Nhan đề : Nhận dạng chỗ đỗ xe ô tô Tác giả : Vương Khắc Sơn Người hướng dẫn: Nguyễn Vũ Thắng Từ khoá : Chỗ đỗ xe; Ô tô Năm xuất bản : 2020 Nhà xuất bản : Trường đại học Bách Khoa Hà Nội Tóm tắt : Tổng quan về bài toán nhận dạng chỗ đỗ xe ô tô; thiết kế phần cứng hệ thống nhận dạng chỗ đỗ xe ô tô; lựa chọn phần mềm cho hệ thống nhận dạng chỗ đỗ xe ô tô; kết quả và đánh giá.
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Nhận dạng chỗ đỗ xe ô tô Vương Khắc Sơn vuongson.mdc@gmail.com Ngành Kỹ thuật Điện Tử Giảng viên hướng dẫn: TS Nguyễn Vũ Thắng Chữ ký GVHD Viện: Điện tử - Viễn thơng HÀ NỘI, 2020 CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ tên tác giả luận văn : Vương Khắc Sơn Đề tài luận văn: Nhận dạng chỗ đỗ xe ô tô Chuyên ngành: Kỹ thuật điện tử Mã số SV: CB170241 Tác giả, Người hướng dẫn khoa học Hội đồng chấm luận văn xác nhận tác giả sửa chữa, bổ sung luận văn theo biên họp Hội đồng ngày 30/10/2020 với nội dung sau: - Chỉnh sửa lỗi tả , phơng chữ , hình ảnh - Làm rõ phương pháp nghiên cứu, kết nghiên cứu , giải thích kết - Chỉnh sửa danh mục chữ viết tắt , xếp theo thứ tự a,b,c - Bổ sung mục tiêu việc xây dựng hệ thống - Sửa tên chương cho phù hợp - Việt hóa số thuật ngữ Ngày 20 tháng 11 năm 2020 Giáo viên hướng dẫn Tác giả luận văn CHỦ TỊCH HỘI ĐỒNG Mẫu 1c ĐỀ TÀI LUẬN VĂN Tên đề tài (tiếng Việt): Nhận dạng chỗ đỗ xe ô tô Tên đề tài (tiếng Anh): Parking lot detection Lời cảm ơn Tác giả xin bày tỏ lịng kính trọng biết ơn sâu sắc đến TS Nguyễn Vũ Thắng, người tận tình hướng dẫn truyền đạt cho tơi kiến thức kinh nghiệm quý báu suốt trình thực luận văn Đồng thời xin gửi lời cảm ơn đến nhóm nghiên cứu phòng nghiên cứu IC Design Lab tạo điều kiện giúp đỡ hỗ trợ tơi q trình thực hoàn thành đề tài Xin chân thành cảm ơn Thầy, Cô thuộc Viện Điện Tử - viễn Thông dạy cho kiến thức quý giá thời gian học tập để tơi có tảng kiến thức thực đề tài Do thân nhiều giới hạn kiến thức khả lý luận nên mong nhận đóng góp Thầy, Cô để để luận văn tơi hồn thiện Các kết luận văn thực hướng dẫn TS Nguyễn Vũ Thắng TS Nguyễn Vũ Thắng có tồn quyền sử dụng luận văn Tơi xin cám ơn Quỹ VINIF tài trợ cho thực nghiên cứu luận văn thông qua đề tài VINIF-2019-DA16 TS Phùng Thị Kiều Hà làm chủ nhiệm Tóm tắt nội dung luận văn Mục tiêu luận văn giải toán nhận dạng chỗ đỗ xe ô tô sử dụng camera phương pháp chụp ảnh bãi đỗ xe, cắt thành ảnh nhỏ vị trí đỗ sử dụng mạng nơ- ron tích chập để phân loại ảnh thành trạng thái “ có xe” “ trống” Kết luận văn ứng dụng làm giải pháp kỹ thuật việc nhận dạng trạng thái chỗ đỗ xe ô tô xây dựng hệ thống quản lí bãi đỗ xe thơng minh với đích đến cuối phục vụ nhu cầu lái xe Luận văn đưa lựa chọn camera, xử lý, hiển thị thích hợp cho việc chụp ảnh, kết nối truyền thông camera xử lý Đồng thời luận văn đưa nghiên cứu mạng nơ ron tích chập thơng dụng lựa chọn mạng nơ – ron tích chập sử dụng cho tốn nhận dạng chỗ đỗ xe tơ mạng MobileNet Chương trình phân loại ảnh trạng thái có hay khơng có xe vị trí đỗ triển khai viết ngôn ngữ Python, thực huấn luyện mơ hình mạng sử dụng Google Colab Đầu vào chương trình ảnh lấy từ camera màu đươc lắp đặt thử nghiệm bãi đỗ xe tơ phía trước tòa nhà C9 – đại học Bách Khoa Hà Nội Đầu trạng thái vị trí đỗ tổng số vị trí cịn trống in file txt PHẦN MỞ ĐẦU Những năm gần đây, Việt Nam,cùng với phát triển kinh tế xã hội, số lượng ô tô gia tăng nhanh đặc biệt thành phố lớn Quỹ đất khơng thay đổi, ngồi bãi đỗ xe nhà xây dựng từ trước, số lượng ô tơ tăng lên việc xây dựng bãi đỗ xe trời, hay tận dụng khu vực đất trống để đỗ xe cần thiết Mong muốn tài xế bãi đỗ xe có hệ thống quản lí thơng minh, tự động hiển thị, báo cho tài xế biết số vị trí đỗ xe cịn trống vị trí xác Khi xây dựng hệ thống quản lí bãi đỗ xe thơng minh toán đặt để thiết kế hệ thống nhận dạng chỗ đỗ xe tơ tự động để quản lí số lượng chỗ đỗ trống “ free”, bận “ busy” thơng báo đến người sử dụng Bài tốn giải cách lắp đặt cảm biến vị trí đỗ xe từ xác định vị trí cịn trống để báo đến người dùng Tuy nhiên với bãi đỗ xe lớn cần nhiều cảm biến gây tốn chi phí, bãi đỗ xe trời cảm biến dễ hỏng hóc dẫn thơng tin bị gián đoạn, tốn chi phí bảo dưỡng, thay Tác giả nhận thấy bãi đỗ xe đưa camera vào sử dụng nhiên dừng mục đích chủ yếu giám sát an ninh,nếu sử dụng camera để nhận dạng chỗ đỗ xe tận dụng ưu điểm dễ lắp đặt, giá thành rẻ, vận hành đơn giản, hỏng hóc, tốn chi phí thay bảo dưỡng, lắp đặt ngồi trời quan trọng camera kiểm sốt khoảng khơng gian rộng, quản lí vài chục vị trí đỗ, nhờ mà tiết kiệm kinh phí thiết bị Luận văn tập trung vào việc thiết kế phần cứng xây dựng phần mềm phân loại ảnh, nhận dạng chỗ đỗ xe tơ trình bày qua bốn chương đây: Chương 1: Giới thiệu toán nhận dạng chỗ đỗ xe ô tô Nội dung chương đưa tính cần thiết tốn nhận dạng chỗ đỗ xe ô tô khái quát việc nhận dạng chỗ đỗ xe ô tô sử dụng camera kết hợp xử lý ảnh mạng nơ ron tích chập Chương 2: Thiết kế phần cứng hệ thống nhận dạng chỗ đỗ xe ô tô Nội dung chương đưa sơ đồ khối phần cứng hệ thống nhận dạng chỗ đỗ xe tơ, sau khảo sát lựa chọn thiết bị khối camera, khối xử lí, khối hiển thị, thẻ nhớ phương pháp kết nối, cài đặt hệ thống Chương 3: Lựa chọn phần mềm cho hệ thống nhận dạng chỗ đỗ xe ô tô Nội dung chương đưa lý thuyết tổng quan mạng nơ- ron tích chập, tốn phân loại ảnh lựa chọn mơ hình mạng nơ ron tích chập Mobile Net để phân loại ảnh, xây dựng liệu ảnh chụp vị trí đỗ gán nhãn Chương 4: Kết đánh giá Nội dung chương trình bày kết đánh giá mơ hình mạng, phân tích yếu tố ảnh hưởng đến độ xác nhận dạng kết triển khai thử nghiệm 52 CHƯƠNG KẾT QUẢ VÀ ĐÁNH GIÁ Nội dung chương trình bày kết đánh giá mơ hình mạng, phân tích yếu tố ảnh hưởng đến độ xác nhận dạng kết triển khai thử nghiệm 4.1 Kết mơ hình đánh giá 4.1.1 Đánh giá độ xác mạng Mobile net với mạng CNN khác Nhóm sử dụng thơng số độ xác để đánh giá hoạt động ba mơ hình mạng đề xuất AlexNet, 0.5 MobileNet-160 mAlexNet dựa ba liệu CNRPark HUSTPark • Độ xác tính theo cơng thức: 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 = 𝑛𝑛 𝑁𝑁 (4.1) Trong đó: n số mẫu (sample) dự đốn N tổng số mẫu (sample) đưa vào dự đoán Ý nghĩa : mơ hình mạng có độ xác cao tốt Nghiên cứu sử dụng phương pháp Hold out để phân chia ngẫu nhiên tập liệu thành hai tập liệu độc lập tập liệu huấn luyện tập kiểm thử mơ hình - Dữ liệu huấn luyện (training set): liệu phục vụ xây dựng mơ hình, xác định thuật tốn, biến liệu phù hợp - Dữ liệu kiểm thử (test set – unseen set): liệu để đánh giá độ hiệu mơ hình mạng, mức độ xác việc phân loại liệu Tập liệu không chứa nhãn phân loại, tức giá trị biến mục tiêu phân loại bị che Do hạn chế tài ngun tính tốn, thiết bị sử dụng thí nghiệm nên đồ án sử dụng tập liệu CNRPark, HUSTPark để kiểm thử với tỉ lệ liệu huấn luyện với liệu kiểm thử 7:3 Nghiên cứu tiến hành thử nghiệm mơ hình mạng 0.5 MobileNet-160, AlexNet mAlexnet huấn luyện kiểm thử liệu Kết kiểm thử trình bày bảng đây: 53 Bảng 4.1 So sánh mơ hình mạng CNN huấn luyện kiểm thử tập liệu HUSTPark Phân loại Mơ hình mạng mAlexNet AlexNet 0.5 MobileNet - 160 Huấn luyện Dữ liệu HUSTPark Số lượng ảnh 5589 Kiểm thử Dữ liệu HUSTPark Số lượng ảnh 1156 Độ xác (%) 97.07 97.81 98.25 Bảng 4.2 Độ xác mơ hình mạng CNN huấn luyện tập CNRPark kiểm thử phần HUSTPark Phân loại Mơ hình mạng mAlexNet AlexNet 0.5 MobileNet - 160 Huấn luyện Dữ liệu CNRParkA Số lượng ảnh 4161 Kiểm thử Dữ liệu HUSTPark Số lượng ảnh 1041 Độ xác (%) 88.9 91.48 93.01 Bảng 4.3 Độ xác mơ hình mạng CNN huấn luyện tập HUSTPark kiểm thử tập CNRPark Phân loại Mơ hình mạng mAlexNet AlexNet 0.5 MobileNet - 160 Huấn luyện Dữ liệu HUSTPark Số lượng ảnh 4257 Kiểm thử Dữ liệu CNRParkA Số lượng ảnh 1078 Độ xác (%) 96.34 97.02 98.27 Kết huấn luyện kiểm thử mơ hình mạng tập liệu cho thấy mơ hình mạng 0.5 MobileNet-160 cho độ xác cao (cao 1-2% so với AlexNet, cao 1-3% so với mAlexNet) Bộ liệu tự xây dựng bãi đỗ xe thuộc khuôn viên Đại học Bách Khoa Hà Nội, cho độ xác cao dùng liệu có sẵn 54 4.1.2 Phân tích yếu tố ảnh hưởng đến độ xác nhận dạng Việc nhận dạng chỗ đỗ xe tơ phát sinh lỗi yếu tố như: - Do vị trí đỗ bị vật cản che khuất ô tô đỗ sai quy định (xe đỗ hai vị trí đỗ) - Điều kiện thời tiết thay đổi tạo khác biệt đáng kể không gian Ví dụ, thời tiết mưa có vũng nước sàn ướt, tạo mơ hình kết cấu dẫn đến phân loại sai; tia nắng tạo phản chiếu xe, kính chắn gió mặt vũng nước - Ánh sáng thay đổi theo khoảng thời gian ngày, thời kỳ năm khiến cho màu sắc ảnh thu thay đổi - Vị trí đỗ xa camera có kích thước nhỏ dễ gây nhầm lẫn phân loại Để đo lường mức độ hoạt động xác mơ hình, nhóm nghiên cứu thực đánh giá màu ô tô, thời gian, thời tiết, kích thước ảnh tơ (vị trí gần xa camera) sau: Màu tơ Kết độ xác thuật tốn đánh giá theo năm nhóm màu tô khác là: trắng, đen, bạc, đỏ màu khác, kết thể Hình 4.1 Hình 4.1 Kết thử nghiệm với màu ô tô khác 55 Nhận xét: • Ơ tơ màu đen có độ xác thấp, đạt 87.7% dự đốn ngun nhân có màu tương đồng với màu sân trời chuyển tối • Ơ tơ màu bạc giống màu sân đỗ bê tơng vào ban ngày có tỷ lệ xác thấp màu khác, đạt 97.6% • Các màu tơ khác biệt, bật trắng, đỏ có độ xác tuyệt đối 100% • Bộ liệu HUSTPark hạn chế màu ô tô, nên tương lai, tác giả tiếp tục thu thập liệu đánh giá màu tơ khác Thời gian Kết độ xác thuật toán đánh giá theo bốn khoảng thời gian ngày khác là: sáng, chiều, chạng vạng tối thể biểu đồ cột Hình 4.2 Hình 4.2 Kết độ xác thử nghiệm mơ hình mạng với thời gian khác Nhận xét: • Vào thời điểm ban ngày ( sáng chiều ) độ xác nhận dạng ổn định (95.3% -97.5%) • Khi trời tối độ xác thuật tốn giảm nhiều, từ 97.5% giảm cịn 90.6% dự đốn ngun nhân buổi tối tơ có màu đen nên dễ gây nhầm lẫn, đặc biệt ô tô mở đèn pha bãi đỗ có đèn sáng camera sử dụng để chụp ảnh camera hồng ngoại 56 Thời tiết Kết độ xác thuật tốn đánh giá theo ba loại thời tiết khác là: nắng, âm u, mưa thể Hình 4.3 bên dưới: Hình 4.3 Kết độ xác thử nghiệm mơ hình mạng với loại thời tiết khác Nhận xét: • Khi trời nắng đảm bảo độ xác tuyệt đối 100% • Khi trời âm u, độ sáng giảm độ xác giảm cịn 97.4% • Khi trời mưa độ xác giảm cịn 96.6% đặc biệt trời mưa vào buổi tối gần thuật tốn khó nhận dạngchính xác Kích thước ảnh vị trí đỗ Kết độ xác thuật tốn đánh giá theo ba kích thước ảnh vị trí đỗ khác là: 75x75 pixel, 90x90 pixel, 110x110 pixel thể Hình 4.4 57 Hình 4.4 Kết thử nghiệm với kích thước ảnh khác Nhận xét: Kích thước ảnh khơng ảnh hưởng nhiều đến độ xác • Các vị trí gần camera có độ xác cịn thấp vị trí xa camera • Các vị trí nhận dạng sai đâu khơng phải kích thước ảnh mà yếu tố thời tiết, màu ô tô hay bị che khuất vật cản hay xe máy, người lại 4.2 Kết triển khai thử nghiệm 4.2.1 Bối cảnh triển khai thử nghiệm Mục đích: Đánh giá tính ổn định hệ thống hoạt động, độ xác phần mềm, thời gian xử lý hệ thống,…nhằm tìm điểm hạn chế hệ thống khắc phục điểm hạn chế Thời gian thử nghiệm: Ngày 14,15 tháng năm 2020 Các thiết bị sử dụng: 58 - Camera HIKVISION - Mạch xử lí Raspberry Pi Model B 4Gb Ram - Màn hình inch hiển thị kết phân loại - Pin, sạc dự phòng để cung cấp nguồn cho hệ thống - Router wifi laptop giúp chỉnh góc đặt came phù hợp - Dây cáp mạng ethernet dùng để kết nối router camera - Bàn phím dùng để thao tác với Pi số trường hợp Vị trí lắp đặt: Hành lang tầng 4, tịa nhà C9, Đại học Bách Khoa Hà Nội Quy trình lắp đặt: - Cố định camera, điều chỉnh để đầu camera hướng xuống bãi đỗ xe Hình 4.5 - Cấp nguồn cho camera router wifi, kết nối camera với router thông qua dây cáp mạng ethernet - Bật phần mềm Internet Explore máy tính truy cập vào trang chủ HIKVISION : http//192.168.100.10 (trong hệ thống này, địa IP tĩnh camera 192.168.100.10 ): ) Trên giao diện trang chủ HIKVISION, chọn tab live stream để xem ảnh camera ghi lại đặt góc chưa chỉnh camera cho phù hợp - Sau chỉnh góc camera, tiến hành ngắt kết nối camera với router sau kết nối camera với Pi thông qua dây cáp mạng ethernet kết nối hình với Pi thơng qua cổng HDMI Hình 4.5 Lắp đặt camera tầng tòa nhà C9 59 Hình 4.6 Kết nối với máy tính để chỉnh góc đặt camera - Sau kết nối thiết bị xong, tiến hành cấp nguồn cho hệ thống chờ hệ thống hoạt động Chương trình nhận dạng tự khởi động với hệ thống với bước hoạt động trình bày chương 3: gửi ảnh, tiền xử lý cắt ảnh, nhận dạng phân loại xuất kết Hình 4.7 Màn hình hiển thị trình xử lý ảnh Pi 60 4.2.2 Kết Hình 4.8 Màn hình hiển thị trạng thái ô đỗ bãi đỗ xe Sau chụp ảnh nhận dạng, hệ thống hiển thị kết lên hình bao gồm vị trí đỗ xe trống, vị trí đỗ xe bận tổng số vị trí đỗ xe xuất file txt tổng số vị trí đỗ xe cịn trống Hình 4.9 Hình ảnh bãi đỗ sau nhận dạng(trạng thái có đỗ thị màu đỏ, trạng thái khơng có ô đỗ thị màu xanh) 61 Kết cho thấy khả làm việc tốt thuật toán phân loại trạng thái ô đỗ thời gian xử lý hệ thống 0.737s cho nhận dạng 23 vị trí đỗ 62 KẾT LUẬN Với gia tăng nhanh chóng số lượng tơ việc xây dựng bãi đỗ xe có hệ thống quản lí thơng minh, đưa dẫn số vị trí đỗ xe cịn trống định vị vị trí nhằm giúp lái xe tiết kiệm thời gian tìm chỗ đỗ xe bãi đỗ xe thành phố lớn vô cần thiết Đề tài mà luận văn nghiên cứu “ Nhận dạng chỗ đỗ xe ô tô camera” giúp giải vấn đề nhận dạng trạng thái chỗ đỗ xe cách tự động cho bãi đỗ xe với độ xác cao, hoạt động đơn giản, sử dụng ngồi trời tốn chi phí bảo dưỡng Đề tài giải toán đặt ban đầu, thiết kế phần cứng phần mềm để thực thi công việc chụp ảnh bãi đỗ xe ô tô, cắt ảnh theo vị trí phân loại vị trí trống “ Free” vị trí có xe đỗ “ Busy” Toàn hệ thống lắp đặt chạy thử nghiệm bãi đỗ xe C9 trường Đại học Bách Khoa Hà Nội cho kết nhận dạng xác (gần 100% điều kiện thời gian ban ngày tơ đỗ quy định), tồn hệ thống chạy ổn định Dựa kết bước đầu tương lai tác giả nhóm nghiên cứu phát triển thêm hệ thống để khắc phục số hạn chế mà khuôn khổ luận văn chưa thể giải trường hợp bãi đỗ xe rộng lớn cần sử dụng nhiều camera cần xây dựng hệ thống phần cứng kết nối nhiều camera, trường hợp có vị trí đỗ cố định đặt trước cần luôn đặt trạng thái khác trạng thái khác “ busy” hay “free” , trường hợp bãi đỗ xe có vị trí khuất cần điều chỉnh góc chụp camera, sử dụng nhiều camera hay sử dụng kết hợp camera cảm biến Đồng thời để nâng cao tính xác cho việc huấn luyện tác giả đề xuất cần thu thập thêm nhiều liệu với bãi đỗ xe đa dạng màu sân đỗ, màu sắc xe ô tô, thời tiết theo đặc trưng theo mùa… từ xây dựng nên hệ thống nhận dạng chỗ đỗ xe tơ xác, phù hợp với thực tế hướng tới xây dựng bãi đỗ xe thơng minh đáp ứng nhu cầu tìm chỗ đỗ xe nhanh chóng cho lái xe 63 64 TÀI LIỆU THAM KHẢO [1] News.oto-hui.com (2020) Phân tích thị trường Ô tô Việt Nam đến năm 2020 < https://news.oto-hui.com/phan-tich-thi-truong-o-to-viet-nam-den-nam-2020/> Xem 11/10/2020 [2]Thế Đạt (2019) Lượng Ơ tơ Việt Nam nhiều hay ít? Bao nhiêu xe 1000 dân? < http://www.tapchicongthuong.vn/bai-viet/luong-o-to-o-viet-nam-nhieu-hay-it-bao- nhieu-xe-tren-1000-dan-64830.htm > Xem 01/09/2020 [3]-Iiotvn.com (07/05/2020) Cách sử dụng Iot để phát triển giải pháp đậu xe thông minh < https://iiotvn.com/cach-su-dung-iot-de-phat-trien-giai-phap-dau-xe-thong-minh/> Xem 13/9/2020 [4] Press Releases (2018)Smart Parking: Tinynode solutions contribute to reduce city traffic up to 30% https://www.pdxeng.ch/2018/02/20/smart-parking-tinynode-solutions-contribute-reduce-city-traffic30/ Xem 15/9/2020 [5] Khôi Ngô Security (2020) Camera Analog gì? Khi nên chọn camera analog? < https://khoingo.net/camera-analog/> Xem 15/9/2020 [6] RASPBERRYPI VIỆT NAM (2014) Raspberry Pi gì? Giới thiệu Raspberry Pi < https://raspberrypi.vn/raspberry-pi-la-gi-gioi-thieu-ve-raspberry-pi-261.pi> Xem 18/9/2020 [7] Nttuan8 (2019) Giới thiệu xử lý ảnh https://nttuan8.com/bai-5-gioi-thieu-ve-xu-ly-anh/ 65 Xem 18/09/2020 [8]Nttuan8 (2019) Convolutional neural network < https://nttuan8.com/bai-6-convolutional-neural-network/> Xem 19/09/2020 [9] Phạm Đinh Khánh (2020) Bài 38 kiến trúc CNN đại Xem 25/09/2020 [10]Phạm Duy Tùng (2019) Tìm hiểu mạng AlexNet, mơ hình giành chiến thắng thi ILSVRC 2012 < https://www.phamduytung.com/blog/2019-05-27-alexnet> Xem 25/09/2020 [11] Giuseppe Amato, Fabio Carrara, Fabrizio Falchi, Claudio Gennaro, Carlo Meghini, Claudio Vairo “Deep Learning for Decentralized Parking Lot Occupancy Detection” 2016 [12]Phạm Duy Tùng (2019) Tìm hiểu mạng Mobile Net V1 < https://www.phamduytung.com/blog/2019-05-26-mobilenetv1/> Xem 25/09/2020 [13] Andrew G Howard, Menglong Zhu, Bo Chen, Dmitry Kalenichenko, Weijun Wang, Tobias Weyand, Marco Andreetto, Hartwig Adam “MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications”, arXiv preprint arXiv: 1704.04861 66 ... chương đây: Chương 1: Giới thiệu toán nhận dạng chỗ đỗ xe ô tô Nội dung chương đưa tính cần thiết tốn nhận dạng chỗ đỗ xe ô tô khái quát việc nhận dạng chỗ đỗ xe ô tô sử dụng camera kết hợp xử lý ảnh... BÀI TOÁN NHẬN DẠNG CHỖ ĐỖ XE Ô TÔ 1.1 Tính cần thiết đề tài 1.2 Bài toán nhận dạng chỗ đỗ xe ô tô CHƯƠNG THIẾT KẾ PHẦN CỨNG HỆ THỐNG NHẬN DẠNG CHỖ ĐỖ XE Ô TÔ ... 54 vii CHƯƠNG GIỚI THIỆU BÀI TỐN NHẬN DẠNG CHỖ ĐỖ XE Ơ TƠ Nội dung chương đưa tính cần thiết tốn nhận dạng chỗ đỗ xe ô tô khái quát việc nhận dạng chỗ đỗ xe ô tô sử dụng camera kết hợp xử lý ảnh