4.2.1.1 Nhận ảnh từ camera
Trong khóa luận này, camera được sử dụng là IP camera Panasonic BL-C1, một loại camera cấu hình vừa phải có chức năng chủ yếu là ghi lại hình ảnh và truyền qua môi trường mạng. Vì tính chất đó, nên việc thu nhận hình ảnh từ camera sẽ thực hiện thông qua giao thức HTTP.
4.2.1.2 Xử lý và nhận diện đối tượng trong ảnh
Kí hiệu đánh dấu:
Trong thực nghiệm này, chúng tôi dùng 2 loại kí hiệu để đánh dấu 2 loại thiết bị khác nhau ứng với kí hiệu A trong hình 4.1(a) và kí hiệu B trong hình 4.1(b):
(a) (b)
Hình 4.1: Các kí hiệu sử dụng
Tính phổ màu:
Tại phần này chúng tôi đã triển khai các thuật toán từ mô hình đề xuất trên các hệ thống thực tế là IP camera Panasomic BL-C1. Như đã trình bày trong chương 3, với mỗi loại camera khác nhau thì độ sai lệch về màu sắc mà nó tạo ra là khác nhau nên chúng ta cần tính toán phổ từng màu trong thực tế.
Trong phạm vi khóa luận này, để làm được điều trên chúng tôi đã thực hiện thực nghiệm sau. Sử dụng camera tiến hành chụp ảnh các màu mẫu trong phòng thí nghiệm Toshiba dưới các điều kiện khác nhau về ánh sáng (từ đèn, từ tự nhiên...), khoảng cách (với khoảng cách trong khoảng từ 1 tới 8 m)... Sau khi thống kê trên khoảng 200 bức ảnh chụp tập trung vào 4 màu chính là đỏ, vàng, xanh rêu, xanh lam kết quả thu được được mô tả trong biểu đồ sau (hình 4.2)
Color histograms 0.00% 10.00% 20.00% 30.00% 40.00% 50.00% 60.00% 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 Hue P e rc e n ta g e Yellow Green Blue Red
Hình 4.2: Biểu đồ phân bố các màu đỏ, vàng, xanh rêu, xanh lam trong hệ màu HSV
Trong biểu đồ trên trục hoành là trục ứng với độ đo màu (H) trong hệ màu HSV (từ 0 tới 180), trục tung là tỉ lệ phần trăm các số các điểm có chỉ số màu là h trên tổng số các điểm có màu cùng loại (chúng ta có 100 điểm màu đỏ trong đó có 50 điểm có chỉ số h=174 thì giá trị tại trục tung của điểm có hoành độ là h=174 sẽ là 50%). Ngoài
ra từ biểu đồ trên ta cũng suy ra được khoảng tập trung của các màu khác nhau như bảng dưới đây (bảng 4.1):
Bảng 4.1: Bảng phân bố màu tập trung
Màu Khoảng (theo độ H) Tỉ lệ Đỏ 172-179 97% Vàng 18-28 99% Xanh rêu 58-72 97% Xanh lam 107-116 98.5 %
Số liệu ở bảng trên sẽ được dùng như thông tin chính để kiểm tra màu của một điểm ảnh trong quá trình so sánh sau này.
Kĩ thuật nhận diện:
Với mô hình đã đề xuất, các kĩ thuật nhận diện được triển khai trên môi trường sau:
Ngôn nhữ lập trình: C++.
Thư viện sử dụng:OpenCV.
Công cụ: Visual Studio 2005.
Các hàm sử dụng trong việc nhận diện được xây dựng dưới dạng một thư viện liên kết động (DLL – dynamic link library)
Hình 4.4: Một số ví dụ về kết quả nhận diện
Kết quả và đánh giá
Kết quả nhận diện với từng loại kí hiệu được mô tả trong bảng sau:
Bảng 4.2: Kết quả nhận diện Tên kí hiệu Kích thước (mm) Số lần nhận đúng Số mẫu Tỉ lệ A 100x100 87 100 87% B 100x100 83 100 83% A 120x120 94 100 94% B 120x120 91 100 91%
Thời gian nhận diện mỗi đồ vật trong một ảnh dao động trong khoảng từ 200 đến 300 mili giây.
Các thực nghiệm được thực hiện trên phòng thí nghiệm Toshiba-Coltech, các đồ vật được đặt trong khoảng cách không quá 6 mét.
Khi thực hiện thực nghiệm với khoảng cách xa hơn thì kết quả giảm đi tương đối. Từ kết quả trên có thể thấy kết quả nhận diện chưa thực sự cao, khoảng cách mà hệ thống có thể nhận diện tốt còn ngắn (6 mét), hình ảnh dùng để đánh dấu còn khá to.
Kết quả nhận diện còn chưa cao có thể có thể giải thích qua một số nguyên nhân sau:
Chất lượng hình ảnh từ camera không ổn định, có độ nhiễu và độ nhòe ảnh cao. Điều này là thực tế vì camera sử dụng là một loại netcam bình thường chất lượng ảnh đã bị làm giảm cho phù hợp với tính chất của nó là hình ảnh sẽ được truyền trên mạng LAN hoặc internet với băng thông cũng như tốc độ hạn chế.
Màu bị biến đổi bới tác động của những nguồn sáng quá mạnh như đặt quá gần cửa sổ bị ánh sáng mặt trời làm thay đổi, hay đặt quá gần đền có cường độ sáng lớn