Nghiên cứu phát triển phần mềm quan trắc giao thông bằng camera báo cáo tổng kết kết quả đề tài khcn cấp trường msđt t ktxd 2013 57

Trang Đề tài nghiên cứu khoa học cấp Trường   Danh sách cán tham gia thực đề tài (Ghi rõ học hàm, học vị, đơn vị công tác gồm môn, Khoa/Trung tâm) TS Văn Hồng Tấn, Bộ môn Cầu Đường, Khoa KT-Xây dựng ThS Phan Châu Vinh, nguyên học viên Cao học Khóa 11, ngành Xây dựng đường tơ đường thành phố Văn Hồng Tấn & Phan Châu Vinh   Trang Đề tài nghiên cứu khoa học cấp Trường MỤC LỤC Chương 1: Tổng quan 1.1 Đặt vấn đề nghiên cứu 1.2 Mục tiêu nghiên cứu 1.3 Giả thiết khoa học đề tài nghiên cứu Chương 2: Cơ sở lý thuyết 2.1 Các nghiên cứu trước 2.2 Ứng dụng kỹ thuật phân tích mật độ điểm biên để xác định mật độ dòng xe Chương 3: Phương pháp nội dung nghiên cứu 11 3.1 Nội dung thực phạm vi nghiên cứu 11 3.2 Thiết lập hệ thống quan trắc thực địa camera 11 3.3 Tiến hành ghi hình thu thập liệu 13 3.4 Xây dựng chương trình thu thập số liệu 14 3.5 Xây dựng mơ hình xác định mật độ dòng xe 02 bánh từ mật độ điểm ảnh 18 Chương 4: Chương trình xác định thơng số dịng xe 20 4.1 Giới thiệu sơ lược chương trình 20 4.2 Hoạt động chương trình 21 4.3 Đánh giá sai số chương trình 25 Chương 5: Kết luận kiến nghị 28 5.1 Kết luận 28 5.2 Kiến nghị 28 Phụ lục 30 Văn Hồng Tấn & Phan Châu Vinh   Trang Đề tài nghiên cứu khoa học cấp Trường CHƯƠNG 1: TỔNG QUAN 1.1 Đặt vấn đề nghiên cứu: ‐ Ở Tp Hồ Chí Minh nhiều thị lớn, với phát triển kinh tế, số lượng phương tiện giao thông ngày tăng, đặc biệt xe gắn máy Với điều kiện Việt Nam, xe gắn máy thuận lợi việc di chuyển Ngoài phương tiện xe gắn máy chiếm ưu thế, cịn có loại phương tiện khác xe đạp, xe con, xe tải nhẹ, xe bus, xe đầu kéo…cùng di chuyển mạng lưới đường, đơi cịn đường Đây gọi dòng xe hỗn hợp với hành vi di chuyển mang tính ngẫu nhiên cao, với mật độ cao, không theo Do vậy, ta khó xác định thơng số dịng xe dùng thiết bị dị tìm vịng từ (loop detector) áp dụng phổ biến nước tiên tiến với ô tô loại phương tiện chiếm ưu Bên cạnh đó, lượng xe đến nút giao thông thường thay đổi theo hướng theo thời điểm khác ngày, theo kiện, cố xảy gần nút Trong đó, hệ thống điều khiển giao thông thành phố đèn có chu kỳ pha cố định Nếu có thay đổi hồn tồn điều khiển thủ công nhân viên, cảnh sát điều khiển giao thông Khi lưu lượng giao thông từ hướng đến nút có biến đổi, hệ thống khơng thể tự động thay đổi thích ứng chu kỳ để đóng vai trị điều tiết giao thơng ‐ Cùng với phát triển khoa học kỹ thuật cơng nghệ mới, tiên tiến áp dụng tin học tự động hóa ngày áp dụng rộng rãi sống để phục vụ người, giúp thay người nhiều công việc Thời gian gần đây, với phổ biến internet hệ thống truyền liệu, có dây, không dây băng thông rộng kết hợp với hệ thống camera ghi hình chịu điều kiện thời tiết ngồi trời, hoạt động 24/24 (camera giao thơng, phục vụ theo dõi tình trạng giao thơng) việc phân tích cách hiệu liệu thu từ camera này, đưa thông số hữu ích, tự động đưa cảnh báo, hiệu chỉnh chu kỳ đèn tín hiệu…là yêu cầu đáng quan tâm, đem lại nhiều lợi ích to lớn Bên cạnh liệu sau xử lý (mật độ, lưu lượng, vận tốc ) thu thập sở liệu để đánh giá hiệu khai thác tuyến đường, đánh giá vai trò tuyến đường mạng lưới chung hệ thống đường thị ‐ Với trình bày nêu dẫn đến vấn đề cần giải là: Xác định thơng số dịng xe hai bánh (mật độ, lưu lượng, vận tốc ) vào/ra nút hay tuyến đường dựa hệ thống camera chương trình xử lý Văn Hồng Tấn & Phan Châu Vinh   Trang Đề tài nghiên cứu khoa học cấp Trường 1.2 Mục tiêu nghiên cứu: ‐ Việc áp dụng Hệ thống giao thông minh, công nghệ, thiết bị đại quản lý, điều khiển, quy hoạch hệ thống giao thông, đặc biệt giao thông đô thị điều tất yếu xu phát triển Các camera giao thông đầu tư lắp đặt nhiều vị trí thường xuyên xảy ùn tắt giao thông thành phố nhằm giúp người quản lý theo dõi, đưa cảnh báo cho lái xe thông qua hệ thống radio, tin nhắn điện thoại, điều động nhân lực phân luồn giải ùn tắt…Khai thác hiệu hệ thống camera giao thông đem lại nhiều lợi ích to lớn, với mục đích đó, nghiên cứu có mục tiêu sau: + Xây dựng phương pháp phân tích, xác định mật độ hình ảnh (số liệu điểm ảnh) từ camera, từ thu thập liệu mối tương quan số phương tiện xuất vùng quan sát camera với số lượng điểm ảnh + Xây dựng mơ hình dự báo số phương tiện xuất vùng xử lý (vùng định khu vực quan sát camera giao thơng) dựa liệu điểm ảnh có + Áp dụng mơ hình để xây dựng chương trình xác định tự động mật độ phương tiện xe hai bánh + Đánh giá độ xác, hiệu việc sử dụng camera quan trắc giao thông kết hợp phần mềm xử lý so với đếm trực tiếp thủ công 1.3 Giả thiết khoa học đề tài nghiên cứu: ‐ Đề tài nghiên cứu dựa giả thiết khoa học: Mật độ hình ảnh thu từ camera giao thơng có tương quan mật thiết mật độ dịng xe hai bánh, việc phân tích liệu mật độ hình ảnh ước lượng mật độ dòng xe hai bánh thông số khác Văn Hồng Tấn & Phan Châu Vinh   Trang Đề tài nghiên cứu khoa học cấp Trường CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Các nghiên cứu trước 2.1.1 Các nghiên cứu nước: ‐ Năm 2006, Đặng Quang Thạch “Ứng dụng công nghệ định dạng ảnh thu thập thơng tin dịng giao thơng “, đề tài xây dựng thuật tốn xử lý ảnh thực chức tự động thu thập liệu dịng giao thơng đáp ứng u cầu nhằm cung cấp thông tin lưu lượng, mật độ, chủng loại tốc độ dòng phương tiện; làm việc với dịng giao thơng hỗn hợp mà thành phần chủ yếu xe máy Việt Nam; ‐ Cũng năm 2006, Đề tài KHCN cấp Nhà nước “Nghiên cứu ứng dụng cơng nghệ Tự động hố quản lý, điều hành giao thông đô thị” Mã số KC.03.21 (2003-2005) Chủ trì: PGS.TS Lê Hùng Lân Đề tài “Ứng dụng công nghệ định dạng ảnh thu thập thơng tin dịng giao thơng” nói phần nội dung đề tài KHCN cấp Nhà nước ‐ Nội dung “Ứng dụng công nghệ định dạng ảnh thu thập thơng tin dịng giao thơng” 02 đề tài nói tiếp cận theo hướng so sánh mẫu để nhận dạng đối tượng, bắt bám theo đối tượng vào khỏi khung hình từ tính tốn thơng số chuyển động đối tượng Các đối tượng phân loại dựa hình dạng, diện tích, chu vi đường bao đối tượng 2.1.2 Các nghiên cứu nước: ‐ Nhiều hệ thống phân tích hình ảnh thu từ camera giao thông để xác định thông số dòng xe nhiều yếu tố khác nghiên cứu áp dụng giới như: Hệ thống TRIP (Anh), Sample Points (Nhật Bản), ACRC (Anh), IMPACT (Anh) ‐ Các ph ng pháp đ c trình bày   trên (ngồi ph ng pháp x  lý hình  nh  video giao thơng) ch  áp d ng có hi u qu  đ i v i các tuy n đ ng có các xe ch y  theo làn riêng bi t, các ph ng ti n ch  y u là ô tô v i giãn cách và t c đ  t ng  đ i đ ng đ u.   đi u ki n giao thơng đơ th    n c ta, dịng giao thơng h n h p v i  thành ph n xe máy chi u t  l  l n thì vi c áp d ng các ph ng pháp này đ  có k t  qu  chính xác cao là đi u khơng th  V i s  phát tri n nhanh chóng c a các cơng  ngh , thu t tốn x  lý  nh, vi c  ng d ng các ph ng pháp  ng d ng k  thu t x  lý  nh đ  xác đ nh các thơng s  c a dịng xe 02 bánh đ a đ n nh ng k t qu  có đ   chính xác khá cao. M t trong các ph ng pháp xác đ nh m t đ  dịng xe b ng k   thu t x  lý  nh đ c nghiên c u và trình bày trong nghiên c u này.  Văn Hồng Tấn & Phan Châu Vinh   Trang Đề tài nghiên cứu khoa học cấp Trường 2.2 Ứng dụng kỹ thuật phân tích mật độ điểm biên để xác định mật độ dòng xe: 2.2.1 Khái niệm điểm ảnh: - Điểm ảnh thành tố tạo nên ảnh Trên hình máy tính chúng điểm sáng li ti tạo ảnh giúp nhìn thấy Số điểm ảnh phân bổ cột đứng hàng ngang hình gọi Độ phân giải hình Hình 2.2.1: Một pixel 2.2.2 Khái niệm điểm biên: - Một điểm ảnh coi điểm biên có thay đổi đột ngột độ xám hay độ sáng (gray value) Tập hợp điểm biên tạo thành tạo thành biên hay đường bao ảnh ảnh (boundary) Biên hình ảnh khu vực dài điểm có độ sáng/xám tương phản mạnh (có bước nhảy độ sáng) với điểm sáng lân cận Việc tìm biên cho phép giảm lượng lớn liệu, giữ lại liệu cần thiết định cho xử lý ảnh - Riêng quan trắc giao thông, việc phát biên ảnh phương tiện hình ảnh ghi nhận từ camera cho phép ta ước lượng mật độ dòng xe đánh giá tỷ số số điểm ảnh biên so với số điểm ảnh vùng xử lý - Về mặt toán học, điểm biên ảnh điểm có thay đổi đột ngột giá trị độ xám Sự biến thiên mức xám điểm ảnh vùng thường nhỏ biến thiên mức xám điểm vùng giáp ranh với biên lại lớn - Các kiểu biến thiên độ xám điểm biên: Hình 2.2.2: Các biểu đồ biến thiên độ xám 2.2.3 Các phương pháp dò tìm điểm biên (edge detector) : - Việc dị tìm biên ảnh có hai nhóm phương pháp: Laplace Gradient Nghiên cứu xem xét chọn ba phương pháp thích hợp Văn Hồng Tấn & Phan Châu Vinh   Trang Đề tài nghiên cứu khoa học cấp Trường nhất: phương pháp Gradient với mặt nạ nhân chập Sobel, phương pháp Laplace với mặt nạ H2, phương pháp Canny Phương pháp Gradient: dị tìm giá trị cực trị đạo hàm bậc hàm diễn biến cường độ sáng ảnh Phương pháp Gradient xác định độ dốc hai chiều vị trí hình 2D dạng trắng đen (grayscale) Thuật toán sử dụng ma trận mặt nạ nhân chập kích thước khoảng 3x3 Một ma trận dùng để ước lượng gradient ảnh theo chiều ngang, ma trận lại ước lượng theo chiều dọc Hai ma trận tương tác với ma trận điểm ảnh phép nhân chập (convolution) Phương pháp Laplace: tìm kiếm nghiệm đạo hàm bậc hai hàm diễn biến cường độ sáng ảnh theo vị trí Phương pháp dị biên theo toán tử Laplace hiệu phương pháp Gradient trường hợp mức xám biến đổi chậm, miền chuyển đổi mức xám có độ trải rộng Phương pháp Canny: Thuật tốn dị tìm biên Canny xem thuật tốn dị tìm tối ưu, phát triển từ thuật tốn dị tìm biên Gradient Thuật tốn giải số vấn đề: khơng bỏ sót không thừa biên ảnh, khoảng lệch biên thực biên tìm thấy nhỏ, đường biên tìm có độ mảnh tốt Thuật tốn dị tìm biên Canny cụ thể hóa qua bước sau : Văn Hồng Tấn & Phan Châu Vinh   Trang Đề tài nghiên cứu khoa học cấp Trường Hình 2.2.3: Ảnh nguồn (trái) - Kết phương pháp tách biên Canny (phải) Hình 2.2.4: Kết phương pháp tách biên Laplace (trái), Sobel (phải) Dựa vào kết đạt từ phương pháp dị tìm biên ví dụ, ta thấy phương pháp dị tìm biên theo Canny thuật tốn dị tìm tối ưu 2.2.4 Ứng dụng kỹ thuật phân tách vật thể chuyển động khỏi hình để phát tính tốn mật độ dịng xe: 2.2.4.1 Khái niệm Hình (Background): - Hình xem phần tĩnh chuyển động cách đặn, giao động nhỏ khung cảnh cố định hoàn toàn cố định khoản thời gian quan tâm Trong quan trắc giao thông, phương tiện chuyển động vào vùng quan sát xem vật thể (foreground object, hay gọi vật thể tiền cảnh) mặt đường thành phần khác đứng yên giao động nhỏ (cây cối hay bóng đường đung đưa) khung hình quan sát xem hình - Một phương pháp xác định hình xử lý ảnh Trừ hình (Background subtraction) cịn gọi Hiệu hình (Background differencing) Phương pháp thực cách: xác định hình trước, sau so sánh hình ảnh với hình định nghĩa trước đó, xác định đâu hình đâu vật thể - Sau xác định hình nền, ta tiến hành phân tách vật thể chuyển động (vật thể nền) Trong quan trắc giao thông ta phân tách phương tiện lưu thông vùng xử lý (mặt đường, đường) dạng Văn Hồng Tấn & Phan Châu Vinh   Trang Đề tài nghiên cứu khoa học cấp Trường cụm điểm ảnh Dựa số lượng mật độ điểm ảnh thuật toán phù hợp, ta phát xe vào vùng xử lý, xác định mật độ dòng xe… 2.2.4.2 Phương pháp Phép trừ Hình (Frame Differencing Method): - Như nói trên, phương pháp xác định hình đơn giản nhất, thực cách trừ khung hình khung hình tiếp sau với khung hình trước xác định khung hình nền, sau đánh dấu khác biệt đủ lớn hình trước (foreground), q trình xử lý có xu hướng bắt mép vật thể di chuyển 2.2.4.3 Phương pháp trung bình hóa Hình (Averaging Background Method): - Phương pháp trung bình hóa tính giá trị trung bình độ lệch tiêu chuẩn điểm ảnh loại điểm ảnh Hình - Phương pháp thực dựa bước sau: + Tính tốn giá trị Hình tích lũy giá trị khác biệt cộng dồn tuyệt đối khung hình Thơng thường sử dụng từ 30 đến 1000 khung hình, đơi lấy vài khung hình/giây, thường sử dụng hình ảnh kênh màu bits + Sau tích lũy đủ khung hình, ta chuyển đổi chúng thành mơ hình thống kê hình nền, sau tính tốn giá trị trung bình độ lệch điểm ảnh + Xác lập ngưỡng ngưỡng dựa giá trị khác biệt tuyệt đối trung bình khung hình Hai ngưỡng phân định giá trị giới hạn, giá trị điểm ảnh nằm ngưỡng xác định vật thể trước (foreground), ngược lại xem hình - Tìm giá trị trung bình: thường sử dụng chạy trung bình (running average) Hình 2.2.5: Dữ liệu vật thể có màu tối qua camera Văn Hồng Tấn & Phan Châu Vinh   Trang 10 Đề tài nghiên cứu khoa học cấp Trường 2.2.4.4 Phương pháp tách hình nâng cao: - Nhiều hình có chứa vật thể di chuyển phức tạp chẳng hạn đung đưa, camera quan sát bị chuyển vị gió, cát bay, thay đổi ánh sáng mây di chuyển che khuất mặt trời Do phương pháp để giải vấn đề phải thích hợp với mơ hình theo chuỗi thời gian điểm ảnh hay nhóm điểm ảnh Phương pháp làm việc tốt với dao động - Phương pháp thực dựa việc so sánh giá trị điểm ảnh trước sau, hai giá trị gần nhóm nhóm, khơng hình thành nhóm giá trị Kết hình dung loạt cụm giá trị màu trải dài không gian RGB, cụm đại diện cho lượng riêng biệt coi có khả Hình Các nhóm phân định giá trị điểm ảnh, nhóm hình thành phát triển để bao phủ giá trị lân cận Nếu giá trị cách xa, nhóm hình thành Phương pháp áp dụng với điểm ảnh có giá trị thay đổi đột ngột Với phương pháp xác này, ta phân tách vật thể (foreground objects) có giá trị nằm điểm ảnh có giá trị dao động 2.2.4.5 So sánh hai phương pháp phân tách hình nền: Phương pháp trung bình hóa hình tương đối đơn giản, làm việc tốt với khung cảnh khơng có vật thể di chuyển Thích hợp với điều kiện quan sát giao thơng hình mặt đường, đường với điều kiện ánh sáng thay đổi khơng đột ngột Phương pháp tách hình nâng cao phù hợp với hình có giao động, phù hợp với điều kiện hình phức tạp Việc lựa chọn phương pháp phù hợp dựa điều kiện môi trường làm việc cụ thể Trong nội dung nghiên cứu này, tính chất phức tạp chuyển động vật thể xuất khung hình điều kiện nền, phương pháp phân tách hình nâng cao áp dụng Hình 2.2.6: Ví dụ vật thể phân tách Văn Hồng Tấn & Phan Châu Vinh   Trang 16 Đề tài nghiên cứu khoa học cấp Trường Để xác định hệ số cần phải có phương trình hình thành biểu thức (1), (2) cặp điểm xác định, với điều kiện điểm không nằm đường thẳng - Từ hai công thức (1) (2), kết hợp với vặp tọa độ (xi,yi), (xr,yr) cặp điểm, ta thiết lập ma trận để tính tốn hệ số C Viết ngắn gọn ta có: [R]=[SR][C] => [C]=[SR]-1[S] - Khi giải phương trình ta xác định hệ số C Theo phương pháp này, để xây dựng ma trận (3) đòi hỏi tối thiểu phải có điểm xác định tọa độ thực địa, đồng thời tọa độ tương ứng điểm khung hình xác định cụ thể Khi tính tốn hệ số, hệ phương trình (1) (2) dùng để chuyển đổi cặp tọa độ hình ảnh sang tọa độ thực tế - Sự biến dạng hình ảnh tính chất quang học thấu kính gây sai số trình chuyển đổi hai hệ tọa độ, sai số đánh giá nghiên cứu sâu HÌNH 3.4.2: Xác định tọa độ điểm cân chỉnh thực địa HÌNH 3.4.3: Xác định tọa độ điểm cân chỉnh hình Văn Hồng Tấn & Phan Châu Vinh   Trang 17 Đề tài nghiên cứu khoa học cấp Trường 3.4.3 Hoạt động chương trình thu thập liệu: 3.4.3.1 Dữ liệu đầu vào : - Tập tin video đầu vào: + Định dạng avi (định dạng video phổ biến Window) + Kích thước khung hình video: 320x240 pixels + Dung lượng: không giới hạn - Khai báo thông số đầu vào: + Góc quay + Chọn vùng xử lý: Click chuột để chọn 04 điểm, tạo thành đa giác bao quanh vùng xử lý, thường phần đường, xe hay phần xe + Thông số hiệu chỉnh: Click chuột để chọn 04 điểm nhập vào tọa độ thực tế tương ứng 04 điểm + Thông tin điều kiện thời tiết, ánh sáng, cao độ để phục vụ tham chiếu + Các thông số khác như: thời gian, địa điểm để phục vụ lưu trữ, phân loại liệu thu 3.4.3.2 Thu thập liệu: - Các bước thu thập liệu tiến hành sau: HÌNH 3.4.4: Các đối tượng đóng khung click chuột Văn Hồng Tấn & Phan Châu Vinh   Trang 18 Đề tài nghiên cứu khoa học cấp Trường 3.4.4 Dữ liệu đầu : -Tập tin txt chứa đựng liệu số lượng xe số lượng điểm biên theo phương pháp xác định biên, tương ứng với góc quay khác (600, 700, 800) HÌNH 3.4.5: Tập tin liệu đầu 3.5 Xây dựng mơ hình xác định mật độ dòng xe 02 bánh từ mật độ điểm ảnh: 3.5.1 Mơ hình hồi quy thứ bậc: - Mơ hình logistic hồi quy thứ bậc cho hai tham số độc lập là: Trong j thay đổi từ đến số lượng xe lớn xuất trừ 3.5.2 Kết điển hình ước lượng tham số mơ hình – Áp dụng cho trường hợp biên ảnh theo phương pháp Canny (Điều kiện đơn giản): - Số liệu đầu phần mềm thu thập liệu số liệu đầu vào để xây dựng hàm xác định số phương tiện hữu khung hình - Do số lượng xe đếm trình thu thập liệu giao động từ 01 đến 05 xe, tương ứng với giá trị điểm biên tính tốn góc thu hình Camera, đề xuất sử dụng Hồi quy thứ bậc để xây dựng hàm xác định số phương tiện vùng xử lý với: Biến phụ thuộc Số xe đếm được, biến covariate Số lượng điểm biên (theo phương pháp) góc thu hình camera - Kết phân tích hồi quy thứ bậc cho tham số sau: Kết ước lượng tham số Wald 1.245 32.045 Văn Hồng Tấn & Phan Châu Vinh   Sig Std Error 7.050 Df Estimate Threshold [Count = 1] 0.000 95% Confidence Interval Lower Bound 4.609 Upper Bound 9.491 Trang 19 Đề tài nghiên cứu khoa học cấp Trường Location [Count = 2] 16.530 1.489 123.295 0.000 13.613 19.448 [Count = 3] 27.755 1.927 207.351 0.000 23.977 31.533 [Count = 4] 36.227 2.327 242.299 0.000 31.666 40.789 0.030 0.002 294.971 0.000 0.026 0.033 -0.100 0.020 26.358 0.000 -0.138 -0.062 C_mod1 Angle Các giá trị ước lượng (estimate) ngưỡng (Threshold) giá trị Tính tốn giá trị dự báo mơ hình –Áp dụng cụ thể với trường hợp sử dụng số liệu biên ảnh theo phương pháp Canny (Điều kiện đơn giản): -Xác xuất dự báo từ mơ hình logistic cho kiện j (số lượng xe xuất hiện) là: 3.5.3 Xác suất kiện Cơng thức tính xe xuất xe xuất xe xuất xe xuất xe xuất Trong các cơng thức : : số điểm biên ảnh Canny đếm khu vực xử lý : giá trị góc quay camera Văn Hồng Tấn & Phan Châu Vinh   Trang 20 Đề tài nghiên cứu khoa học cấp Trường CHƯƠNG 4: CHƯƠNG TRÌNH XÁC ĐỊNH THƠNG SỐ DỊNG XE 4.1 Giới thiệu sơ lược chương trình: 4.1.1 Mục đích khả hoạt động chương trình: - Chương trình xây dựng với mục đích xác định mật độ xe vùng xử lý (xác định khung hình video thu từ camera giao thông) - Khả hoạt động phần mền: phạm vi nghiên cứu này, chương trình xây dựng với khả đọc tập tin video giao thông đầu vào với định dạng avi kết hợp với thông số người dùng nhập, kết đạt mật độ xe tương ứng với thời điểm tính tốn xác định tự động 4.1.2 Môi trường hoạt động giao diện chương trình: - Chương trình xây dựng để hoạt động tối ưu môi trường hệ điều hành MS Windows 32-bit (MS-Window XP MS-Window 7), tập tin hoạt động chương trình có dạng exe (cụ thể ATDEP_V1.exe) - Giao diện chương trình: Chương trình hoạt động với nhóm cửa sổ gồm: + Cửa sổ Console để nhập thông tin với thao tác từ bàn phím + Nhóm cửa sổ “Xác định vùng xử lý”, “Xác định điểm hiệu chỉnh” xuất để người sử dụng nhập thông tin với thao tác từ chuột + Nhóm cửa sổ “Running” “Info” thể hoạt động thơng tin q trình hoạt động chương trình - Ngoài ra, người sử dụng lựa chọn chế độ hoạt động “Nâng cao”, chương trình có thêm nhóm cửa sổ “Canny”, “Sobel”, “Background”, “Laplace”, “Foreground”, “Background” 4.1.3 Dữ liệu đầu vào đầu chương trình: - Dữ liệu đầu vào cần thiết để chương trình hoạt động gồm: + Tập tin video có định dạng avi, có độ phân giải 320x240 pixels chép vào thư mục chứa tập tin thực thi (.exe) chương trình + Góc tạo hướng camera với phương thẳng đứng + Tọa độ thực tế 04 điểm hiệu chỉnh trường phục vụ cho việc hiệu chỉnh camera vị trí góc quay cụ thể + Tọa độ điểm xác định vùng xử lý - Dữ liệu đầu chương trình tập tin text dịnh dạng txt chia làm nhóm: Văn Hồng Tấn & Phan Châu Vinh   Trang 21 Đề tài nghiên cứu khoa học cấp Trường + Nhóm tập tin đầu kết quả: tập tin có tên đặt theo dạng : data1_-.txt data3_.txt tương ứng với 02 trường hợp điều kiện đơn giản phức tạp + Nhóm tập tin đầu nghiên cứu: tập tin có tên đặt theo dạng : data2_-.txt data4_.txt tương ứng với 02 trường hợp điều kiện đơn giản phức tạp Nhóm tập tin phục vụ cho người nghiên cứu thu thập lại thêm số liệu để hiệu chỉnh lại chương trình 4.2 Hoạt động chương trình: Bước 1: Khởi chạy chương trình – Nhập tên tập tin video - Khởi chạy chương trình, chương trình thực thi double left clicks vào tập tin ATDEP_V1.exe - Khi khởi chạy cửa sổ Console xuất yêu cầu người sử dụng nhập tên tập tin video cần xử lý (tập tin định dạng avi chép vào thư mục gốc chương trình Bước 1), thể hình minh họa sau: Bước 2: Nhập góc ghi hình - Chương trình yêu cầu người sử dụng nhập vào góc quay camera so với phương thẳng đứng, minh họa theo hình dưới: Hình 4.2.1: Nhập tên tập tin video đầu vào & góc ghi hình Bước 4: Chọn chế độ - Chương trình yêu cầu người sử dụng lựa chọn điều kiện nền: + Chọn điều kiện đơn giản + Chọn điều kiện phức tạp Bước 5: Chọn chế độ hoạt động - Chương trình yêu cầu người sử dụng chọn chế độ hoạt động: + Chọn để hoạt động chế độ mặc định Văn Hồng Tấn & Phan Châu Vinh   Trang 22 Đề tài nghiên cứu khoa học cấp Trường + Chọn để hoạt động chế độ nâng cao - Ở chế độ nâng cao cho phép người sử dụng tùy chọn thêm số thông số khác như: Skipframe, thời gian trích lọc hình nền, chu kỳ trích lọc hình nền…Ngồi ra, chế độ này, cửa sổ thể biên ảnh xử lý trích xuất, thể biên ảnh nền…cũng thể để giúp người sử dụng hình dung hoạt động chương trình Hình 4.2.2: Chọn điều kiện & chọn chế độ hoạt động Bước 6: Xác định vùng xử lý - Sau Bước 5, cửa sổ “Xác định vùng vực xử lý” xuất yêu cầu người sử dụng chọn 04 điểm để xác định vùng xử lý - Thực xác định vùng xử lý, người sử dụng cần click chuột trái trực tiếp lên vị trí cần chọn cửa sổ “Xác định vùng vực xử lý” theo thứ tự tương tự 04 điểm mặc định thể cửa sổ theo thứ tự từ A1 đến A4 để đóng khung xác định vùng xử lý - Vùng xử lý xác định tương ứng với phần đường, đường, phần đường Hình 4.2.3: Vùng xử lý mặc định (trái) - Vùng xử lý người sử dụng xác định (phải) Văn Hồng Tấn & Phan Châu Vinh   Trang 23 Đề tài nghiên cứu khoa học cấp Trường Bước 7: Xác định điểm hiệu chỉnh - Sau xác định vùng xử lý, ấn phím SPACE theo yêu cầu chương trình, cửa sổ “Xác định vùng xử lý” tự động đóng lại, cửa sổ “Xác định điểm hiệu chỉnh” xuất : Hình 4.2.4: Các điểm hiệu chỉnh mặc định (trái) - Các điểm hiệu chỉnh người sử dụng xác định (phải) - Thực xác định điểm hiệu chỉnh, người sử dụng click chuột trái trực tiếp lên vị trí điểm hiệu chỉnh cửa sổ “Xác định điểm hiệu chỉnh” theo thứ tự tương tự 04 điểm mặc định thể cửa sổ theo thứ tự từ H1Ỉ H4 - 04 điểm hiệu chỉnh điểm mà ta xác định tọa độ thực địa trường Bước chuẩn bị - Tiếp cửa sổ Console, chương trình đưa yêu cầu người sử dụng nhập vào tọa độ thực địa điểm hiệu chỉnh trên, gốc tọa độ thực địa gốc tọa độ hình chọn trùng Đơn vị tọa độ thực địa mm Hình 4.2.5: Yêu cầu nhập tọa độ thực địa Văn Hồng Tấn & Phan Châu Vinh   Trang 24 Đề tài nghiên cứu khoa học cấp Trường Bước 8: Xác định mật độ xe tự động - Sau nhập xong tọa độ thực địa ấn ENTER, chương trình khởi chạy với 03 cửa sổ: Console, Running Info - Cửa sổ chính, Running, có số thể mật độ xe nằm vùng xử lý Đây mật độ xe dự báo dựa vào mơ hình sử dụng số liệu điểm biên Canny trường hợp đơn giản mật độ xe dự báo dựa vào mơ hình sử dụng số liệu điểm biên Canny trường hợp phức tạp - Cửa sổ Info thể về: khung hình tại, thời gian tại, số lượng xe đếm dựa mơ hình theo số liệu dựa phương pháp khác Hình 4.2.6: Cửa sổ hoạt động Running Hình 4.2.7: Cửa sổ thơng tin Info Văn Hồng Tấn & Phan Châu Vinh   Trang 25 Đề tài nghiên cứu khoa học cấp Trường 4.3 Đánh giá sai số chương trình: 4.3.1 Xác định mật độ xe thủ công: - Để đánh giá sai số chương trình việc xác định mật độ xe tự động, tính xác định mật độ xe thủ cơng thực xây dựng - Việc xác định mật độ xe thủ công được thực cách click chuột phải vào cửa sổ “Running” chương trình chạy, chương trình tạm dừng để chờ người sử dụng nhập vào số lượng xe quan sát vùng xử lý - Sau nhập số lượng xe quan sát vùng xử lý, chương trình xác nhận số xe nhập, số lần dừng lại để nhập yêu cần ấn Space đê tiếp tục Hình 4.3.1: Tạm dừng để nhập vào số xe quan sát vùng xử lý 4.3.2 Sai số chương trình hoạt động chế độ đơn giản: - Tiến hành dừng chương trình để đếm thủ cơng 100 lần, với video đầu vào có góc quay 600, 700 800, ta có bảng thống kê so sánh tương ứng sau: + Trường hợp góc quay 600: Góc quay = 600 xe xe xe xe xe Tỷ lệ Số lần người quan sát đếm 52 31 15 100/100 Mơ hình biên Canny 50 30 14 95/100 Mơ hình biên Laplace 50 29 87/100 Mơ hình biên Sobel 48 29 87/100 Mơ hình điểm ảnh vật thể 42 30 11 84/100 Văn Hồng Tấn & Phan Châu Vinh   Trang 26 Đề tài nghiên cứu khoa học cấp Trường + Trường hợp góc quay 700 : Góc quay = 700 xe xe xe xe xe Tỷ lệ Số lần người quan sát đếm 13 22 30 26 100/100 Mơ hình biên Canny 12 20 28 19 88/100 Mơ hình biên Laplace 15 25 16 72/100 Mơ hình biên Sobel 14 26 17 73/100 Mơ hình điểm ảnh vật thể 20 9 48/100 xe xe xe xe xe Tỷ lệ Số lần người quan sát đếm 29 24 27 14 100/100 Mơ hình biên Canny 29 18 20 81/100 Mơ hình biên Laplace 19 16 23 69/100 Mơ hình biên Sobel 15 13 21 59/100 Mơ hình điểm ảnh vật thể 17 12 48/100 + Trường hợp góc quay 800 : Góc quay = 800 - Với kết thu tỷ lệ xác mơ hình tương ứng với góc quay trên, ta đưa nhận xét sau: + Độ xác Mơ hình xây dựng liệu điểm ảnh biên Canny cao (lần lượt 95, 88, 81% ứng với góc quay 600, 700 800, trung bình 88% ) + 02 Mơ hình xây dựng liệu biên ảnh Laplace Sobel cho kết dự báo mức khá, tương đồng với (trung bình 76 73%) + Mơ hình xây dựng liệu điểm ảnh vật thể cho kết dự báo với độ xác thấp (gần 50% trường hợp góc quay 700 800, trung bình trường hợp góc quay 60%) + Ở góc quay 600 04 mơ hình cho kết dự báo với độ xác cao tương đối cao 4.3.3 Sai số chương trình hoạt động chế độ phức tạp: - Tương tự với chế độ hoạt động đơn giản, chế độ ta dừng để đếm thủ công 100 lần, với video đầu vào có góc quay 600, 700 800, ta có bảng thống kê so sánh tương ứng sau: + Trường hợp góc quay 600 : Góc quay = 600 xe xe xe xe xe Tỷ lệ Số lần người quan sát đếm 43 28 23 100/100 Văn Hồng Tấn & Phan Châu Vinh   Trang 27 Đề tài nghiên cứu khoa học cấp Trường Mơ hình điểm ảnh vật thể 39 20 0 66/100 Mơ hình biên Canny vật thể 33 25 22 84/100 + Trường hợp góc quay 700 : Góc quay = 700 xe xe xe xe xe Tỷ lệ Số lần người quan sát đếm 10 21 29 14 26 100/100 Mơ hình điểm ảnh vật thể 12 25 22 70/100 13 26 10 26 84/100 Mơ hình biên Canny vật thể + Trường hợp góc quay 80 : Góc quay = 800 xe xe xe xe xe Tỷ lệ Số lần người quan sát đếm 17 17 36 14 16 100/100 Mơ hình điểm ảnh vật thể 14 23 15 58/100 11 35 11 14 84/100 Mơ hình biên Canny vật thể 13 - Với kết thu tỷ lệ xác mơ hình tương ứng với góc quay trên, ta đưa nhận xét sau: + Độ xác Mơ hình xây dựng liệu điểm ảnh biên Canny vật thể cao (trung bình 84%) + Mơ hình xây dựng liện điểm ảnh vật thể cho kết có độ dự báo mức trung bình (trung bình 65%) 4.3.4 Đánh giá hoạt động chương trình: - Qua kết sai số chương trình hai chế độ hoạt động với mơ hình tương ứng, ta dễ dàng nhận thấy việc áp dụng mơ hình xây dựng từ liệu từ biên ảnh Canny khung hình gốc (trường hợp đơn giản) mơ hình xây dựng từ liệu biên ảnh Canny khung hình sau tách vật thể (trường hợp phức tạp) cho kết dự báo với độ xác cao (88 84%) Các mơ hình cịn lại đạt độ xác mức trung bình (~60-76%) Vì vậy, nghiên cứu hai mơ hình liệu biên ảnh Canny tương ứng với hai chế độ hoạt động đề xuất hai mơ hình để đưa kết việc dự báo ‐  Ngồi  ra,  góc  800 cho  k t  qu   chính  xác  th p  nh t  trong  t t  c   các  tr ờng  hợp.  So sánh gi a y u t  đ  chính xác và kh  năng quan sát (di n tích  vùng x  lý), góc quay 700 đ c đ  xu t l a ch n là góc quay t i  u Văn Hồng Tấn & Phan Châu Vinh   Trang 28 Đề tài nghiên cứu khoa học cấp Trường CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ 5.1 Kết luận: - Giải vấn đề tình trạng tải mạng lưới giao thông đô thị lớn vấn đề cấp bách đòi hỏi phối hợp nhiều giải pháp Cùng với phát triển không ngừng khoa học kỹ thuật việc áp dụng công nghệ tiên tiến, giải pháp tự động hóa góp phần giải tình trạng q tải, gây ùn tắt giao thông đô thị điều cần thiết Kết hợp với đặc thù loại phương tiện giao thông đô thị nước phát triển nói chung Việt Nam nói riêng có tỷ lệ cao phương tiện giao thông cá nhân xe hai bánh hình thành nên mục đích việc xây dựng mơ hình xác định thơng số dịng xe hai bánh mật độ dựa mật độ hình ảnh thu từ camera giao thông - Nghiên cứu xây dựng phương pháp cách tiếp cận với thơng số dịng xe hai bánh cách gián tiếp thông qua liệu mật độ điểm ảnh Cách tiếp cận gián tiếp đóng vai trị quan trọng việc áp dụng tự động hóa sử dụng tin học thiết bị công nghệ, đưa phương pháp giúp máy tính “hiểu” dòng xe hai bánh - Với số liệu mật độ điểm ảnh thu thập được, nghiên cứu xây dựng Mơ hình xác định mật độ dòng xe hai bánh (số xe hai bánh xuất khu vực quan sát) dựa mối tương quan số phương tiện xe hai bánh xuất vùng xử lý với số liệu mật độ điểm biên ảnh trích lọc theo phương pháp tách biên ảnh Canny, áp dụng vào chương trình xác định mật độ dòng xe tự động cho kết với độ xác cao Xác định mật độ giúp đánh giá tình trạng lưu thơng tuyến đường vào thời điểm khác ngày (cao điểm, thấp điểm), đánh giá vai trị tuyến đường mạng lưới đường thị, giúp cảnh báo tình trạng ùn tắt kết hợp với biển báo hiệu thông minh, tham gia vào việc điều chỉnh chu kỳ đèn kết hợp với hệ thống tín hiệu - Ngồi ra, việc xây dựng cách thực thu thập liệu điểm ảnh tương tác trực tiếp cửa sổ thể dòng xe chuyển động đóng vai trị quan trọng cho việc bổ sung thêm số lượng mẫu liệu, thu thập liệu trường hợp bị ảnh hưởng yếu tố khác, thêm nhiều trường hợp 02 yếu tố (góc quay điều kiện nền) đề cập đến nghiên cứu 5.2 Kiến nghị: - Nghiên cứu đưa ý tưởng việc xác định mối tương quan số phương tiện xe hai bánh với mật độ điểm ảnh Mối tương quan Văn Hồng Tấn & Phan Châu Vinh   Trang 29 Đề tài nghiên cứu khoa học cấp Trường phụ thuộc lớn vào yếu tố khác như: tương quan màu sắc phương tiện mặt đường (điều kiện nền), vị trí lắp đặt tương đối camera quan sát với hướng xe chạy, độ phân giải camera, góc ghi hình camera, chiều cao camera…Tuy nhiên giới hạn điều kiện cho phép, nghiên cứu quan tâm đến 02 yếu tố là: góc ghi hình điều kiện Vì thế, số kiến nghị hướng phát triển nghiên cứu đưa sau: + Phát triển mơ hình cách bổ sung thêm tham số xét đến ảnh hưởng về: chiều cao camera, vị trí tương đối camera với hướng xe chạy, độ phân giải camera + Tối ưu hóa tham số phương pháp tách biên, phương pháp tách vật thể để đưa liệu đa dạng, có độ tương thích cao + Kết hợp với thuật toán, ngưỡng thu thập để phát phương tiện xe máy để bổ sung tính cho cho chương trình xác định mật độ + Kết hợp với thuật toán xác định vận tốc để xác định lưu lượng + Kết hợp với hệ thống đèn tín hiệu giao thơng để xây dựng hệ thống đèn tín hiệu giao thơng chu kỳ thay đổi thích nghi Tp.HCM, ngày tháng năm Chủ nhiệm đề tài (Ký ghi rõ họ tên) Văn Hồng Tấn & Phan Châu Vinh   Tp.HCM, ngày tháng năm TL HIỆU TRƯỞNG KT Trưởng phịng KHCN&DA Phó trưởng phịng Trang 30 Đề tài nghiên cứu khoa học cấp Trường TÀI LIỆU THAM KHẢO [1] I.Sobel and G.Feldman, “A 3×3 Isotropic Gradient Operator for Image Processing” in R Duda and P Hart (Eds.), Pattern Classification and Scene Analysis (pp 271–272), New York: Wiley, 1973 [2] Gary Bradski and Adrian Kaehler, “Learning OpenCV”, 2008 [3] Celil Ozkurt, Fatih Camci, “Automatic traffic density estimation and vehicle Classification for traffic surveillance systems using Neural networks”, 2009 [4] Siri Oyen Larsen, Hans Koren, and Rune Solberg “Traffic Monitoring using Very High Resolution Satellite Imagery”, 2009 [5] Tony Z Qiu, Xiao-Yun Lu,Andy H F Chow, Steven Shladover “Real-time Density Estimation on Freeway with Loop Detector and Probe Data”, 2009 [6] P Wayne Power, Johann A Schoonees “Understanding Background Mixture Models for Foreground Segmentation”, 2002 [7] C Stauffer and W Grimson, “Adaptive background mixture models for realtime tracking” In Proc of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, page 246252, 1999 [8] P KaewTraKulPong and R Bowden, “An Improved Adaptive Background Mixture Model for Real-time Tracking with Shadow Detection”, chapter 11, pages 135–144 VideoBased Surveillance Systems Kluwer Academic Publishers, Boston, 2002 [9] Z.Zivkovic, F van der Heijden, “Efficient Adaptive Density Estimapion per Image Pixel for the Task of Background Subtraction”, Pattern Recognition Letters, vol 27, no 7, pages 773-780, 2006 [10] P Rajesh, M Kalaiselvi Geetha and R.Ramu “Traffic density estimation, vehicle classification and stopped vehicle detection for traffic surveillance system using predefined traffic videos”, 2013 [11] Sarosh Khan; Winai Raksuntorn “Accuracy of numerical rectification of video images to analyze bucycle traffic scenes”, Transportation research record No 1773 (2001) p 32-38 [12] Đặng Quang Thạch, “Ứng dụng công nghệ định dạng ảnh thu thập thông tin dịng giao thơng “, Thạc sĩ, Đh BKHN, 2006 [13] PGS.TS Lê Hùng Lân, “Nghiên cứu ứng dụng cơng nghệ Tự động hố quản lý, điều hành giao thông đô thị”, 2006 [14] TS Văn Hồng Tấn “Hệ thống giao thông thông minh”, Bài giảng môn học Hệ thống giao thông thông minh, Tài liệu lưu hành nội bộ, 2010 Văn Hồng Tấn & Phan Châu Vinh   ... n? ?t từ camera quan trắc thực thông qua việc xử lý ảnh thu thập trực tuyến t? ?? camera quan trắc, k? ?t trình xử lý thu thông số dịng xe là: M? ?t độ dịng xe ‐ Cơng t? ?c xử lý ảnh thực nội dung đề t? ?i. .. Vinh   Trang 21 Đề t? ?i nghiên cứu khoa học cấp Trường + Nhóm t? ??p tin đầu k? ?t quả: t? ??p tin có t? ?n đ? ?t theo dạng : data1_-.txt data3_.txt t? ?ơng... thông k? ?t hợp phần mềm xử lý so với đếm trực tiếp thủ công 1.3 Giả thi? ?t khoa học đề t? ?i nghiên cứu: ‐ Đề t? ?i nghiên cứu dựa giả thi? ?t khoa học: M? ?t độ hình ảnh thu t? ?? camera giao thơng có t? ?ơng quan