Nhận dạng và phân tích ảnh trong giám sát hành vi giao thôn

Header Page of 126 BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG ĐINH THỊ HỒNG NGUYÊN NHẬN DẠNG VÀ PHÂN TÍCH ẢNH TRONG GIÁM SÁT HÀNH VI GIAO THÔNG Chuyên ngành: KỸ THUẬT ĐIỆN TỬ Mã số: 60.52.70 TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT Đà Nẵng – Năm 2013 Footer Page of 126 Header Page of 126 Công trình hoàn thành ĐẠI HỌC ĐÀ NẴNG Người hướng dẫn khoa học: TS NGÔ VĂN SỸ Phản biện 1: PGS.TS Phạm Văn Tuấn Phản biện 2: PGS.TS Lê Tiến Thường Luận văn bảo vệ trước Hội đồng chấm Luận văn tốt nghiệp thạc sĩ Kỹ thuật họp Đại học Đà Nẵng vào ngày 02 tháng năm 2013 Có thể tìm hiểu luận văn tại: Trung tâm Thông tin - Học liệu, Đại học Đà Nẵng Footer Page of 126 Header Page of 126 MỞ ĐẦU Tính cấp thiết đề tài Trong năm gần đây, xử lý ảnh số đạt nhiều thành tựu tiến vượt bậc Trong đó, nhận dạng phân loại ảnh hướng nghiên cứu theo đuổi cách tích cực… Nhờ hệ thống xử lý ảnh, người giảm khối lượng công việc tăng xác việc đưa định liên quan đến xử lý hình ảnh nhiều lĩnh vực: quân quốc phòng, hệ thống kỹ nghệ hoá sinh, giải phẫu, hệ thống giao thông thông minh, robotics, hệ thống an ninh… Các hệ thống giám sát giao thông thông minh sử dụng camera quan sát phát triển nhiều nước giới Tuy nhiên, việc triển khai hệ thống vào điều kiện giao thông Việt Nam có nhiều vấn đề bất cập: giá thành cao, việc sử dụng kèm theo độ bảo hành, bảo trì, nâng cấp hay phát triển khó khả thi Hơn nữa, việc áp dụng công nghệ nước vào môi trường Việt Nam bị hạn chế đặc thù giao thông đô thị Việt Nam Tại Việt Nam, có nhiều loại phương tiện tham gia giao thông tuyến đường, ôtô, xe công nông, xe máy, xe bò, xe ngựa, xe đạp kể tàu hoả, đến người bộ… tất đường chật hẹp Hiện tại, việc phân giao thông theo phương tiện nhằm làm giảm tai nạn giao thông tăng khả thông xe tuyến cho loại phương tiện cách tách loại phương tiện thành riêng biệt nhằm giảm xung đột dòng phương tiện tuyến đường Việc phân đường Việt Nam nhiều lần gặp thất bại ý thức người tham gia giao thông việc xử lý phương tiện giao thông vi phạm sai làn, lấn chưa thực triệt Footer Page of 126 Header Page of 126 để Với hệ thống giám sát việc chấp hành đường đoạn đường phân làn, tự động phát tất trường hợp sai làn, lấn làn, chụp ảnh kèm theo biển số phương tiện, từ đưa chế tài xử lý Mục đích nghiên cứu Đề tài tập trung nghiên cứu vấn đề sau: - Ứng dụng phương pháp xử lý ảnh việc nhận dạng, phân loại đối tượng xe ô tô bám đuổi đối tượng trường hợp đường có phương tiện xe ô tô, người bộ, xe đạp, xe gắn máy Đối tượng phạm vi nghiên cứu - Hình ảnh video thu nhận từ camera giao thông - Các phương pháp xác định đường biên đường - Các phương pháp xác định đuổi bám xe khoảng xét vi phạm Phương pháp nghiên cứu Trong luận văn này, nội dung nghiên cứu nghiên cứu vấn đề sau: - Thu thập tài liệu phân tích, chọn lọc thông tin liên quan đến nội dung nghiên cứu đề tài - Khảo sát thực trạng hoạt động giao thông - So sánh lựa chọn hợp lý phương pháp xử lý ảnh nhằm nâng cao độ xác xử lý ảnh giao thông - Xây dựng thuật toán viết chương trình xác định, phân loại đối tượng tham gia giao thông ô tô, thực bám đuổi ô tô Footer Page of 126 Header Page of 126 Bố cục đề tài Ngoài phần mở đầu, kết luận tài liệu tham khảo, kết cấu luận văn gồm chương sau: Chương 1: GIỚI THIỆU HỆ THỐNG GIÁM SÁT GIAO THÔNG Trong chương giới thiệu tổng quan xử lý ảnh, hệ thống xử lý ảnh ứng dụng xử lý ảnh vào hệ thống giám sát giao thông Chương 2: TIỀN XỬ LÝ ẢNH Trong chương tiến hành nghiên cứu trình tiền xử lý, phương pháp xử lý, sở toán học xử lý ảnh, phương pháp phát biên nhận dạng ảnh Quá trình góp phần quan trọng vào hiệu suất nhận dạng hệ thống Chương 3: CÁC PHƯƠNG PHÁP ỨNG DỤNG TRONG XỬ LÝ ẢNH GIAO THÔNG Trong chương trình bày phương pháp sử dụng để xác định đường, xác định phương tiện tham gia giao thông, phương pháp bám đuổi phương tiện tham gia giao thông xác định hành vi vi phạm sai đường xe Chương 4: THUẬT TOÁN VÀ CHƯƠNG TRÌNH PHÁT HIỆN VI PHẠM ĐI SAI LÀN ĐƯỜNG CỦA PHƯƠNG TIỆN THAM GIA GIAO THÔNG Trong chương xây dựng thuật toán xác định hành vi vi phạm sai đường phương tiện tham gia giao thông Sau thực đánh giá hiệu suất phân tích kết thu Tổng quan tài liệu nghiên cứu Tài liệu nghiên cứu tham khảo báo, luận văn thạc sỹ từ trường đại học quốc gia khác giới, Footer Page of 126 Header Page of 126 với trang web tìm hiểu Luận văn chắn không tránh khỏi sai sót, mong nhận góp ý Hội đồng để luận văn trở thành công trình thực có ích CHƯƠNG GIỚI THIỆU HỆ THỐNG GIÁM SÁT GIAO THÔNG Ngày nay, xử lý ảnh đạt nhiều thành tựu lĩnh vực vô quan trọng xử lý thông tin tín hiệu máy tính Các chương trình ứng dụng như: Nhận dạng mặt người, nhận dạng vân tay điều tra hình sự, xử lý ảnh vệ tinh, kiểm soát giao thông, xử lý ảnh chụp cắt lớp, chuẩn đoán tế bào y học, chương trình nhận dạng chữ viết… đem lại nhiều ứng dụng tiện ích cho người, đặc biệt ứng dụng cho hệ thống xử lý giao thông Do đó, chương giới thiệu tổng quan xử lý ảnh, hệ thống xử lý ảnh ứng dụng hệ thống giám sát giao thông 1.1 XỬ LÝ ẢNH VÀ CÁC VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH 1.1.1 Xử lý ảnh gì? Các trình xử lý ảnh tiến hành theo sơ đồ sau Hình 1.2 Quy trình xử lý ảnh Footer Page of 126 Header Page of 126 1.1.2 Các vấn đề xử lý ảnh 1.2 HỆ THỐNG GIÁM SÁT GIAO THÔNG ỨNG DỤNG CÔNG NGHỆ XỬ LÝ ẢNH 1.2.1.Cấu trúc tổng thể hệ thống giám sát giao thông dùng công nghệ xử lý ảnh Mô hình chung minh họa sau: Hình 1.4 Sơ đồ dòng mô tả tiến trình xử lý hệ thống Hệ thống bao gồm thành phần: camera giám sát, camera chụp hình, mạng truyền thông, video server, phần mềm xử lý ảnh sở liệu Hình 1.5 Hệ thống giám sát giao thông xử lý ảnh 1.2.2 Các thành phần phần mềm xử lý ảnh Footer Page of 126 Header Page of 126 1.3 TỔNG QUAN VỀ XỬ LÝ VIDEO 1.3.1 Khái niệm video 1.3.4 Một số thuộc tính đặc trưng video 1.3.5 Các phương pháp xử lý video số 1.4 KẾT LUẬN CHƯƠNG TIỀN XỬ LÝ ẢNH Sau qua thu nhận, ảnh nhiễu độ tương phản thấp nên cần đưa vào tiền xử lý để nâng cao chất lượng Chức tiền xử lý lọc nhiễu, nâng độ tương phản để làm ảnh rõ hơn, nét Do vậy, chương tập trung nghiên cứu vấn đề liên quan đến tiền xử lý ảnh 2.1 CẢI THIỆN ẢNH SỬ DỤNG CÁC TOÁN TỬ ĐIỂM 2.1.1 Tăng độ tương phản 2.1.2 Tách nhiễu phân ngưỡng 2.1.3 Cắt theo mức (Intensity Level Slicing) 2.1.4 Trích chọn bit (Bit Extraction) 2.1.5 Trừ ảnh 2.2 CẢI THIỆN ẢNH DÙNG TOÁN TỬ KHÔNG GIAN 2.2.1 Làm trơn nhiễu lọc tuyến tính: lọc trung bình lọc dải thông thấp 2.2.2 Làm trơn nhiễu lọc phi tuyến 2.2.3 Lọc thông thấp, thông cao lọc dải thông 2.2.4 Một số kỹ thuật cải thiện ảnh nhị phân 2.3 KHÔI PHỤC ẢNH 2.4 BIÊN VÀ CÁC PHƯƠNG PHÁP PHÁT HIỆN BIÊN Footer Page of 126 Header Page of 126 2.4.1 Các phương pháp phát biên trực tiếp 2.4.2 Phát biên gián tiếp 2.4.3 Phát biên dựa vào trung bình cục 2.5 KẾT LUẬN CHƯƠNG CÁC PHƯƠNG PHÁP ỨNG DỤNG TRONG XỬ LÝ ẢNH GIAO THÔNG Phát phân loại đối tượng di động lĩnh vực quan trọng nghiên cứu thị giác máy tính Lĩnh vực quan trọng giới quan sát động ta liên tiếp bắt gặp cảnh video chứa đựng số lượng lớn đối tượng di động Để phân tách, phát bám đối tượng từ chuỗi ảnh video thách thức quan trọng mà chuyên gia thị giác máy tính phải đối mặt Trong chương trình bày vấn đề giải pháp nhiệm vụ nhiệm vụ phân tích cảnh động Các hệ thống có ứng dụng lĩnh vực giám sát người, hệ thống bảo vệ, giám sát giao thông,… 3.1 BÀI TOÁN PHÂN LOẠI ĐỐI TƯỢNG Đầu vào toán phân loại đối tượng chuyển động vết đối tượng, đặc trưng đối tượng phát thông qua khối xử lý phát đối tượng Cụ thể hình bao, diện tích, trọng tâm, biểu đồ màu vùng đối tượng chuyển động phát Đầu toán phân loại đối tượng chuyển động thông tin lớp đối tượng chuyển động phát Cụ thể: đối Footer Page of 126 Header Page 10 of 126 tượng thuộc lớp (người, phương tiện, …) thông tin thuộc tính đối tượng lớp 3.1.1 Phân loại đối tượng 3.1.2 Một số phương pháp phân loại phổ biến a) Phương pháp dựa hình dạng (Shape- based) Cấu trúc tổng quát phương pháp Hình 3.1 Tổng quan hệ thống xác định theo dõi Đối tượng chuyển động dò tìm luồng video dụng phương pháp chênh lệch thời gian Các mục tiêu sau phân loại độ đo phân loại Sau mục tiêu theo dõi thuật toán theo dõi (trình bày phần theo dõi) Độ đo phân loại: Footer Page 10 of 126 Header Page 12 of 126 10 Hình 3.7 Tổng quan khối xử lý toán theo vết đối tượng a) Chính xác hoá đối tượng tương ứng (Object matching) Chính xác hoá đối tượng tương ứng module toán theo vết đối tượng chuyển động qua khung hình video Module đóng vai trò xử lý việc xác định xác đối tượng tương ứng đối tượng khung hình liên tiếp Do từ vết đối tương phát ra, cần xác định tương ứng vết đối tượng khung hình liên tiếp để suy có phải vết đối tượng hay không b) Xử lý nhập nhằng – Occlusion c) Dự đoán chuyển động Footer Page 12 of 126 11 Header Page 13 of 126 3.2.2 Các vấn đề phải giải Trong đối tượng có nhiều đặc trưng: đặc trưng mô hình, đặc trưng cấu trúc, đặc trưng màu sắc Vì có nhiều phương pháp theo vết đối tượng khác theo vết đối tượng theo hướng hình học, theo đặc trưng đối tượng a) Chính xác hoá đối tượng tương ứng – Object matching b) Dự đoán chuyển động đối tượng Một số thuật toán áp dụng dự đoán chuyển động đối tượng Kalman Filtering Kalman Filter tập biểu thức toán học đưa cách tính hiệu phương pháp least-square Mô hình đối tượng tập thuộc tính: - Đặc điểm hình dạng hình học - Đặc điểm diện mạo (màu sắc, độ mạnh, …) Theo vết dự đoán vector trạng thái chứa thuộc tính hàm theo thời gian: Z t = {z11 , , z td } S t = {S1 , , S t } Trong Z t vector liệu thu từ vector trạng thái quan sát St vector trạng thái đối tượng mà muốn dự đoán để thu tham số liên quan đến chuyển động đối tượng như: vị trí, vận tốc, Chúng ta muốn làm cực đại hóa xác suất trạng thái có điều kiện tất liệu quan sát (trạng thái sau – state posterior) P( st | z0 , , zt ) ® max(st ) Footer Page 13 of 126 (3.6) 12 Header Page 14 of 126 Hiệu việc làm mịn tạm thời: Quyết định giá trị trạng thái phụ thuộc vào quan sát khứ Ưu điểm thuật toán Kalman Filter: - Tương thích với nhiều dạng xuất đối tượng - Giải số trường hợp dấu theo vết đột ngột - Giải nhập nhằng, thay đổi cách chiếu sáng - Thay đổi hướng quan sát Mean – shift tracking Thuật toán Mean – shift tìm giá trị lớn khoảng hàm mật độ: f ( y) = n å i =1 wi K ( | y - xi |2 (3.7) ) s Hình 3.12 Biểu đồ xác định giá trị lớn hàm mật độ khoảng Trong K hàm Kernel Một giá trị lớn khoảng tìm cách thay đổi y liên tục đến giá trị trọng số trung bình xi tính với đạo hàm Kernel K’: Footer Page 14 of 126 13 Header Page 15 of 126 | y m - x |2 ) s i =1 yn +1 = N ' | yn - x | w K ( ) å i i s i =1 N å xi wi K i' ( (3.8) Hình 3.13 Biểu đồ xác định giá trị lớn hàm mật độ khoảng cách thay đổi y Ưu điểm thuật toán Mean-shift: Thuật toán Mean – shift tỏ hiệu tình mà hình dạng đối tượng thay đổi máy quay chuyển động, có nhập nhằng, ảnh lộn xộn hay mục tiêu thay đổi tỉ lệ 3.3 BÀI TOÁN XÁC ĐỊNH LÀN ĐƯỜNG Phát đường (lane detection) vấn đề quan trọng nhiều ứng dụng hệ thống hỗ trợ giao thông tự động 3.3.1 Mục tiêu Trong toán phát đường có mục tiêu chính: cảnh báo chuyển đường, hỗ trợ người trình lái xe điều khiển xe tự động Tùy thuộc vào nhiều yếu tố khác mục đích giải mà có giải pháp khác Trong phần này, thực trình bày vấn đề liên quan đến toán phát đường cảnh báo chuyển Footer Page 15 of 126 14 Header Page 16 of 126 Theo mục tiêu toán, yêu cầu đặt hệ thống phải thông báo xe thay đổi đường Vấn đề quan trọng cần giải dự đoán xác quỹ đạo xe tương ứng với đường biên đường 3.3.2 Các phương pháp giải a) Mô hình đường Sử dụng đường thẳng Sử dụng đường cong Hình 3.14 Biểu diễn đường theo B-Snape b) Xác định dấu phân cách 3.4 KẾT LUẬN CHƯƠNG THUẬT TOÁN VÀ CHƯƠNG TRÌNH PHÁT HIỆN VI PHẠM ĐI SAI LÀN ĐƯỜNG CỦA PHƯƠNG TIỆN THAM GIA GIAO THÔNG Với toán đề cập có phương pháp giải khác nhau, chương áp dụng phương pháp phù hợp cho toán tương ứng Footer Page 16 of 126 15 Header Page 17 of 126 4.1 CÁC BƯỚC THỰC HIỆN TRONG THUẬT TOÁN 4.1.1 Bài toán phân loại đối tượng Sơ đồ khối xử lý phương pháp mô tả hình đây: Trích rút hình chiếu dối tượng Tính toán dấu hiệu khoảng cách O Các dấu hiệu khoảng cách O So sánh dấu hiệu khoảng cách đối tượng O với dấu hiệu khoảng cách đối tượng sở liệu mẫu Các dấu hiệu khoảng cách đối tượng mẫu Nếu Dist OP £ Dist OI , " đối tượng I sở liệu mẫu Cơ sở liệu hình chiếu mẫu Kiểu O gán cho P T =T Hình 4.1 Sơ đồ khối phương pháp phân loại dựa hình chiếu a) Phân loại dựa mẫu hình chiếu b) Trích rút hình chiếu đối tượng c) Cơ sở liệu mẫu hình chiếu Trong bước phân loại, phương pháp không sử dụng hình chiếu định dạng thô, so sánh dấu hiệu khoảng cách hình chiếu chuyển đổi Vì vậy, sở liệu khuôn mẫu lưu trữ dấu hiệu khoảng cách Footer Page 17 of 126 16 Header Page 18 of 126 hình chiếu thông tin tương ứng cho việc tính toán lưu trữ cho hiệu Để S = { p1 , p 2, , p n } hình chiếu đối tượng O bao gồm n điểm xếp từ điểm tâm phía vùng phát theo chiều kim đồng hồ c m tâm của khối điểm O Dấu hiệu khoảng cách DS = {d1 , d , , d n } sinh cách tính khoảng cách cm pi tới n sau: d i = Dist (c m , pi )"i Î [1 n] (4.1) Trong hàm Dist khoảng cách Ơclit hai điểm a b: Dist (a, b) = ( x a - xb ) + ( y a - y b ) (4.2) Các đối tượng khác có hình dạng khác video có hình chiếu khác kích cỡ Thậm chí đối tượng có đường viền thay đổi qua khung hình Để so sánh dấu hiệu tương ứng với đối tượng có kích cỡ khác cách xác để tạo độ đo so sánh không đổi cố định kích cỡ dấu hiệu khoảng cách Để N độ lớn dấu hiệu khoảng cách DS C số cho độ dài dấu hiệu cố định Dấu Ù hiệu khoảng cách có độ lớn cố định DS sau tính toán lấy mẫu con( sub-sampling) siêu lấy mẫu( super-sampling) dấu hiệu gốc DS sau: ^ DS[i] = DS[i * Ù N ], "i Î [1 C ] C (4.3) Trong bước tiếp theo, dấu hiệu khoảng cách co dãn DS chuẩn hoá để có vùng đơn vị toàn vẹn Dấu hiệu khoảng cách chuẩn hoá DS tính phương trình sau: Footer Page 18 of 126 17 Header Page 19 of 126 ^ DS[i ] - DS[i ] = n ^ å DS[i] (4.4) d) Độ đo phân loại Độ đo phân loại dựa giống hình dạng đối tượng Có nhiều phương pháp so sánh hình Đòi hỏi quan trọng độ đo so sánh hình bất biến co dãn, dịch chuyển, quay Phương pháp thoả mãn ba thuộc tính e) Sự quán thời gian 4.1.2 Bài toán theo vết đối tượng chuyển động Bài toán theo vết đối tượng chuyển động phân thành ba module xử lý: Module xác hoá đối tượng tương ứng, module xử lý nhập nhằng module dự đoán chuyển động đối tượng Mô hình hoá cụ thể cho việc áp dụng thuật toán tương ứng với module sau: Footer Page 19 of 126 Header Page 20 of 126 18 Hình 4.6 Mô hình module xử lý dự đoán chuyển động đối tượng a) Khối xác hoá đối tượng tương ứng b) Khối xử lý nhập nhằng đối tượng c) Khối dự đoán chuyển động đối tượng Áp dụng thuật toán Kalman Filter, Mean – shift, SSD vào toán dự đoán chuyển động đối tượng Thuật toán Kalman Filter đặc biệt ý đến tâm đối tượng tỉ lệ kích thước đối tượng khung hình Mục tiêu thuật toán dự đoán xác vị trí đối tượng khung hình Bộ SSD (Sum of Squared Difference) dựa vào tương ứng đối tượng từ khung hình sang khung hình khác để xác dịnh vị trí đối tượng tượng khung hình Bộ MS (Mean - Shift) dựa vào thuộc tính đối tượng màu sắc, dự đoán chuyển động đối tượng trình chuyển động đối tượng có thay đổi hình dạng kiểu dáng Tuy nhiên MS lại gặp khó khăn khoảng dịch chuyển đối tượng lớn có nhập nhằng Footer Page 20 of 126 Header Page 21 of 126 19 ĐỊNH NGHĨA ĐỐI TƯỢNG(Mô hình đích) khung hình F Ft +1 BỘ THEO DÕI SSD Khoảng dịch chuyển tỉ lệ BỘ THEO DÕI MEAN-SHIFT CẬP NHẬT MÔ HÌNH ĐÍCH LINEAR KALMAN FILTER Dự đoán vị trí tỉ lệ đối tượng Hình 4.10 Hệ thống dự đoán chuyển động đối tượng dựa vào mô hình SSD - MS Sau trình bày chi tiết module mô hình Dự đoán tham số chuyển động đối tượng mô hình SSD – MS Bộ theo dõi đối tượng xác định vị trí đối tượng khung hình dựa vào khoảng cách nhỏ vị trí đích đối tượng ứng viên khung hình Bộ theo dõi SSD ưu việt trường hợp khoảng dịch chuyển đối tượng lớn có thay đổi hình dạng hai khung hình liên tiếp Tuy nhiên Footer Page 21 of 126 20 Header Page 22 of 126 thực tế hình dạng đối tượng thường thay đổi theo thời gian Bộ SSD điển hình, ứng viên lựa chọn trở thành mục tiêu thời gian ^ Đưa dự đoán trạng thái ^ ( x t -1 , st -1 ) thời điểm khứ, dự đoán khoảng cách dịch chuyển dựa vào công thức SSD là: ^ ^ ^ ^ utssd = arg å [ Ft (u + x t -1 + s t |t -1 d )] - F ( x t -1 + s t -1 d )]2 (4.13) d ÎD ^ Trong Ft -1 Ft hai ảnh liên tiếp, ^ X t |t -1 = S t -1 hệ số tỉ lệ khung hình trước, W cửa sổ tìm kiếm, D chuẩn hỗ trợ trừ ảnh Đây bước dự đoán khoảng dịch chuyển ban đầu sử dụng cho việc khở tạo theom dõi MS Mô hình màu sắc mục tiêu q = ( qi ), i = 1, , m với, å q i i =1 = kết hợp từ m bins số không gian màu thích hợp (ví dụ RGB) Nó khởi tạo từ lúc bắt đầu trình theo vết đối tượng Đồ thị ứng viên p(x, s), vị trí x tỉ lệ s khung hình xác định sau: (4.14) Trong k(x) hàm lồi đơn điệu giảm với độ hỗ trợ D, d hàm Kronecker delta, hàm b(x) Î {1, … , m} số bin màu điểm ảnh x khung hình Khi độ tương tự đo å hệ số Bhattacharyya, r ( p, q ) = pi qi độ hội tụ hướng tới vị trí i gần đưa từ module mean –shift Trong trường hợp này, ^ y0 = x t -1 + utssd Footer Page 22 of 126 Header Page 23 of 126 21 độ nghiêng gradient thời điểm t khởi tạo trình xử lý sau: - Đưa vị trí yo tỉ lệ s, cần tính biểu đồ ứng viên P(yo, s) hệ số Bhattacharyya - r[ p( y0 , s ), q] Xác định vị trí ứng viên (4.15) Trong trọng số vị trí x là: (4.16) - Nếu r[ p( y1, s), q] < r[ p( y0 , s), q] | y1 - y0 |< e dừng Ngược lại thay y = y1 lặp lại bước Nếu Độ lớn tỉ lệ Tỉ lệ đối tượng tham số quan trọng theo vết đối tượng Thông thường tỉ lệ đối tượng thay đổi máy quay thay đổi tỉ lệ phóng to, thu nhỏ Tỉ lệ thay đổi tính thông qua tham số liên quan đến chuyển động đối tượng khung hình khung hình Các tham số ước Footer Page 23 of 126 22 Header Page 24 of 126 lượng Nếu ma trận At 2x2 phần mô hình chuyển động tuyến tính ước lượng thời điểm t, hệ số phóng to, thu nhỏ là: xt = + 0.5trace( At ) (4.18) Thực thể liên kết với độ đo ma trận thống kê Rt mô hình quan sát thiết lập số nhỏ Cập nhật mô hình mục tiêu Tổng kết thuật toán SSD - MS Thuật toán tổng kết sau Đưa mô^ hình ^màu tham chiếu trước qt-1 dự đoán trạng thái trước ( x t -1 , s t -1 ) với thống kê lỗi pt-1 - Khoảng cách tính dựa vào SSD, u(t,ssd) theo công thức (4.13) - Khoảng cách với MS, khởi tạo utssd mô hình màu tham chiếu - qt -1 , thu khoảng cách cuối u t Ước lượng chung chuyển động liên quan thông qua ảnh thu tỉ lệ x t theo công thức (4.18) - Sử dụng khoảng tỉ lệ^ u t ^ et , cập nhật trạng thái Kalman filter, đưa - ( x t , s t ) với thống kê lỗi Pt Cập nhật mô hình màu^theo ^ công thức (4.19) để thu qt Trạng thái ban đầu ( x1, s1 ) = khung hình 4-11, mô ^ ^ hình màu tương ứng q1 = p (( x1 , s1 )) 4.2 KẾT QUẢ MÔ PHỎNG Footer Page 24 of 126 Header Page 25 of 126 23 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI Nhận dạng phân tích ảnh giám sát hành vi giao thông lĩnh vực có tiềm ứng dụng lớn ứng dụng hệ thống giao thông thông minh Trong đề tài này, thực nghiên cứu phương pháp xử lý ảnh việc nhận dạng bám đuổi đối tượng, dựa vào thực xác định hành vi vi phạm sai đường phương tiện tham gia giao thông Để phát đối tượng có vi phạm sai đường hay không ta phải giải ba toán Thứ phải phân loại đối tượng chuyển động xe tham gia giao thông hay không Thứ hai sau xác định phương tiện tham gia giao thông thực theo vết đối tượng Thứ ba phải phát đường, thực đánh dấu đường phép để kiểm tra xem đối tượng tham gia giao thông có đường quy định hay không Để phân loại đối tượng chuyển động có phải xe tham gia giao thông hay không, đề tài thực nghiên cứu phương pháp nhận dạng dựa vào hình dạng dựa vào chuyển động Mỗi phương pháp có ưu nhược điểm riêng toán thực chọn phương pháp phân loại dựa hình chiếu Footer Page 25 of 126 Header Page 26 of 126 24 Nghĩa ta thực tạo mẫu sở liệu hình chiếu đối tượng mẫu, sau thực trích rút hình chiếu đối tượng phát khung hình nhận dạng cách so sánh hình chiếu dựa đặc trưng với hình chiếu sở liệu mẫu Với sở liệu mẫu chuẩn, ta thực nhận dạng đối tượng Với sở lý thuyết nghiên cứu trình bày, để theo vết đối tượng chuyển động luận văn áp dụng thuật toán Kalman Filter, Mean –shift, SSD vào toán dự đoán chuyển động đối tượng Bộ SSD dựa vào tương ứng đối tượng từ khung hình sang khung hình khác để xác định vị trí đối tượng khung hình Bộ MS dựa vào thuộc tính đối tượng màu sắc, dự đoán chuyển động đối tượng trình chuyển động đối tượng có thay đổi hình dạng kiểu dáng Thuật toán Kalman Filter đặc biệt ý đến tâm đối tượng tỉ lệ kích thước đối tượng khung hình, mục tiêu thuật toán dự đoán xác vị trí đố khung hình Tuy nhiên, đề tài hạn chế, đề tài phát vi phạm sai đường phương tiện tham gia giao thông dừng lại phần nhận dạng theo vết đối tượng, chưa phát đường kiểm tra phương tiện tham gia giao thông có vi phạm đường quy định hay không Do đó, hướng phát triển đề tài xây dựng hoàn chỉnh thuật toán chương trình phát vi phạm sai đường đưa xử phạt tương lai Đặc biệt nghiên cứu toán xác định đường hạn chế tối thiểu nhiễu để đạt độ xác cao xác định vi phạm Footer Page 26 of 126 ... THỐNG GIÁM SÁT GIAO THÔNG Trong chương giới thiệu tổng quan xử lý ảnh, hệ thống xử lý ảnh ứng dụng xử lý ảnh vào hệ thống giám sát giao thông Chương 2: TIỀN XỬ LÝ ẢNH Trong chương tiến hành nghiên... 25 of 126 23 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI Nhận dạng phân tích ảnh giám sát hành vi giao thông lĩnh vực có tiềm ứng dụng lớn ứng dụng hệ thống giao thông thông minh Trong đề tài này, thực... thống xử lý giao thông Do đó, chương giới thiệu tổng quan xử lý ảnh, hệ thống xử lý ảnh ứng dụng hệ thống giám sát giao thông 1.1 XỬ LÝ ẢNH VÀ CÁC VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH 1.1.1 Xử lý ảnh gì?