1. Trang chủ
  2. » Luận Văn - Báo Cáo

Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông

77 635 8
Tài liệu đã được kiểm tra trùng lặp

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 77
Dung lượng 4,68 MB

Nội dung

Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông

BỘ GIÁO DỤC ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG NHẬN DẠNG PHÂN TÍCH ẢNH ĐỂ GIÁM SÁT TỐC ĐỘ PHƯƠNG TIỆN GIAO THÔNG Chuyên ngành: Kỹ thuật Điện tử LUẬN VĂN THẠC SĨ KỸ THUẬT ĐÀ NẴNG - 2013 LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả nêu trong luận văn là trung thực chưa từng được ai công bố trong bất kỳ công trình nào khác. Tác giả luận văn MỤC LỤC 2. Mục đích nghiên cứu 1 CHƯƠNG 1 4 GIỚI THIỆU HỆ THỐNG GIÁM SÁT GIAO THÔNG 4 1.1. XỬ LÝ ẢNH CÁC VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH 4 1.1.1. Xử lý ảnh là gì? 4 1.1.2. Các vấn đề cơ bản trong xử lý ảnh 6 1.2. HỆ THỐNG GIÁM SÁT GIAO THÔNG ỨNG DỤNG CÔNG NGHỆ XỬ LÝ ẢNH 8 1.2.1.Cấu trúc tổng thể hệ thống giám sát giao thông dùng công nghệ xử lý ảnh 8 1.2.2. Các thành phần chính trong phần mềm xử lý ảnh .11 1.3. TỔNG QUAN VỀ XỬ LÝ VIDEO .12 1.3.1. Khái niệm về video 12 1.3.2. Một số thuộc tính đặc trưng của video 14 1.3.3 Các phương pháp xử lý trên video số .15 1.4 KẾT LUẬN 19 2.1. BÀI TOÁN PHÂN LOẠI ĐỐI TƯỢNG 20 2.1.1. Phân loại đối tượng là gì 20 2.1.2. Một số phương pháp phân loại phổ biến .23 2.2. BÀI TOÁN THEO VẾT ĐỐI TƯỢNG 33 2.2.1. Theo vết đối tượng là gì? .33 2.2.2. Các vấn đề phải giải quyết .38 2.3. BÀI TOÁN XÁC ĐỊNH TỐC ĐỘ PHƯƠNG TIỆN GIAO THÔNG .42 2.3.1. Mục tiêu 42 2.3.2. Các phương pháp xác định vận tốc 42 2.4. KẾT LUẬN 45 3.1 THUẬT TOÁN PHÁT HIỆN CÁC ĐỐI TƯỢNG CHUYỂN ĐỘNG .46 3.1.1 Phát hiện ảnh foreground 48 3.1.2 Thuật toán xử lý ảnh 48 3.1.3 Phát hiện các khối .51 3.1.4 Hậu xử lý các vùng đối tượng .53 3.1.5 Trích xuất các đặc trưng của đối tượng 53 3.2. BÀI TOÁN PHÂN LOẠI ĐỐI TƯỢNG .54 3.3. THUẬT TOÁN THEO VẾT ĐỐI TƯỢNG 62 3.3.1 Tách đối tượng chuyển động .63 3.3.2 Sử dụng bộ lọc Kalman .63 3.3.3 Kết nối các đối tượng ở hai khung hình liên tiếp .64 DANH MỤC CÁC CHỮ VIẾT TẮT 2D Two Dimensional 3D Three Dimensional DT Temporal Differencing MS Mean – Shift PEL Picture Element DANH MỤC CÁC HÌNH VẼ Số hiệu hình vẽ Tên hình vẽ Trang 1.1 Quá trình xử lý ảnh 4 1.2 Quy trình xử lý ảnh 5 1.3 Mô hình hệ thống giám sát giao thông dựa trên công nghệ xử lý ảnh. 8 1.4 Sơ đồ dòng mô tả các tiến trình xử lý của hệ thống 9 1.5 Hệ thống giám sát giao thông bằng xử lý ảnh 10 1.6 Cấu trúc phân đoạn video 13 1.7 Bốn khung hình khác nhau song có cùng một biểu đồ màu 14 1.8 Phép chiếu phối cảnh của một đoạn thẳng 16 1.9 Kết quả của phương pháp so sánh sự khác biệt 17 1.10 Bóng ma trong phương pháp trừ nền 19 2.1 Tổng quan của một hệ thống xác định theo dõi. 25 2.2 Các giá trị thông thường của độ phân tán cho người xe cộ 28 2.3 Dữ liệu phân loại bi- viriate mẫu training qua 400 ảnh. Cả phân cụm tuyến tính Mahalanobis đều được biểu diễn 28 2.4 Quá trình phân loại, phải sau một vài khung hình đối tượng mới được xác định đúng. 29 2.5 Các đường viền của mục tiêu được sự dụng cho việc trích rút các đặc trưng chuyển động 30 2.6 (a) Elip vừa khớp (fitted elipse) (b) Khung hình sao (c) Biều đồ luồng phân loại 31 2.7 Tổng quan các khối xử lý trong bài toán theo vết đối tượng 34 2.8 Minh hoạ sự chính xác hoá đối tượng 35 2.9 Một ví dụ theo vết có sự nhập nhằng 36 2.10 Theo vết đối tượng ứng dụng trong hệ thống giám sát 37 2.11 Dự đoán trạng thái hiện tại dựa vào Kalman Filter 40 2.12 Biểu đồ xác định giá trị lớn nhất của hàm mật độ trong một khoảng nào đó 41 2.13 Biểu đồ xác định giá trị lớn nhất của hàm mật độ trong khoảng nào đó bằng cách thay đổi y 41 3.1 Sơ đồ khối hệ thống phát hiện đối tượng chuyển động 47 3.2 Ví dụ phương pháp trừ nền 48 3.3 Ví dụ về khử nhiễu 50 3.4 Các phép liên thông 51 3.5 Ví dụ sự khác biệt các phép liên thông 52 3.6 Phép bóc tách các blob 52 3.7 Sơ đồ khối của phương pháp phân loại dựa trên hình chiếu 64 3.8 Hình chiếu mẫu trong cơ sở dữ liệu mẫu với các nhãn 56 3.9 Ví dụ phân loại đối tượng 59 3.10 Lưu đồ kiểu đối tượng cho 1 đối tượng phát hiện được theo mẫu 61 3.11 Sơ đồ tổng quát thuật toán theo vết đối tượng 62 3.12 Ví dụ về kết nối các đối tượng 63 4.1 Giao diện chương trình 65 4.2 Kết quả tổng hợp 50 ID 65 1 MỞ ĐẦU 1. Tính cấp thiết của đề tài Hiện nay, nhiều thành phố lớn có mật độ giao thông cao, phương tiện người lưu thông trên đường rất lớn, nên việc kiểm soát điều khiển giao thông gặp nhiều khó khăn. Đặc biệt vào giờ cao điểm, tại các khu vực như trường học, khu công nghiệp,… thường xuyên xảy ra ùn tắc nguy cơ xảy ra tại nạn rất cao. Một trong những nguyên nhân chính đódo lái xe vượt tốc độ, chạy sai làn, vượt đèn đỏ…. Nhưng chủ yếu trong đódo người điều khiển phương tiện giao thông không tuân thủ luật một cách triệt để dẫn tới việc mất trật tự an toàn giao thông. Để khắc phục tình trạng trên thì cần phải có sự giám sát chặt chẽ tất cả các hành vi giao thông, đặc biệt là các hành vi sai phạm của từng phương tiện giao thông. Hệ thống giám sát này được đặt ngoài trời tại các nút giao thông có đèn tín hiệu. Hệ thống có một camera chuyên dụng ghi hình các loại phương tiện giao thông trên đường, sau đó chuyển về trung tâm xử lý, phát hiện các phương tiện cố tình vượt đèn đỏ, chạy sai làn đường, chạy quá tốc độ quy định. Nhằm mục đích giải quyết những yêu cầu cấp bách của hệ thống giao thông trên, tôi chọn đề tài: “Nhận dạng phân tích ảnh để giám sát tốc độ phương tiện giao thông” với mong muốn sẽ giải quyết được phần nào vấn đề của hệ thống giao thông công cộng hiện nay. 2. Mục đích nghiên cứu Đề tài tập trung nghiên cứu các vấn đề sau: Ứng dụng các phương pháp xử lý ảnh trong việc nhận dạng bám đuổi đối tượng. Tìm các phương pháp nhận dạng, bám đuổi ước lượng tốc độ xe ứng dụng trong hệ thống giám sát giao thông. 2 3. Đối tượng phạm vi nghiên cứu Đối tượng nghiên cứu: Đề tài tập trung nghiên cứu các vấn đề sau: Hình ảnh video thu nhận được từ camera giao thông. Các phương pháp xác định phân loại phương tiện giao thông. Các phương pháp theo dõi xe trong khoảng xét vi phạm. Các thuật toán ước lượng tốc độ của phương tiện tham gia giao thông. 4. Phương pháp nghiên cứu Trong luận văn này sẽ lần lượt nghiên cứu các vấn đề sau: - Thu thập các tài liệu phân tích, chọn lọc các thông tin liên quan đến nội dung nghiên cứu của đề tài. - Khảo sát thực trạng giao thông ở nước ta hiện nay. - So sánh lựa chọn hợp lý các giải pháp kỹ thuật nhằm nâng cao chất lượng hình ảnh thu nhận được. - Phương pháp phát hiện xe trong hình ảnh thu nhận được theo dõi xe đó trong khoảng thời gian nhất định. - Tính toán tốc độ xe di chuyển phân loại tốc độ xe. 5. Bố cục đề tài Ngoài phần mở đầu, kết luận tài liệu tham khảo, kết cấu luận văn gồm 4 chương như sau: Chương 1: TỔNG QUAN HỆ THỐNG XỬ LÝ ẢNH HỆ THỐNG GIÁM SÁT GIAO THÔNG Trong chương này sẽ giới thiệu tổng quan về xử lý ảnh, hệ thống xử lý ảnh ứng dụng xử lý ảnh vào hệ thống giám sát giao thông. Chương 2: CÁC PHƯƠNG PHÁP ỨNG DỤNG TRONG XỬ LÝ ẢNH GIAO THÔNG Trong chương này sẽ trình bày các phương pháp sử dụng để xác định phân loại phương tiện tham gia giao thông, phương pháp theo dõi phương tiện tham gia giao thông xác định tốc độ của xe tham gia giao thông. 3 Chương 3: THUẬT TOÁN CHƯƠNG TRÌNH PHÁT HIỆN, THEO DÕI XÁC ĐỊNH TỐC ĐỘ CỦA PHƯƠNG TIỆN THAM GIA GIAO THÔNG Trong chương này sẽ xây dựng các thuật toán phát hiện, theo dõi xác định tốc độ của phương tiện tham gia giao thông. Sau đó thực hiện đánh giá hiệu suất phân tích các kết quả thu được . Chương 4: KẾT QUẢ THỰC HIỆN Chương này trình bày các kết quả đạt được trong luận văn phương pháp tổng hợp kết quả thu được. 6. Tổng quan tài liệu nghiên cứu Tài liệu nghiên cứu được tham khảo là những bài báo, các luận văn thạc sỹ từ các trường đại học của các quốc gia khác trên thế giới, cùng với các trang web tìm hiểu. Luận văn chắc chắn không tránh khỏi những sai sót, rất mong nhận được sự góp ý của Hội đồng để luận văn trở thành một công trình thực sự có ích. 4 CHƯƠNG 1 GIỚI THIỆU HỆ THỐNG GIÁM SÁT GIAO THÔNG Ngày nay, xử lý ảnh đã đạt được nhiều thành tựu là một lĩnh vực vô cùng quan trọng trong xử lý thông tin tín hiệu bằng máy tính. Các chương trình ứng dụng như: Nhận dạng mặt người, nhận dạng vân tay trong điều tra hình sự, xử lý ảnh vệ tinh, kiểm soát giao thông, xử lý ảnh chụp cắt lớp, chuẩn đoán tế bào trong y học, các chương trình nhận dạng chữ viết… đã đem lại nhiều ứng dụng tiện ích cho con người, đặc biệt là ứng dụng cho hệ thống xử lý giao thông. Do đó, trong chương này sẽ giới thiệu tổng quan về xử lý ảnh, hệ thống xử lý ảnh ứng dụng trong hệ thống giám sát giao thông. 1.1. XỬ LÝ ẢNH CÁC VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH 1.1.1. Xử lý ảnh là gì? Con người thu nhận thông tin qua các giác quan, trong đó thị giác đóng vai trò quan trọng nhất. Với sự phát triển của khoa học máy tính, xử lý ảnh đồ hoạ phát triển một cách mạnh mẽ có nhiều ứng dụng trong cuộc sống. Xử lý dữ liệu bằng đồ họa đề cập đến những ảnh nhân tạo, các ảnh này được xem xét như là một cấu trúc dữ liệu được tạo ra bởi các chương trình. Xử lý ảnh bao gồm các phương pháp kỹ thuật để biến đổi, để truyền tải hoặc mã hóa các ảnh tự nhiên. Mục đích của xử lý ảnh gồm: Thứ nhất: Biến đổi ảnh làm đẹp ảnh; Thứ hai: Tự động nhận dạng ảnh hay đoán nhận ảnh đánh giá các nội dung của ảnh. Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “tốt hơn” hoặc một kết luận. Hình 1.1. Quá trình xử lý ảnh XỬ LÝ ẢNH Ảnh Ảnh “Tốt hơn” Kết luận . đề tài: Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông với mong muốn sẽ giải quyết được phần nào vấn đề của hệ thống giao thông công. BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG NHẬN DẠNG VÀ PHÂN TÍCH ẢNH ĐỂ GIÁM SÁT TỐC ĐỘ PHƯƠNG TIỆN GIAO THÔNG Chuyên ngành: Kỹ thuật Điện

Ngày đăng: 26/11/2013, 13:12

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[2] Afef SALHI and Ameni YENGUI JAMMOUSSI (2012), “Object tracking system using Camshift, Meanshift and Kalman filter”, World Academy of Science, Engineering and Technology Sách, tạp chí
Tiêu đề: Object tracking system using Camshift, Meanshift and Kalman filter”
Tác giả: Afef SALHI and Ameni YENGUI JAMMOUSSI
Năm: 2012
[3] Amir Salarpour and Arezoo Salarpour and Mahmoud Fathi and MirHossein Dezfoulian (2011), “Vehicle tracking using kalman filter and features”, Signal & Image Processing, Vol.2 Sách, tạp chí
Tiêu đề: Vehicle tracking using kalman filter and features”, "Signal & Image Processing
Tác giả: Amir Salarpour and Arezoo Salarpour and Mahmoud Fathi and MirHossein Dezfoulian
Năm: 2011
[4] Andrews Sobral, Luciano Oliveira, Leizer Schnitman, Felippe de Souza (2013), “Highway Traffic Congestion Classification Using Holistic Properties”, Proceedings of the IASTED International Conference Sách, tạp chí
Tiêu đề: Highway Traffic Congestion Classification Using Holistic Properties”
Tác giả: Andrews Sobral, Luciano Oliveira, Leizer Schnitman, Felippe de Souza
Năm: 2013
[5] Benjamin Coifmana, David Beymerb, Philip McLauchlanb, Jitendra Malik (1998), “A real-time computer vision system for vehicle tracking and traffic surveillance” Transportation Research Part C 6, University of California, Berkeley Sách, tạp chí
Tiêu đề: A real-time computer vision system for vehicle tracking and traffic surveillance” "Transportation Research Part C 6
Tác giả: Benjamin Coifmana, David Beymerb, Philip McLauchlanb, Jitendra Malik
Năm: 1998
[6] Benjamin Gorry, Zezhi Chen, Kevin Hammond, Andy Wallace, Greg Michaelson (2008), “Using Mean – Shift Tracking Algorithms for Real – Time Tracking of Moving Image on an Autonomous Vehicle Testbed Platform”, Heriot – Watt University, Riccarton, Scotland Sách, tạp chí
Tiêu đề: Using Mean – Shift Tracking Algorithms for Real – Time Tracking of Moving Image on an Autonomous Vehicle Testbed Platform”, "Heriot – Watt University
Tác giả: Benjamin Gorry, Zezhi Chen, Kevin Hammond, Andy Wallace, Greg Michaelson
Năm: 2008
[7] Benjamin Coifmana, David Beymerb, Philip McLauchlanb, Jitendra Malik (1998), “A real-time computer vision system for vehicle tracking and traffic surveillance” Sách, tạp chí
Tiêu đề: A real-time computer vision system for vehicle tracking and traffic surveillance
Tác giả: Benjamin Coifmana, David Beymerb, Philip McLauchlanb, Jitendra Malik
Năm: 1998
[8] Bing Han, William Roberts, Dapeng Wu, Jian Li (2005), “Robust Feature – based Object Tracking”, University of Florida Gainesville Sách, tạp chí
Tiêu đề: Robust Feature – based Object Tracking”
Tác giả: Bing Han, William Roberts, Dapeng Wu, Jian Li
Năm: 2005
[10] Gordon McQuade, Robert D. Ervin, Karl C.Kluge (1998), Method For Naturalistic Measurement Of lane–Keeping Behavior, The University of Michigan Sách, tạp chí
Tiêu đề: Method For Naturalistic Measurement Of lane–Keeping Behavior
Tác giả: Gordon McQuade, Robert D. Ervin, Karl C.Kluge
Năm: 1998
[12] J. van Leuven, M.B. van Leeuwen, F.C.A. Groen (2001), “Real-Time Vehicle Tracking in Image Sequences”, IEEE Instrumentation Measurement Sách, tạp chí
Tiêu đề: Real-Time Vehicle Tracking in Image Sequences
Tác giả: J. van Leuven, M.B. van Leeuwen, F.C.A. Groen
Năm: 2001
[14] Mital Arun Gandhi (2009), Robust Kalman Filters Using Generalized Maximum Likelihood – Type Estimators, Virginia Polytechnic Institute and State University Sách, tạp chí
Tiêu đề: Robust Kalman Filters Using Generalized Maximum Likelihood – Type Estimators
Tác giả: Mital Arun Gandhi
Năm: 2009
[16] Suree Pumrin (2001), “A Framework for Dynamically Measuring Mean Vehicle Speed using Un-Calibrated Cameras”, Doctoral Dissertation, University of Washington Sách, tạp chí
Tiêu đề: A Framework for Dynamically Measuring Mean Vehicle Speed using Un-Calibrated Cameras"”, Doctoral Dissertation
Tác giả: Suree Pumrin
Năm: 2001
[18] Y.Bogomolov, G.Dror, S.Lapchev, E.Rivlin, M.Rudzsky (2004), “Classification of Moving Targets Based on Motion and Appearance”, Computer Science Department, Technion – Israel Institute of Technology Sách, tạp chí
Tiêu đề: Classification of Moving Targets Based on Motion and Appearance”
Tác giả: Y.Bogomolov, G.Dror, S.Lapchev, E.Rivlin, M.Rudzsky
Năm: 2004
[19]Yue Wanga, Eam Khwang Teoha, Dinggang Shen (2003), Lane detection and tracking using B-Snake, University of Pennsylvania, Singapore Sách, tạp chí
Tiêu đề: Lane detection and tracking using B-Snake
Tác giả: Yue Wanga, Eam Khwang Teoha, Dinggang Shen
Năm: 2003
[20]Yi˘githan Dedeo˘glu (2004), Moving object detection, tracking and classification for smart video surveillance, A thesis submitted to the department of computer engineering and the institute of engineering and science of bilkent university in partial fulfillment of the requirements for the degree of master of science Sách, tạp chí
Tiêu đề: Moving object detection, tracking and classification for smart video surveillance
Tác giả: Yi˘githan Dedeo˘glu
Năm: 2004
[21]Zhiwei Zhu, Qiang Ji, Kikuo Fujimura (2002), “Combining Kalman Filtering and Mean Shift for Real Time Eye Tracking Under Active Illumination”, IEEE.Website Sách, tạp chí
Tiêu đề: Combining Kalman Filtering and Mean Shift for Real Time Eye Tracking Under Active Illumination”, "IEEE
Tác giả: Zhiwei Zhu, Qiang Ji, Kikuo Fujimura
Năm: 2002
[11] Gwang Yul Song, Ki Yon Lee, Jooon Woong Lee (2008),”Vehicle Dection by Edge-Based Candidate Generation and Appearance-bassed Classification”, IEEE Intelligent Vehicles Symposium Khác
[15] Osman Ibrahim, Hazem ElGendy, and Ahmed M. ElShafee (2011), Speed Detection Camera System using Image Processing Techniques on Video Streams Khác
[17] Vibha L*, Venkatesha M*, Prasanth G Rao*, Suhas N*, P Deepa Shenoy*, Venugopal K R*, L M Patnaik** (2008), Moving Vehicle Identification using Background Registration Technique for Traffic Surveillance Khác

HÌNH ẢNH LIÊN QUAN

1.3 Mô hình hệ thống giám sát giao thông dựa trên công nghệ - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
1.3 Mô hình hệ thống giám sát giao thông dựa trên công nghệ (Trang 5)
3.7 Sơ đồ khối của phương pháp phân loại dựa trên hình chiếu 64 - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
3.7 Sơ đồ khối của phương pháp phân loại dựa trên hình chiếu 64 (Trang 6)
Hình 1.2. Quy trình xử lý ảnh - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.2. Quy trình xử lý ảnh (Trang 11)
Hình 1.2. Quy trình xử lý ảnh - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.2. Quy trình xử lý ảnh (Trang 11)
Mô hình chung của hệ thống giám sát giao thông bằng công nghệ xử lý ảnh được minh họa như hình: - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
h ình chung của hệ thống giám sát giao thông bằng công nghệ xử lý ảnh được minh họa như hình: (Trang 14)
Hình 1.3 Mô hình hệ thống giám sát giao thông dựa trên công nghệ xử lý ảnh - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.3 Mô hình hệ thống giám sát giao thông dựa trên công nghệ xử lý ảnh (Trang 14)
Hình 1.4 Sơ đồ dòng mô tả các tiến trình xử lý của hệ thống - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.4 Sơ đồ dòng mô tả các tiến trình xử lý của hệ thống (Trang 15)
Hình 1.4 Sơ đồ dòng mô tả các tiến trình xử lý của hệ thống - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.4 Sơ đồ dòng mô tả các tiến trình xử lý của hệ thống (Trang 15)
hình của xe chạy tốc độ 100km/h (27m/s) khi nó đi qua vùng quan  sát.   Hình   ảnh   của   camera   giám  sát được xử lý để xác định tốc độ  và  quỹ  đạo   của   từng   xe   trong  dòng   giao - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
hình c ủa xe chạy tốc độ 100km/h (27m/s) khi nó đi qua vùng quan sát. Hình ảnh của camera giám sát được xử lý để xác định tốc độ và quỹ đạo của từng xe trong dòng giao (Trang 16)
Hình 1.6. Cấu trúc phân đoạn video - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.6. Cấu trúc phân đoạn video (Trang 19)
Hình 1.7 Bốn khung hình khác nhau song có cùng một biểu đồ màu - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.7 Bốn khung hình khác nhau song có cùng một biểu đồ màu (Trang 20)
Hình 1.8 Phép chiếu phối cảnh của một đoạn thẳng - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.8 Phép chiếu phối cảnh của một đoạn thẳng (Trang 22)
Hình 1.9 Kết quả của phương pháp so sánh sự khác biệt - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.9 Kết quả của phương pháp so sánh sự khác biệt (Trang 23)
Hình 1.9 Kết quả của phương pháp so sánh sự khác biệt - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.9 Kết quả của phương pháp so sánh sự khác biệt (Trang 23)
Hình 1.10 Bóng ma trong phương pháp trừ nền - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.10 Bóng ma trong phương pháp trừ nền (Trang 25)
Hình 1.10 Bóng ma trong phương pháp trừ nền - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 1.10 Bóng ma trong phương pháp trừ nền (Trang 25)
mỗi khung hình thời gian sử dụng một độ đo phân loại dựa trên ảnh (image- based). Các phân loại cho mỗi vùng chuyển động đơn lẻ được ghi lại qua một  khoảng thời gian, và một tiêu chuẩn đánh giá có khả năng lớn nhất MLE  (Maximum  Likelihood  Estimation)  - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
m ỗi khung hình thời gian sử dụng một độ đo phân loại dựa trên ảnh (image- based). Các phân loại cho mỗi vùng chuyển động đơn lẻ được ghi lại qua một khoảng thời gian, và một tiêu chuẩn đánh giá có khả năng lớn nhất MLE (Maximum Likelihood Estimation) (Trang 31)
Hỡnh 2.1 Tổng quan của một hệ thống xỏc định và theo dừi - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
nh 2.1 Tổng quan của một hệ thống xỏc định và theo dừi (Trang 31)
Hình 2.2. Các giá trị thông thường của độ phân tán cho người và xe cộ - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.2. Các giá trị thông thường của độ phân tán cho người và xe cộ (Trang 34)
Hình 2.2.  Các giá trị thông thường của độ phân tán cho người và xe cộ - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.2. Các giá trị thông thường của độ phân tán cho người và xe cộ (Trang 34)
Hình 2.4 Quá trình phân loại, phải sau một vài khung hình đối tượng mới được xác định đúng - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.4 Quá trình phân loại, phải sau một vài khung hình đối tượng mới được xác định đúng (Trang 35)
Hình 2.4 Quá trình phân loại, phải sau một vài khung hình đối tượng mới  được xác định đúng - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.4 Quá trình phân loại, phải sau một vài khung hình đối tượng mới được xác định đúng (Trang 35)
Hình 2.5 Các đường viền của mục tiêu được sử dụng cho việc trích rút các đặc trưng chuyển động - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.5 Các đường viền của mục tiêu được sử dụng cho việc trích rút các đặc trưng chuyển động (Trang 36)
Hình 2.5 Các đường viền của mục tiêu được sử dụng cho việc trích rút các  đặc trưng chuyển động - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.5 Các đường viền của mục tiêu được sử dụng cho việc trích rút các đặc trưng chuyển động (Trang 36)
Hình 2.6. (a) Elip vừa khớp (fitted elipse) (b) Khung hình sao (c) Biều đồ luồng phân loại - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.6. (a) Elip vừa khớp (fitted elipse) (b) Khung hình sao (c) Biều đồ luồng phân loại (Trang 37)
Hình 2.6.  (a) Elip vừa khớp (fitted elipse)  (b) Khung hình sao (c) Biều  đồ luồng phân loại - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.6. (a) Elip vừa khớp (fitted elipse) (b) Khung hình sao (c) Biều đồ luồng phân loại (Trang 37)
Hình 2.8. Minh hoạ sự chính xác hoá đối tượng b. Xử lý nhập nhằng – Occlusion - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.8. Minh hoạ sự chính xác hoá đối tượng b. Xử lý nhập nhằng – Occlusion (Trang 41)
Hình 2.8. Minh hoạ sự chính xác hoá đối tượng b. Xử lý nhập nhằng – Occlusion - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.8. Minh hoạ sự chính xác hoá đối tượng b. Xử lý nhập nhằng – Occlusion (Trang 41)
Hình 2.9. Một ví dụ theo vết có sự nhập nhằng - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.9. Một ví dụ theo vết có sự nhập nhằng (Trang 42)
Hình 2.10. Theo vết đối tượng ứng dụng trong hệ thống giám sát - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.10. Theo vết đối tượng ứng dụng trong hệ thống giám sát (Trang 43)
Hình 2.10. Theo vết đối tượng ứng dụng trong hệ thống giám sát - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.10. Theo vết đối tượng ứng dụng trong hệ thống giám sát (Trang 43)
Hình 2.11. Dự đoán trạng thái hiện tại dựa vào Kalman Filter - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.11. Dự đoán trạng thái hiện tại dựa vào Kalman Filter (Trang 46)
Hình  2.11. Dự đoán trạng thái hiện tại dựa vào Kalman Filter Ưu điểm của thuật toán Kalman Filter: - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
nh 2.11. Dự đoán trạng thái hiện tại dựa vào Kalman Filter Ưu điểm của thuật toán Kalman Filter: (Trang 46)
Hình 2.13. Biểu đồ xác định giá trị lớn nhất của hàm mật độ trong khoảng nào đó bằng cách thay đổi y - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.13. Biểu đồ xác định giá trị lớn nhất của hàm mật độ trong khoảng nào đó bằng cách thay đổi y (Trang 47)
Hình 2.12. Biểu đồ xác định giá trị lớn nhất của hàm mật độ trong một khoảng nào đó - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.12. Biểu đồ xác định giá trị lớn nhất của hàm mật độ trong một khoảng nào đó (Trang 47)
Hình 2.12. Biểu đồ xác định giá trị lớn nhất của hàm mật độ trong một  khoảng nào đó - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 2.12. Biểu đồ xác định giá trị lớn nhất của hàm mật độ trong một khoảng nào đó (Trang 47)
Hình  2.13. Biểu đồ xác định giá trị lớn nhất của hàm mật độ trong khoảng  nào đó bằng cách thay đổi y - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
nh 2.13. Biểu đồ xác định giá trị lớn nhất của hàm mật độ trong khoảng nào đó bằng cách thay đổi y (Trang 47)
Hình 3.1: Sơ đồ hệ thống phát hiện đối tượng chuyển động - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.1 Sơ đồ hệ thống phát hiện đối tượng chuyển động (Trang 53)
Hình 3.1: Sơ đồ hệ thống phát hiện đối tượng chuyển động - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.1 Sơ đồ hệ thống phát hiện đối tượng chuyển động (Trang 53)
Hình 3.2: Ví dụ phương pháp trừ nền. (a) Ảnh hiện tại (b) ảnh nền (c) vùng được phát hiện - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.2 Ví dụ phương pháp trừ nền. (a) Ảnh hiện tại (b) ảnh nền (c) vùng được phát hiện (Trang 54)
Hình 3.2: Ví dụ phương pháp trừ nền. (a) Ảnh hiện tại (b) ảnh nền    (c)  vùng được phát hiện - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.2 Ví dụ phương pháp trừ nền. (a) Ảnh hiện tại (b) ảnh nền (c) vùng được phát hiện (Trang 54)
Hình 3.3 Ví dụ về khử nhiễu (a) Ảnh hiện tại (b) Ảnh nền (c) Foreground chứa nhiễu (d) Foreground đã khử nhiễu - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.3 Ví dụ về khử nhiễu (a) Ảnh hiện tại (b) Ảnh nền (c) Foreground chứa nhiễu (d) Foreground đã khử nhiễu (Trang 56)
Hình 3.3 Ví dụ về khử nhiễu (a) Ảnh hiện tại (b) Ảnh nền (c) Foreground  chứa nhiễu (d) Foreground đã khử nhiễu - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.3 Ví dụ về khử nhiễu (a) Ảnh hiện tại (b) Ảnh nền (c) Foreground chứa nhiễu (d) Foreground đã khử nhiễu (Trang 56)
Hình 3.5: Ví dụ sự khác biệt các phép liên thông - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.5 Ví dụ sự khác biệt các phép liên thông (Trang 58)
Hình 3.6: Phép bóc tách các blob - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.6 Phép bóc tách các blob (Trang 59)
Hình 3.6: Phép bóc tách các blob - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.6 Phép bóc tách các blob (Trang 59)
Hình 3.7. Sơ đồ khối của phương pháp phân loại dựa trên hình chiếu - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.7. Sơ đồ khối của phương pháp phân loại dựa trên hình chiếu (Trang 61)
Hình 3.7. Sơ đồ khối của phương pháp phân loại dựa trên hình chiếu - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.7. Sơ đồ khối của phương pháp phân loại dựa trên hình chiếu (Trang 61)
Hình 3.8. Hình chiếu mẫu trong cơ sở dữ liệu mẫu với các nhãn - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.8. Hình chiếu mẫu trong cơ sở dữ liệu mẫu với các nhãn (Trang 63)
Hình 3.8. Hình chiếu mẫu trong cơ sở dữ liệu mẫu với các nhãn - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.8. Hình chiếu mẫu trong cơ sở dữ liệu mẫu với các nhãn (Trang 63)
Hình 3.9 chỉ ra các hình chiếu, dấu hiệu hình chiếu và dấu hiệu khoảng cách của một đối tượng truy vấn mẫu và đối tượng cơ sở dữ liệu mẫu cho  phân loại kiểu. - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.9 chỉ ra các hình chiếu, dấu hiệu hình chiếu và dấu hiệu khoảng cách của một đối tượng truy vấn mẫu và đối tượng cơ sở dữ liệu mẫu cho phân loại kiểu (Trang 66)
Hình 3.9 chỉ ra các hình chiếu, dấu hiệu hình chiếu và dấu hiệu khoảng  cách của một đối tượng truy vấn mẫu và đối tượng cơ sở dữ liệu mẫu cho  phân loại kiểu. - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.9 chỉ ra các hình chiếu, dấu hiệu hình chiếu và dấu hiệu khoảng cách của một đối tượng truy vấn mẫu và đối tượng cơ sở dữ liệu mẫu cho phân loại kiểu (Trang 66)
giữ số lần đối tượn gO được tìm thấy là loại Ti (một trong H, HG, V). Hình - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
gi ữ số lần đối tượn gO được tìm thấy là loại Ti (một trong H, HG, V). Hình (Trang 67)
Hình 3.10. Lưu đồ kiểu đối tượng cho một đối tượng phát hiện được theo mẫu. - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.10. Lưu đồ kiểu đối tượng cho một đối tượng phát hiện được theo mẫu (Trang 67)
kích thước của đối tượng trong mỗi khung hình. Mục tiêu của thuật toán là dự đoán chính xác vị trí của các đối tượng trong khung hình tiếp theo - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
k ích thước của đối tượng trong mỗi khung hình. Mục tiêu của thuật toán là dự đoán chính xác vị trí của các đối tượng trong khung hình tiếp theo (Trang 70)
Hình 3.12 Ví dụ về kết nối các đối tượng - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 3.12 Ví dụ về kết nối các đối tượng (Trang 70)
Hình 4.1 Giao diện chương trình - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 4.1 Giao diện chương trình (Trang 72)
Hình 4.2 Kết quả tổng hợp 50 ID - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 4.2 Kết quả tổng hợp 50 ID (Trang 72)
Hình 4.1 Giao diện chương trình - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 4.1 Giao diện chương trình (Trang 72)
Hình 4.2 Kết quả tổng hợp 50 ID - Nhận dạng và phân tích ảnh để giám sát tốc độ phương tiện giao thông
Hình 4.2 Kết quả tổng hợp 50 ID (Trang 72)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w