Bài viết Phương pháp phân loại nhanh phương tiện giao thông dựa trên đường viền trình bày phương pháp biểu diễn đường viền của đối tượng trong ảnh nhị phân bằng vector số phức; phân tích một số tính chất của vector số phức để áp dụng cho bài toán nhận dạng; so sánh mẫu trên cơ sở đường viền; xây dựng lược đồ chung cho việc nhận dạng và phân loại đối tượng bằng phương pháp đường viền vector.
Kỷ yếu Hội nghị Quốc gia lần thứ VIII Nghiên cứu ứng dụng Công nghệ thông tin (FAIR); Hà Nội, ngày 9-10/7/2015 DOI: 10.15625/vap.2015.000197 PHƯƠNG PHÁP PHÂN LOẠI NHANH PHƯƠNG TIỆN GIAO THÔNG DỰA TRÊN ĐƯỜNG VIỀN Nguyễn Văn Căn, Nguyễn Tiên Hưng, Dương Phú Thuần, Nguyễn Đăng Tiến Trường Đại học Kỹ thuật – Hậu cần CAND cannv@truongt36.edu.vn, hungnt.bca@gmail.com, thuanktt36@gmail.com, dangtienT36@gmail.com TÓM TẮT - Mục đích viết trình bày phương pháp biểu diễn đường viền đối tượng ảnh nhị phân vector số phức; phân tích số tính chất vector số phức để áp dụng cho toán nhận dạng; so sánh mẫu sở đường viền; xây dựng lược đồ chung cho việc nhận dạng phân loại đối tượng phương pháp đường viền vector Chúng tiến hành thử nghiệm nhận dạng phân loại tập ảnh có mức độ phức tạp xe máy, xe ô tô cho kết xác tốc độ tính tốn nhanh Từ khóa: Contour Analysis, Car Recognition, complex vector, Vector Contour I GIỚI THIỆU Phân loại ảnh toán thu hút quan tâm nhà nghiên cứu phát triển, ứng dụng rộng rãi nhiều ứng dụng hữu ích như: tìm kiếm ảnh, nhận dạng, theo dõi phát đối tượng Trong giám sát đối tượng chuyển động từ video chẳng hạn giám sát phương tiện giao thơng, phân loại ảnh toán sau toán phát đối tượng chuyển động [15] Cách tiếp cận phổ biến toán phân loại ảnh đối sánh ảnh, tức tìm vùng giống hai ảnh dựa điểm đặc trưng Khi toán đối sánh ảnh quy toán so sánh đặc trưng trích chọn [3], [7], [8], [9], [13] Các đặc trưng cho phép biểu diễn ảnh nghiên cứu bao gồm đường biên vùng ảnh, điểm ảnh đặc trưng, lược đồ xám, Có hai vấn đề thường đặt toán đối sánh ảnh: i) biểu diễn thông tin cách hiệu nhằm thực việc đối sánh hai ảnh nhanh có thể; ii) làm để giải pháp đối sánh hoạt động hiệu có thay đổi mơi trường: nhiễu trình thu nhận ảnh, thay đổi ánh sáng, che khuất, Các phương pháp đối sánh ảnh dựa đối sánh điểm đặc trưng đề xuất nhiều đạt thành công đáng kể [9], [12], [14] Tuy nhiên để đạt độ xác định, phương pháp địi hỏi nhiều thời gian tính toán Trong ứng dụng thời gian thực giám sát giao thông tự động, việc đưa phương pháp đối sánh ảnh thực thời gian thực công việc cần thiết [2], [4], [5], [6], [10], [11] Nghiên cứu trình bày giới thiệu phương pháp tiếp cận phân loại mạnh mẽ ô tô xe máy ảnh giao thông Đóng góp báo đề xuất phương pháp biểu diễn đường viền đối tượng đường viền vector trường số phức [1], phân tích áp dụng tính chất số phép toán trường số phức, áp dụng cho việc nhận dạng phân loại đối tượng Trong phần báo này, chúng tơi trình bày chi tiết nội dung phương pháp tiếp cận chúng tơi Mục II, trình bày phương pháp biểu diễn đường viền đối tượng trường số phức áp dụng cho thuật toán phân loại đường viền Mục III, trình bày kết thực nghiệm bàn luận đánh giá Mục IV kết luận hướng phát triển II PHƯƠNG PHÁP BIỂU DIỄN ĐƯỜNG VIỀN ĐỐI TƯỢNG BẰNG SỐ PHỨC A Biểu diễn đường viền theo vector Phân tích đường viền (Contour Analysis - CA) cho phép mơ tả, lưu trữ, so sánh tìm đối tượng biểu diễn dạng đường viền Đường viền chứa thơng tin cần thiết hình dạng đối tượng Không quan tâm nhiều đến điểm bên đối tượng, quan tâm nhiều thể đường viền bên ngồi cho phép chuyển khơng gian đường viền, từ cho phép giảm thời gian tính tốn độ phức tạp tính tốn CA cho phép giải hiệu toán nhận dạng mẫu – biến đổi, quay tỷ lệ ảnh đối tượng Phương pháp CA bất biến phép biến đổi Đường viền đường bao đối tượng, thường điểm ảnh, phân tách đối tượng với Trong hệ thống thị giác máy tính, vài định dạng mã hóa đường viền sử dụng mã hóa Freeman, mã hóa chiều, mã hóa đa giác thường sử dụng Nhưng tất định dạng thường không sử dụng CA Định nghĩa Đường viền Vector[16] Đường viền Vector đường viền biểu diễn dãy số phức Trên đường viền, điểm bắt đầu cần xác định Tiếp theo, đường viền quét (xoay theo chiều kim đồng hồ), vector biểu diễn số phức a+ib Với a điểm trục x, b điểm trục y Các điểm biểu diễn (Hình 1) Do tính chất vật lý đối tượng ba chiều, đường viền chúng ln khép kín khơng tự giao Nó cho phép xác định rõ ràng duyệt qua đường viền (để hướng - ngược chiều kim đồng hồ) Vector cuối đường viền luôn dẫn đến điểm khởi đầu 582 PHƯƠN NG PHÁP PHÂN N LOẠI NHANH H PHƯƠNG TIỆN N GIAO THÔNG G DỰA TRÊN ĐƯ ƯỜNG VIỀN Mỗi vector đđường viền đư ược gọi vectorr sở EV (Ellementary Vecctor) Và chuỗỗi giá trị số phức gọi đường viền vector (VC) ữ Γ, EV V ký hiệu γ Như vậy, đường đ viền veector Γ có độ dài k xác định Γ=(γ0, VC ký hiệu chữ γ1, , γk-1) Hình h Biểu diễn đường đ viền g vector số phứcc Khi biểểu diễn đườngg viền V VC thao táác đường viền tthao tác vector số phứ ức có chứa nhiều n đặc tínhh tốn học hơnn mã biiểu diễn khác Về bản, mã m số phức làà gần với mã hai chiều mà đường ữa thao tác tỷ lệ viền v địnhh nghĩa phổ biến vectoor tron ng tọa độ ch hiều Nhưng sựự khác biệt giữ vector v số phức khhác Trườ ờng hợp ưu tiên ch ho phươngg pháp CA n Tích vvơ hướng củaa đường viền [16] Định nghĩa Hai số phức p đư ường viền Γ vàà N, tích vơ hư ướng làà Γ, ∑ , (1) đường viền Γ, νn vectorr sở đư ường viền N với k – kích thước củủa VC, γn veector sở củ Tích vơơ hướng cáác số phức đư ược tính cơng c thức: (a+ibb,c+id)=(a+ib)(c+id)=ac+bd d+i(bc+ad) (2) r mộột tích vơ hướnng CA có đường viiền vector VC C chiều đồồng Do v số Chú ý vectors v sở t đường vviền trùng nhhau Tích vơơ hướng cáác vector thườ ờng tích vô ô hướng cáác số phức kkhác nhau: Nếếu ta nhân vector sở s EV mộột vector đơn, tích vơ hướngg chúng sẽẽ là: ((a,b),(c,d))=ac + bd (3) r So sánhh công thức nàày với công thhức (2) ý rằng: - Kết quuả tích vơ hướ ớng veectors số s thực Và kếết tích củaa số phức llà số phức - Phần thực tích vơ hướng củủa số phứcc trùng với tícch vơ hướng ccủa vectorr phù hợp Tíc ch số phức bao b gồm tích vơ v hướng vecttor Theo đại đ số tuyến tíính, để xác địịnh chín nh xác chiều vật v lý đặc tính tích vơ hướng Tích vơ hướng h vớ ới tích độ dài vector củủa góc cosin Tức vector vnng góc lnn có tích vơ hướng 0 Ngược lại, tích t vectorr thẳng hàng ssẽ cho giá trị tích vơ hướng tối đa Những đặc tính ccủa tích sử dụng cách để đo đ lường độ ggần veector Nếu tích h lớn, góc g nhỏ vecttor, vector cààng gần Với vvector vng ggóc, tích 0, h nhận giá trị âm cho nhữnng vector có hướng h khác nh hau theo cáchh Tích vơơ hướng (1) cũ ũng có đặc đ tính tươngg tự Mệnh đề đ Đặc tính h đường vviền Cho Γ=(γ0, γ1, , γk-1), tổng E EV S, ta có: S= SUM(γ0, γ1, , γk-1)=0, S tầm thườờng k=1 Cho I1 ảnh nguồồn, Γ1 thuộc I1; I2 I1 tịnh tiến t theo phương p p, Γ2 tthuộc I2;, Γ = Γ1 Quayy ảnh theo mộột góc độ đđó tương đươn ng với quay m EV đưường viền trênn góc độ Việcc thay đổi điểm m khởi đầu tiếến hành theo vịng trịn VC C Vì EV mã hóa liên quan đến n điểm trrước đó, điều rõ ràng thay đổi điểểm khởi đầu, trình t tự m EV nnhư nhau, nhưnng EV đầu tiê ên bắt đầu đ từ điểm khhởi đầu Thayy đổi tỷ lệ ảnh nguồn coi phép nhân EV đđường viền vớới hệ số tỷ ỷ lệ Nguyễn N Văn Căn, Nguyễn Tiên Hư ưng, Dương Phú T Thuần, Nguyễn Đăng Đ Tiến 583 Bắt nguuồn từ cách bbiểu diễn đườnng viền số phức, giả sử có hướnng củaa đường viền, đỉnh đ cao nhất, quay theo chhiều kim đồngg hồ, chúng taa có vector số phức {1, 1-i, -i, -1, -1+i, 11+i} Rõ ràng ta có tổng vector v bằnng Bằng trự ực quan hóa hìnnh học, dễ dàn ng chứng minh đặc tínnh 2,3 đđặc tính cịn lại Định nghĩa n Tích vvơ hướng chu uẩn hóa [16] Tích vơơ hướng chuẩnn hóa (NSP) củủa hai đường viền vector Γ N xáác định ccông thức: , | || | (4) N| - Chuẩn (chhiều dài) đường viền đư ược tính cơng thức: |Γ| |N |Γ| ∑ | | (5) đ NSP cựcc đại [16] Mệnh đề Dạng chhuẩn NSP P đạt giá trị lớn ớn nhất, đường viền Γ giống với đưường viền N, xoay th heo số góc g tỉ lệ hệ số xáác định Thật vậậy, NSP trrong không giian phức g số phức, p tính đồnng giáá trị lớn chuẩn c NSP (Thheo bất đẳng tthức Cauchy-B Bunyakovsky Schwarz): |ab b| ThresoldContour then { Countour(j) ← Countour(i); j++}} m=j; //m số đường viền sau loại bỏ đường viền nhỏ Tìm đặc trưng đường viền For i=1 to m {//Tính tốn tham số đặc trưng CV(i) ← Chuvi(Contour(i)) DT(i)←DienTich(Contour(i)) for j=1 to d {//Tính góc đỉnh goc(i,j)=TinhGoc(Contour(i),j) } Cập nhật Template For i=1 to m { Template ← CV(i), DT(i) For j=1 to d Template ←goc(i,j) } Retrurn Template Pha phân loại Nhận dạng tập ảnh thực tế (Thực online – thời gian thực): Input: Video/Ảnh Output: ImageCountour (Ảnh có chứa đường viền phương tiện) Nội dung thuật tốn: Thu nhận Xử lý sơ ảnh (Làm mịn, lọc nhiễu, tăng độ tương phản) Image ← Capture(Video) Image ← ChuanHoaAnh(Image) Tìm đường viền n ← SoDuong Vien(Image) Contour(i) ← TimDuongVien(Image), i=1 n Chuẩn hóa đường viền For i=1 to n {//Áp dụng thuật tốn đơn giản hóa Contour(i) ←DonGianHoa(Contour(i), d)} For i=1 to n {//Tính chu vi ChuVi(i) ← TinhChuVi(Contour(i))} For i=1 to n {//Loại đường viền nhỏ j←i if ChuVi(i)> ThresoldContour then { Countour(j) ← Countour(i); j++}} m=j; //m số đường viền sau loại bỏ đường viền nhỏ Tìm đặc trưng đường viền For i=1 to m {//Tính tốn tham số đặc trưng CV(i) ← Chuvi(Contour(i)) DT(i)←DienTich(Contour(i)) for j=1 to d {//Tính góc đỉnh 585 586 PHƯƠN NG PHÁP PHÂN N LOẠI NHANH H PHƯƠNG TIỆN N GIAO THÔNG G DỰA TRÊN ĐƯ ƯỜNG VIỀN goc(i,,j)=TinhGoc(C Contour(i),j) } So sánh đường vviền với Tempplate For each đđường viền phhát { C Chọn vùng chii vi để đối sán nh C Chọn vùng diệện tích để đối sánh S So sánh đồnng dạng đường viền}} Return Mệnh đề đ Độ phứcc tạp ước tính h thuật to oán phân loạii dựa VC C Giả sử b ảnh đư ược nhị phân hhóa có kích th hước n*n pixells, tìm đường viền cácch duyệt qua to ồn ảnh chiều, độ phức tạp ttương ứng O O(n2) Giả sử k độ dài đư ường viền, t làà số đườn ng viền có tron ng ảnh Thuậtt tốn so sánhh đường viền có c độ phức tạp ước tính làà O(n2k2t) Thuật toán t thực phức tạp, đđặc biệt với độ ộ dài số k lớn Tuyy nhiên thực tế, đườn ng viền ban đầu đ số k nhỏ Ta thêm m vào phép nộội suy coi giá trị xấp xỉ Vấn đề cần chọn ggiá trị k Vậy giá trị tối ưu nhất? Câu trả lời chho vấn đề nàyy hoàn toàn định nghĩa n vùng ứng dụnng cụ thể Mặặt khác, độ dàii lớn k có ngh hĩa tiêu tốn lượng phhí lớn vào việc c đánh giá Cịn C giá trị k nhỏ n cần thơnng tin, độ chínnh xác việcc nhận dạng cũ ũng giảm vviệc nhận dạngg nhiễu tăng lê ên III THỰC NGHIỆM N VÀ BÀN LUẬN Mặc dùù giới hhạn trên, phươ ơng pháp CA ú ý với nhữngg thực đơn giản tốc t độ cao Trong T việc thểể đối tượng nnền tương phản n nhiễu, CA C thực hiiện tốt việc nhhận dạng Việc kiiểm nghiệm phhương pháp C CA cách kiểm thử cho kết 90 % phương tiệện nhận diện d Đó m kết khhá tốt Và kết chứaa số lượng g ảnh đọc xấu pphương tiện D Do CA xử lý 249 ảnh với v kích thhước khác nhaau (từ 400*4000 tới 1280*96 60) vòng g 30 giây So sánh với kết qquả [14], độ xác x cải c thiện tốốc độ nhanh hhơn Bên cạnh việc nhận dạạng ảnh tĩn ĩnh, thực tốc độ cao củ CA cho phép p xử lý viddeo chế đđộ thời gian thhực sis - thực hiệện chức nă Thực nghiệm n th thiết kế dự án Dự án n ContourAnalys C ăng c phân tích đường viền, tạo viền,, tích vơ hướn ng đường viền, cân bằnng hóa, đánh ggiá ICF AC CF, so sánh v tìm kiếm cáác mẫu Hình Hệ H thống thực ng ghiệm Lớp Coontour tạo lưu trữ cácc đường viền Chứa vận n hành bảnn cho đường vviền, tích vơ hư ướng, tỉ lệ, cân c hóa, chuẩn hóa đánh giá quanng phổ, đánh giá g ACF, ICF Lớp Teemplate dùng để tạo ccác mẫu n Lớp lưu u trữ đườnng viền, mơơ tả ACF, tham m số tuyến tính đườngg viền ban đầuu, chuẩn đđường viền Đồng thời lớp mẫu m có tênn dùng ttrong giá trị nh hận dạng Lớp TeemplateFinderr thực việệc tìm kiếm nhanh n mẫu u đường vviền cho sẵn K Kết ự vận hành c lớp làà FoundTemplateDesc, ứa đường viền n ban đầu mẫu m phhát đư ường viền cho o sẵn Bên cạnh c FounddTemplateDessc chứa tỉ lệ tư ương tự, góc xoay x tỉ lệ đường đ viện, cáác liên hệ mẫuu Dự án thứ t 2, ContouurAnalysisProcessing , chứaa phương pháp để xử lýý sơ ảnh, cchọn đường viền, lọc nhận n dạng Đồồng thời cũũng chứa ccông cụ để tự động tạo cáác mẫu cho vi ệc nhận dạng loại xe, sử dụng thư viện v OpenCV (EmguCV NE ET wrapper) đđể xử lý ảnh Nguyễn N Văn Căn, Nguyễn Tiên Hư ưng, Dương Phú T Thuần, Nguyễn Đăng Đ Tiến 587 Lớp Im mageProcessorr sử ddụng để xử lý ý ảnh Đồng thời lưu trữữ mẫu Phươnng thức ProcessImage() ImageProcessoor nhận ảnh đầu vào Kếtt xử lý liệệt kê đườn ng viền pphát ImaageProcessor.ssamples liệt kê danh sáách đường viềền nhậnn diện FoundT Templates Lớp p ImageProceessor chứa càài đặt cho việc c tìm kiếm đường đ viền Các thaam số tthực nghiệm:: Kích thước ngưỡng n khối thích t nghi (Addaptive Thresoold block size)) = pixel; Độ Đ dài đường viền nhỏ nhấất (Min contouur length) = 30 pixel; Diện tích đường viiền nhỏ ((Min contour area) = 10 pixel; p Độ phânn giải ảnh đầu vào: 640 x 4880 pixel Cơ sở liệu mẫu:: Thực nghiệm m thực n tạo c sở liệu ttập mẫu đđường viền gồ ồm 50 mẫu đường đ viền khhác từ cáác hình dạng xe máy, xee ô tô, xe mááy, ô tô, xee máy ô tô Đường viền mẫu m xe máy m tập trung lưu trữ tồn hìnhh dạng đường viền bao quan nh xe máy Thhêm số m mẫu đường viền phần nửa n ngườii xe máy Đ Đối với ô tô, tậập mẫu tạo b cách lưu u trữ khung đưường viền kính trước ô tô t a)) Một xe máy b) Hai xe mááy c) Một tơ thơng qqua kính trước d) Một tơ vvà xe máy Hình Ví dụ d tập mẫu đểể so sánh Trong q trình nhậnn dạng, gán nhhãn cho đường g viền phát hiệện tươngg ứng 1xm ((một xe máy),, 1oto (một ô tô), 2xm (haii xe máy), 2otto (hai ô tô), 11xm1oto (một xe máy kèm m ô tô) a) b) b c) a) Nhận dạnng đường vviền, gán nhãn ch ho xe nhã ãn 1xm b) Nhận dạnng xe máy Trong có xe nhận dạng theo o đường viền toànn bộ, xe nhận dạạng theo phần trê ên xe c) Nhận dạnng ô tô vvà xe máy gầ ần Hình h Ví dụ kết qu uả nhận dạng xee tơ xe máyy Phươngg pháp thhực nghiệm vvới ảnh tự nhiên tron ng toán đếm m phương tiệnn giao thông, so sánh nhận n dạng nhanh n xee máy, ô tô, xe máy dín nh liền nhau, tơ dính liềền nhau, ô ttô xe máy y dính liền n ảnhh Giải thuuật hoạt động với tốc độ 100-14Hz máy m tính Pentiu um IV, 2.6GH Hz phù hợp vớới ứng dụng thời gian th hực Độ chínhh xác giảii thuật đượ ợc kiểm nghiệm thông qua việc v đối sánh ảnh giao thônng chụp m số cung đường đ Việt Nam N Trong q trình thựcc nghiệm, chúúng tơi thấy r cịn có m số hạn chế phương pháp p, cần phải nghiên n cứu tiếpp tục sau: - Hạn chế c cóó liên quan tớii vấn đề lựa ch họn đường viềền ảnh Đ Đường viền đư ược giới hạn với cấu trrúc rời rạc nhhất định Tuy nhiên đốii tượng đư ược thể t mơi trưường thực có tthể xảy nhữ ững trường hợp: h Có số lượng lớn đường viềnn liên quan vàà không liên qu uan đến đối tưượng nhận dạnng; Đối tượng g ảnh khơng k thể có đường đ biên rõõ ràng, nnhận diện dựaa độ sáng g màu sắcc so với nền, ccó thể bị nhiễu… Tất n nhân tốố dẫn tới việc đường vviền không thểể lựa chọ ọn đượcc chọn không xác, kh hơng tương đồng đ với đườnng bao đốii tượng Mặt kkhác, thựcc tế đối tư ượng cóó nhiều đườngg viền tồn tại, chẳng hạn n tơ: đường viền kkính trước, đườ ờng viền gươn ng quan sát hậậu, đường viềền hai đèn trướớc xe, Việc tổ hợp đường đ viền nàày m đối tượngg cần phảải đặt 588 PHƯƠNG PHÁP PHÂN LOẠI NHANH PHƯƠNG TIỆN GIAO THÔNG DỰA TRÊN ĐƯỜNG VIỀN - Hạn chế thứ hai, gây phức tạp cho phương pháp CA có liên quan tới quy tắc phân tích đường viền Phương pháp CA giả sử đường viền mô tả khung đối tượng không quan tâm đến phần phía sau phần nhìn thấy khơng hồn tồn đối tượng Do CA có độ ổn định trường hợp nhiễu, không hỗ trợ giao cắt phần nhìn thấy đối tượng IV KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Trong báo này, đề xuất phương pháp phân loại dựa đường viền, có khả ứng dụng vào tốn đối sánh ảnh địi hỏi thời gian thực Đóng góp chính: 1) phương pháp biểu diễn đường viền đối tượng đường viền vector trường số phức; 2) số phép toán xử lý đường viền vector số phức, xấp xỉ đường viền số phức đa giác; 3) sử dụng giải thuật phân tích đường viền, tìm kiếm độ dài đường viền để thực tìm kiếm đối sánh hai đường viền Hướng phát triển là: 1) loại bỏ nhanh số lỗi cách xem xét kích thước chiều dài, chiều rộng đối tượng, ngưỡng xấp xỉ hình dạng đường viền mịn hơn, sau thử nghiệm giải thuật đối sánh ảnh hệ thống giám sát giao thông thời gian thực; 2) xem xét đến trường hợp đối tượng có nhiều đường viền để tăng độ xác khả nhận dạng đối tượng đa dạng V TÀI LIỆU THAM KHẢO [1] Kasana, H S (2005), Complex Variables: Theory And Applications (2nd ed.), PHI Learning Pvt Ltd, p 14, ISBN 81-203-2641-5 [2] S Benhimane and E Malis (2007), Homography based 2d visual tracking and servoing Int Jounal of Computer Vision, 2007 Special UJCV/IJRR issue on vision for robots [3] H Tran, A Lux (2004), A method for ridge extraction In Proc of Asean Conference on computer vision ACCV05, Volume 1, Pages 96-111, Jeju, Korea [4] A I Comport, E Marchand, and F Chaumette(2004), Robust model-based tracking for robot vision In IEEE/RSJ Int Conf on Intelligent Robots and Systems, IROS'04, volume 1, pages 692.697, Sendai, Japan, September 2004 (extended version version published in Advanced Robotics, 16(10):1097.1013, december 2005 (special issue on Selected paper from IROS'04) [5] A I Comport, E Marchand, and F Chaumette (2006), Statistically robust 2d visual servoing IEEE Trans on Robotics, 22(2):415.421 [6] A I Comport, E Marchand, M Pressigout, and F Chaumette (2006), Realtime markerless tracking for augmented reality: the virtual visual servoing framework IEEE Trans on Visualization and Computer Graphics, 12(4):615.628 [7] H Tran (2006), Etude des lignes d'intérêt naturelles pour la représentation d'objets en vision par ordinateur Ph.D dissertation (in french) [8] E Rosten and T Drummond (2005), Fusing points and lines for high performance tracking In IEEE Int Conf on Computer Vision, pages 1508-1515, Beijing, China [9] K Mikolajczyk, T Tuytelaars, C Schmid, A Zisserman, J Matas, F Schaffalitzky, T Kadir, and L Van Gool (2005), A comparison of affine region detectors Int Journal of Computer Vision, 65:43.72 [10] E Marchand, F Spindler, and F Chaumette (2005), ViSP for visual servoing: a generic software platform with a wide class of robot control skills IEEE Robotics and Automation Magazine, 12(4):40.52, December 2005 Special Issue on "Software Packages for Vision-Based Control of Motion", P Oh, D Burschka (Eds.) [11] E Marchand and F Chaumette (2005), Feature tracking for visual servoing purposes Robotics and Autonomous Systems, 52(1):53.70 Special issue on Advances in Robot Vision., D Kragic, H Christensen (Eds.) [12] D Lowe (2004), Distinctive image features from scale-invariant keypoints Int Journal of Computer Vision, 60(2):91.110 [13] V Lepetit and P Fua (2006), Keypoint recognition using randomized trees IEEE Trans on Pattern Analysis and Machine Intelligence, 28(9):1465.1479 [14] A J Lipton and at al (1998), Moving target classification and tracking from real-time video In Proc of Workshop Applications of Computer Vision, pages 129–136 Bảng kết nghiên cứu [14] Target Vehilce Human False Tot 319 291 Unclass 10.7% 11.0% Misclass 2.5% 6.2% Correct 86.8% 82.8% [15] Ngô Quốc Tạo, Nguyễn Văn Căn, Huỳnh Văn Huy (2014), Nghiên cứu phương pháp đếm xe ô tô sử dụng mô hình hỗn hợp Gaussian luồng quang học Kỷ yếu hội nghị Fair 2014 Nguyễn Văn Căn, Nguyễn Tiên Hưng, Dương Phú Thuần, Nguyễn Đăng Tiến 589 [16] Rohit Kolar, Akshay Thakar, Muzaffar Shabad (2014), Image Segmentation for Text Recognition using Boundary Analysis International Journal of Emerging Technology and Advanced Engineering ISSN 2250-2459, ISO 9001:2008 Certified Journal, Volume 4, Issue 2, February 2014) 294 [17] Wu, Shin-Ting and Márquez (2004), Mercedes R G (2004), A non-self-intersection Douglas-Peucker Algorithm, Proceedings of Sibgrapi © 2004 IEEE FAST METHOD CLASSIFICATION BASED ON TRANSPORTATION CONTOURS Nguyen Van Can, Nguyen Tien Hung, Duong Phu Thuan, Nguyen Dang Tien ABSTRACT - The purpose of this paper is: first, the present method of performing contour of the object in a binary image using complex numbers vector Monday analyzing some properties of the complex vector to apply to problem identification, comparison on the basis of contour form Construction general scheme for the identification and classification of objects by means of vector contours We have conducted experiments to identify and classify the photo with the complexity of motorcycles and cars for accurate results and fast calculation speed ... PHƯƠNG PHÁP PHÂN LOẠI NHANH PHƯƠNG TIỆN GIAO THÔNG DỰA TRÊN ĐƯỜNG VIỀN - Hạn chế thứ hai, gây phức tạp cho phương pháp CA có liên quan tới quy tắc phân tích đường viền Phương pháp CA giả sử đường. .. 585 586 PHƯƠN NG PHÁP PHÂN N LOẠI NHANH H PHƯƠNG TIỆN N GIAO THÔNG G DỰA TRÊN ĐƯ ƯỜNG VIỀN goc(i,,j)=TinhGoc(C Contour(i),j) } So sánh đường vviền với Tempplate For each ? ?đường viền phhát { C Chọn... PHƯƠN NG PHÁP PHÂN N LOẠI NHANH H PHƯƠNG TIỆN N GIAO THÔNG G DỰA TRÊN ĐƯ ƯỜNG VIỀN Mỗi vector ? ?đường viền đư ược gọi vectorr sở EV (Ellementary Vecctor) Và chuỗỗi giá trị số phức gọi đường viền vector