Nghiên cứu nâng cao hiệu năng trong hệ thống nhận dạng biển số xe

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG LÊ VŨ PHONG NGHIÊN CỨU NÂNG CAO HIỆU NĂNG TRONG HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE LUẬN VĂN THẠC SĨ KỸ THUẬT Đà Nẵng, 2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG LÊ VŨ PHONG NGHIÊN CỨU NÂNG CAO HIỆU NĂNG TRONG HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE Chuyên ngành: Hệ thống thông tin Mã số: 60.48.01.04 LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN Người hướng dẫn khoa học: TS NGUYỄN HOÀNG HẢI Đà Nẵng, 2017 LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng rơi Các số liệu, kết nêu luận văn trung thực chưa công bố cơng trình khác Tác giả Lê Vũ Phong MỤC LỤC MỞ ĐẦU 1 Lý chọn đề tài Mục tiêu nhiệm vụ đề tài Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Giải pháp đề xuất Mục đích ý nghĩa đề tài Kết dự kiến Bố cục luận văn CHƯƠNG TỔNG QUAN VỀ XỬ LÝ ẢNH 1.1 NHỮNG KHÁI NIỆM VỀ ẢNH SỐ 1.1.1 Phần tử ảnh 1.1.2 Biểu diễn ảnh 1.2 MỘT SỐ KHÁI NIỆM VỀ XỬ LÝ ẢNH 1.3 QUÁ TRÌNH XỬ LÝ ẢNH 1.4 MỘT SỐ ỨNG DỤNG CỦA XỬ LÝ ẢNH 11 CHƯƠNG TỔNG QUAN HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE 13 2.1 GIỚI THIỆU HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE CƠ BẢN 13 2.1.1 Chuyển ảnh sang ảnh mức xám 14 2.1.2 Mức xám đồ ảnh 15 2.1.3 Một số phương pháp tách ký tự vùng chứa biển số 16 2.1.4 Phương pháp nhận dạng ký tự 16 2.2 XÂY DỰNG HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE SỬ DỤNG MỘT SỐ CẢI TIẾN KỸ THUẬT XỬ LÝ ẢNH 17 2.2.1 Phương pháp Otsu 17 2.2.2 Thuật toán K-means xử lý ảnh 18 2.2.3 Kỹ thuật lọc trung vị 20 2.2.4 Loại bỏ vùng không mong muốn 21 2.3 TỔNG QUAN VỀ MẠNG NƠRON 22 2.3.1 Mạng Nơron nhân tạo 22 2.3.2 Một vài ứng dụng mạng Nơron nhân tạo 25 2.4 MƠ HÌNH MẠNG NƠRON VÀ CÁCH THIẾT LẬP MẠNG MẠNG NƠRON NHÂN TẠO 25 2.4.1 Mơ hình Nơron nhân tạo 25 2.4.2 Cách thức huấn luyện mạng nơron 28 2.4.3 Các thuật toán học 29 2.5 CƠ SỞ LÝ THUYẾT VÀ GIẢI THUẬT MẠNG LAN TRUYỀN NGƯỢC 30 2.5.1 Thuật toán mạng lan truyền ngược 30 2.5.2 Những hạn chế ưu điểm phương pháp lan truyền ngược 30 2.5.3 Sử dụng thuật toán lan truyền ngược 32 2.5.4 Một số biến thể thuật toán lan truyền ngược 33 2.6 MỘT SỐ VẤN ĐỀ QUÁ KHỚP VÀ HƯỚNG GIẢI QUYẾT 34 CHƯƠNG ỨNG DỤNG MẠNG NƠRON ĐỂ NHẬN DẠNG KÝ TỰ CHO HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE 37 3.1 MÔ HÌNH TỔNG QUÁT HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE 37 3.2 QUÁ TRÌNH THU NHẬN ẢNH 38 3.3 Q TRÌNH TRÍCH BIỂN SỐ XE, XỬ LÝ ẢNH BIỂN SỐ VÀ TÁCH KÝ TỰ CHỮ SỐ XE 38 3.3.1 Thuật tốn trích biển số xe dùng phương pháp phân tích phổ tần số 38 3.3.2 Các bước tiền xử lý 41 3.3.3 Thuật toán tách ký tự 42 3.4 QUÁ TRÌNH NHẬN DẠNG KÝ TỰ ĐƠN BẰNG MẠNG NƠRON NHÂN TẠO 45 3.4.1 Mơ hình mạng nơron cách thức huấn luyện mạng 45 3.4.2 Khởi tạo trọng số mạng nơron 47 3.5 GIAO DIỆN CHƯƠNG TRÌNH NHẬN DẠNG BIỂN SỐ XE 48 3.6 KIỂM TRA CHƯƠNG TRÌNH VÀ ĐÁNH GIÁ KẾT QUẢ CHẠY THỬ 51 3.6.1 Kho liệu thử nghiệm 51 3.6.2 Đánh giá kết thử nghiệm 51 3.6.3 Đánh giá kết 52 DANH MỤC TÀI LIỆU THAM KHẢO QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN (bản sao) DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Từ viết tắt Từ đầy đủ ADALINE Adapt Linear Nơron Network AI Artificial Intelligence ANN Artificial Nơron Networks ASCII American Standard Code for Information Interchange BIT Binary Digit CT Computed Tomography DE Directory Entry GIF Graphics Interchanger Format IFD Image File Directory IFH Image File Header ITS Intelligent Transportation Systems JPEG Joint Photograph Expert Group LVQ Learning Vector Quantization LZW Lempel Ziv Weleh MLP Mutil-Layer Perceptron MSE Mean Square Error PCX Picture Exchange Format PST Point Spread Function RBF Radial Basis RLE Run Length Encoded SVM Support Vector Machine TIFF Targed Image File Format DANH MỤC CÁC BẢNG Số hiệu Tên bảng bảng Trang 3.1 Thông số nhận dạng mạng chữ 47 3.2 Thông số nhận dạng mạng số 47 3.3 Mô tả liệu thử nghiệm 51 3.4 3.5 Thống kê kết nhận dạng biển số hệ thống Tổng kết kết thử nghiệm 51 52 DANH MỤC CÁC HÌNH Số hiệu Tên hình hình Trang 1.1 Hệ tọa độ pixel 1.2 Biểu diễn hệ thống ảnh 1.3 Quá trình xử lý hình ảnh 1.4 Các bước cở xử lý ảnh 2.1 Các bước tiến hành nhận dạng biển số xe 14 2.2 Phân cụm ảnh sử dụng thuật toán K-Means 18 2.3 Các bước thuật toán K-Means 19 2.4 Thuật toán lọc trung vị 20 2.5 Mơ hình tốn học tổng quát mạng Nơron nhân tạo 22 2.6 Hàm Heaviside 23 2.7 Nơron đầu vào 26 2.8 Nơron có nhiều đầu vào 26 2.9 Mơ hình mạng Nơron lớp 27 2.10 Mạng khớp với mẫu huấn luyện 35 2.11 Mạng dừng huấn luyện lúc 35 3.1 Mơ hình tổng qt hệ thống nhận dạng biển số xe 37 3.2 Biển số sau tách 39 3.3 Biển số xe sau tách chuyển sang ảnh mức xám 41 3.4 Biển số xe sau xử lý thuật toán K-Means 41 3.5 Biển số xe sau đảo màu 41 3.6 Biển số xe sau lọc Median 42 3.7 Biển số xe BlobsFiltering 42 3.8 Một số kết tách ký tự 42 Số hiệu hình Tên hình Trang 3.9 Chuẩn hóa ký tự kích cỡ 20x10 45 3.10 Sơ đồ mạng nơron nhận dạng ký tự chữ 46 3.11 Sơ đồ mạng nơron nhận dạng ký tự số 46 3.12 Giao diện hệ thống 48 3.13 Hệ thống nhận ảnh đầu vào 48 3.14 Hệ thống xử lý đưa kết nhận dạng biển số xe 49 3.15 Biển số xe bị vệt sơn mờ che phần số 49 3.16 Biển số bị đinh ốc gây nhiễu trình nhận dạng 50 3.17 Nhận dạng diển số xe chụp vào ban đêm 50 43 B : Xác định giới hạn ký tự: Quét hết chiều rộng ảnh, giá trị y + Nếu phát pixel đen đánh dấu y giá trị đỉnh ký tự (top_character) Dừng quét + Nếu quét hết chiều rộng, mà khơng tìm thấy pixel đen tăng y reset lại x, tiếp tục thực lại bước B : Xác định giới hạn ký tự: Bắt đầu duyệt từ giới hạn (đỉnh) vừa tìm thấy ký tự (0, top_character) + Tương tự xác định giới hạn trên, ta duyệt hết chiều rộng ảnh giá trị y + Nếu duyệt hết dịng mà khơng tìm thấy ký tự pixel đen ghi nhận y-1 giới hạn ký tự (bottom_character) Dừng duyệt +Nếu chưa tìm thấy bottom_character, tiếp tục duyệt đến dòng (tăng y, reset x=0) B Xác định giới hạn trái ký tự (xác định giá trị x ) - Bắt đầu từ giới hạn (đỉnh ký tự - top_character), giá trị x (x=0) - Quét đến giới hạn dòng (bottom_character), giữ nguyên x (quét theo chiều thẳng đứng) + Nếu gặp pixel đen đầu tiên, ghi nhận x giới hạn trái kí tự (leftcharacter) Dừng quét + Nếu quét đến cuối giới hạn dưới, khơng tìm thấy pixel đen nào, reset lại y = giới hạn vừa tìm thấy, tăng x lên (x++),và tiếp tục thực lại bước B : Xác định giới hạn phải ký tự (xác định giá trị x) -Bắt đầu từ giới hạn -đỉnh ký tự (top_character), giới hạn trái ký tự (left_character, top_character) Quét theo chiều thẳng đứng đến giới hạn dòng 44 + Nếu quét hết chiều đứng, mà khơng gặp pixel đen ghi nhận x-1 giới hạn phải ký tự (right_character) Dừng quét + Nếu gặp pixel đen tăng x (x++) reset lại y =top_character ký tự xét, để xét đường thẳng đứng B Lặp lại bước đến để xác định giới hạn ký tự dòng Với y=top_line dòng xét giá trị x = right_character ký tự vừa tìm thấy Tách ký tự khỏi biển số, ta bắt đầu chuẩn hóa ký tự kích thước 20x10 Ảnh ký tự ảnh nhị phân với pixel trắng có giá trị tương ứng 1, pixel đen có giá trị tương ứng Đây liệu để ta đưa vào mạng nơron nhằm phục vụ cho việc huấn luyên mạng 45 Hình 3.9 Chuẩn hóa ký tự kích cỡ 20x10 3.4 Q TRÌNH NHẬN DẠNG KÝ TỰ ĐƠN BẰNG MẠNG NƠRON NHÂN TẠO 3.4.1 Mơ hình mạng nơron cách thức huấn luyện mạng B : Xây dựng cấu trúc mạng với mơ hình lớp B : Khởi tạo giá trị ngẫu nhiên cho trọng số khoảng [-độ lệch,độ lệch] B : Nạp file ảnh đầu vào file huấn luyện (file text đầu mong muốn) B : Phân tích ảnh ánh xạ thành 200 nơron đầu vào B : Đọc kí tự đầu mong muốn, chuyển thành giá trị nhị phân Unicode lưu trữ lại B : Với kí tự ảnh: + Tính giá trị đầu mạng FeedForward + So sánh với ký tự tương ứng đầu mong muốn tính tốn lỗi + Lan truyền ngược lỗi điều chỉnh lại giá trị trọng số 46 B : Chuyển đến xét ký tự ảnh thực lại bước 6, duyệt hết ký tự ảnh B : Tính giá trị lỗi trung bình cho tất ký tự ảnh B : Lặp lại bước đến bước chạy đủ số vòng dạy + Nếu lỗi trung bình đạt thấp giá trị ngưỡng lỗi dừng + Nếu khơng tiếp tục Mạng chữ Hình 3.10 Sơ đồ mạng nơron nhận dạng ký tự chữ Mạng số Hình 3.11 Sơ đồ mạng nơron nhận dạng ký tự số 47 3.4.2 Khởi tạo trọng số mạng nơron Để khởi tạo trọng số hàm ngẫu nhiên sử dụng để định số lượng ban đầu ngẫu nhiên weight bias = 30 Trọng số: Weight (lớp, nút ẩn, nút nhập) Trọng số mạng chữ: weight (1,0,0) weight (1,99,199) …weight (2,20,99) Trọng số mạng số: weight (1,0,0) …weight (1,99,199) … weight (2,0, 99) Với việc nhận dạng mạng chữ ta dùng thông số: Bảng 3.1 Thông số nhận dạng mạng chữ Weight_character values Hidden Layer Size 100 Number of Patterns 21 Number of Epochs 9999 Learning Rate 100 Weight Bias 30 Sigmoid Slope 0.05 Với việc nhận dạng mạng số ta dùng thông số: Bảng 3.2 Thông số nhận dạng mạng số Weight_number values Hidden Layer Size 100 Number of Patterns 10 Number of Epochs 9999 Learning Rate 100 Weight Bias 30 Sigmoid Slope 0.05 48 3.5 GIAO DIỆN CHƯƠNG TRÌNH NHẬN DẠNG BIỂN SỐ XE Hình 3.12 Giao diện hệ thống Hình 3.13 Hệ thống nhận ảnh đầu vào 49 Hình 3.14 Hệ thống xử lý đưa kết nhận dạng biển số xe Một số trường hợp nhận dạng khác Hình 3.15 Biển số xe bị vệt sơn mờ che phần số 50 Hình 3.16 Biển số bị đinh ốc gây nhiễu trình nhận dạng Hình 3.17 Nhận dạng diển số xe chụp vào ban đêm 51 3.6 KIỂM TRA CHƯƠNG TRÌNH VÀ ĐÁNH GIÁ KẾT QUẢ CHẠY THỬ 3.6.1 Kho liệu thử nghiệm Kho biển số dùng để thử nghiệm thu thập từ liệu chụp ảnh xe mô tô hai bánh điều kiện ánh sáng chất lượng biển số khác Sau mơ tả tập ảnh máy tính dùng để thử nghiệm: Bảng 3.3 Mô tả liệu thử nghiệm Độ phân giải Ảnh 1152 x 864 pixel Vị trí chụp ảnh Thẳng đứng, diện Điều kiện ánh sáng - Chụp vào lúc trời sáng - Chụp vào lúc trời tối Số lượng ảnh 200 Hệ điều hành thử nghiệm Windows 10 3.6.2 Đánh giá kết thử nghiệm Bảng 3.4 Thống kê kết nhận dạng biển số hệ thống Số lượng mẫu thử nghiệm Kích thước ảnh chụp 200 1152x864 Số lượng trích biển số 183 Số lượng trích biển số sai 17 Số lượng tách ký tự 36 Số lượng tách ký tự sai 147 Số lượng nhận dạng 30 Số lượng nhận dạng sai 52 Bảng 3.5 Tổng kết kết thử nghiệm Số lượng mẫu thử nghiệm Kích thước ảnh chụp 200 1152x864 Số lượng trích biển số 183 Số lượng trích biển số sai 17 Số lượng tách ký tự 166 Số lượng tách ký tự sai 17 Số lượng nhận dạng 166 Số lượng nhận dạng sai 34 3.6.3 Đánh giá kết Trước tiên, ta thấy hệ thống nhận dạng biển số xe cải tiến số phương pháp xử lý ảnh phương pháp xác định ngưỡng xám ta thu kết nhận dạng tốt so với hệ thống nhận dạng biển số xe truyền thống Bên cạnh đó, kho liệu ảnh biển số thực chụp điều kiện sáng tối khác nhau, ảnh thu nhận có nhiều nhiễu hệ thống cho kết xác Xong, phần tách ký tự cịn chưa đạt kết cao trình xử lý chương trình chưa loại bỏ hồn tồn nhiễu ảnh, số trường hợp bị nhiễu nhiều đinh ốc, vết bẩn… gây ảnh hưởng đến việc nhận dạng Quá trình nhận dạng ký tự phụ thuộc nhiều vào giai đoạn trích biển số tách ký tự Nếu việc trích biển số tách ký tự tốt kết nhận dạng thu đạt hiệu cao Tuy ảnh ký tự bị nhiễu nhiều dẫn đến việc nhận dạng sai ký tự Ngồi số ký tự biển số xe ít, nên việc huấn luyện cho ký tự chữ chưa hoàn chỉnh mong muốn việc nhận dạng ký tự chưa có kết tốt Đối với ký tự số, thường dễ nhầm lẫn ký tự 7, “z” hay Thuật toán sử dụng luận văn quét hết tất điểm hình nên tốc độ xử lý cịn chưa q cao 53 Nhìn chung, kết nhận dạng cuối đảm bảo để hệ thống hoạt động tốt, nhiên, cần có nhiều biện pháp lọc nhiễu thủ thuật khác để hệ thống hoàn thiện a Các mặt đạt Mục tiêu luận văn xây dựng nâng cao hiệu cho chương trình nhận dạng biển số xe Như vậy, mục tiêu luận văn giải vấn đề sau: - Xử lý ảnh - Ứng dụng thuật toán phân tích phổ tần số để trích biển số xe phân tích biểu đồ mức xám việc tách ký tự - Sử dụng mạng Nơron để nhận dạng ký tự biển số - Xây dựng kết nghiên cứu Visual Studio Dot Net (CSharp) - Ứng dụng thư viện AForge xử lý ảnh thu nhận tín hiệu video b Các mặt cịn hạn chế Với mặt đạt nêu trên, nhiên luận văn nhiều mặt hạn chế như: - Chưa xử lý trường hợp ảnh tối sáng ảnh có chất lượng xấu - Chương trình chưa mang tính tổng qt cao nhận dạng biển số chưa đa dạng, ví dụ biển số xe có xanh chữ trắng (nhà nước) hay đỏ chữ trắng (quân đội) - Khả nhận dạng tương đối, chưa xử lý trường hợp chụp ảnh xa hay gần so với khoảng cách qui định chụp ảnh c Đề xuất hướng phát triển Với mặt hạn chế trên, xin đề hướng phát triển đề tài: 54 - Xây dựng ứng dụng tổng quát xử lý với số trường hợp biển số đặc biệt như: xanh chữ trắng, hay đỏ chữ trắng, … - Khắc phục khả trích bảng số với khoảng cách linh động hơn, xử lý ảnh nhận dạng tốt biển số xấu - Tăng tốc độ xử lý hệ thống d Sử dụng số chức thư viện AForge Mở ảnh định dạng ảnh // load an image System.Drawing.Bitmap image = (Bitmap) Bitmap.FromFile(filename); // format image AForge.Imaging.Image.FormatImage ( ref image ); Cách sử dụng lọc thư viện aforge.net // load an image System.Drawing.Bitmap image = (Bitmap) Bitmap.FromFile(filename); // create filter AForge.Imaging.Filters.Median filter = new AForge.Imaging.Filters.Median ( ) ; // apply filter System.Drawing.Bitmap newImage = filter.Apply ( Image); Nếu cần tác động nhiều chức lọc ảnh, ta triển khai bao tạp hợp chức lọc FilterSequence, sau them vào filter chức lọc cần áp dụng cho hình Và sau ta cần áp dụng chức lọc lần: // Create filters sequence AForge.Imaging.Filters.FiltersSequence //add filters to the sequence Filter.Add ( new AForge.Imaging.Filters.Sepia ( ) ); Filter.Add ( new AForge.Imaging.Filters.RotateBilinear (45)); 55 Filter.Add ( new AForge.Imaging.Filters.ResizeBilinear (320, 240)); Filter.Add ( new AForge.Imaging.Filters.Pixellate (8) ); Filter.Add ( new AForge.Imaging.Filters.Jitter (2) ); Filter.Add ( new AForge.Imaging.Blur ( ) ); // apply the Sequence to an image System.Drawing.Bitmap newImage = filter.Apply ( image); Khởi tạo lại kích thước chuẩn cho ảnh: IFilter filt = new ResizeBilinear ( 512, 256 ); img = filt.Apply (img); - Chuyển ảnh sang mức xám: IFilter way_filt = new GrayscaleY ( ) ; img = way _filt.Apply (img); - Phân ngưỡng ảnh: Way_filt = new Threshold ( 200) ; img = way_filt.Apply (img); - Đảo màu ảnh: Way_filt = new Invert (); Img = way_filt.Apply (img); - Bộ lọc Median : Way_filt = new Median (); Img = way_filt.Apply (img); - Bộ lọc BlobsFiltering BlobsFiltering filter = new BlobsFiltering (); Filter.MinHeight = 30; Filter.MinWight = 15; Filter.Maxheight = 100; Filter.ApplyInPlace (process_image); 56 - Bộ lọc BlobsCounter: BlobCounter blobs = new BlobCounter (imgArr[i]); Blob [ ] words = blobs.GetObjects ( imgArr [i]) ; Foreach ( Blob word in words ) imgArr [i] = word.Image; KẾT LUẬN CHƯƠNG 3: Chương giới thiệu hệ thống nhận dạng biển số xe, bước xử lý trực tiếp chứa biển số Ngồi ra, tơi so sánh hiệu hệ thống xử lý biển số xe hệ thống áp dụng số cải tiến trình xử lý ảnh Chương nêu ưu, khuyết điểm hệ thống đồng thời có hướng phát triển nhằm hồn thiện hệ thống nhận dạng biển số xe để áp dụng vào thực tế sống DANH MỤC TÀI LIỆU THAM KHẢO Tiếng Việt [1] Lương Mạnh Bá & Nguyễn Thanh Thuỷ (1999), Nhập môn xử lý ảnh số, Nhà xuất khoa học kỹ thuật, Hà nội [2] Lê Hùng Lân (Chủ Biên), Nguyễn Thanh Hải, Nguyễn Quang Tuấn, Đặng Quang Thạch, Nguyễn Trung Dũng (2012), Giáo trình hệ thống giao thông thông minh NXB Giao Thông Vận Tải [3] Ngô Diên Tập (1997), Xử lý ảnh máy tính, Nhà xuất Khoa Học Kỹ Thuật [4] TS Nguyễn Đình Thúc (2000), Mạng Nơron Phương pháp ứng dụng, Nhà xuất Giáo dục [5] Lê Minh Trung (1999), Mạng Nơron nhân tạo, Nhà xuất Thống kê Tiếng Anh [6] Andrew Kirillov (2007), Motion Detection sample application, AForge.NET framework [7] Andrew Kirillov (2006), Time Series Prediction using Multi-Layer Nơron Network, AForge.NET framework [8] Andrew Kirillov (2005), Nơron Network OCR, AForge.NET framework [9] Beatriz Díaz Acosta (2004), Experiments in image segmentation for Automatic US License plate recognition, Master of science in Computer science, USA [10] Bose N.K., Liang P.J (1996), Nơron Network Foundamentals with Graphs, Algorithms and Application, McGraw-Hill [11] License plate recognition technology (LPR) impact evaluation and community assessment ... nhận dạng ký tự số 46 3.12 Giao diện hệ thống 48 3.13 Hệ thống nhận ảnh đầu vào 48 3.14 Hệ thống xử lý đưa kết nhận dạng biển số xe 49 3.15 Biển số xe bị vệt sơn mờ che phần số 49 3.16 Biển số. .. tự Đối tượng phạm vi nghiên cứu 3.1 Đối tượng nghiên cứu - Xây dựng hệ nhận dạng biển số xe thực tế - Nâng cao độ xác cho hệ thống nhận dạng biển số xe 3.2 Phạm vi nghiên cứu Dựa liệu thu thập... số xử lý ảnh Đồng thời giới thiệu số ứng dụng xử lý ảnh sống 13 CHƯƠNG TỔNG QUAN HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE 2.1 GIỚI THIỆU HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE CƠ BẢN Ngày nay, khoa học công nghệ