Nhận dạng biển báo giao thông đường bộ (tt)

1 HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - Trần Thị Tuyết NHẬN DẠNG BIỂN BÁO GIAO THÔNG ĐƯỜNG BỘ Chun ngành: Khoa học máy tính Mã số: 60.48.01.01 TĨM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI - 2013 Luận văn hồn thành tại: HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG Người hướng dẫn khoa học: TS NGUYỄN ĐỨC DŨNG Phản biện 1: Phản biện 2: Luận văn bảo vệ trước Hội đồng chấm luận văn thạc sĩ Học viện Cơng nghệ Bưu Viễn thơng Vào lúc: ngày tháng năm Có thể tìm hiểu luận văn tại: - Thư viện Học viện Cơng nghệ Bưu Viễn thơng MỞ ĐẦU  Lý chọn đề tài Ngày nay, tốc độ phát triển kinh tế, công nghiệp dịch vụ ngày tăng, nhu cầu giao thông lại người trở thành vấn đề quan trọng Tuy nhiên, Việt Nam giao thông vấn đề nóng xã hội Từ quy mơ phát triển đến sở hạ tầng Ý thức tự giác cảnh giác người tham gia giao thông Việt Nam lại chưa cao Theo số liệu thống kê Ủy ban An tồn giao thơng Quốc gia, tháng đầu năm 2013, nước xảy 23.619 vụ tai nạn, làm chết 6.908 người 25.002 người bị thương Từ tình hình thực tế giao thơng Việt Nam, có nhiều nguyên nhân gây vụ tai nạn giao thông đường bộ, phần lớn tài xế không làm chủ tốc độ, không quan sát không kịp nhận loại biển báo tín hiệu giao thơng Đây nguy hiểm cảnh báo trước tai nạn thường xun xảy ra, gây khơng thiệt hại tính mạng tài sản người tham gia giao thông Cho đến vấn đề nhiều nghiên cứu giới quan tâm Nhưng biển báo giao thông nghiên cứu dùng cho giao thông đường Việt Nam Trong tình hình nghiên cứu biển báo giao thơng Việt Nam nhiều hạn chế chưa đầy đủ Vì vậy, luận văn chọn đề tài “Nhận dạng biển báo giao thông đường bộ” để nghiên cứu với mục đích hiểu tảng cơng nghệ, lý thuyết toán xử lý ảnh áp dụng việc nhận dạng biển báo giao thơng cách tự động  Mục đích nghiên cứu - Nghiên cứu tìm hiểu phương pháp nhận dạng biển báo giao thông cài đặt thử nghiệm chương trình phát nhận dạng biển báo giao thơng đường từ hình ảnh tĩnh video thu về, sau hiển thị thơng tin cảnh báo dạng hình ảnh  Đối tượng phạm vi nghiên cứu Biển báo giao thông đường Việt Nam  Phương pháp nghiên cứu - Tìm hiểu ảnh biển báo giao thông đường Việt Nam, thu thập hình ảnh, video biển báo giao thơng từ nguồn khác (google image, tự chụp, …) - Tìm hiểu phương pháp phát biển báo giao thông dựa trích chọn đặc trưng Haar-like kết hợp với tăng tốc Adaboost - Tìm hiểu phương pháp nhận dạng biển báo giao thơng đường bộ: Luận văn có sử dụng phương pháp phân tích thành phần Principal Components Analysis (PCA) máy vector hỗ trợ Support Vector Machine (SVM) để nhận dạng biển báo giao thông - Cài đặt chương trình thử nghiệm đánh giá kết nhận dạng  Bố cục luận văn Luận văn chia thành ba phần chính: Phần mở đầu, phần nội dung phần kết luận Phần mở đầu: Nêu lên lý chọn đề tài, đối tượng phạm vi nghiên cứu phương pháp nghiên cứu đề tài Phần nội dung: Chương 1: Tổng quan xử lý ảnh Chương trình bày lý thuyết xử lý ảnh, tổng quát phương pháp phổ biến trình phát nhận dạng đối tượng Chương 2: Phát nhận dạng ảnh Phát biểu tốn nhận dạng biển báo giao thơng trình bày tảng cơng nghệ, chi tiết thuật toán hỗ trợ việc phát nhận dạng biển báo bao gồm: Trích chọn đặc trưng Haar-like, tăng tốc Adaboost, phân tích thành phần PCA phân lớp SVM Chương 3: Cài đặt thử nghiệm Tác giả sử dụng ngôn ngữ VC++ MFC Visual Studio 2008, thư viện xử lý ảnh mã nguồn mở OpenCV Intel để xây dựng chương trình Sau phân tích đánh giá kết nhận dạng Cuối Phần kết luận hướng phát triển đề tài Chương TỔNG QUAN VỀ XỬ LÝ ẢNH 1.1 Một số khái niệm xử lý ảnh 1.1.1 Xử lý ảnh gì? 1.1.2 Một số khái niệm 1.2 Một số phương pháp biểu diễn ảnh 1.2.1 Mã loạt dài 1.2.2 Mã xích 1.2.3 Mã tứ phân 1.3 Các phương pháp phát biên ảnh 1.3.1 Một số khái niệm 1.3.2 Kỹ thuật phát biên trực tiếp 1.3.2.1 Phương pháp Gradient 1.3.2.2 Kỹ thuật phát biên Laplace 1.3.2.3 Kỹ thuật phát biên theo phương pháp Canny 1.3.3 Phát biên gián tiếp 1.3.4 Phân vùng ảnh 1.3.4.1 Phân vùng ảnh theo ngưỡng biên độ 1.3.4.2 Phân vùng ảnh theo vùng đồng 1.3.4.3 Phân vùng ảnh theo kết cấu bề mặt 1.4 Phương pháp trích chọn đặc trưng ảnh Khái niệm Có thể hiểu trích chọn đặc trưng q trình rút trích đặc trưng đại diện cho ảnh, gọi chi tiết đặc trưng Các chi tiết đặc trưng yêu cầu phải có thuộc tính khả bảo tồn tính đặc thù để phân biệt có ảnh, đồng thời phải có tính đọng, hỗ trợ chặt chẽ cho q trình đối sánh bị tác động nhiễu sai lệch ảnh Ngồi ra, cịn u cầu phải dễ tính tốn 1.4.1 Đặc trưng Haar-like 1.4.2 Đặc trưng Histogram of Oriented Gradients (HOG) 1.5 Các phương pháp nhận dạng đối tượng 1.5.1 Phương pháp Neural Networks (NN) Mạng noron nhân tạo (Artifical Neural Networks) mô lại mạng noron sinh học cấu trúc khối gồm đơn vị tính tốn đơn giản liên kết chặt chẽ với liên kết noron định chức mạng Về mạng Neural mạng phần tử (gọi neural) kết nối với thông qua liên kết (các liên kết gọi trọng số liên kết) để thực công việc cụ thể Khả xử lý mạng neural hình thành thơng qua q trình hiệu chỉnh trọng số liên kết neural, nói cách khác học từ tập hợp mẫu huấn luyện Ưu điểm: - Dễ cài đặt với khả học tổng quát hoá cao - Tốc độ xử lý nhanh - Linh hoạt dễ bảo trì: Nhược điểm: - Tính chậm xác suất khơng cao khơng có quy tắc tổng quát để xác định cấu trúc mạng tham số học tối ưu cho (lớp) toán định - Tiêu chuẩn thu thập sở liệu huấn luyện khắt khe - Đòi hỏi thời gian xử lý cao với mạng mạng Neural lớn 1.5.2 Phương pháp Support Vector Machine (SVM) Cho trước tập huấn luyện, ảnh biểu diễn dạng vector Trong không gian vector, vertor biểu diễn điểm Phương pháp SVM tìm siêu phẳng định để phân chia không gian vector thành hai lớp Chất lượng siêu phẳng phụ thuộc vào khoảng cách vector, tức phụ thuộc vào đặc trưng ảnh Ưu điểm: - Cho kết nhận dạng với độ xác cao - Bài toán huấn luyện SVM thực chất tốn QP tập lồi, SVM ln có nghiệm tồn cục nhất, điểm khác biệt rõ SVM so với phương pháp mạng Neural, mạng Neural vốn tồn nhiều điểm cực trị địa phương Nhược điểm: - Hạn chế lớn SVM tốc độ phân lớp chậm, tùy thuộc vào số lượng véc tơ hỗ trợ - Giai đoạn huấn luyện SVM đòi hỏi nhớ lớn, tốn huấn luyện với số lượng mẫu lớn gặp trở ngại vấn đề lưu trữ Hiệu phân lớp SVM phụ thuộc vào hai yếu tố: giải toán QP lựa chọn hàm nhân 1.5.3 Phương pháp Linear Discriminant Analysis Mục đích LDA - Linear Discriminant Analysis tìm cách phân loại đối tượng (người, vật,…) vào hai hay nhiều lớp xác định trước dựa vào đặt trưng (feature) dùng để mơ tả đối tượng (ví dụ đặc trưng dùng để mô tả đối tượng khách hàng giới tính, tuổi, nghề nghiệp, thu nhập,…) Ưu điểm: - Dễ dàng để đào tạo, phương sai thấp, hiệu mơ hình xác - LDA làm việc tốt số mẫu lớn 13 A P1 C B P2 D P3 P4 Hình 2.4 Ví dụ cách tính nhanh tổng điểm ảnh vùng D ảnh 2.5 Phát biển báo giao thông 2.5.1 Tiếp cận Boosting Nguyên lý boosting kết hợp phân lớp yếu (weak classification) thành phân lớp mạnh (strong classification) Trong đó, phân lớp yếu phân loại đơn giản cần có độ xác 50% Bằng cách này, nói phân loại “boost” 2.5.2 Thuật toán Adaboost Thuật toán AdaBoost tuân theo bước sau: [4] Cho tập gồm n mẫu có đánh dấu (x1, y1), (x2, y2),… (xn, yn) với xk ∈ (xk1, xk2, … , xkm) vector đặc trưng yk ∈ (-1, 1) nhãn mẫu (1 ứng với object, -1 ứng với background) Khởi tạo trọng số ban đầu cho tất mẫu: 14 với m số mẫu (ứng với object y = 1) l số mẫu sai (ứng với background y = -1) Xây dựng T phân loại yếu :  Lặp t = 1, …, T Với đặc trưng vector đặc trưng, xây dựng phân loại yếu hj với ngưỡng θj n lỗi εj  j   wt ,k | h j ( xk )  yk | k  Chọn hj với εj nhỏ nhất, ta ht: ht : X  {1,  1}  Cập wt 1,k nhật lại trọng số: e t , ht ( xk )  y k   Z t et , ht ( xk )  y k wt ,k  Trong đó:  t  1  j ln( ) j Zt: Hệ số dùng để đưa Wt+1 đoạn [0,1] (normalization factor) T Phân loại mạnh xây dựng : H ( x)  sign(  t ht ( x)) t 1 15 2.6 Nhận dạng biển báo giao thông 2.6.1 Phương pháp phân tích thành phần PCA 2.6.1.1 Giới thiệu phương pháp PCA 2.6.1.2 Thuật toán PCA Mục tiêu phương pháp PCA “giảm số chiều” tập vector cho đảm bảo “tối đa thông tin quan trọng nhất” Vector x ban đầu có N chiều Không gian N chiều với hệ sở v1, v2,…,vn Ánh xạ tuyến tính T cần tìm (phép chiếu) Vector y cịn K chiều Khơng gian K chiều (K