.1Phân vùng màu 6

1.2.2 Gán nhãn và lọc vùng ứng viên 7

1.2.2.1 Gán nhãn vùng ứng viên 8

1.2.2.2 Lọc vùng ứng viên 10

1.3 Tách ký tự 12

1.3.1 Quay ảnh 12

1.3.1.1 Sơ lược về thuật toán quay ảnh 12

1.3.1.2 Tách biên ảnh 12

1.3.1.3 Phép biến đổi Hough 13

1.3.1.4 Quay ảnh 14

1.3.1.5 Làm mịn ảnh 17

1.3.2.1 Phân ngưỡng theo phương pháp Otsu 17

1.3.2.2 Ngưỡng cục bộ 19

1.3.3 Phân vùng ký tự 21

1.4 Nhận dạng biển số xe 25

1.4.1 Khái quát 25

1.4.2 Nhận dạng ký tự 25

1.4.2.1 Giới thiệu phương pháp 26

1.4.2.2 Giải thuật nhận dạng theo phân lớp Bayes 27

1.5 Tiểu kết 28

CHƯƠNG 2: CÔNG NGHỆ NHẬN DẠNG VÔ TUYẾN - RFID 29

2.1 Giới thiệu chung về nhận dạng vô tuyến RFID 29

2.1.1 Lịch sử phát triển của hệ thống RFID 29

2.1.2 Khái niệm RFID 31

2.2 Các thành phần của một hệ thống RFID 32

2.2.1 Thẻ RFID 33

2.2.2 Reader 37

2.2.3 Database 39

2.3 Giao thức thẻ RFID 40

2.3.1 Thuật ngữ và khái niệm 40

2.3.2 Phương thức lưu trữ dữ liệu trên thẻ 41

2.3.3 Dải tần hoạt động của hệ thống RFID 43

2.4 Ứng dụng RFID ở Việt Nam 43

2.5 Tiểu kết 44

CHƯƠNG 3: CHƯƠNG TRÌNH GIỮ XE TỰ ĐỘNG 45

3.1 Ứng dụng công nghệ mã nguồn mở 45

3.1.1 Điều kiện cơ bản 45

3.1.2 Nhận dạng biển số xe 45

3.2 Ứng dụng công nghệ RFID vào chương trình 46

3.3 Giao tiếp với cổng chắn 48

3.4 Giới thiệu hệ thống giữ xe tự động 51

3.4.1 Chức năng chính 51

3.4.3 Xây dựng cơ sở dữ liệu 53

3.4.4 Hoạt động của hệ thống giữ xe tự động 55

3.4.4.1 Tại cửa vào 55

3.4.4.2 Tại cửa ra 56

3.4.5 Chương trình đã xây dựng 57

3.4.5.1 Giao diện chính 57

3.4.5.2 Quản lý người dùng 58

3.4.5.3 Quản lý người quản lý hệ thống 59

3.4.5.4 Quản lý nạp tiền 59

3.4.5.5 Cập nhật giá tiền 60

3.4.5.6 Cập nhật loại thẻ 61

3.5 Tiểu kết 61

PHẦN KẾT LUẬN 62 TÀI LIỆU THAM KHẢO

ANPR Auto Number Plate Recognition

IFF Identification Friend or Foe

Bảng 1.1 Bảng hiển thị bảy giá trị bất biến của hình 1.24 27

DANH MỤC HÌNH

Hình 1.3 Ảnh sau khi tô màu theo đường biên không đệ qui 9

Hình 1.5 Ảnh vùng chứa biển số xe sau khi lọc 11

Hình 1.8 Phương trình đường thẳng ảnh sau khi tách biên 13

Hình 1.10 Mô tả những thông số quay ảnh bị nghiêng bên trái 14 Hình 1.11 Ảnh bị nghiêng bên trái sau khi quay 15

Hình 1.13 Mô tả những thông số quay ảnh bị nghiêng bên phải 16 Hình 1.14 Ảnh bị nghiêng bên phải sau khi quay 16

Hình 1.16 Phân ngưỡng ảnh theo phương pháp Otsu 18 Hình 1.17 Phân ngưỡng ảnh theo phương pháp Otsu bị lỗi 19 Hình 1.18 Ảnh sau khi phân ngưỡng cục bộ 21 Hình 1.19 Sử dụng phép chiếu ngang cắt biển số thành 2 hàng 22

Hình 1.21 Hình thể hiện hai thông số wi và hi 23

Hình 1.23 a) Hình gốc, b) Hình tịnh tiến, c) Hình giảm 40% kích thước,

d) Hình gương, e) Hình quay 45 độ, f) Hình quay 90 độ 26

Hình 2.2 Lịch sử phát triển RFID giai đoạn 1960-1990 30 Hình 2.3 Lịch sử phát triển RFID giai đoạn 1990-2009 31

Hình 2.5 Layout của thiết bị mang dữ liệu, transponder 33

Hình 2.8 Cấu trúc của một thẻ bán tích cực 36 Hình 2.9 Cấu trúc layout cơ bản của một reader 38 Hình 2.10 Layout bộ nhớ của một thẻ minh họa 42 Hình 3.1 Mô hình hệ thống giữ xe tự động 51

Hình 3.3 Giao diện chính của chương trình 57

Hình 3.5 Giao diện quản lý người quản lý hệ thống 59

Hình 3.7 Giao diện chương trình cập nhật giá tiền 60 Hình 3.8 Giao diện chương trình cập nhật loại thẻ 61

Sơ đồ 1.1 Trình tự các bước trong phương pháp nhận dạng biển số xe 5

Sơ đồ 1.2 Thuật toán tô màu theo đường biên không đệ qui 9

Sơ đồ 1.4 Phân ngưỡng theo phương pháp Otsu 18

Sơ đồ 1.8 Nhận dạng ký tư bằng phân lớp Bayes 25

Sơ đồ 3.1 Sơ đồ hệ thống giữ xe tự động có cửa vào và ra khác vị trí 52

PHẦN MỞ ĐẦU

1 Lý do chọn đề tài

Ngày nay trên thế giới bên cạnh việc tăng trưởng kinh tế là sự phát triển của các ngành khoa học kỹ thuật nói chung, mà trong đó ngành công nghiệp sản xuất các phương tiện giao thông lại là một trong những ngành có tốc độ phát triển cực nhanh Sự phát triển

ấy, được thể hiện rõ ràng nhất thông qua hình ảnh các phương tiện giao thông trên thế giới ngày một tăng cao và đa dạng Tuy nhiên, điều đó lại gây ra một áp lực đối với những người và cơ quan các cấp quản lý, làm cho công tác quản lý và giám sát sẽ khó khăn hơn.Và đây cũng là một trong những vấn nạn ở Việt Nam Công tác quản lý phương tiện giao thông nói chung và quản lý ô tô, xe máy là vô cùng phức tạp cũng như công tác phát hiện, xử phạt các hành vi vi phạm giao thông, chống trộm, sẽ tốn nhiều thời gian và công sức hơn Để làm giảm lượng nhân lực trong việc công tác quản lý, kiểm soát phương tiện giao thông, trên thế giới đã nhanh chóng xây dựng hệ thống giám sát tự động đối với các phương tiện giao thông Hệ thống này đã được sử dụng rộng rãi tuy nhiên ở Việt Nam đây vẫn là một lĩnh vực mới mẻ và chưa thực sự tự động hóa Do đó, chúng tôi chọn làm đề tài “Hệ thống giữ xe tự động” với mục đích để tìm hiểu nhằm trợ giúp cho công tác giám sát, quản lý các phương tiện giao thông một cách hiệu quả, dễ dàng, nhanh chóng và tự động hơn Chúng tôi tin ở Việt Nam mình trong tương lai gần hệ thống này

sẽ được sử dụng rộng rãi

2 Tình hình phát triển đề tài

Những hệ thống nhận dạng ký tự (OCR - Optical Character Recognition) đang được phát triển hàng ngày với độ ổn định cao nhằm phục vụ cho xu hướng tự động hóa của con người Trong đó hệ thống nhận dạng biển số xe là một trong những hệ thống quan trọng góp phần giải quyết nạn kẹt xe đang tồn tại ở những quốc gia có lưu lượng xe lưu thông dày đặc nhưng cơ sở hạ tầng không phát triển kịp để đáp ứng nhu cầu đó

Bên cạnh đó, nhận dạng biển số xe được ứng dụng rất nhiều trong thực tế Với những bãi giữ xe, họ cần một công cụ vừa giữ xe và trả xe nhanh nhằm giảm tải kẹt xe vào giờ cao điểm, vừa có độ an toàn cao để tránh trường hợp mất xe.Với trạm thu phí, họ cần một công cụ giảm số lượng nhân công, chỉ với một người có thể quản lý toàn bộ khu

vực thu phí mà không cần tốn nhiều công sức.Với cảnh sát giao thông, họ cần một công

cụ giúp họ kiểm soát được số lượng xe lưu thông trên đường và xác định chính xác những xe máy vi phạm giao thông mà không cần truy đuổi… Trên đây là những ví dụ điển hình về khả năng ứng dụng của hệ thống nhận dạng biển số xe

Hệ thống giữ xe tự động là vấn đề được rất nhiều quốc gia quan tâm và trở thành

đề tài nóng hổi đối với một số quốc gia đang phát triển theo hướng tự động hóa Sau đây

là một số hệ thống giữ xe tự động của một số nước trên thế giới và nước ta

2.1 Ngoài nước

Hệ thống giữ xe tự động Budapest – Parksafe 580 của tập đoàn WORH (Đức): Ý tưởng tạo ra 200 địa điểm đỗ xe công cộng trong không gian 300 mét vuông ở phía bên ngoài đường phố của một tòa nhà nổi tiếng như một phần của một dự án cải tạo đã được giải thưởng 2009 EPA do European Parking Association công nhận

Hệ thống giữ xe tự động CHD-DX-L010 Control box and barrier gates là sản phẩm mới nhất của tập đoàn Shenzhen Newabel Electronics (Trung Quốc): cấu hình một cách tự do, hỗ trợ hiển thị chi phí bên ngoài màn hình, camera, đầu đọc thẻ RF vv Nó hỗ trợ rất nhiều chức năng có sẵn, đếm thời gian thực cho chỗ đậu xe, khi không còn chỗ đậu, nó cấm xe vào cho đến khi có không gian trống

2.2 Trong nước

Hệ thống giữ xe thông minh Green Parking do công ty Isoftco phối hợp với Phú

Lê Telecom thực hiện: sử dụng hộp đen lưu trữ thông tin “thông minh” để tìm kiếm lại thông tin xe vào ra dựa vào số thẻ, số xe và tra cứu qua lại camera vào ra

Hệ thống giữ xe ezVIP (Very Intelligent Parking) do công ty AIO sản xuất: sử dụng các công nghệ nhận dạng hiện đại, tiên tiến bậc nhất hiện nay: công nghệ nhận dạng vân tay và công nghệ thẻ cảm ứng

Những dự án, sản phẩm trên đây là những tài liệu quý báu giúp chúng tôi định được hướng nghiên cứu của đề tài, từ đó chúng tôi rút ra được những phương pháp cần thiết và tối ưu trong mỗi hệ thống, tìm ra phương pháp mới để ứng dụng và hoàn thành tốt đề tài của chúng tôi

3 Mục tiêu nghiên cứu

4 Đối tượng nghiên cứu và phạm vi nghiên cứu

- Đối tượng nghiên cứu: bãi giữ xe gắn máy ở Việt Nam

- Phạm vi nghiên cứu: tất cả những hệ thống giữ xe gắn máy ở Việt Nam

5 Phương pháp nghiên cứu

- Khảo sát, tìm hiểu và thu thập tài liệu, hình ảnh về biển số, đề tài đã nghiên cứu trước đây

- Tìm hiểu các bước nhận dạng một biển số xe bao gồm: xác định vị trí biển số xe, tách ký tự trên biển số và nhận dạng ký tự trên biển số

- Tìm hiểu, lựa chọn những phương pháp cần thiết của mỗi bước trong quá trình nhận dạng biển số

- Tìm hiểu, nghiên cứu xử lý - nhận dạng biển số xe Việt Nam

- Kế thừa những phương pháp đạt kết quả tốt và phù hợp với nội dung cần đạt được của đề tài

- Phát triển và cải tiến phương pháp đã có ở những đề tài trước để xây dựng chương trình hướng tới kết quả tốt hơn

- Tìm ra một hướng đi mới trong mỗi bước cần làm của đề tài, đặc biệt là trong giải thuật nhận dạng

- Tìm hiểu công nghệ nhân dạng vô tuyến RFID

- Tìm hiểu phương thức lưu trữ dữ liệu trên thẻ RFID nhằm phục vụ lưu trữ thông tin gửi và trả xe trên thẻ RFID

6 Kết cấu của đề tài

Báo cáo này được trình bày thành ba phần chính: Phần mở đầu, phần nội dung và phần kết luận

Phần mở đầu

Giới thiệu sơ lược về lý do chọn đề tài, lịch sử nghiên cứu, mục tiêu nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu từ đó đem lại cho mọi người một cái nhìn tổng quan nhất về đề tài

Phần nội dung

Chương 1: Phương pháp nhân dạng biển số xe

Trình bày nội dung về trình tự các bước trong quá trình nhận dạng biển số

Đưa ra một số phương pháp rồi so sánh lựa chọn phương pháp tối ưu

Chương 2: Công nghệ RFID

Tìm hiểu phương pháp đọc và lưu trữ dữ liệu trên thẻ từ, thẻ RFID

Chương 3: Chương trình giữ xe tự động

Giới thiệu phần mềm nhận dạng biển số xe SimpleLPR

Giới thiệu về chương trình và kết quả đạt được sau khoảng thời gian nghiên cứu

Phần kết luận

CHƯƠNG 1: PHƯƠNG PHÁP NHẬN DẠNG BIỂN SỐ XE

1.1 Khái quát phương pháp nhận dạng biển số xe

Từ ảnh đầu vào (ảnh RGB) ta lọc ra vùng có chứa biển số xe, sau đó trích xuất những ký tự có trên biển số và lần lượt so sánh những ký tự vừa trích xuất với tập tin mẫu trong cơ sở dữ liệu để nhận dạng biển số

Chi tiết các bước của phương pháp nhận dạng được trình bày như sau:

Sơ đồ 1.1 Trình tự các bước trong phương pháp nhận dạng biển số xe

Ảnh đầu vào (RGB)

Chuyển sang

mô hình màu HSI

Xác định vùng chứa biển số xe

Tính góc nghiêng biển

Tách riêng từng ký tự trên mỗi hàng

Tính bảy mômen bất biến

Nhận dạng ký tự theo phân lớp Bayes

1.2 Xác định vùng chứa biển số xe

1.2.1 Phân vùng màu

Bằng mắt thường ta dễ dàng nhận biết vùng chứa biển số xe vì nó có sự khác biệt

về màu sắc với vùng khác trong toàn bộ ảnh Từ đó, ta sử dụng mô hình màu HSI để phân vùng màu tại vùng chứa biển số với vùng khác trong ảnh hay nói cách khác thì mô hình màu HSI đổi tất cả vùng có giá trị tương tự với giá trị vùng chứa biển số thành 1 (màu trắng) và vùng còn lại thành 0 (màu đen) Những thông số của mô hình màu được sử dụng để phát hiện vùng ứng viên và những đặc tính hình học của biển số xe để giảm số lượng vùng ứng viên có khả năng chứa biển số xe đều dựa trên những khảo sát thực tế

Trước đây để phát hiện vùng ứng viên chứa biển số xe, ta thường đặt ra những giá trị mặc định để phân vùng, công thức cơ bản

R(x, y) >R; G(x, y) >G; B(x, y) >B

R(x, y) - G(x, y) >RG; R(x, y) - B(x, y) >RB (1.1) Trong đó

R, G, B : Red, Green, Blue

, : là một số cho trước

Tuy nhiên, phương pháp trên chỉ tốt khi ảnh đầu vào được chụp trong điều kiện ánh sáng tốt, nếu ảnh được chụp trong thời tiết xấu, ánh sáng không đồng đều thì tỉ lệ chính xác rất thấp

Trong phần này, đề tài đưa ra hai thông số là giá trị trung bình (mean) và độ lệch chuẩn (standard deviation) để phát hiện vùng ứng viên chứa biển số xe Điều thuận lợi là phương pháp này không phụ thuộc hoàn toàn vào điều kiện thời gian (sáng, trưa, chiều, tối) và môi trường xung quanh

Công thức tổng quát [3]

 ( , ) ( ) &  ( , ) 1.0* )1,

I(x, y) : độ chói (Intensity) tại điểm x, y

S, I : giá trị trung bình của S và I

Để giảm nhiễu ảnh, chúng ta sử dụng một phép toán hình thái học là phép mở (Opening) Phép mở sử dụng để làm mịn đường viền của đối tượng, cắt những đường biên hẹp, loại bỏ những điểm lồi lõm

Phép mở sử dụng mặt nạ B (B là ma trận vuông m x m) để xác định kích thước tối

đa vùng sẽ bị lọc Do đó m càng lớn thì vùng bị lọc càng lớn, điều này có thể ảnh hưởng đến kích thước của những vùng còn lại do mặt nạ B quét trên toàn bộ ảnh Ở đây, ta cài đặt ma trận mặt nạ B có kích thước 3x3 làm mặt nạ chuẩn trong phép mở

Hình 1.2 Ảnh sau khi lọc nhiễu

1.2.2.1 Gán nhãn vùng ứng viên

Ảnh nhận được ở bước trên chỉ còn lại một vài vùng ứng viên có khả năng chứa biển số, ta sử dụng thuật toán gãn nhãn thành phần liên thông để tính những thông số cần thiết cho việc xác định vùng chứa biển số Một trong những thuật toán phù hợp với ma trận ảnh có kích thước lớn là thuật toán tô màu theo đường biên không đệ qui Ý tưởng thuật toán như sau:

 Cho trước điểm s nằm bên trong đường cong bất kỳ khép kín

 Loang sang phải và lưu hoành độ bên nhất vào stack

 Lặp cho đến khi stack rỗng

o Lấy trong stack ra

o Tô sang trái và gọi hoành độ bên trái là xmin

o Đi lên và loang sang phải, sang trái để tìm các hoành độ bên phải và lưu vào stack

o Đi xuống và loang sang phải, sang trái để tìm các hoành độ bên phải và lưu vào stack

o Quay về đầu vòng lặp

Sơ đồ 1.2 Thuật toán tô màu theo đường biên không đệ qui

Hình 1.3 Ảnh sau khi tô màu theo đường biên không đệ qui

Xmin = ToTrai (f,p.x,p.y,FC,BC)

TimCacXBenPhaiNhat(

stack,f,p.x, p.y-1,xmin,FC,BC)

TimCacXBenPhaiNhat(

stack,f,p.x, p.y+1,xmin,FC,BC)

S

Đ

1.2.2.2 Lọc vùng ứng viên

Trong bước này, ta dựa vào những đặc tính hình học quan trọng của một biển số

xe khi quan sát bằng mắt thường và tính toán, ta có được bốn giá trị cần thiết từ mỗi thành phần liên thông được gán nhãn gồm cmax, cmin, rmax, rmin.

Hình 1.4 Bốn giá trị vùng ứng viên

Sau đó xác định vùng ứng viên chứa biển số xe dựa trên hai thông số diện tích vùng ứng viên và tỉ lệ cạnh

 Diện tích là số lượng điểm ảnh của vùng ứng viên

S = (cmax - cmin)( rmax - rmin) (1.3-1)

 Tỉ lệ cạnh là tỉ lệ giữa chiều dài với chiều rộng hình chữ nhật ngoại tiếp vùng ứng viên

11

m A

cmax : tọa độ điểm lớn nhất theo trục X

cmin : tọa độ điểm nhỏ nhất theo trục X

rmax : tọa độ điểm lớn nhất theo trục Y

rmin : tọa độ điểm nhỏ nhất theo trục Y Quy định đối với kích thước biển số xe gắn máy ở Việt Nam có chiều cao 140mm, chiều dài 190mm Do đó ta có tỉ lệ PA đối với kích thước thât của biển số là 1.35 Giới

Rmin

Cmin

Rmax

Cmax

hạn của đề tài là hình chụp từ ảnh đến biển số có khoảng cách từ 0.5 – 1.5m nên PA có tỉ

Pa=(cmax.x-cmin.x+1)/(rmax.y -rmin.y+1);

Đ

i = i +1;

j = j + 1;

1.3 Tách ký tự

1.3.1 Quay ảnh

1.3.1.1 Sơ lƣợc về thuật toán quay ảnh

Từ vùng chứa biển số thu được từ bước trên ta chuyển ảnh thành ảnh nhị phân, tiếp theo ta tách biên ảnh để xác định góc lệch của biển số Sau khi có góc quay ta quay ảnh theo góc tìm được rồi làm mịn để có ảnh chất lượng tốt

Chi tiết các bước để quay ảnh được trình bày như sau

Hình 1.6 Các bước quay ảnh

1.3.1.2 Tách biên ảnh

Tách biên là một trong những bước quan trọng của quá trình quay ảnh Theo định nghĩa, biên là phần ranh giới nằm giữa hai vùng ảnh có sự khác biệt về mức xám Biên cũng được định nghĩa là các điểm mà tại đó có sự thay đổi đột ngột về giá trị

Dò biên (Edge Detector) là tập hợp các phương pháp xử lý dùng để xác định các biến đổi về góc cạnh trong ảnh nhằm đưa ra biên của vật thể

Có nhiều phương pháp tách biên nhưng ở đây ta chỉ xem xét đến phương pháp bào mòn ảnh

Ở đây ta có A là ảnh nhị phân của vùng chứa biển số, ta cài đặt B là ma trận mặt

Hình 1.7 Ảnh sau khi tách biên

1.3.1.3 Phép biến đổi Hough

Ảnh sau khi tách biên chỉ còn những đoạn thẳng có giá trị 1 (màu trắng) với độ rộng một pixel Mục đích của ta là tìm ra phương trình đường thẳng đi qua nhiều điểm nhất trên ảnh này Dễ nhận ra đường thẳng có nhiều điểm đi qua nhất chính là cạnh ngang của biển số Và góc  mà cạnh ngang tạo ra với trục hoành chính là góc lệch ta cần tìm

Hình 1.8 Phương trình đường thẳng ảnh sau khi tách biên

1.3.1.4 Quay ảnh

Ý tưởng quay ảnh là từng điểm ảnh sẽ lần lượt quay theo góc lệch  tính được theo phép biến đổi Hough Theo đặt Source là điểm gốc và Dest là điểm sau khi xoay một góc  độ Do đó, việc chúng ta cần làm ở đây là được tọa độ của Dest

Do lấy điểm (0, 0) là trục quay nên 1 số trường hợp ảnh bị mất Ta tịnh tiến ảnh 1 khoảng (2M*sin(),2N*sin()) Với M là chiều rộng, N là chiều dài Sau khi khảo sát thực tế và thử nghiệm trên 50 hình biển số xe bị nghiêng, chúng ta chia ra hai trường hợp đối với biển số bị nghiêng

a) Trường hợp biển số nghiêng về phía bên trái

Hình 1.9 Biển số bị nghiêng bên trái

Ta thấy > 0 nên ảnh xoay theo chiều kim đồng hồ, giá trị góc lệch  cần tìm là:

 = θm - 90o.

Hình 1.10 Mô tả những thông số quay ảnh bị nghiêng bên trái

DW = R*cos(a3) = R*cos(a1 + a2) = R*(cos(a1)*cos(a2) - sin(a1)*sin(a2))

DH = R*sin(a3) = R*sin (a1 + a2) = R*(sin(a1)*cos(a2) + cos(a1)*sin(a2))

Hình 1.11 Ảnh bị nghiêng bên trái sau khi quay

b) Trường hợp biển số nghiêng về phía bên phải

Hình 1.12 Biển số bị nghiêng bên phải

Ta thấy < 0 nên ảnh xoay theo ngược chiều kim đồng hồ, giá trị góc lệch  cần tìm là:  = θm - 90o

Hình 1.13 Mô tả những thông số quay ảnh bị nghiêng bên phải

DW = R*cos(a2) = R*cos(a3 – a1) = R*(cos(a3)*cos(a1) + sin(a3)*sin(a1))

DH = R*sin(a2) = R*sin (a3 – a1) = R*(sin(a3)*cos(a1) - cos(a3)*sin(a1))

Hình 1.14 Ảnh bị nghiêng bên phải sau khi quay

Từ điểm ảnh tại vị trái x, y ban đầu ta tính x, y ở vị trí tương ứng theo hai thông số

DW, DH Do x, y là số nguyên trong khi DW, DH hầu hết là số thập phân nên có một số điểm ảnh sau khi quay có thể trùng lặp với một điểm ảnh đã quay trước đó, điều này làm cho ảnh sau khi quay bị nhiễu (xuất hiện chấm đen li ti trên ảnh) Để ảnh có chất lượng tốt hơn trước khi phân ngưỡng và không làm sai lệch kết quả phân ngưỡng, chúng ta cần làm mịn ảnh với phương pháp lọc trung vị

1.3.1.5 Làm mịn ảnh

Ở bước này ta sử dụng phương pháp lọc trung vị (median filter) để làm mịn ảnh Với đầu vào là ảnh xuất hiện những chấm đen li ti, ta cài đặt mặt nạ 3x3 cho bộ lọc B, tám điểm ảnh xung quanh điểm ảnh đang xét sẽ được sử dụng để tính toán Giá trị mức xám của điểm đen sẽ được thay bằng kết quả của phép lọc

Hình 1.15 Ảnh sau khi làm mịn

1.3.2 Phân ngưỡng ảnh

Đây là bước quan trọng trong quá trình nhận dạng biển số xe Nhằm làm tăng độ tương phản giữa màu ký tự và màu nền ta cần phải chuyển ảnh thành ảnh nhị phân trong

đó mỗi điểm ảnh chỉ được biểu diễn một trong hai giá trị 0 (màu đen) hoặc 1 (màu trắng)

Từ ảnh đầu vào, ta sẽ chọn ra một ngưỡng thích hợp rồi so sánh với từng điểm ảnh để xác định điểm đó có giá trị là 0 hoặc 1

1.3.2.1 Phân ngưỡng theo phương pháp Otsu

Phương pháp Otsu cho ta một giải thuật về cách tính ngưỡng để nhị phân ảnh Từ ảnh đầu vào, ta tính lược đồ xám của ảnh, sau đó lần lượt tính từng giá trị 2

B

 (k) (phương sai tại vị trí k) sao cho tại vị trí k có giá trị 2

B

 (k) lớn nhất, với ảnh có lược đồ xám có nghiêng về bên trái (ảnh quá tối) thì k thường có giá trị < L/3, với ảnh có lược đồ xám nghiêng về bên phải (ảnh quá sáng) thì k thường có giá trị > 2L/3 (L = 256)

Sơ đồ 1.4 Phân ngưỡng theo phương pháp Otsu

Hình 1.16 Phân ngưỡng ảnh theo phương pháp Otsu

Phân ngưỡng ảnh theo phương pháp Otsu chỉ đạt kết quả tối ưu khi ảnh có sự phân biệt rõ ràng giữa màu ký tự và màu nền, khi ký tự trên biển số bị tác động bởi môi trường xung quanh như bị ánh sáng chói vào hoặc bị bóng râm che một phần ký tự làm cho màu

ký tự và màu nền không có sự khác biệt nhiều, dẫn đến ảnh sau khi phân ngưỡng không đạt kết quả như mong muốn Như hình dưới, ta thấy phía bên trái biển số bị ánh sáng chiếu quá nhiều nên ảnh bị chói và kết quả sau khi phân ngưỡng đã xóa luôn những ký tự trong khoảng đó

Hình 1.17 Phân ngưỡng ảnh theo phương pháp Otsu bị lỗi

1.3.2.2 Ngƣỡng cục bộ

Với những biển số có ký tự bị chói hoặc ký tự bị che bóng râm thì sử dụng phân ngưỡng theo Otsu hoặc phân ngưỡng toàn cục đều cho kết quả không tốt Để giải quyết vấn đề trên, ta sẽ tính toán ngưỡng theo từng vùng nhỏ của ảnh hay còn gọi là ngưỡng

cục bộ [4]

Đầu tiên, ta cài đặt một ma trận vuông có độ dài 2*m+1 (độ dài ma trận lẻ để có được điểm chính giữa của ma trận) Từ điểm ảnh đang xét, ta tính giá trị trung bình những điểm ảnh xung quanh dựa trên độ dài của ma trận với vị trí chính giữa là điểm ảnh đang xét Trong đó [x-m,y-m], [x-m,y+m], [x+m,y-m], [x+m,y+m] là bốn góc của ma trận Công thức như sau

Việc phân ngưỡng ảnh được tính theo công thức

1 if f(x,y) > T(x,y)( , )

f(x,y) : ảnh đầu vào

Sơ đồ 1.5 Phân ngưỡng cục bộ

Hình 1.18 Ảnh sau khi phân ngưỡng cục bộ

1.3.3 Phân vùng ký tự

Sau khi xác định được vùng chứa biển số xe, trong bước này ta sẽ phân vùng và chia ký tự biển số thành từng ảnh riêng biệt trước đi đưa vào nhận dạng Biển số xe gắn máy ở Việt Nam bao gồm hai hàng, hàng trên có từ hai đến bốn ký tự, hàng dưới có bốn

ký tự (hiện nay đã là năm ký tự) Do đó ta sẽ chia biển số thành hai hàng riêng biệt, sau

đó mới thực hiện phân vùng ký tự

Ảnh sau khi phân ngưỡng là ảnh nhị phân chỉ có hai giá trị hoặc 1 (màu trắng) hoặc 0 (màu đen) Như vậy, ta thấy mật độ phân bố giá trị 0 (màu đen) giữa hàng trên và

hàng dưới rất nhiều Ta sử dụng phép chiếu ngang [6] (Horizontal Projection) để thể hiện

mật độ phân bố điểm ảnh theo từng dòng., ta càng thấy rõ hơn về điều này Từ đó xác định vị trí để chia biển số thành hai hàng là vị trí có giá trị nhỏ hơn rất nhiều so với những vị trí lân cận, để tránh trường hợp vị trí nhỏ nhất nằm ở biên ta chỉ xét những vị trí

ở giữa với sai số tự chọn

Sơ đồ thuật toán như sau

Sơ đồ 1.6 Cắt biển số thành hai hàng

Hình 1.19 Sử dụng phép chiếu ngang cắt biển số thành 2 hàng

Tiếp theo, ta thực hiện tách riêng từng ký tự trên mỗi hàng Khác với việc chia biển số thành hai hàng, ta chỉ xác định ranh giới giữa hai hàng bằng phép chiếu ngang rồi tiến hành chia biển số Ở đây, ta sẽ sử dụng những thông số cần thiết để xác định đâu là

ký tự đâu không phải ký tự

Mỗi ký tự đều có khoảng cách nhất định với ký tự bên cạnh hay nói cách khác giữa hai ký tự liền kề đếu có sự phân bố giá trị 0 (màu đen) rất nhiều Dựa vào đặc điểm

S

Đ

đó, ta sử dụng phép chiếu dọc [6] (Vertical Projection) để xác định ranh giới giữa hai ký

tự liền kề (Hình 1.22)

Hình 1.20 Ảnh mô tả phép chiếu dọc

Dựa vào đó, ta chọn ra ba thông số làm điều kiện để tách riêng từng ký tự là wi, hi

và si

 wi – khoảng cách giữa hai vị trí có sự phân bố điểm đen nhiều nhất

 hi – giá trị lớn nhất trong khoảng wi.

 si – diện tích của một vùng chứa ký tự trong sai số cho phép

Hình 1.21 Hình thể hiện hai thông số w i và h i

Ảnh đầu vào (Hàng Dưới)

VerticalProjection(HangTren,p);

VerticalProjection(HangDuoi,p);

Kytu(i,j)=true;

1.4 Nhận dạng biển số xe

1.4.1 Khái quát

Nhận dạng ký tự thực chất là quá trình so sánh giá trị của từng ký tự với tập tin mẫu, ký tự nào có giá trị gần giống nhất với giá trị trong tập tin mẫu thì đó là kết quả cần tìm Do đó, độ chính xác của quá trình nhận dạng ký tự hoàn toàn phụ thuộc vào thuật toán nhận dạng và độ lớn của tập tin mẫu Ngoài ra, để tăng độ chính xác ta cần thay đổi

ký tự theo một kích thước chuẩn trước khi nhận dạng

Đối với biển số xe Việt Nam, các ký tự được sắp xếp theo quy định của nhà nước Các ký tự ở hàng dưới và hai ký tự đầu tiên ở hàng trên là chữ số, ký tự thứ 3 ở hàng đầu

là chữ cái (với những biển số có ba ký tự trở lên ở hàng trên), ký tự thứ 4 ở hàng đầu có thể là chữ số có thể là chữ cái (với những biển số có bốn ký tự ở hàng trên) Vì vậy, dựa vào đặc tính trên ta có thể tăng tốc độ và tính xác chính xác trong quá trình nhận dạng Với những ký tự ở hàng dưới và hai ký tự đầu tiên ở hàng trên ta chỉ nhận dạng chữ số,

ký tự thứ ba hàng trên ta chỉ nhận dạng với chữ cái, còn ký tự thứ 4 ở hàng trên ta vừa nhận dạng bằng chữ số vừa nhận dạng bằng chữ cái

1.4.2 Nhận dạng ký tự

Trong lĩnh vực nhận dạng, giải thuật so sánh từng điểm ảnh để nhận dạng ký tự (hay còn gọi là giải thuật nhận dạng cổ điển) được phát triển sớm nhất nhưng có độ chính xác không cao, giải thuật này chỉ hoạt động tốt khi ký tự được nhận dạng không bị nhiễu Một phương pháp nhận dạng khác đang được sử dụng phổ biến trong các hệ thống nhận dạng hiện nay là mạng Nơron Cho kết quả với tỉ lệ chính xác rất cao là một trong những khả năng ưu việt của mạng Nơron

Hiện nay, giải thuật nhận dạng bằng mạng Nơron đã trở nên khá phổ biến và thông dụng Việc tìm kiếm một chương trình có ứng dụng mạng nơron hay tài liệu về mạng nơron thật hết sức đơn giản Đặc biệt, một số chương trình có sẵn công cụ về mạng Nơron nên hỗ trợ rất nhiều trong quá trình nhận dạng

Khác với các ký tự trong văn bản có chữ in nghiêng, chữ in đậm, chữ viết tay, font chữ khác nhau… các ký tự trên biển số xe có kích thước và hình dáng theo chuẩn do Nhà

nước Việt Nam quy định[9] Với những đặc điểm đó, phân lớp Bayes giả sử theo hàm

mật độ Gauss dựa trên giá trị trung bình và độ lệch chuẩn sẽ có thời gian “học” và xử lý nhanh hơn so với mạng nơron Ở phần này, chúng em trình bày một phương pháp nhận dạng khác là nhận dạng theo phân lớp Bayes

1.4.2.1 Giới thiệu phương pháp

Phân lớp Bayes xây dựng hàm tập tin dùng để huấn luyện trong quá trình nhận dạng dựa trên bảy mômen bất biến.Với ma trận điểm ảnh của ký tự ban đầu, ta tính được bảy mômen bất biến và những mômen này không thay đổi khi ta sử dụng phép tịnh tiến, phép quay, phép tỉ lệ Khác với biển số xe ôtô luôn có góc nghiêng nhỏ hơn 5 độ nên có thể xem ký tự trên biển số luôn có dáng thẳng đứng, đối với xe gắn máy thì góc nghiêng giao động trong khoảng rất lớn (xấp xỉ -30 độ đến 30 độ), điều này làm cho ký tự bị nghiêng nên rất khó khăn khi nhận dạng bằng phương pháp thông thường vì phải qua rất nhiều bước xử lý ảnh mới có thể phù hợp với tập tin mẫu Ở đây, ta xây dựng 36 lớp với mỗi lớp bao gồm 100 tập tin mẫu dựa vào bảy mômen bất biến tương ứng với mỗi ký tự trên biển số xe

Dưới đây là một ví dụ minh họa về bảy mômen bất biến

Hình 1.23 a) Hình gốc, b) Hình tịnh tiến, c) Hình giảm 40% kích thước,

d) Hình gương, e) Hình quay 45 độ, f) Hình quay 90 độ

Hình gương

Bảng 1.1 Bảng hiển thị bảy mômen bất biến của hình 1.24

Theo kết quả của bảng 1,1 ta thấy các mômen hầu như không thay đổi hoặc chỉ thay đổi rất nhỏ ở phần thập phân và giá trị 7 của ảnh chiếu qua gương là khác dấu (mang dấu (+)) so với những ảnh còn lại

1.4.2.2 Giải thuật nhận dạng theo phân lớp Bayes

Khác với việc huấn luyện của mạng nơron, phân lớp Bayes giả sử mỗi lớp được huấn luyện theo hàm mật độ Gauss thông qua hai giá trị là giá trị trung bình và độ lệch chuẩn

Với mỗi tập tin mẫu, ta tính được ma trận bảy mômen bất biến trung bình Sau đó,

ta lần lượt lấy từng ký tự được tách ra ở bước trên, tính bảy mômen bất biến kết hợp với

ma trận mômen trung bình để tính ma trận hiệp phương sai Áp dụng công thức