Hệ thống phân tích, nhận dạng biển báo giao thông trên thiết bị di động

Hiện nay nhiều tai nạn giao thông xảy ra khi người điều khiển phương tiện đi vào làn đường cấm vì không hiểu ý nghĩa biển báo giao thông trên các đoạn đường. Người tham gia giao thông vẫn chưa nắm rõ hết các biển báo. Trong khi đó, nhiều người nước ngoài điều khiển các phương tiện nhưng cũng chưa nắm rõ các ý nghĩa của biển báo giao thông. Để giải quyết vấn đề trên, đề tài mong muốn giúp mọi người có thể hiểu ý nghĩa các biển báo giao thông một cách dễ dàng và giúp nhiều trẻ em có thể học các biển báo thông qua phương pháp nhận dạng hình ảnh.

HỆ THỐNG PHÂN TÍCH, NHẬN DẠNG BIỂN BÁO GIAO THƠNG TRÊN THIẾT BỊ DI ĐỘNG Lầu Sẹc Dần, Phạm Quốc Quân, Nguyễn Đức Thy Tuấn Khoa Công nghệ Thông tin, trường Đại học Cơng nghệ TP.Hồ Chí Minh, HUTECH TĨM TẮT Hiện nhiều tai nạn giao thông xảy người điều khiển phương tiện vào đường cấm khơng hiểu ý nghĩa biển báo giao thơng đoạn đường Người tham gia giao thông chưa nắm rõ hết biển báo Trong đó, nhiều người nước điều khiển phương tiện chưa nắm rõ ý nghĩa biển báo giao thông Để giải vấn đề trên, đề tài mong muốn giúp người hiểu ý nghĩa biển báo giao thông cách dễ dàng giúp nhiều trẻ em học biển báo thơng qua phương pháp nhận dạng hình ảnh Đề tài sử dụng máy học thư viện Tensorflow để phân tích nhận dạng biển báo giao thơng Mơ hình nhận dạng huấn luyện tảng đám mây, nhờ xây dựng ứng dụng di động có khả áp dụng vào thực tế Kết thực nghiệm ứng dụng cho thấy khả nhận dạng thành công biển báo giao thông Hiệu suất nhận dạng ứng dụng số hạn chế, cải tiến trở nên tốt tương lai gần bổ sung thêm liệu huấn luyện Từ khóa: Biển báo, Máy học, Nhận dạng, Phân tích, Tensorflow MỞ ĐẦU Hầu tuyến đường có biển báo giao thơng để dẫn giữ an toàn cho người tham gia giao thơng, biển báo có tầm quan trọng cao thiếu tuyến đường, cịn giúp người điều khiển giao thơng (cảnh sát giao thông) dễ dàng quản lý xử phạt thích hợp với hành vi sai trái, vi phạm luật lệ giao thông Hiện không nước mà ngồi nước có nhiều biển báo giao thơng Do đó, chúng tơi định tìm hiểu, phân tích, thu thập liệu huấn liệu tập liệu để triển khai chủ đề "Hệ thống phân tích nhận dạng biển báo giao thơng thiết bị di động" để giúp người điều khiển giao thông biết tên gọi ý nghĩa biển báo, từ giúp người điều khiển giao thông chấp hành với quy tắc biển báo, giúp cảnh báo giữ an tồn cho người điều khiển giao thơng, tránh trường hợp đáng tiếc cho người lái xe lưu thông TensorFlow thư viện phần mềm nguồn mở dành cho máy học nhiều loại hình tác vụ nhận thức hiểu ngôn ngữ [1] Thư viện sử dụng cho nghiên cứu lẫn sản xuất sản phẩm như: Nhận dạng giọng nói, hình ảnh Để làm điều Google Brain sử dụng lọc Canny để tìm biên ảnh Đó kết hợp bước khác để tìm tối ưu đường biên, cho đường biên mảnh xác 1.1 Tìm biên ảnh dựa lọc Canny Quá trình tìm biên phương pháp Canny thực theo bốn bước: Bƣớc 1: Loại bỏ nhiễu hình ảnh Đó loại nhiễu hình ảnh, làm cho hình ảnh mờ cách nhân hình ảnh với lọc Gause, chẳng hạn lọc G5 5x5 với hệ số σ = 1,4 250 [ ] Bƣớc 2: Tính giá trị độ dốc ảnh Vì đường biên ảnh nơi tách biệt đối tượng khác nhau, độ dốc thay đổi mạnh mẽ Để tính tốn độ dốc hình ảnh, sử dụng lọc Sobel hợp trực tiếp ma trận hình ảnh với mặt nạ theo hướng x y Sau đó, chúng tơi tính tốn độ lớn độ dốc hình ảnh.: ( √ ) Trong đó, Gx Gy đạo hàm theo hướng x, y pixel xem xét Góc làm tròn theo hướng dọc, ngang chéo, nghĩa làm trịn để nhận giá trị 0, 45, 90 135 độ Bƣớc 3: Xóa giá trị khơng tối đa hóa Bước tìm pixel có khả biên ảnh cách loại bỏ giá trị không tối đa hóa bước để tìm gradient hình ảnh Chúng ta thấy rằng, với giá trị góc trên, đường biên đối tượng theo bốn hướng Bƣớc 4: Chọn đường biên đối tượng ảnh Theo đó, lọc Canny sử dụng ngưỡng ngưỡng dưới, độ dốc điểm ảnh có giá trị lớn ngưỡng trên, chúng tơi xác nhận điểm biên ảnh, giá trị nhỏ ngưỡng dưới, khơng phải điểm biên Hình 1: Ảnh xám Hình 2: Biên ảnh sau lọc với lọc Canny 1.2 Hình nhị phân, nhị phân hóa với ngƣỡng động Ảnh nhị phân ảnh giá trị pixel biểu thị hai giá trị 255 tương ứng với màu đen trắng Nhị phân hóa trình biến hình ảnh màu xám thành hình ảnh nhị phân Ảnh xám chuyển thành ảnh nhị phân theo công thức 1.3 1.3 Công thức ( ) { ( ) ( ) Ghi chú: g(x, y) giá trị cường độ ánh sáng pixel vị trí (x, y) T ngưỡng nhị phân 251 1.4 Hình ảnh Hình 3: Hình xám Hình 4: Hình nhị phân Ta thấy hình hình xám chưa qua q trình nhị phân hóa Hình thể hình ảnh sau nhị phân hóa hình với ngưỡng nhị phân(T) 100 GIẢI PHÁP ĐỀ XUẤT Để giải cho vấn đề này, muốn mang đến sản phẩm để giúp người dân dễ dàng tham gia giao thông mà không lo ngại vấn đề biển báo Sản phẩm giúp người dân hiểu luật cách rõ ràng tuân thủ luật giao thông cách đơn giản, chuẩn xác Ngoài ra, sản phẩm cịn giúp người dùng lưu trữ thơng tin biển báo nhận dạng, dùng làm chứng trước trường hợp xảy mâu thuẫn tham gia giao thông Hỗ trợ người du lịch từ nước sang nước khác người nước vào Việt Nam tham gia giao thông cách dễ dàng mà không lo ngại vấn đề luật giao thông nước Với thời đại công nghệ đại, sản phẩm giúp trẻ em học biển báo thông qua việc nhận dạng mà không tốn thời gian mua sách học thuộc biển báo Áp dụng mơ hình đường ống xử lý cho nhận dạng vật thể (Object detection processing pipeline) [4] với Google Colab để đào tạo mơ hình biển báo giao thông nhận dạng biển báo giao thông camera sau smartphone với hỗ trợ thư viện TensorFlow [1, 2, 3] KẾT QUẢ THỰC NGHIỆM Sau sưu tầm nghiên cứu cách thức hoạt động Biển báo huấn luyện thành công số tập liệu áp dụng vào ứng dụng Sau hệ thống phân tích đưa kết luận cho biển báo lưu vào lịch sử, từ mà ta xem chi tiết biển báo điều luật hình thức xử phạt Sau nhiều lần chạy thử nghiệm sản phẩm có kết khả quan tất biển báo (30 biển báo) nhận dạng với độ tin cậy gần 100% điều kiện chuẩn 252 Bảng 1: Thống kê kết thực nghiệm THỐNG KÊ KẾT QUẢ THỰC NGHIỆM Số lượng biển báo đào tạo 30 Kích thước hình ảnh nhận dạng (Pixel) 120 x 120 đến 7020 x 4960 Số bước(step) trung bình đào tạo cho biển báo 15000 Số lần test cho biển báo 10 Tuy nhiên số hạn chế cự ly nhận dạng biển báo, thể cách tường minh qua biểu đồ sau: Độ xác 100.000% 90.000% 80.000% 70.000% 60.000% 50.000% 40.000% 30.000% 20.000% Khoảng cách(mét) 10.000% 000% 0.5 1.5 2.5 3.5 4.5 Biểu đồ 1: Biểu độ thể độ xác theo khoảng cách Kết thực nghiệm ứng dụng nhận dạng biển báo giao thơng Hình 5: Đang nhận dạng biển báo Hình 6: Kết sau nhận dạng 253 Hình 7: Lịch sử biển báo Hinh 8: Chi tiết biển báo KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN Đề tài thành công bước đầu hoàn thành mục tiêu ban đầu tạo ứng dụng có khả nhận dạng biển báo giao thơng Vì cịn liên quan đến chất lượng camera điện thoại kích thước hình ảnh nên cịn số vấn đề chưa tốt mặt hiệu như: Khoảng cách, tốc độ, ánh sáng Trong tương lai gần, sẽ tiếp tục phát triển tối ưu hóa vấn đề khoảng cách điều quan trọng sản phẩm Hoàn thiện tập liệu để đưa đa dạng mặt biển báo tăng thêm độ xác, giải vấn đề tồn đọng ứng dụng sau đưa sản phẩm lên tảng camera hành trình dành cho phương tiện giao thơng, giúp người tham gia giao thông trẻ em học biển báo cách dễ dàng TÀI LIỆU THAM KHẢO [1] Anukrati Mehta, Jonathan Hui, Juan De Dios Santos (2018) Guide about use Tensorflow object detection API and step train model on cloud [2] Justin Francis (2017) through all the steps for building a custom object classification model using TensorFlow’s API [3] Pulkit Sharma, Arun Ponnusamy (2018) use Yolo for detect object and predict from the cell level to the boundary box level [4] Vijayan K Asari (2016) Object Detection and Recognition in Complex Environmental Conditions 254 ... cách Kết thực nghiệm ứng dụng nhận dạng biển báo giao thơng Hình 5: Đang nhận dạng biển báo Hình 6: Kết sau nhận dạng 253 Hình 7: Lịch sử biển báo Hinh 8: Chi tiết biển báo KẾT LUẬN VÀ HƢỚNG PHÁT... hình biển báo giao thơng nhận dạng biển báo giao thông camera sau smartphone với hỗ trợ thư viện TensorFlow [1, 2, 3] KẾT QUẢ THỰC NGHIỆM Sau sưu tầm nghiên cứu cách thức hoạt động Biển báo huấn... báo (30 biển báo) nhận dạng với độ tin cậy gần 100% điều kiện chuẩn 252 Bảng 1: Thống kê kết thực nghiệm THỐNG KÊ KẾT QUẢ THỰC NGHIỆM Số lượng biển báo đào tạo 30 Kích thước hình ảnh nhận dạng (Pixel)