Đang tải... (xem toàn văn)
Ngày nay công nghệ thông tin là ngành khoa học mới nhưng có tốc độ phát triển rất nhanh trên toàn thế giới, sự phát triển của nó thể tính bằng từng giây, từng phút một. Những ứng dụng của công nghệ thông tin cũng rộng khắp trong tất cả các lĩnh vực khoa học như: giáo dục, y tế, kinh tế, văn hóa,…nó góp phần giúp đời sống con người ngày càng hiện đại, giảm đi những công việc nặng nhọc trong đời sống hằng ngày. Nhận dạng và xử lý ảnh cũng là một trong những chuyên ngành của tin học có tầm ứng dụng to lớn. Có thể kể ra hàng loạt các lĩnh vực đã áp dụng kỹ thuật nhận dạng ảnh như: xử lý ảnh chụp vệ tinh, dự báo thời tiết, điều khiển giao thông công cộng, nhận dạng chữ viết tay, phân tích chữ ký, nhận dạng vân tay, nhận dạng mặt người,…Ở đề tài này tôi sẽ trình bày phương pháp nhận dạng xe mô tô hai bánh thông qua camera, sau đó qua các quá trình xử lý ảnh, tách ký tự, nhận dạng ký tự ta sẽ nhận được kết quả của biển số xe. Đây là đề tài được nhiều cơ quan trong nước quan tâm khi xe mô tô đang là phương tiện đi lại chủ yếu của người dân.
MỤC LỤC 1.Giới thiệu: 2.Đặt vấn đề: 3.Phát biểu toán: .4 4.Mục tiêu luận văn: .5 5.Phạm vi giải đề tài: CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 1.Các hệ thống nhận dạng biển số xe (License Plate Recognition) : 2.Xử lý ảnh: 2.1.Các loại ảnh bản: .7 2.2.Kỹ thuật chuyển ảnh sang ảnh mức xám (Gray Level): 2.3.Lược đồ mức xám (Histogram): .8 2.4.Xử lý ảnh thuật toán K-means: 10 2.5.Lọc trung vị (Median): 12 2.6.Bộ lọc BlobsFiltering: 12 3.Mạng Neural nhân tạo: 13 1.1.Giới thiệu: .13 1.2.Ứng dụng Neural Network: 15 1.3.Mơ hình Neural nhân tạo: .16 1.4.Mạng Neural lớp: 18 1.5.Mạng Neural truyền thẳng lớp: 18 2.Thiết lập mạng Neural: 19 2.1.Các bước chuẩn bị thiết lập mạng: .20 2.2.Các bước thiết kế mạng: .21 3.Phân loại cấu trúc mạng: 22 3.1.Mạng có cấu trúc tiến: 22 3.2.Mạng hồi quy (recurrent network): 24 4.Cơ sở lý thuyết giải thuật huấn luyện cho mạng lan truyền ngược: 24 4.1.Cấu trúc mạng lan truyền ngược: 24 4.2.Huấn luyện cho mạng lan truyền ngược: .27 4.3.Vấn đề khớp lực mạng: .32 4.4.Hai phương pháp cải thiện tính tổng quát hóa: 35 4.5.Kết luận: .37 4.6.Ứng dụng mạng Neural lĩnh vực nhận dạng: 37 CHƯƠNG 3: HỆ THỐNG NHẬN DẠNG TRỰC TUYẾN BẢNG SỐ XE .40 1.Mơ hình tổng qt hệ thống nhận dạng trực tuyến xe mô tô hai bánh: 40 2.Thu nhận ảnh (1): 41 3.Trích biển số, xử lý ảnh biển số tách ký tự chữ số xe mô tô (2), (3): 42 4.Nhận dạng ký tự đơn biển số mạng Neural nhân tạo (4): .55 2.1.Mơ hình mạng: .55 2.2.Huấn luyện mạng: 55 5.Xây dựng hệ thống: 57 CHƯƠNG 4: THỬ NGHIỆM VÀ ĐÁNH GIÁ 62 Trang 1.Dữ liệu thử nghiệm: 62 2.Kết thử nghiệm: 62 3.Đánh giá kết quả: 63 4.Một số kết minh họa thử nghiệm thuật toán: 65 CHƯƠNG 5: KẾT LUẬN 67 1.Các mặt đạt được: .67 2.Các mặt hạn chế: 67 3.Đề xuất hướng phát triển: 67 PHỤ LỤC: 69 1.Thư viện AForge: 69 2.Cảm biến phát chuyển động: 72 3.Giao tiếp cổng COM: 76 Trang CHƯƠNG 1: TỔNG QUAN Giới thiệu: Ngày công nghệ thông tin ngành khoa học có tốc độ phát triển nhanh tồn giới, phát triển thể tính giây, phút Những ứng dụng công nghệ thông tin rộng khắp tất lĩnh vực khoa học như: giáo dục, y tế, kinh tế, văn hóa,…nó góp phần giúp đời sống người ngày đại, giảm công việc nặng nhọc đời sống ngày Nhận dạng xử lý ảnh chuyên ngành tin học có tầm ứng dụng to lớn Có thể kể hàng loạt lĩnh vực áp dụng kỹ thuật nhận dạng ảnh như: xử lý ảnh chụp vệ tinh, dự báo thời tiết, điều khiển giao thơng cơng cộng, nhận dạng chữ viết tay, phân tích chữ ký, nhận dạng vân tay, nhận dạng mặt người,…Ở đề tài tơi trình bày phương pháp nhận dạng xe mô tô hai bánh thông qua camera, sau qua q trình xử lý ảnh, tách ký tự, nhận dạng ký tự ta nhận kết biển số xe Đây đề tài nhiều quan nước quan tâm xe mô tô phương tiện lại chủ yếu người dân Đặt vấn đề: Thực tế nay, bãi giữ xe mô tô bánh nước ta quản lí cách thức thủ cơng đơn giản bãi giữ xe có người: người đọc biển số, người khác ghi biển số xe vào thẻ giữ xe, sau bấm vào xe phần vé xe, phần lại đưa cho chủ xe giữ Sau xe bãi nhiều người trơng chừng tùy theo bãi xe rộng hay hẹp, có nhiều hay góc khuất,… Ưu điểm phương pháp thủ công đơn giản không cần thiết bị phức tạp Tuy nhiên phương pháp tồn nhiều nhược điểm Thứ lãng phí nguồn nhân lực, phương pháp phải cần nhiều người để quản lý tốt tồn bãi giữ xe Thứ hai độ xác khơng đảm bảo, việc đọc, ghi biển số xe người thực nên tránh khỏi sai sót Thứ ba độ an tồn thấp, dùng nhiều người nên việc quản lí người phức tạp, hay việc giám sát người nên khó bao quát tốt toàn Trang bãi xe Và đa số vé xe đơn giản dễ nhầm lẫn , việc đối chiếu lúc xe người (dễ bị ảnh hưởng yếu tố chủ quan , nhầm lẫn) nên kẻ gian tráo vé , sửa đổi vé làm vé giả để qua mặt nhân viên giữ xe…Thứ tư tốc độ công việc không cao, thực việc xe vào qua nhiều khâu đọc biển số, ghi vé, bấm vé,…Và cuối nhược điểm phương pháp chứng để lưu giữ thơng tin xe vào bãi, thời gian khỏi bãi, …Do cố xảy (mất xe, vé xe,…) khơng có thơng tin để kiểm tra, đối chiếu Khơng có khả thống kê, tính tốn lượng xe ra, vào … Tóm lại nhược điểm phương pháp tốc độ hiệu thấp, khả quản lý, kiểm soát Rất dễ xảy mát tài sản Xuất phát từ nhược điểm trên, đề xuất phương pháp làm tăng hiệu việc quản lý giữ xe, đặt camera vị trí cổng giữ xe, có xe vào camera chụp ảnh biển số Sau phân tích xử lý ảnh chương trình máy tính lưu giữ lại biển số xe in phần vé cho người gởi xe Phương pháp khắc phục nhược điểm phương pháp thủ công, giai đoạn nhận ảnh từ camera, xử lý, nhận dạng ký tự biển số nội dung đề tài nhận dạng trực tuyến xe mơ tơ hai bánh mà tơi trình bày Phát biểu tốn: Trong đề tài tơi giải vấn đề cách phân rã thành ba tốn liên quan lẫn nhau, kết toán trước đầu vào tốn sau: − Trích biển số ảnh đơn: (1) • Ngõ vào: ảnh chụp có phức tạp hay đoạn video • Ngõ ra: ảnh biển số trích từ ảnh chụp hay đoạn video − Tách ký tự ảnh biển số: (2) • Ngõ vào: ảnh biển số, kết toán (1) • Ngõ ra: ảnh ký tự rời rạc biển số − Nhận dạng ký tự đơn biển số: (3) • Ngõ vào: ảnh ký tự đơn biển số, kết toán (2) Trang • Ngõ ra: chuỗi kết ghi nhận lại giá trị ký tự biển số xe Mục tiêu luận văn: Đây toán nhận dạng xử lý ảnh, luận văn này, tơi tập trung nghiên cứu giải thuật trích biển số xe thông qua ảnh chụp hay camera, tách ký tự biển số nhận dạng kí tự biển số xe, cụ thể sau: − Xây dựng cảm biến phát ảnh biển số tia hồng ngoại − Xây dựng chương trình trực tuyến (dùng camera) để chụp ảnh có xe qua cổng, trích biển số, nhận dạng biển số − Dùng ngơn ngữ CSharp để thực chương trình Phạm vi giải đề tài: Đề tài tập trung nghiên cứu thuật toán nhằm giải toán nhận dạng trực tuyến xe mô tô hai bánh ảnh đơn chụp từ thiết bị camera phạm vi vấn đề sau: − Ảnh có phức tạp, với điều kiện sáng tối − Các loại biển số xe mô tô qui định theo luật biển số công an giao thông màu sắc, phông chữ, chất liệu,… − Đối với hệ thống cài đặt cụ thể, điều kiện vị trí, khoảng cách đặt camera chụp dùng làm tham số để tăng hiệu nhận dạng − Xây dựng hệ thống thử nghiệm bao gồm thiết bị như: camera chụp ảnh, cảm biến phát chuyển động, … Trang CHƯƠNG 2: CƠ SỞ LÝ THUYẾT Các hệ thống nhận dạng biển số xe (License Plate Recognition) : Đề tài nhận dạng trực tuyến xe mô tô bao gồm bước phát biển số xe, chụp lại ảnh, trích ảnh chứa vùng văn dùng thuật tốn thích hợp nhận dạng ký tự biển số thành ký tự ASCII để máy tính lưu trữ xử lý Như hệ thống nhận dạng bao gồm: phận cảm biến phát chuyển động, camera trực tuyến dùng để chụp ảnh xe, chương trình trích biển số, chương trình tách ký tự hình biển số, chương trình nhận dạng ký tự biển số Sau giới thiệu lịch sử phương pháp tiếp cận cho hệ thống này: • Các phương pháp trích biển số xe ảnh: Đây bước khơng thể thiếu tốn nhận dạng biển số xe, có nhiều hướng giải tốn Cụ thể, có số hướng tiếp cận như: dựa vào đặc trưng cạnh biên trích ta áp dụng thuật tốn xác định đường thẳng phép biến đổi Hough để phát cặp đoạn thẳng gần song song ghép thành ảnh ứng viên biển số ( Luận văn Thạc sĩ “Xây dựng thử nghiệm hệ thống nhận dạng tự động biển số xe ô tô” Trần Đức Duẩn năm 2003), biển số xe mô tô nước ta khơng có đường bao (xe mới) hay thời gian đường bao bị mờ (xe cũ) nên ta dùng phương pháp này; hay tiếp cận theo hướng hình thái học, trọng vào đặc trưng màu sắc, độ sáng, đối xứng, góc,…; tiếp cận theo hướng khung Trong luận văn sử dụng hướng tiếp cận phân tích phổ tần số ảnh (Fast Fourier Transform), giới thiệu rõ chương • Các phương pháp tách ký tự ảnh biển số: Sau trích vùng chứa biển số, ta thực tách ký tự từ ảnh thành ảnh đơn Dạng chung biển số xe mô tô hai bánh ký tự có kích cỡ, hướng xuất hai dòng Đây đặc trưng quan trọng giúp ta đơn giản hóa tốn Hiện có số Trang thuật toán tách ký tự biển số hiệu như: áp dụng phép chiếu đếm số điểm ảnh theo đường ngang đường dọc, dựa vào xác định điểm tách ( Luận văn Thạc sĩ “Xây dựng thử nghiệm hệ thống nhận dạng tự động biển số xe ô tô” Trần Đức Duẩn năm 2003); áp dụng thuật toán xác định thành phần liên thông ký tự ảnh phân ngưỡng nhị phân Và luận văn này, chọn phương pháp tách ký tự phân tích biểu đồ mức xám (Histogram) • Các phương pháp nhận dạng ký tự: Có nhiều phương pháp nhận dạng ký tự đơn nghiên cứu thời gian gần đây, đặc biệt ký tự chữ in Vấn đề quan trọng nhận dạng ký tự đơn in việc định loại font chữ , kiểu chữ; chất lượng ảnh nhận có tốt hay không; vấn đề quan trọng khả học tăng cường để tự chỉnh lỗi trình nhận dạng phức tạp Hiện có nhiều hướng tiếp cận để giải tốn như: phương pháp đo khoảng cách hình học không gian; phương pháp phân loại máy học như: mạng Neural, SVM, mơ hình Markov ẩn (Luận văn Thạc sĩ “Xây dựng thử nghiệm hệ thống nhận dạng tự động biển số xe ô tô” Trần Đức Duẩn năm 2003),… Trong luận văn sử dụng mạng Neural để xây dựng module nhận dạng ký tự, lý thuyết mạng Neural ứng dụng trình bày mục Xử lý ảnh: 2.1 Các loại ảnh bản: − IMG: ảnh đen trắng Phần đầu ảnh 16 bytes chứa thơng tin cần thiết Tồn ảnh có điểm sáng tối tương ứng giá trị − PCX: sử dụng phương pháp mã loạt dài RLE ( Run – Length – Encoded) để nén liệu ảnh Trang − GIF: ( Graphics Interchanger Format): ảnh dạng nén, lưu trữ tốt ảnh dạng đen trắng ảnh 16 màu, ảnh 256 màu khả nén − JPGE: (Joint Photographic Expert Group): tên tổ chức nghiên cứu chuẩn nén cho ảnh tone liên tục Khắc phục nhược điểm ảnh gif 2.2 Kỹ thuật chuyển ảnh sang ảnh mức xám (Gray Level): Sử dụng camera thu nhận ảnh ảnh 24 bit màu, dung lượng lưu trữ lớn ảnh hưởng đến tốc xử lý ảnh Vì thu nhận ảnh, ta chuyển ảnh ảnh mức xám ( Gray Scale) bits theo công thức: X=0.2125*R + 0.71554*G + 0.0721*B Quá trình chuyển đổi gây thơng tin chấp nhận (a) (b) Hình 2.1: Ảnh nhận từ camera (a) ảnh chuyển sang ảnh mức xám (b) 2.3 Lược đồ mức xám (Histogram): Lược đồ mức xám hàm cung cấp tần suất xuất mức xám (gray-level) ảnh Biễu diễn toán học histogram ảnh số có L=256 mức xám hàm rời rạc : Trang p( f k ) = nk n (2.1) : f k giá trị xám thứ k (k = 0, 1, , L-1) nk số pixel có mức xám n tổng số pixel ảnh Miền giá trị p ( f k ) ∈ [0,1] Một cách biễu diễn toán học khác histogram ảnh số lần xuất mức xám : p ( f k ) = nk (2.2) Khi lược đồ xám biễu diễn hệ tọa độ vng góc x, y (trục hồnh x biễu diễn số mức xám từ đến L -1, trục tung y biễu diễn số điểm ảnh có mức xám hay tỷ lệ số điểm ảnh có mức xám tổng số điểm ảnh), hình dạng histogram ảnh mang đến cho thơng tin tính động ảnh (ảnh sáng hay ảnh đậm) dùng làm sở cho việc tăng cường độ tương phản Ảnh tối Ảnh có độ tương phản thấp Ảnh sáng Ảnh có độ tương phản cao Hình 2.2: Lược đồ mức xám loại ảnh Nhìn biểu đồ ta nhận thấy rằng: ảnh tối mức xám tập trung gần gốc tọa độ Trang 10 2.4 Xử lý ảnh thuật toán K-means: Đây thuật toán dùng để phân ngưỡng động xử lý ảnh thông qua việc phân nhóm Phân nhóm q trình phân chia nhóm lại tập hợp mẫu cho sẵn thành nhóm tách rời Các mẫu nhóm giống khác (hoặc gần nhau) Sự phân nhóm dùng rộng rãi lĩnh vực ứng dụng bao gồm mạng Neural, trí tuệ nhân tạo thống kê Nhiều thuật tốn phân nhóm đưa như: ISODATA, CLARA, CLARANS, P-CLUSTER, DBSCAN,…tuy nhiên phương pháp K-Means trội kết tốt kiểm chứng nhiều thực tế Hiểu đơn giản phân nhóm K-means thuật tốn phân loại nhóm đối tượng dựa vào đặc trưng, thuộc tính thành K nhóm Trong lĩnh vực xử lý ảnh, việc nhóm pixel thực thực cách tính tổng bình phương khoảng cách pixel với pixel trung tâm nhóm tương ứng Các bước thực phân nhóm K-means: Qui định số nhóm K giả định trọng tâm cho nhóm Các trọng tâm điểm tùy ý ảnh Ta giả sử số nhóm K cố định K-means Cho K trọng tâm (w 1, …,wk) khởi trị n điểm ảnh (i1, …, in) Do đó: Wj=il, j ∈ {1, …,k}, l ∈ {1, …, n} Cj nhóm thứ j tập hợp tập hợp tách khỏi tập hợp mẫu ban đầu Chất lượng phân nhóm định hàm sai số: k E = ∑ ∑ il − w j j =1 il ∈C j Thuật toán K-means gồm bước sau: o Đặc trưng thành phần phân nhóm trích o Mỗi thành phần đánh dấu đưa vào nhóm có trị trung bình gần với thành phần cách tính khoảng cách Trang 64 kết trích biển số có kết cao đặc điểm biển số xe mơ tơ nước ta có độ phản chiếu ánh sáng vào ban đêm Thứ hai khoảng cách chụp ảnh ảnh hưởng đến kết toán nhiều Trong tập ảnh chụp, có số ảnh chụp q xa hay q gần khơng trích vị trí biển số Thứ ba tính chất thuật toán quét hết tất điểm hình nhận nên tốc độ xử lý khơng cao Và thuật tốn tơi giảm số dòng đầu cuối hay trái phải ảnh ( ảnh biển số thường chụp vị trí nằm hình) việc góp phần làm tăng tốc độ xử lý ảnh • Tách ký tự: kết tách ký tự bảng 4.3 không đạt tỷ lệ cao chương trình chưa xử lý hết nhiễu ảnh Một số biển số nhiễu đinh ốc, dơ, bùn đất, …làm ảnh hưởng đến việc tách ký tự làm giảm hiệu nhận dạng Một số trường hợp nhiễu nhiều nên lọc nhiễu làm hay tăng thêm số ký tự biển số gây khó khăn cho việc nhận dạng Và vấn đề nan giải cho thuật tốn • Nhận dạng ký tự: giai đoạn nhận dạng ký tự phụ thuộc nhiều vào giai đoạn trích biển số tách ký tự Nếu trích biển số tách ký tự tốt kết nhận dạng tốt Tuy nhiên ảnh ký tự bị nhiễu nhiều dẫn đến việc nhận dạng ký tự bị lỗi Ngoài số ký tự chữ thu thập biển số (mỗi biển số có ký tự chữ) nên việc huấn luyện cho ký tự chữ chưa hoàn chỉnh việc nhận dạng chưa có kết tốt Đối với ký tự số thu thập nhiều, nhiên trình nhận dạng ký tự dễ bị nhầm lẫn ký tự 8, 7, hay Để giải trường hợp thuật toán nhận dạng đưa vào hàm dùng để phân biệt số 0-8, 2-7, 5-6 Với việc hỗ trợ phân biệt kết nhận dạng ký tự kết nhận dạng ký tự số khả quan hơn, nhiên khó mà phân biệt ký tự nhiễu Trang 65 Tóm lại kết nhận dạng cuối chưa thực tốt, xử lý nhiễu chưa tốt biển số Nếu có sở liệu thơng tin biển số chắn đạt hiệu tốt việc nhận dạng Một số kết minh họa thử nghiệm thuật tốn: • Trường hợp 1: ảnh chụp ban ngày (a) ảnh nguồn (b) ảnh biển số trích (c) kết tách ký tự (d) kết nhận dạng cuối Hình 4.1: Các bước trích biển số trường hợp • Trường hợp 2: ảnh chụp buổi tối Trang 66 (a) ảnh nguồn (b) ảnh biển số trích (c) kết tách ký tự (d) kết nhận dạng cuối Hình 4.2: Các bước trích biển số trường hợp Trang 67 CHƯƠNG 5: KẾT LUẬN Các mặt đạt được: Mục tiêu luận văn xây dựng chương trình nhận dạng trực tuyến xe mơ tơ hai bánh, xây dựng chương trình nhận dạng ký tự đơn biển số dùng ngơn ngữ lập trình CSharp Như mục tiêu luận văn giải vấn đề sau: - Thu nhận kết nhận dạng biển số thông qua cảm biến phát chuyển động - Ứng dụng thuật tốn phân tích phổ tần số để trích biển số xe mơ tơ phân tích biểu đồ mức xám việc tách ký tự - Sử dụng mạng Neural để nhận dạng ký tự biển số - Xây dựng kết nghiên cứu Visual Studio Dot Net (CSharp) - Ứng dụng thư viện AForge xử lý ảnh thu nhận tín hiệu video Các mặt hạn chế: Với mặt đạt nêu trên, nhiên luận văn nhiều mặt hạn chế như: - Chưa xử lý trường hợp ảnh tối sáng ảnh có chất lượng xấu - Chương trình chưa mang tính tổng qt cao nhận dạng biển số chưa đa dạng, ví dụ biển số xe có xanh chữ trắng (nhà nước) hay đỏ chữ trắng ( quân đội) - Khả nhận dạng tương đối, chưa xử lý trường hợp chụp ảnh xa hay gần so với khoảng cách qui định chụp ảnh Đề xuất hướng phát triển: Với mặt hạn chế trên, xin đề hướng phát triển đề tài: - Xây dựng ứng dụng tổng quát xử lý với số trường hợp biển số đặc biệt như: xanh chữ trắng, hay đỏ chữ trắng,… Trang 68 - Khắc phục khả trích bảng số với khoảng cách linh động hơn, xử lý ảnh nhận dạng tốt bảng số xấu - Tăng tốc độ xử lý - Xây dựng ứng dụng để quản lý quan phủ hay điểm giữ xe mơ tô hai bánh Trang 69 PHỤ LỤC: Thư viện AForge: Lịch sử phát triển thư viện AForge: • • [08.03.2007] - Version 2.4.0 o Application converted to NET 2.0; o Integrated with AForge.NET framework [13.06.2006] - Version 2.3.0 o In place filter interface introduced, which allows filter application on the source image; o Perlin noise texture generators (marble, wood, textile, labyrinth, clouds); o Texture filters (texturer, textured filtering, textured merging); o RGB to YCbCr and YCbCr to TGB converters; o YCbCr filters; o Image statistics for YCbCr; o Other minor changes (fix of Canny edge detector, Pixellate filter updated, morph filter) • • • [20.09.2005] - Version 2.2.0 o Canny edge detector; o Oil painting, Conservative smoothing; o Simple image statistics threshold [20.08.2005] - Version 2.1.0 o Blob counter, Connected components labeling; o Sobel edge detector; o Adaptive smoothing, Gaussian blur, Image cropping [12.07.2005] - Version 2.0.0 o Homogeneity and Difference edge detectors; o Fourier transformation (lowpass and hipass filters); Trang 70 • • • • o AForge namespace; o Copy and Paste to clipboard; o Image saving and printing [20.06.2005] - Version 1.4.0 o More morphological methods (hit & miss, thinning, thickening); o HSL filters; o Gamma correction, filter iterator, etc [29.03.2005] - Version 1.3.0 o Resize and rotate; o Jitter, Shrink, more dithering methods; o MaskedFilter [20.03.2005] - Version 1.2.0 o More filters; o Preview window; o Grid colorization for morphology and convolution custom filters; o Support for two source filters; o Toolbar [03.03.2005] - Version 1.0.0 Sử dụng số chức thư viện: Mở ảnh định dạng ảnh // load an image System.Drawing.Bitmap image = (Bitmap) Bitmap.FromFile( fileName ); // format image AForge.Imaging.Image.FormatImage( ref image ); Cách sử dụng lọc thư viện: // load an image System.Drawing.Bitmap image = (Bitmap) Bitmap.FromFile( fileName ); Trang 71 // create filter AForge.Imaging.Filters.Median filter = new AForge.Imaging.Filters.Median( ); // apply filter System.Drawing.Bitmap newImage = filter.Apply( image ); Nếu cần tác động nhiều chức lọc ảnh, ta khai bao tập hợp chức lọc FiltersSequence, sau thêm vào filter chức lọc cần áp dụng cho hình Và sau ta cần áp dụng chức lọc lần: // create filters sequence AForge.Imaging.Filters.FiltersSequence filter = new AForge.Imaging.Filters.FiltersSequence( ); // add filters to the sequence filter.Add( new AForge.Imaging.Filters.Sepia( ) ); filter.Add( new AForge.Imaging.Filters.RotateBilinear( 45) ); filter.Add( new AForge.Imaging.Filters.ResizeBilinear( 320, 240 ) ); filter.Add( new AForge.Imaging.Filters.Pixellate( ) ); filter.Add( new AForge.Imaging.Filters.Jitter( ) ); filter.Add( new AForge.Imaging.Filters.Blur( ) ); // apply the sequence to an image System.Drawing.Bitmap newImage = filter.Apply( image ); Một số chức thư viện AForge áp dụng cho chương trình nhận dạng: Khởi tạo lại kích thước chuẩn cho ảnh: IFilter filt = new ResizeBilinear(512, 256); img = filt.Apply(img); Chuyển ảnh sang ảnh mức xám: Trang 72 IFilter way_filt= new GrayscaleY(); img = way_filt.Apply(img); Phân ngưỡng ảnh: way_filt = new Threshold(200); img = way_filt.Apply(img); Đảo màu ảnh: way_filt = new Invert(); img = way_filt.Apply(img); Bộ lọc Median: way_filt = new Median(); img = way_filt.Apply(img); Bộ lọc BlobsFiltering: BlobsFiltering filter = new BlobsFiltering(); filter.MinHeight = 30; filter.MinWidth = 15; filter.MaxHeight = 100; filter.ApplyInPlace(process_image); Bộ lọc BlobsCounter: BlobCounter blobs = new BlobCounter(imgArr[i]); Blob[] words = blobs.GetObjects(imgArr[i]); foreach (Blob word in words) imgArr[i] = word.Image; Cảm biến phát chuyển động: Bộ cảm biến phát chuyển động kết nối với máy tính thơng qua cổng giao tiếp COM Sau tơi trình bày sơ đồ mạch, nguyên lý hoạt động chương trình điều khiển đèn báo phận này: Trang 73 Nguyên lý hoạt động: Bình thường: + Led hồng ngoại phát chùm tia (hồng ngoại) tần số 38KHZ vào cảm biến thu, chân số cảm biến xuống mức + Đèn xanh sáng, Đèn đỏ tắt Khi có vật ngang qua (chắn chùm tia hồng ngoại) : + chân số lên mức (5V) + đèn đỏ sáng, đèn xanh tắt +Vi Xử Lí(89c51) phát gửi chuỗi ”BAT DAU CHUP” lên máy tính qua cổng COM + 5s sau đèn xanh sáng, đèn đỏ tắt Sơ đồ mạch: Mạch phát tia hồng ngoại: Trang 74 Khối điều khiển: Đèn đỏ Đèn xanh Tia hồng ngoại chiếu vào cảm biến thu Cổng COM Trang 75 Chương trình điều khiển đèn báo: INCLUDE 89C51.MC ORG 0000H MOV P2,#00H MAIN: MOV TMOD,#20H MOV TH1 ,#0FDH MOV SCON,#50H SETB TR1 JB P1.0,$ SETB P2.7 MOV DPTR,#MSG CLR A MOVC A,@A+DPTR JZ KETTHUC ACALL SEND INC DPTR SJMP LOOP LOOP: KETTHUC: ACALL DELAY5 CLR P2.7 SETB P2.6 ACALL DELAY1 CLR P2.6 SJMP MAIN DELAY5: MOV R7,#40 LOOP2: MOV R6,#250 LOOP1: MOV R5,#250 ; KHOI DONG TOC DO BAUD 9600 ; CONG NOI TIEP ,MODE Trang 76 DJNZ R5,$ DJNZ R6,LOOP1 DJNZ R7,LOOP2 DELAY1: MOV R7,#8 LOOP4: MOV R6,#250 LOOP3: MOV R5,#250 DJNZ R5,$ DJNZ R6,LOOP3 DJNZ R7,LOOP4 SEND: MOV SBUF,A HERE: JNB TI,HERE CLR TI RET NHAN: JNB RI,NHAN MOV A,SBUF CLR RI RET MSG: DB "BAT DAU CHUP",0 END Giao tiếp cổng COM: Trong Csharp sử dụng Control SerialPort Sau cách sử dụng serialPort: //setting (khởi tạo thông số) serialPort1.PortName = "COM1"; serialPort1.BaudRate = 9600; serialPort1.DataBits = 8; Trang 77 serialPort1.Encoding = Encoding.ASCII; serialPort1.Parity = Parity.None; serialPort1.StopBits = StopBits.One; serialPort1.ReceivedBytesThreshold = 1; //open serialPort serialPort1.Open(); //khi có vật di chuyển chắn tia hồng ngoại //xảy kiện serialPort_DataReceived if (sender == serialPort1) { datareceive = serialPort1.ReadExisting(); if (datareceive=="BAT DAU CHUP") { gọi nút Chụp ảnh nhận dạng } } //Close serialPort serialPort1.Close(); ... biến phát chuyển động, camera tr? ?c tuyến dùng để chụp ảnh xe, chương trình trích biển số, chương trình tách ký tự hình biển số, chương trình nhận dạng ký tự biển số Sau giới thiệu lịch sử phương... Phân tích phổ ngang cho ảnh chứa biển số Trang 45 Hình 3.4: Tách dịng chứa biển số Khi dãy ngang c? ? chứa biển số xe tách ra, ta c? ??n tìm giới hạn d? ?c cho biển số Để th? ?c vi? ?c này, biểu đồ cho hàng... nghiên c? ??u giải thuật trích biển số xe thơng qua ảnh chụp hay camera, tách ký tự biển số nhận dạng kí tự biển số xe, c? ?? thể sau: − Xây dựng c? ??m biến phát ảnh biển số tia hồng ngoại − Xây dựng chương