Tạp chı́ Khoa học Trường Đại học Cầ n Thơ Số chuyên đề: Công nghệ Thông tin (2015): 47-54 PHÁTHIỆNVÀNHẬNDẠNGBIỂNBÁOGIAOTHÔNGĐƯỜNGBỘSỬDỤNGĐẶCTRƯNGHOGVÀ MẠNG NƠRON NHÂN TẠO Trương Quốc Bảo1, Trương Hùng Chen2 Trương Quốc Định3 Khoa Công nghệ, Trường Đại học Cần Thơ Khoa Kỹ thuật - Công nghệ, Trường Cao đẳng Cần Thơ Khoa Công nghệ Thông tin & Truyền thông, Trường Đại học Cần Thơ Thông tin chung: Ngày nhận: 19/09/2015 Ngày chấp nhận: 10/10/2015 Title: Road traffic sign detection and recognition using HOG feature and Artificial Neural network Từ khóa: Hệ thốnggiaothơngthơng minh, biểnbáogiaothôngđường bộ, đặctrưng HOG, mạng Nơron, máy học vectơ hỗ trợ Keywords: Intelligent transport system, Road traffic signs, HOG features, Neural network, support vector machine (SVM) ABSTRACT In this paper, we proposed computer vision and machine learning algorithms for an automatic road-sign detection and recognition system using HOG feature and Neural networks Our system is able to detect and recognize almost road sign categories such as prohibition, danger, warning and information which are not overlapped The experiments are carried out on the dataset of 31 video files The average time to detect and identify the road signs on a frame image is approximately 0.021 seconds when using the classification model with the MLP neural network model, and approximately 0.099 seconds when using the SVM classification model The accuracy rate for road sign identification is about 94% for both models TĨM TẮT Trong báo này, chúng tơi trình bày thuật toán xử lý ảnh máy học để tự động phátnhậndạngbiểnbáogiaothôngđườngsửdụngđặctrưng cục HOG mạng Nơron nhân tạo Hệ thống có khả phátnhậndạng hầu hết loại biểnbáogiaothôngbiểnbáo cấm, biểnbáo nguy hiểm, biển hiệu lệnh biển dẫn không bị chồng lấp Thực nghiệm tiến hành với 31 video với thời gian trung bình để phátnhậndạngbiểnbáogiaothông frame ảnh xấp xỉ 0.021 giây sửdụng mơ hình phân lớp với mạng nơron nhân tạo khoảng 0.099 giây dùng mơ hình phân lớp SVM độ xác nhậndạng khoảng 94% nhậndạngbiểnbáogiaothông công cụ hỗ trợ hệ thốnggiaothôngthông minh Các hệ thốngphát triển ứng dụng ngành cơng nghiệp tự động hóa, thơng minh số quốc gia phát triển giới với nhiều cơng trình nghiên cứu (Arturo de la Escalera et al., 1997; Auranuch Lorsakul et al., 2007; Andrzej Ruta, 2009; Andrzej Ruta, 2011; hay Gauri A Tagunde et al., 2012) Ở Việt Nam, có số nghiên cứu lĩnh vực GIỚI THIỆU Việc ứng dụng công nghệ thông tin để giải vấn đề lĩnh vực giaothông chủ đề nóng nước ta Vấn đề phát triển giaothôngthông minh để giảm thiểu ùn tắc, tai nạn tiết kiệm nguồn lực thảo luận nhiều hội thảo, diễn đàn diễn đàn cấp cao Công nghệ Thông tin – Truyền thông Việt Nam (Vietnam ICT Summit), 2015 Phát 47 Tạp chı́ Khoa học Trường Đại học Cầ n Thơ Số chuyên đề: Công nghệ Thông tin (2015): 47-54 lược số loại biểnbáogiaothôngđườngsửdụng Việt Nam Các kết thực nghiệm thảo luận trình mục Mục kết luận định hướng báo nghiên cứu (Lê Thanh Tâm et al., 2009 hay Nguyễn Duy Khánh et al., 2011) Bài báo trình bày phương pháp phátnhậndạngbiểnbáogiaothôngđườngsửdụng kết hợp kỹ thuật phân đoạn ảnh, phátbiên phân tích hình dáng đối tượng để phát vùng ứng viên biểnbáogiaothơng Sau đó, rút trích đặctrưngHOG huấn luyện mạng Nơron nhân tạo để nhậndạngbiểnbáo Quy trình xử lý tổng quát phương pháp trình bày hình Đầu tiên, ảnh đầu vào phân đoạn để loại bỏ nhằm làm bật đối tượng biểnbáogiao thông, biên đối tượng xử lý lọc kích thước phân tích hình dáng để chọn vùng ứng viên biểnbáogiaothơng Tiếp theo, vùng ứng viên trích đặctrưng HOG, đặctrưng trích phân lớp với mơ hình mạng Nơron huấn luyện trước để nhậndạng loại biểnbáo Kết huấn luyện nhậndạng so sánh với mơ hình phân lớp sửdụng SVM để xác định mơ hình nhậndạng phù hợp Mục báo trình bày chi tiết phương pháp nghiên cứu, mục bao gồm kỹ thuật phân đoạn ảnh dựa không gian màu RGB IHLS, phương pháp ước lượng kích thước hình dángbiểnbáogiaothông dựa biên đối tượng để chọn vùng ứng viên, thuật tốn trích đặctrưngHOG vùng ứng viên biểnbáogiao thông, huấn luyện mạng Nơron Trước trình bày chi tiết nội dung, chúng tơi giới thiệu sơ Hình 1: Quy trình tổng qt thuật tốn phátnhậndạngbiểnbáogiaothôngđường PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Biểnbáogiaothôngđường Việt Nam Biểnbáogiaothông phương tiện dùng để thông báo, dẫn người tham giaothông điều khiển phương tiện lưu thông nhằm đảm bảo an tồn giaothơng quy chuẩn “Quy chuẩn kỹ thuật quốc gia báo hiệu đường bộ” Quy chuẩn ban hành kèm theo Thông tư số 17/2012/TT-BGTVT với mã số đăng ký là: QCVN 41: 2012/BGTVT Theo đó, biểnbáogiaothơngđường nước ta chia thành nhóm chính, Bảng trình bày số biểnbáo tương ứng với nhóm Bảng 1: Bốn nhóm biểnbáo nước ta TT Tên nhóm Biểnbáo cấm Nội dung Gồm 40 biểnbáo đánh số thứ tự từ 101 đến 140 tên tương ứng Các biểnbáo nhóm biểu thị điều cấm hạn chế mà người sửdụngđường phải chấp hành Một số biển thuộc nhóm là: , , , ,… Gồm 47 biểnbáo đượcđánh thứ tự từ 201 đến 247 tên tương ứng Các biểnBiểnbáo nguy hiểm dùng để cảnh báo tình nguy hiểm Một số biển nhóm là: , , , ,… , Gồm 10 biển có số thứ tự từ 301 đến 310 tên tương ứng, dùng để báoBiển hiệu lệnh hiệu lệnh cho người sửdụngđường Một số biển nhóm là: , ,… Gồm có 47 biển đánh thứ tự từ 401 đến 447 tên tương ứng, dùng để Biển dẫn hướng điều cần thiết Một số biển nhóm , ,… Đầu tiên, ảnh đầu vào không gian màu RGB 2.2 Phân đoạn ảnh chuyển sang không gian màu IHLS Phân đoạn ảnh bước quan trọng cơng thức (1), (2) (3).Trong đó, R thành phần ứng dụng xử lý ảnh Trong nghiên cứu này, đỏ (Red), G xanh lục (Green), B xanh lam tiến hành phân đoạn ảnh dựa vào màu đỏ (Blue) không gian màu RGB H thành (Red) biểnbáo cấm nguy hiểm; màu phần màu sắc (Hue), L độ sáng (Lightness), S xanh lam (Blue) biển hiệu lệnh dẫn độ bão hòa không gian màu IHLS 48 Tạp chı́ Khoa học Trường Đại học Cầ n Thơ Số chuyên đề: Công nghệ Thông tin (2015): 47-54 360 2.3 Phát vùng ứng viên Ảnh trắng đen thu giai đoạn trước lọc lọc Median kích thước 5x5 để loại bớt vùng nhiễu Tiếp theo, sửdụng hàm findContours() thư viện OpenCV để dò biên đối tượng ảnh Hình trình bày kết tìm biên đối tượng ảnh trắng đen trình bày Hình (1) L = 0.2126R + 0.7152G + 0.0722B (2) S = max(R, G, B) – min(R, G, B) (3) Sau chuyển ảnh sang không gian màu IHLS, giá trị H S chọn tương ứng với màu đỏ màu xanh lam biểnbáogiaothông Đối với màu đỏ, điểm ảnh (pixels) có giá trị H183 S>16 thể ảnh trắng đen với màu trắng (giá trị 1), điểm ảnh lại thể với màu đen (giá trị 0) Đối với màu xanh lam, tương tự trên, pixels có giá trị 143