1.3.1. Phát hiện phương tiện
Các hệ thống phát hiện phương tiện đều có ưu và nhược điểm riêng. Tuy
nhiên, mục đích chính của luận án là đưa ra đánh giá phương pháp khả thi ở
các nơi giao thông có tính chất hỗn hợp.
Từ các nghiên cứu đánh giá các phương pháp nhận diện phương tiện và
phương pháp phân loại phương tiện giao thông ở trên có khả năng ứng dụng vào giao thông hỗn hợp hay không. Các phương pháp trong [14] chưa đánh giá
hết được các đặc điểm để có thể ứng dụng ở những nước có dòng phương tiện
hỗn hợp. Ngoài ra, còn có các nghiên cứu đánh giá độ chính xác của các công
nghệ phát hiện như trong nghiên cứu [21] với tiêu chí đánh giá độ chính xác của
các phương pháp phát hiện phương tiện giao thông trong nhiều bối cảnh cụ thể
[22]. Từ việc tổng hợp các công nghệ ở trên, khả năng ứng dụng các công nghệ
Bảng 1.1: So sánh khả năng ứng dụng của phương pháp xử lý ảnh với các phương pháp khác trong giao thông hỗn hợp
Công nghệ Nhậndiện
Đếm phương
tiện
Đo tốc độ Phân loại Giao thônghỗn hợp
Cảm ứng điện từ X X X X Không
Từ trường X X X Không Không
Từ tính X X X Không Không RADAR vi sóng X X X X Không Hồng ngoại chủ động X X X X Không
Hồng ngoại bị động X X X Không Không
Siêu âm X X Không Không Không
Âm thanh X X X Không Không
Công nghệ không
dây X X X Không X
Xử lý ảnh X X X X X
Dựa vào Bảng 1.1 thì có thể xác định các phương pháp có khả năng áp dụng
cho dòng phương tiện giao thông hỗn hợp chính là xử lý ảnh. Tuy nhiên, việc
thực tế áp dụng còn nhiều khó khăn và còn cần phải cải thiện các phương pháp
cho phù hợp với đặc trưng giao thông ở từng vùng và từng loại kịch bản giao thông.
Từ các nghiên cứu và đánh giá về các công nghệ ở trên mô hình quản lý
phương tiện và giám sát lưu lượng đề xuất của hệ thống được diễn giải ở Hình
1.2. Đây chính là sơ đồ khối hệ thống được đề xuất trong phạm vi thực hiện của
luận án này.
1.3.2. Các ứng dụng xử lý ảnh
Hiện tại, trên thế giới đã tập trung ứng dụng công nghệ xử lý ảnh vào trong
ITS. Do đó, có thể phân loại rõ vùng làm việc của các hướng ứng dụng này như sau:
Ứng dụng xử lý ảnh trong cơ sở hạ tầng gồm có: - Phát hiện phương tiện
Ảnh/Video thu được Nh n diậ ện ph ng ti nươ ệ Tiền xử lý (C i thi n chả ệ ất lượng nh)ả Nh n d ng ậ ạ ph ng tiươ ện Quản lý ph ng ti nươ ệ Đ ốo t c độ Phân loại phương tiện
Giám sát quỹ đạ o ph ng tiươ ện H th ng thu phíệ ố
Giám sát lưu lượng
Hình 1.2: Sơ đồ khối của hệ thống đề xuất - Phân loại phương tiện giao thông
- Phát hiện vi phạm khoang hành khách
- Phát hiện các chuyển động, quỹ đạo vi phạm
- Giám sát nút giao thông
- Phát hiện các dữ liệu dị thường
- Phân tích lưu lượng phương tiện
- Quản lý chỗ đỗ xe
Ứng dụng xử lý ảnh gắn trong phương tiện:
- Phát hiện các vùng còn trống trong khoang hành khách
- Cảnh báo chệch làn đường
- Dự báo/phòng tránh va chạm
- Phát hiện người đi bộ
- Giám sát tài xế
- Nhận dạng biển báo giao thông
- Giám sát điều kiện đường giao thông
1.3.3. Quy trình ứng dụng xử lý ảnh trong giao thông
Hình 1.3 trong [23], dữ liệu đầu vào thu được từ camera gắn ở điểm giám sát.
Dữ liệu này được đưa vào bộ tiền xử lý hình ảnh nhằm mục đích cải thiện chất
lượng, nâng độ phân giải hoặc cải thiện độ tương phản giữa các đối tượng trong
khung hình sau quá trình truyền về trung tâm. Ảnh sau khi cải thiện chất lượng
được đưa vào khối trích xuất đặc trưng nhằm đưa ra các đặc trưng chung cho
đối tượng cần giám sát. Tiếp theo là khối thực thi các quyết định nhằm thực
lưu lượng. Ảnh/Video thu được Tiền x lý ử hình ảnh Trích xu t ấ đặc trưng Quy t ế định Người đ ềi u hành Tr c quan hóa dự ữ li uệ Phân tích ngo i ạ tuy n và t i ế ố ưu hóa
C m biả ến dữ liệu th ị giác
Hình 1.3: Quy trình ứng dụng xử lý ảnh trong giao thông
1.4. Hiện trạng xử lý ảnh trong ITS
Mặc dù trên thế giới vẫn tồn tại các công nghệ song song với nhau nhằm
quản lý giao thông một cách thuận lợi, nhưng nhờ những ưu điểm lớn của công
nghệ xử lý ảnh mà nó được ứng dụng trong giao thông ngày một nhiều, tiêu
biểu là các điểm sau đây:
Không phải cải tạo hay cắt đường để lắp đặt các bộ nhận diện hay đầu dò phương tiện
Dễ dàng lắp đặt theo các cột đèn, cột điện, biển báo hay đèn tín hiệu giao thông
Gọn nhẹ hơn các phương pháp khác và không ảnh hưởng tới hạ tầng giao thông
Dữ liệu được truyền trực tiếp về trung tâm
Công nghệ xử lý ảnh cho phép trích xuất nhiều thông tin hình ảnh phương
tiện với các phương pháp khác
Ngày nay tại các đô thị hiện đại trên thế giới, camera được lắp đặt ở các địa
điểm quan trọng giúp nhà chức trách giám sát và quản lý được thuận tiện hơn.
Trong giao thông, việc triển khai hệ thống camera giám sát cũng đã được triển
khai từ lâu sơ khai là đề xuất nghiên cứu trong [23], [24]. Phương pháp ứng dụng
xử lý ảnh vào quản lý giao thông với nhiều ưu điểm vượt trội, khả năng theo
thống camera giám sát phương tiện giao thông được lắp đặt nhiều tại các nút
giao thông quan trọng. Nhờ đó ứng dụng xử lý ảnh trong giao thông để phát
hiện phương tiện giao thông, phân loại phương tiện, giám sát lưu lượng phương
tiện ngày càng được nghiên cứu nhiều hơn. Xử lý ảnh trong ITS bao gồm nhiều
phương pháp và nhiều cách thức để phát hiện phương tiện giao thông và ứng
dụng từng chức năng cụ thể.
1.4.1. Khả năng của xử lý ảnh
Xử lý ảnh trong giao thông đã trải qua các bước phát triển mạnh mẽ. Có
thể chia làm các nhóm phát hiện phương tiện như trong [25] gồm: nhóm phương
pháp sử dụng nền (background) kể từ khi các giải thuật phát hiện phương tiện
được đề xuất [26] thì phương pháp trừ nền được giới thiệu ở [27] trong nghiên cứu
này các tác giả đã sử dụng nguồn dữ liệu là ảnh vệ tinh có độ phân giải cao để
phân tích và nhận diện phương tiện giao thông trên một vùng rộng và trong [28]
tiếp theo là trừ nền thích nghi trong [29, 30] đã có những bước phát triển mạnh.
Nhóm thứ hai gồm các phương pháp: frame differencing trong [31, 32]. Về đánh
giá các phương pháp phát hiện phương tiện giao thông có thể nghiên cứu thêm
ở trong công bố [33]. Bên cạnh cũng có thể kể thêm các phương pháp sử dụng trí
tuệ nhân tạo để phát hiện phương tiện giao thông theo như [34, 35, 36, 37] các
phương pháp sử dụng trí tuệ nhân tạo có độ chính xác tới 95% được giới thiệu
trong [13]. Về cơ bản, phát hiện phương tiện giao thông là yếu tố quan trọng
nhất của một hệ thống xử lý ảnh giao thông trong ITS. Hệ thống phát hiện tốt
các phương tiện thì mới có thể thực hiện các chức năng khác như: giám sát lưu lượng giao thông, điều khiển phân luồng giao thông, điều khiển thời gian hoạt
động của đèn tín hiệu giao thông, xử lý các vi phạm giao thông, cảnh báo tai
nạn giao thông và các công tác cứu hộ.
1.4.2. Các thách thức xử lý ảnh trong ITS
Tuy nhiên bên cạnh đó, xử lý ảnh ứng dụng trong giao thông gặp phải rất
nhiều khó khăn. Vì ảnh thu được là cơ sở để phân tích và giám sát, khi hệ thống
camera thu nhận ảnh vào các điều kiện khó khăn như: mưa lớn, tuyết, ban đêm,
ánh nắng chiếu vào camera, bóng của phương tiện do ánh sáng mặt trời; tất
cả các yếu tố này đều gây ảnh hưởng tới khả năng phân tích và phát hiện của
camera. Chính vì vậy các nhà khoa học đã có các nghiên cứu để cải thiện các
Phương pháp phát hiện phương tiện giao thông trong đô thị khi trời tối và có
mưa lớn cũng được nghiên cứu và được nghiên cứu. Phương pháp được đề xuất
trong [38] có độ chính xác tới 98% trên tuyến đường chỉ có phương tiện là ô-tô, phát hiện chủ yếu dựa vào ánh sáng đèn pha của phương tiện. Nội dung của
các nghiên cứu hiện tại cũng chưa đặt vấn đề với dòng phương tiện giao thông
hỗn hợp. Nhìn chung khi trời tối và có mưa lớn, không thể nhận diện chính xác
phương tiện như khi không có mưa và vào ban ngày.
Tuy nhiên, vào ban ngày lại có các ảnh hưởng khác gây ra như: khả năng
mặt trời gây nhiễu cho camera và khả năng gây ra bóng của các phương tiện di
chuyển trên đường, cũng là vấn đề gây ra phát hiện phương tiện bị sai. Cũng
có đề xuất phương pháp phát hiện phương tiện bỏ bóng để bớt ảnh hưởng như
trong [39, 40], các phương pháp này sử dụng mức xám để loại bỏ bóng của
phương tiện hoặc sử dụng phương pháp phân tích biên để loại bỏ bóng như [41].
Ngoài các ứng dụng cụ thể đã được trình bày ở trên việc ứng dụng xử lý ảnh
qua camera còn được sử dụng trong trông giữ xe, các hệ thống này số hóa dữ
liệu biển số và ghi thông tin vào một thẻ RFID (Radio-Frequency Identification)
[42, 43]. Các hệ thống này hiện tại đã được ứng dụng ở Việt Nam. Hệ thống này
nếu được kết nối với tài khoản ngân hàng còn có thể ứng dụng thu phí không
cần dừng. Phương tiện chỉ cần đi thẳng qua các trạm, nhằm tiết kiệm nhân lực
và thời gian của các bên.
Sử dụng camera trong giám sát và quản lý giao thông còn có thể phát hiện
tai nạn giao thông một cách tự động như trong các nghiên cứu [44, 45] và cũng
có nghiên cứu dự đoán trước tai nạn giao thông như ở [46].
Bên cạnh các tác nhân gây ảnh hưởng tới khả năng phát hiện của camera,
thì cấu trúc của đường giao thông cũng là một yếu tố quan trọng. có thể được
phân loại làm hai dạng như sau: giao thông đô thị và giao thông trên đường cao
tốc. Chính bởi có nhiều yếu tố tác động tới khả năng phát hiện phương tiện của
hệ thống xử lý ảnh. Nên việc tích hợp nhiều phương pháp để phát hiện được
phương tiện là cần thiết.
Chức năng quan trọng của xử lý ảnh trong giao thông là thực hiện các chức
năng quản lý. Do đó, hệ thống ITS cần thiết phải thống kê lượng phương tiện
hoặc mật độ phương tiện di chuyển trên đường để ước lượng trên một tuyến
đường có bao nhiêu xe, gồm những loại phương tiện gì và còn khoảng trống trên
đường hay không. Để các nhà chức trách có thể dự đoán và mở rộng phát triển
Từ thực tiễn, luận án đề xuất hệ thống giám sát và quản lý phương tiện giao
thông ở các nước đang phát triển nên tập trung nghiên cứu và phát triển công
nghệ xử lý ảnh để thực hiện do các ưu điểm được thể hiện trong Bảng 1.1 đã trình bày trước đó.
1.5. Các chức năng chính của xử lý ảnh trong ITS
1.5.1. Nhận dạng biển số phương tiện
a. Công nghệ nhận dạng biển số phương tiện
Sơ đồ khối hiển thị trong Hình 1.4 minh họa quy trình hoạt động xử lý của hệ
thống ALPR điển hình [23],. Góc nhìn của máy ảnh dọc theo chiều chuyển động
của phương tiện. Bước đầu tiên trong quy trình ALPR là xác định các vùng
trong hình ảnh có biển số phương tiện. Các vùng này sẽ được gửi đến mô-đun
phân đoạn ký tự để trích xuất và cắt các phân nhóm có chứa các ký tự, logo
hợp lệ và cá ký hiệu khác của biển số phương tiện. Các hình ảnh được phân
đoạn riêng lẻ sau đó được đưa vào mô-đun nhận dạng (thường được gọi chung
là nhận dạng ký tự quang học (Optical Character Recognization - OCR) để xác
định các ký tự của biển số. Cuối cùng là mô-đun kiểm tra thông tin, đối chiếu
với cơ sở dữ liệu vi phạm.
Camera vị trí biển sốXác định Phân đoạn kí tự Nhận dạng kí tự Đối chiếuKiểm tra
Hình 1.4: Sơ đồ khối chu trình xử lý của một hệ thống ALPR điển hình
Xác định vị trí biển số:
Việc trích xác định vị trí biển số phương tiện mục đích làm giảm áp lực tính
toán đối với toàn khung hình ảnh thu được dựa theo hướng nghiên cứu: màu cơ
sở và đường viền cơ sở và học máy.
Phân đoạn ký tự:
Hình ảnh ROI của biển số phương tiện được cắt ra, mô-đun phân đoạn ký tự
phải trích xuất các hình ảnh phụ thuộc được cắt riêng lẻ cho từng ký tự trong
biển số phương tiện. Các nghiên cứu khảo sát nổi bật gồm có [47, 48, 49].
Bước đầu tiên của phân đoạn ký tự là thu được vùng sát hơn nữa chính bằng
tự là xác định các điểm cắt giữa các ký tự để đạt được các hình ảnh phụ được
phân tách thành chính xác. Minh họa về phương pháp này được thể hiện trên
hình ảnh biển số xe được tái định hình một phần trong Hình 1.5.
Hình 1.5: Phân đoạn ảnh bằng phương pháp chiếu
Nhận dạng ký tự:
Nhận dạng ký tự quang học (Optical Character Recognition - OCR) được sử
dụng để nhận dạng ký tự. Như minh họa trong Hình 1.6, quy trình tiêu chuẩn
trong việc phát triển công cụ OCR bao gồm ba bước chính sau: thu hoạch và
sắp xếp ký tự, trích trọn đặc trưng và huấn luyện phân loại. Bước tăng cường
dữ liệu tùy chọn tận dụng các ví dụ được thu thập để tăng giả tạo các hình ảnh
có sẵn cho huấn luyện.
Thu hoạch và xắp xếp Tăng dữ liệu Trích trọn đặc trưng Huấn luyện phân loại Phân đoạn kí tự Huấn luyện OCR
Hình 1.6: Hệ thống huấn luyện OCR điển hình
Tạo ra tập hợp các biển số xe, thuật toán phân đoạn chức năng sẽ cung cấp
các ký tự được phân đoạn có thể được sử dụng để huấn luyện cho OCR.
Tăng dữ liệu:
Việc thu thập các tập dữ liệu thế giới thực lớn rất tốn kém. Phương pháp
tăng dữ liệu có thể được áp dụng để bổ sung dữ liệu trong thế giới thực, do
đó mở rộng một cách nhân tạo các bộ huấn luyện. Độ biến thiên của tập huấn
luyện thường tăng theo cỡ mẫu.
Trích trọn đặc trưng:
Khi các đặc trưng đã được gom lại và xắp xếp, chúng cần được chuẩn hóa
kích thước thành kích thước giống với mẫu.
Phân loại và huấn luyện: