3 Phương pháp nhận dạng biển báo thời gian thực
3.4 Ghép hai đường cong thuộc nhóm II và III
hình ellipse tạo bởi 2 đường cong. Thực hiện kẻ đường thẳng song song từ đầu đường cong thứ nhất đến trung điểm của đường cong thứ hai và đường thẳng từ trung điểm của đường cong thứ nhất tới điểm cuối của đường cong thứ hai của một cặp. Lần lượt kẻ các đường thẳng song song với 2 đường trên để tìm được hai đường thẳng đi qua trung điểm của đoạn thẳng tạo bởi giao điểm của các đường song song với hai đường cong. Theo định lý kể trên hai đường thẳng nối các trung điểm này sẽ cắt nhau tại tâm của hình ellipse. • Bước 3: Gộp các phần của đường ellipse: Sau khi mô tả được các phần ellipse
tạo bởi cặp hai đường cong thực hiện việc ghép các cặp cạnh lần lượt bằng cách nối liên tiếp các cặp có chung một đường cong. Cặp (I, II) nối với cặp (II, III), cặp (II, III) nối với cặp (III, VI), cặp (III, VI) nối với cặp (VI, I) và cặp (VI, I) nối với cặp (I, II). Việc nối các cặp cần tính sai số có thể chấp nhận của khoảng cách hai tâm ellipse của mỗi cặp đường cong. Sai số này có thể được dùng là căn cứ để tính độ chính xác của hình ellipse đoán nhận được. • Bước 4: Chọn lọc các ellipse phù hợp bằng cách:
Đưa ra ngưỡng sai số có thể chấp nhận được. Đưa ra ngưỡng độ méo của ellipse.
3.3 Nhận dạng loại biển báo giao thông đường bộ
3.3.1 Nhận dạng qua điểm đặc trưng cục bộ
Sử dụng đặc trưng điểm cục bộ bất biến để so sánh ảnh mang lại kết quả rất tốt trong nhiều trường hợp. Khi áp dụng vào bài toán nhận dạng biển báo giao thông đường bộ theo thời gian thực trên thiết bị di động thì SURF là thuật toán trích chọn đặc trưng cục bộ phù hợp nhất về cả thời gian và tài nguyên sử dụng. Các điểm đặc bất biến được trích chọn từ SURF không bị ảnh hưởng bởi góc quay của thiết bị thu hình cũng như cường độ ánh sáng khác nhau của ảnh thu nhận.
Giai đoạn nhận dạng biển báo được chia làm hai phần, phần một là tìm và lưu trữ các điểm đặc trưng SURF của mỗi biển báo từ bộ dữ liệu các biển báo giao thông đường bộ Việt Nam trong quy chuẩn tạo thành một bộ dữ liệu mẫu hay còn gọi là bộ dữ liệu học. Bước thứ hai là tìm và so khớp các biển báo tiền đoán từ giai đoạn phát hiện biển báo với bộ dữ liệu học. Việc so khớp đặc trưng SURF sử dụng phương pháp FANN (Fast Approximate Nearest Neighbors) [15]. Với số lượng đặc trưng SURF thu được từ ảnh tiền đoán đủ nhiều và trùng khớp nhiều nhất với một biển báo trong bộ dữ liệu học thì kết luận ảnh tiền đoán nhận là biển báo có số hiệu trùng khớp đó. Mô hình hoá việc tìm và so sánh đặc trưng SURF bằng FANN được thể hiện trong hình 3.5.