Đồ án tốt nghiệp cử nhân công nghệ thông tin nhận dạng biển số xe

LỜI CẢM ƠN Qua thời gian học tập rèn luyện trường Đại học Công nghệ thông tin truyền thông - Đại học Thái Nguyên, đến chúng em kết thúc khoá học năm hoàn thành đồ án tốt nghiệp Để có kết em xin chân thành cảm ơn:  Ban chủ nhiệm trường đại học Công nghệ thông tin truyền thông thầy cô giáo khoa giảng dạy, quan tâm tạo điều kiện thuận lợi để chúng em học tập rèn luyện suốt thời gian theo học trường  Thạc sỹ: Quách Xuân Trưởng tận tình hướng dẫn, giúp đỡ em trình học tập đặc biệt suốt thời gian làm đồ án tốt nghiệp Thầy quan tâm nhiệt tình hướng dẫn em từ việc tìm tài liệu việc định hướng lựa chọn giải pháp để triển khai đồ án Thầy nhắc nhở, động viên em gặp khó khăn, nhờ mà em hoàn thành tốt đồ án tốt nghiệp thời hạn  Em xin gửi lời cảm ơn tới gia đình, bạn bè, người động viên, giúp đỡ em nhiều thời gian học tập làm đồ án tốt nghiệp Thái nguyên, ngày tháng năm 2012 Sinh viên thực Đinh Nam Hải LỜI CAM ĐOAN Đồ án tốt nghiệp sản phẩm toàn kiến thức mà sinh viên học suốt thời gian học tập trường đại học Ý thức điều với tinh thần nghiêm túc, tự giác lao động miệt mài thân hướng dẫn nhiệt tình thầy giáo - Quách Xuân Trưởng em hoàn thành xong đồ án tốt nghiệp Em xin cam đoan nội dung đồ án em không chép nội dung từ đồ án khác sản phẩm đồ án thân em nghiên cứu xây dựng lên Mọi thông tin sai lệch em xin hoàn toàn chịu trách nhiệm trước hội đồng bảo vệ Lời nói đầu Cùng với phát triển khoa học kỹ thuật nhu cầu lại ngày tăng, số lượng phương tiện giao thông đường ngày xuất nhiều Với số lượng phương tiện giao thông lớn, không ngừng tăng lên làm nảy sinh nhiều vấn đề việc kiểm soát quản lý phương tiện Để giải vấn đề nhu cầu đặt áp dụng hệ thống tự động Do mục đích nghiên cứu tìm hiểu xây dựng hệ thống “Nhận dạng biển số xe” từ hình ảnh, phim thiết bị ghi hình kỹ thuật số Nhằm trợ giúp cho công tác phát xe vi phạm giao thông, chống trộm, quản lý, … dễ dàng nhanh chóng Sau ứng dụng hệ thống nhận dạng biển số xe nói chung: Thu phí giao thông, Kiểm soát xe đường biên giới, trạm gác cổng, công tác chống trộm, bãi giữ xe tự động, … Như hệ thống tự động khác, hệ thống yêu cầu có phần cứng phần mềm Phần cứng camera có tác dụng thu nhận hình ảnh, phần mềm xử lý hình ảnh Với phát triển kỹ thuật điện tử, camera dễ dàng có khả thu nhận hình ảnh vấn đ ề đ ặt vấn đề quan trọng hệ thống, định tính hiệu hệ thống xử lý ảnh phần mềm xử lý ảnh Với vai trò phân tích nghiên cứu tập trung vào giải vấn đề đặt xử lý ảnh để đưa xác biển số xe CHƯƠNG I: TỔNG QUAN ĐỀ TÀI NGHIÊN CỨU 1.1 Giới thiệu đề tài nghiên cứu 1.1.1 Khái niệm chức hệ thống thu phí Mô hình hoạt động hệ thống thu phí đơn giản là: người lái xe có mua vé lối vào đưa cho người có chức thu vé l ối Phòng thu vé với rào cản xe tự động đặt đầu trạm thu vé Với tiến công nghệ, hệ thống tự động, từ đem lại lưu thông tốt cho phương tiện cải thiện dịch vụ cho người dùng nhà khai thác 1.1.2 Sự phát triển hệ thống thu phí nước khác giới Hệ thống kiểm soát thu phí cài đặt lần Singapore vào năm 1990 cách sử dụng công nghệ Nhật Bản Gần thành phố London – Anh đưa cách tính thuế với hy vọng giảm l ưu lượng xe vào thành phố khoảng 15% Hệ thống hoạt động t tháng năm 2003 mang lại kết mong muốn thành phố việc quản lý dòng phương tiện vào thành phố Khoảng 800 máy quay video đặt lối vào bên khu vực rộng khoảng 22km2 tâm London.Các máy quay tự động nhận dạng biển số xe tự động so sánh chúng với vé xe toán sở liệu Hệ thống cửa vào trạm thu phí lựa chọn để tránh lãng phí thời gian lái xe họ lái xe vào thành phố Công nghệ tự động thu phí phát triển cách rộng rãi theo cách khác quốc gia toàn giới 1.1.3 Hệ thống trạm thu phí Việt Nam Thời gian gần đây, mô hình trạm thu phí tự động phát triển rộng rãi Việt Nam Đã sử dụng nhiều mô hình quản lý xe điều kiện khác như: bãi gửi xe tự động, trạm thu phí, v.v… Tuy vậy, nhiều bãi gửi xe sử dụng phương pháp ghi biển số xe người gửi vào tờ vé xe đưa cho người gửi Cách làm dẫn đến việc, lưu lượng xe vào lúc đông dẫn đến vấn đề ùn tắc nơi gửi xe việc ghi vé không nhanh chóng, dẫn đ ến việc ghi nhầm lẫn số ghi nhanh để đáp ứng nhu cầu người gửi, v.v… 1.2 Công nghệ nhận dạng ảnh 1.2.1 Khái niệm nhận dạng mẫu Nhận dạng mẫu (pattern recognition) ngành thuộc lĩnh vực học máy(machine learning) Nói cách khác, xem việc “cần thực tác động vào liệu thô mà tác động cụ thể tùy thuộc vào loại liệu đó” Như tập hợp phương pháp học có giám sát (supervised learning) Nhận dạng mẫu nhằm mục đích phân loại liệu (là mẫu) dựa trên: kiến thức tiên nghiệm dựa vào thông tin thống kê trích rút từ mẫu có sẵn Các mẫu cần phân loại thường biểu diễn thành nhóm liệu đo đạc hay quan sát được, nhóm điểm không gian đa chiều phù hợp Đó không gian đặc tính mà dựa vào ta phân loại Một hệ thống nhận dạng mẫu hoàn thiện gồm có thiết bị cảm nhận (sensor) để thu thập quan sát cần cho việc miêu tả; chế trích rút đặc trưng để tính toán thông tin dạng số hay dạng tượng trưng từ liệu quan sát được; phân loại nhằm thực công việc phân loại thực dựa vào đặc tính trích rút Việc phân loại thường dựa vào có sẵn tập mẫu mà phân loại hay mô tả sẵn Tập mẫu gọi tập huấn luyện chiến lược học nhằm phân loại mẫu vào lớp có sẵn gọi học có giám sát Việc học giám sát, theo nghĩa hệ thống không cung cấp mẫu cung cấp mẫu đánh nhãn tiên nghiệm, mà phải tự đưa lớp để phân loại dựa vào tính ổn định thống kê mẫu Việc phân loại thường dùng hướng tiếp cận sau: thống kê, cú pháp Nhận dạng mẫu dùng thống kê dựa vào đặc tính thông kê mẫu, chẳng hạn mẫu tạo hệ thống xác suất Nhận dạng dùng cấu trúc dựa vào tương quan cấu trúc mẫu Các ưng dụng phổ biến là: nhận dạng tiếng nói tự động, phân loại văn thành nhiều loại khác (ví dụ: thư điện tử spam/ nonspam), nhận dạng tự động mã bưu điện viết tay bao thư, hay hệ thống nhận dạng danh tính dựa vào mặt người 1.3 Mô hình triển khai ứng dụng nhận dạng biển số vào toán quản lý biển số xe Từ phân tích dựa điều kiện áp dụng điều kiện mặt công nghệ Mô hình triển khai cho toán quản lý biển số xe gồm phần: - Clients: o Nhận ảnh đầu vào, tách biển số đưa lên server để kiểm tra o Do điều kiện thực tế Việt Nam, có vài trường hợp biển số khó nhận dạng nhân viên quản lý xem nhập trực tiếp biển số vào hệ thống o Kiểm tra thông tin từ server, tùy vào loại vé, vé in để đưa cho người gửi xe - Server: o Quản lý thông tin vé xe, xe khách đăng ký gửi, quản lý biển số xe, loại vé o Xem thông tin khách đăng ký - Webservice: o Mã hóa liệu o Kiểm tra liệu đầu vào từ clients gửi thông tin lên o Bảo mật sở liệu CHƯƠNG II: CƠ SỞ LÝ THUYẾT 2.1 XỬ LÝ ẢNH, CÁC VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH 2.1.1 Xử lý ảnh gì? Con người thu nhận thông tin qua giác quan, thị giác đóng vai trò quan trọng Những năm trở lại với phát triển phần cứng máy tính, xử lý ảnh đồ hoạ phát triển cách mạnh mẽ có nhiều ứng dụng sống Xử lý ảnh đồ hoạ đóng vai trò quan trọng tương tác người máy Quá trình xử lý ảnh xem trình thao tác ảnh đầu vào nhằm cho kết mong muốn Kết đầu trình xử lý ảnh ảnh “tốt hơn” kết luận Hình Quá trình xử lý ảnh Ảnh xem tập hợp điểm ảnh điểm ảnh xem đặc trưng cường độ sáng hay dấu hiệu vị trí đối tượng không gian xem hàm n biến P(c 1, c2, , cn) Do đó, ảnh xử lý ảnh xem ảnh n chiều Sơ đồ tổng quát hệ thống xử lý ảnh: Hình 1.2 Các bước hệ thống xử lý ảnh 2.1.2 Các vấn đề xử lý ảnh 2.1.2.1 Một số khái niệm * Ảnh điểm ảnh: Điểm ảnh xem dấu hiệu hay cường độ sáng toạ độ không gian đối tượng ảnh xem tập hợp điểm ảnh * Mức xám, màu Là số giá trị có điểm ảnh ảnh 2.1.2.2 Nắn chỉnh biến dạng Ảnh thu nhận thường bị biến dạng thiết bị quang học điện tử Ảnh thu nhận Ảnh mong muốn Hình 1.3 Ảnh thu nhận ảnh mong muốn Để khắc phục người ta sử dụng phép chiếu, phép chiếu thường xây dựng tập điểm điều khiển Giả sử (Pi, Pi’) i = có n tập điều khiển Tìm hàm f: Pi f (Pi) cho Giả sử ảnh bị biến đổi bao gồm: Tịnh tiến, quay, tỷ lệ, biến dạng bậc tuyến tính Khi hàm f có dạng: f (x, y) = (a1x + b1y + c1, a2x + b2y + c2) Ta có: Để cho φ → Giải hệ phương trình tuyến tính tìm Tương tự tìm a1, b1, c1 a2, b2, c2 ⇒ Xác định hàm f 2.1.2.3 Khử nhiễu Có loại nhiễu trình thu nhận ảnh • Nhiều hệ thống: nhiễu có quy luật khử phép biến đổi • Nhiễu ngẫu nhiên: vết bẩn không rõ nguyên nhân → khắc phục phép lọc 2.1.2.4 Chỉnh mức xám Nhằm khắc phục tính không đồng hệ thống gây Thông thường có hướng tiếp cận: • Giảm số mức xám: Thực cách nhóm mức xám gần thành bó Trường hợp có mức xám chuyển ảnh đen trắng Ứng dụng: In ảnh màu máy in đen trắng • kỹ Tăng số mức xám: Thực nội suy mức xám trung gian thuật nội suy Kỹ thuật nhằm tăng cường độ mịn cho ảnh 2.1.2.5 Phân tích ảnh Là khâu quan trọng trình xử lý ảnh để tiến tới hiểu ảnh Trong phân tích ảnh việc trích chọn đặc điểm bước quan trọng Các đặc điểm đối tượng trích chọn tuỳ theo mục đích nhận dạng trình xử lý ảnh Có thể nêu số đặc điểm ảnh sau đây: Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn v.v Đặc điểm biến đổi: Các đặc điểm loại trích chọn việc thực lọc vùng (zonal filtering) Các vùng gọi “mặt nạ đặc điểm” (feature mask) thường khe hẹp với hình dạng khác (chữ nhật, tam giác, cung tròn v.v ) Đặc điểm biên đường biên: Đặc trưng cho đường biên đối tượng hữu ích việc trích trọn thuộc tính bất biến dùng nhận dạng đối tượng Các đặc điểm trích chọn nhờ toán tử gradient, toán tử la bàn, toán tử Laplace, toán tử “chéo không” (zero crossing) v.v Việc trích chọn hiệu đặc điểm giúp cho vi ệc nh ận d ạng đ ối t ượng ảnh xác, với tốc độ tính toán cao dung l ượng nhớ l ưu tr ữ gi ảm xu ống 2.1.2.6 Nhận dạng Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại phân nhóm mẫu vấn đề quan trọng thị giác máy, ứng dụng nhiều ngành khoa học khác Tuy nhiên, câu hỏi đặt là: mẫu (pattern) gì? Watanabe, người đầu lĩnh vực định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu thực thể (entity), xác định cách ang (vaguely defined) gán cho tên gọi đó” Ví dụ mẫu ảnh vân tay, ảnh vật chụp, chữ viết, khuôn mặt người ký đồ tín hiệu tiếng nói Khi biết mẫu đó, để nhận dạng phân loại mẫu có thể: Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt (discriminant analyis), mẫu đầu vào định danh thành phần lớp xác định Hoặc phân loại mẫu (unsupervised classification hay clustering) mẫu gán vào lớp khác dựa tiêu chuẩn đồng dạng Các lớp thời điểm phân loại chưa biết hay chưa định danh Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây: 1o Thu nhận liệu tiền xử lý 2o Biểu diễn liệu 3o Nhận dạng, định Bốn cách tiếp cận khác lý thuyết nhận dạng là: 1o Đối sánh mẫu dựa đặc trưng trích chọn 2o Phân loại thống kê 3o Đối sánh cấu trúc 4o Phân loại dựa mạng nơ-ron nhân tạo Trong ứng dụng rõ ràng dùng có cách tiếp cận đơn lẻ để phân loại “tối ưu” cần sử dụng lúc nhiều phương pháp cách tiếp cận khác Do vậy, phương thức phân loại tổ hợp hay sử dụng nhận dạng có kết có triển vọng dựa thiết kế hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp Việc giải toán nhận dạng ứng dụng mới, nảy sinh sống không tạo thách thức thuật giải, mà đặt yêu cầu tốc độ tính toán Đặc điểm chung tất ứng dụng đặc điểm đặc trưng cần thiết thường nhiều, chuyên gia đề xuất, mà phải trích chọn dựa thủ tục phân tích liệu 2.1.2.7 Nén ảnh Nhằm giảm thiểu không gian lưu trữ Thường tiến hành theo hai cách khuynh hướng nén có bảo toàn không bảo toàn thông tin Nén không bảo toàn thường có khả nén cao khả phục hồi Trên sở hai khuynh hướng, có cách tiếp cận nén ảnh: • Nén ảnh thống kê: Kỹ thuật nén dựa vào việc thống kê tần xuất xuất giá trị điểm ảnh, sở mà có chiến lược mã hóa thích hợp Một ví dụ điển hình cho kỹ thuật mã hóa *.TIF • Nén ảnh không gian: Kỹ thuật dựa vào vị trí không gian điểm ảnh để tiến hành mã hóa Kỹ thuật lợi dụng giống điểm ảnh vùng gần Ví dụ cho kỹ thuật mã nén *.PCX • Nén ảnh sử dụng phép biến đổi: Đây kỹ thuật tiếp cận theo hướng nén không bảo toàn vậy, kỹ thuật thướng nến hiệu *.JPG tiếp cận theo kỹ thuật nén • Nén ảnh Fractal: Sử dụng tính chất Fractal đối tượng ảnh, thể lặp lại chi tiết Kỹ thuật nén tính toán để cần lưu trữ phần gốc ảnh quy luật sinh ảnh theo nguyên lý Fractal 2.2 THU NHẬN VÀ BIỂU DIỄN ẢNH 2.2.1 Màu sắc Mắt người phân biệt vài chục màu cảm nhận hàng ngàn màu Ba thuộc tính màu là: Sắc (Hue), Đ ộ khiết (Saturation), độ sáng hay độ chói (Itensity) Trong xử lý ảnh đồ họa, mô hình màu số kỹ thuật hệ tọa độ màu chiều với tập màu nhỏ thành phần trông thấy đ ược hệ thống tọa độ màu thuộc gam màu đặc trưng Ví dụ mô hình màu RGB (Red, Green, Blue): đơn vị tập màu thành phần xếp theo hình lập phương hệ trục tọa độ Đề Mục đích mô hình màu cho phép số kỹ thuật quy ước số loại màu sắc thích hợp với màu sắc số gam màu khác Chúng ta nhìn thấy mô hình màu này, không gian màu tập hợp nhỏ không gian màu nhìn thấy được, mô hình màu sử dụng để định rõ tất nhìn thấy Sau đây, ta xem xét số mô hình hay sử dụng 2.2.1.1 Mô hình màu RGB (Red, Green, Bule) Màu đỏ, lục – xanh cây, lam – xanh da trời (RGB) sử dụng phổ biến Những màu gốc RGB thêm vào màu gốc khác điều tạo nên đóng góp riêng màu gốc thêm để mang lại kết qaủ Tập hợp màu nhỏ thành phần xếp theo khối lập phương đơn vị Đường chéo khối lập phương với cân số lượng màu gốc tương ứng với mức độ xám với đen (0,0,0) trắng (1,1,1) Hình 1.4 Mô hình màu RGB 2.2.1.2 Mô hình màu CMY (Cyan, Magenta, Yellow) Là phần bù tương ứng cho màu đỏ, lục, lam cúng sử dụng lọc loại trừ màu từ ánh sáng trắng Vì CMY gọi phần bù loại trừ màu gốc Tập hợp màu thành phần biểu diễn hệ tọa độ Đề-các cho mô hình mầu CMY giống cho mô hình màu RGB ngoại trừ màu trắng (ánh sáng trắng), thay màu đen (không có ánh sáng) nguồn sáng Các màu thường tạo thành cách loại bỏ bù từ ánh sáng trắng thêm vào màu tối Hình 1.5 Các màu gốc bù pha trộn chúng Khi bề mặt bao phủ lớp mực màu xanh tím, tia màu đỏ phản chiếu từ bề mặt Màu xanh tím loại bỏ phần màu đỏ phản xạ có tia sáng trắng, mà chất tổng màu đỏ, lục, lam Vì ta coi màu Cyan màu trắng trừ màu đỏ màu lam cộng màu lục Tương tự ta có màu đỏ thẫm (magenta) hấp thụ màu lục, tương đương với màu đỏ cộng màu lam Và cuối màu vàng (yellow) hấp thụ màu lam, màu đỏ cộng với lục Khi bề mặt thực thể bao phủ xanh tím vàng, chúng hấp thụ hết phần màu đỏ xanh lam bề mặt Khi tồn màu lục bị phản xạ từ chiếu sáng ánh sáng trắng Trong trường hợp bề mặt bao phủ màu xanh tím, vàng, đỏ thẫm, tượng hấp thụ xảy màu đỏ, lục lam Do đó, màu đen màu c bề mặt Những mối liên hệ miêu tả bởi: 2.2.1.3 Mô hình màu HSV (Hue, Saturation, Value) Các mô hình màu RGB, CMY định hướng cho phần cứng trái ngược với mô hình màu HSV Smith hay gọi mẫu HSB với B Brightness (độ sáng), định hướng người sử dụng dựa sở tảng trực giác tông màu, sắc độ sắc thái mỹ thuật Hệ thống tọa độ có dạng hình trụ tập màu thành phần không gian bên mô hình màu xác định hình nón hình chóp sáu cạnh hình 1.7 Đỉnh hình chóp sáu cạnh V= chứa đựng mối quan hệ màu sáng màu mặt phẳng với V= có màu sáng Hình 1.7 Mô hình màu HSV Sắc màu (hue) H đo góc quanh trục đứng với màu đỏ 0o, màu lục 120o, màu lam 240o (xem hình 1.7) Các màu bổ sung hình chóp HSV 180o đối diện với màu khác Giá trị S tập giá trị từ đường trục tâm (trục V) đến mặt bên đỉnh hình chóp sáu cạnh Sự bão hòa đo tương đối cho gam màu tương ứng với mô hình màu Mô hình màu dạng hình chóp sáu cạnh đường cao V với đ ỉnh điểm gốc tọa độ (0,0) Điểm đỉnh màu đen có giá trị tọa độ màu V= 0, điểm giá trị H S không liên quan với Khi điểm có S= V= điểm màu trắng, giá trị trung gian V S= (trên đường thẳng qua tâm) màu xám Khi S= giá trị H phụ thuộc gọi quy ước không xác định, ngược lại S khác giá trị H phụ thuộc Như màu V= 1, S= giốg màu khiết mỹ thuật sử dụng điểm khởi đầu màu pha Thêm màu trắng phù hợp để giảm S (không có thay đổi V) tạo nên thay đổi sắc thái gam màu Sự chuyển màu tạo việc giữ S= giảm V tạo nên thay đổi ề sắc độ tông màu tạo thành việc thay đổi hai S V 2.2.1.4 Mô hình màu HLS Mô hình màu HLS xác định tập hợp hình chóp sáu cạnh đôi c không gian hình trụ Sắc màu góc quanh trục đứng cảu hình chóp sáu cạnh đôi với màu đỏ góc 0o Các màu xác định theo thứ tự giống biểu đồ CIE ranh giới bị xoay ngược chiều kim đồng hồ: Màu đỏ, màu vàng, màu lục, màu xanh tím, màu lam đỏ thẫm Điều giống nh thứ tự sắc xếp mẫu hình chóp sáu cạnh đơn HSV Chúng ta xem mẫu HLS biến dạng cảu mẫu HSV mà mãu màu trắng kéo hướng lên hình chóp sáu cạnh phía từ mặt V= Như với mẫu hình chóp sáu cạnh đơn, phần bổ sung màu sắc đặt vị trí 180o xunh quanh hình chóp sáu cạnh đôi, bão hòa đo xung quanh trục đứng, từ trục tới bề mặt Độ sáng không cho màu đen cho màu trắng 2.2.2 Thu nhận, thiết bị thu nhận ảnh Các thiết bị thu nhận ảnh bao gồm camera, scanner thiết bị thu nhận cho ảnh đen trắng Các thiết bị thu nhận ảnh có loại ứng với loại ảnh thông dụng Raster, Vector Các thiết bị thu nhận ảnh thông thường Raster camera thiết bị thu nhận ảnh thông thường Vector sensor bàn số hoá Digitalizer chuyển đổi từ ảnh Raster  ... quay tự động nhận dạng biển số xe tự động so sánh chúng với vé xe toán sở liệu Hệ thống cửa vào trạm thu phí lựa chọn để tránh lãng phí thời gian lái xe họ lái xe vào thành phố Công nghệ tự động... biển số khó nhận dạng nhân viên quản lý xem nhập trực tiếp biển số vào hệ thống o Kiểm tra thông tin từ server, tùy vào loại vé, vé in để đưa cho người gửi xe - Server: o Quản lý thông tin vé xe, ... nonspam), nhận dạng tự động mã bưu điện viết tay bao thư, hay hệ thống nhận dạng danh tính dựa vào mặt người 1.3 Mô hình triển khai ứng dụng nhận dạng biển số vào toán quản lý biển số xe Từ phân