1. Trang chủ
  2. Luận Văn - Báo Cáo

Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

69 15 0
Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Đang tải... (xem toàn văn)

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

Thông tin tài liệu

Ngày đăng: 11/07/2021, 16:50

Xem thêm: Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình ảnh liên quan

Hình 2.2: Sự khác biệt của histogram cho cut (nguồn: Tài liệu [5]) - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 2.2.

Sự khác biệt của histogram cho cut (nguồn: Tài liệu [5]) Xem tại trang 20 của tài liệu.
Hình 2.4: Tín hiệu khác biệt histogram (xanh) và tín hiệu trộn với cửa sổ W (đỏ) (ngu ồn: Tài liệu [5]) - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 2.4.

Tín hiệu khác biệt histogram (xanh) và tín hiệu trộn với cửa sổ W (đỏ) (ngu ồn: Tài liệu [5]) Xem tại trang 22 của tài liệu.
Hình 2.5: Tín hiệu khác biệt histogram (xanh) và tín hiệu trộn với cửa sổ W (đỏ) (nguồn: Tài liệu [5]) - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 2.5.

Tín hiệu khác biệt histogram (xanh) và tín hiệu trộn với cửa sổ W (đỏ) (nguồn: Tài liệu [5]) Xem tại trang 23 của tài liệu.
Hình 2.6: Đặc trưng SIFT từ cửa sổ (window) được trích xuất 128 chiều (ngu ồn: Tài liệu [3]) - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 2.6.

Đặc trưng SIFT từ cửa sổ (window) được trích xuất 128 chiều (ngu ồn: Tài liệu [3]) Xem tại trang 24 của tài liệu.
Hình 2.7: Minh họa các bước chính trong giải thuật SIFT (ngu ồn: Tài liệu [3]) - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 2.7.

Minh họa các bước chính trong giải thuật SIFT (ngu ồn: Tài liệu [3]) Xem tại trang 27 của tài liệu.
Hình 2.8: Quá trình tính không gian đo (L) và hàm sai khác DoG (ngu ồn: Tài liệu [17]) - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 2.8.

Quá trình tính không gian đo (L) và hàm sai khác DoG (ngu ồn: Tài liệu [17]) Xem tại trang 29 của tài liệu.
Hình 2.9: Quá trình tìm điểm cực trị trong các hàm sai khác DoG ( ngu ồn: Tài liệu [17]) - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 2.9.

Quá trình tìm điểm cực trị trong các hàm sai khác DoG ( ngu ồn: Tài liệu [17]) Xem tại trang 30 của tài liệu.
Hình 2.11: Quá trình tìm điểm cực trị trong các hàm sai khác DoG (ngu ồn: Tài liệu [17]) - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 2.11.

Quá trình tìm điểm cực trị trong các hàm sai khác DoG (ngu ồn: Tài liệu [17]) Xem tại trang 34 của tài liệu.
Hình sau mô phỏng quá trình tính toán các bộ mô tả theo cách tiếp cận: - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình sau.

mô phỏng quá trình tính toán các bộ mô tả theo cách tiếp cận: Xem tại trang 35 của tài liệu.
Hình 2.16: 4x4 hình vuông con xung quanh điểm đặc trưng (nguồn: Tài liệu [12]) - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 2.16.

4x4 hình vuông con xung quanh điểm đặc trưng (nguồn: Tài liệu [12]) Xem tại trang 40 của tài liệu.
Hình 2.18 tổ chức thư viện OpenCV (nguồn: Intel) - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 2.18.

tổ chức thư viện OpenCV (nguồn: Intel) Xem tại trang 42 của tài liệu.
Hình 3.1 Kiến trúc hệ thống - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.1.

Kiến trúc hệ thống Xem tại trang 48 của tài liệu.
Hình 3.2 Sơ đồ tuần tự tách keyframe từ video - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.2.

Sơ đồ tuần tự tách keyframe từ video Xem tại trang 49 của tài liệu.
Hình 3.3 Sơ đồ tuần tự so trùng ảnh với keyframe - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.3.

Sơ đồ tuần tự so trùng ảnh với keyframe Xem tại trang 50 của tài liệu.
Hình 3.5: SQLite lưu trữ các video của camera - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.5.

SQLite lưu trữ các video của camera Xem tại trang 52 của tài liệu.
Hình 3.6: SQLite lưu trữ các keyframe của video - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.6.

SQLite lưu trữ các keyframe của video Xem tại trang 52 của tài liệu.
Hình 3.7: Giao diện chính của chương trìnhKeyFrame - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.7.

Giao diện chính của chương trìnhKeyFrame Xem tại trang 53 của tài liệu.
Hình 3.8: Kết quả xử lý video tách keyframe - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.8.

Kết quả xử lý video tách keyframe Xem tại trang 54 của tài liệu.
Choose image scene: truy vấn tìm kiếm hình ảnh cần tìm. Button Recognize: Th ực hiện tìm kiếm - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

hoose.

image scene: truy vấn tìm kiếm hình ảnh cần tìm. Button Recognize: Th ực hiện tìm kiếm Xem tại trang 55 của tài liệu.
Hình 3.9: Giá trị keypoints, khoảng cách giới hạn các keypoints - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.9.

Giá trị keypoints, khoảng cách giới hạn các keypoints Xem tại trang 55 của tài liệu.
Hình 3.11 Tách keyframe video “carparking1.mp4” - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.11.

Tách keyframe video “carparking1.mp4” Xem tại trang 56 của tài liệu.
Hình 3.13 Tách keyframe video “carparking3.mp4” - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.13.

Tách keyframe video “carparking3.mp4” Xem tại trang 57 của tài liệu.
Hình 3.12 Tách keyframe video “carparking2.mp4” - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.12.

Tách keyframe video “carparking2.mp4” Xem tại trang 57 của tài liệu.
Hình 3.14 Matching phát hiện ra đối tượng ôtô1 - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.14.

Matching phát hiện ra đối tượng ôtô1 Xem tại trang 58 của tài liệu.
Hình 3.15 Kết quả truy vấn tìm kiếm đối tượng ôtô1 - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.15.

Kết quả truy vấn tìm kiếm đối tượng ôtô1 Xem tại trang 58 của tài liệu.
Hình 3.17 Kết quả truy vấn tìm kiếm đối tượng ôtô2 - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.17.

Kết quả truy vấn tìm kiếm đối tượng ôtô2 Xem tại trang 59 của tài liệu.
Hình 3.16 Matching phát hiện ra đối tượng ôtô2 - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.16.

Matching phát hiện ra đối tượng ôtô2 Xem tại trang 59 của tài liệu.
Hình 3.18 Matching phát hiện ra đối tượng ôtô3 - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.18.

Matching phát hiện ra đối tượng ôtô3 Xem tại trang 60 của tài liệu.
Hình 3.21 Kết quả truy vấn tìm kiếm đối tượng ôtô4 - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.21.

Kết quả truy vấn tìm kiếm đối tượng ôtô4 Xem tại trang 61 của tài liệu.
Hình 3.20 Matching phát hiện ra đối tượng ôtô4 - Hệ thống quản lý bãi xe ô tô dựa vào video giám sát

Hình 3.20.

Matching phát hiện ra đối tượng ôtô4 Xem tại trang 61 của tài liệu.

Từ khóa liên quan

Mục lục

  • CHƯƠNG 1: GIỚI THIỆU

    • 1.1: GIỚI THIỆU ĐỀ TÀI

    • 1.2: TỔNG QUAN VỀ THỊ GIÁC MÁY TÍNH _ COMPUTER VISION

    • CHƯƠNG 2: TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU CỦA ĐỀ TÀI

      • 2.1: MỘT SỐ KHÁI NIỆM

        • 2.1.1 Cấu Trúc Video

        • Hình 2.1: Mô hình cấu trúc của Video

          • 2.1.2 Key – Frame

          • 2.2: XÂY DỰNG CƠ SỞ DỮ LIỆU

          • 2.3: XỬ LÝ VIDEO

            • 2.3.1 Tách shot

            • 2.3.1.1 Phát hiện shot

            • 2.3.1.2 Phân loại

            • 2.3.2 Kỹ thuật tách shot

              • 2.3.2.1 Sự khác biệt giữa các histogram

              • Hình 2.2: Sự khác biệt của histogram cho cut (nguồn: Tài liệu [5])

              • Hình 2.3: Sự khác biệt của histogram cho fade/dissolve (nguồn: Tài liệu [5])

                • 2.3.2.2 Phát hiện biên

                • Hình 2.4: Tín hiệu khác biệt histogram (xanh) và tín hiệu trộn với cửa sổ W (đỏ) (nguồn: Tài liệu [5])

                • Hình 2.5: Tín hiệu khác biệt histogram (xanh) và tín hiệu trộn với cửa sổ W (đỏ) (nguồn: Tài liệu [5])

                  • 2.3.2.3 Tách shot

                  • 2.3.3 Phát hiện frame chính (key frame)

                  • 2.4: TRÍCH XUẤT CÁC ĐIỂM ĐẶC BIỆT VÀ CÁC ĐẶC TRƯNG CỦA ẢNH BẰNG THUẬT TOÁN SIFT (Scale-invariant Feature Transform)

                    • Tổng quan về SIFT

                    • Hình 2.6: Đặc trưng SIFT từ cửa sổ (window) được trích xuất 128 chiều

                    • Hình 2.7: Minh họa các bước chính trong giải thuật SIFT

                      • Biểu diễn ảnh bằng đặc trưng SIFT

                      • Phát hiện các điểm cực trị trong không gian đo

                      • Hình 2.8: Quá trình tính không gian đo (L) và hàm sai khác DoG

                      • Hình 2.9: Quá trình tìm điểm cực trị trong các hàm sai khác DoG

                        • Định vị các điểm đặc trưng

                          • ( Phép nội suy lân cận cho vị trí đúng của điểm tiềm năng:

Tài liệu cùng người dùng

Tài liệu liên quan