b. Giảm ùn tắc giao thông
3.2 Giám sát chuyển động
a) Phát hiện đối tượng dựa vào nhóm chuyển động (Motion-base grouping)
Hình 2.10 Biểu đồ theo dõi phương tiện giao thông bằng cách nhóm các điểm
đặc biệt của phương tiện
Việc nhóm các điểm đặc biệt trên phương tiện dựa trên sự ràng buộc chuyển
động. Các điểm chuyển động cùng nhau được nhóm lại thành một thực thể phương tiện giao thông duy nhất. Nhưng lại có rất nhiều phương tiện trong làn giao thông nên để phân biệt giữa chúng là cả vấn đề. Việc nhóm lại phải làm sao cho phân biệt phương tiện này với phương tiện bên cạnh trong cùng một làn xe và tốc độ gần như
nhau. Do đó việc phân biệt đối với các phương tiện trong trường hợp đông đúc phải có nhiều ràng buộc phân biệt hơn, còn trong trường hợp thưa thớt không cần phải
đưa ra quá nhiều ràng buộc làm chậm quá trình tính toán.
Đối với trường hợp mà đường nhiều làn thì ta chia ra các làn đường ra bằng 4
Hình 2.11 Chia các làn đường để phân biệt các phương tiện.
Hình 2.12 Ví dụ của việc nhóm các điểm trên phương tiện
b) Các cách theo dõi, giám sát đối tượng
Theo dõi các đối tượng chuyển động trong video là một lĩnh vực rất phổ biến trong mấy năm trở lại đây. Các yếu tố sau có ảnh hưởng đến việc theo dõi các đối tượng trong video của Camera IP giao thông :
• Sựđa dạng của các loại phương tiện như : xe máy, xe chở khách, xe bus, xe tải …
• Điều kiện giao thông như tắc nghẽn giờ cao điểm, vận tốc các làn xe…
• Điều kiến ánh sáng như trời sáng, chiều, tối, nắng, u ám, mưa … Có 4 phương pháp theo dõi thường dùng sau :
¾ Theo dõi dựa theo mô hình 3D (3D Model based tracking)
Hệ thống theo dõi xe cộ dựa trên mô hình 3D đã được nghiên cứu bởi nhiều nhóm nghiên cứu. Hệ thống này nhấn mạnh tới việc tìm quĩ đạo chuyển động, mô hình vật thể với độ chính xác cao và số lượng nhỏ phương tiện.
¾ Theo dõi dựa theo vùng (Region based tracking)
Ý tưởng ởđây là xác định những vùng ảnh, thực ra là từng phương tiện sau đó theo dõi chúng theo phép đo tương quan chéo.Khởi tạo quá trình này rất đơn giản bằng “kĩ thuật trừ nền”. Phương pháp lọc nền thích hợp Kalman cho phép ước lượng nền theo thời tiết, ảnh hưởng của điều kiện ánh sáng.Các đối tượng xe cộ
(foreground objects) được phát hiện bằng cách trừ ảnh từ nền hiện tại ước lượng
được, tìm từng pixel nơi mà sự khác biệt tạo thành các ngưỡng và sau đó tìm các thành phần liên quan.
Tuy nhiên phương pháp này chỉ thích hợp với luồng giao thông thưa. Khó khăn sẽ xảy ra trong 2 trường hợp.Trường hợp thứ nhất đó là, bóng của các xe cộ có thể
gây ra nhiều sự nhầm lẫn. Để giải quyết vấn đề này ta lại phải có thêm một thông tin về mầu của bóng để có những biện pháp xử lý. Trường hợp thứ 2 đó là giờ cao
điểm, trong điều kiện này các phương tiện sẽ sít lại gần nhau và ảnh không còn
được cách ly nữa, việc phân tách các phương tiện trở nên rất khó khăn. Một loạt các phương tiện sẽ bị “vón cục” trên nền và có thể sẽ bịđếm thiếu số phương tiện.
¾ Theo dõi dựa trên đường viền linh hoạt (Active contour based tracking):
Ý tưởng là sẽ cập nhật liên tục đường viền của vật thể. Ý tưởng này hay hơn phương pháp “Theo dõi dựa theo vùng” bởi vì sự phức tạp tính toán ít hơn.
Có một phương pháp tiếp cận khác trong việc theo dõi đó là thay vì theo dõi cả
vật thể ta theo dõi bằng các điểm riêng biệt hoặc đường viền trên vật thể (như cái chắn gió đằng sau của ôtô …). Phương pháp này thuận lợi ở chỗ vẫn tìm được sự
khác biệt giữa các phương tiện với nhau cho dù có các khó khăn khác như: bóng của xe, giờ cao điểm các xe bị lẫn vào nhau… đồng thời việc đếm xe, đo vận tốc cũng thuận tiện.