Nhƣ hình 3.3, bộ phát hiện chuyển động sẽ xác định có xe mới đi vào làn hay không. Nếu có các thông tin nhƣ tọa độ, thời gian, kiểu phƣơng tiện về xe đó sẽ đƣợc cập nhật vào tập các đối tƣợng đang bị bám. Sau đó, thực hiện việc nhận dạng xe đó theo thông tin trong CSDL. Tiếp theo, quá trình tính tốc độ, tăng số lƣợng xe trong luồng sẽ đƣợc tính toán. Khi đối tƣợng ra khỏi làn xe thì hệ thống sẽ thực hiện xóa đối tƣợng khỏi tập các đối tƣợng bị bám.
60
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Hình 3.3 Sơ đồ hoạt động của hệ thống phân luồng giao thông
Trƣờng hợp các đối tƣợng vi phạm luồng xe, hệ thống sẽ thực hiện việc đƣa ra những thông báo và lƣu trữ số liệu vi phạm luồng của xe đó.
Có xe mới
Hệ thống phân luồng giao thông
Bổ sung thông tin về đối tƣợng mới cần bám: toạ độ, thời gian, kiểu phƣơng tiện,..
Bộ phát hiện chuyển động
Xe qua vạch đếm
- Kiểm tra xe thuộc làn nào
- Theo kiểu xe, làn đƣờng, và vạch đếm nào đang xét để tăng số xe tƣơng ứng - Tính vận tốc trung bình của xe: Vtb = Quãng đƣờng đi đƣợc/ Thời gian - Tính lại vận tốc trung bình của làn xe chứa xe đó Kết thúc Có tín hiệu dừng chƣơng trình Bộ đếm xe Bộ tính vận tốc Xoá đối tƣợng vừa đếm ra khỏi tập đối tƣợng cần bám Đúng Đúng Cập nhật thông tin các đối tƣợng đang đƣợc bám trong tập A Nhận dạng tìm vị trí xe trong frame ảnh Sai Đúng Sai Sai
61
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
3.3.3. Thuật toán bắt bám đối tƣợng
Hình 3.4 Thuật toán bám đối tƣợng
T F T IH = Vùng ảnh I lân cận (xG, yG) IH = Vùng ảnh I lân cận (xG , yG) Begin
Khởi tạo: tọa độ trọng tâm đối
tƣợng (xG, yG); vùng ảnh đối tƣợng H
End Dừng bám?
H:= Hnew . Cập nhật tọa độ trọng tâm H
Cập nhật tọa độ trọng tâm H
Frame ảnh kế tiếp I
Khớp H trong IH?
62
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
3.3.4. Thuật toán tính vận tốc chuyển động của đối tƣợng
Hình 3.5 Thuật toán tính vận tốc của đối tƣợng chuyển động
F
T
End Begin
Khởi tạo: thời gian t0; trọng tâm G0(x0 , y0) của đối tƣợng bám
Xác định thời điểm, trọng tâm hiện tại: t, G(x, y)
Tính toán khoảng cách G0 và G theo tọa độ thực Tính S=
Tính quãng đƣờng thực tế S
V= (S / (t – t0))
Dừng chƣơng trình?
63
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
3.3.5. Thuật toán phân loại phƣơng tiện dựa trên kích thƣớc
F
Lấy thông tin đối tƣợng bám
Xác định các đối tƣợng nhị phân trong ảnh BW
Tính toán kích thƣớc (pixel) của BW* Phân ngƣỡng G BW
BW* = đối tƣợng bao đối tƣợng bám
BW* > 35(pixel) Ô tô End Trừ nền G:= || I – B|| Begin Khởi tạo ảnh nền B Frame ảnh kế tiếp I F T Xe máy/ Xe đạp
64
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Hình 3.6 Thuật toán phân loại phƣơng tiện giao thông theo kích thƣớc
3.3.6. Thuật toán tính toán mật độ làn đƣờng
Frame ảnh hiện tại I Tính sai khác nền G= ||I – B|| F T End Mật độ = (HABCD/SABCD) *100% Gán mật độ làn đƣờng HABCD := 0 Duyệt từng pixel trắng của BW.
Xác định pixel nằm trong ABCD?
HABCD:= HABCD + 1 Phân ngƣỡng G -> BW
Begin
Khởi tạo: vùng làn đƣờng ABCD; tổng số pixel SABCD; ảnh nền B
65
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Hình 3.7 Thuật toán tính mật độ làn đƣờng
3.3.7. Thuật toán phát hiện phƣơng tiện theo làn đƣờng
Đối tƣợng thuộc làn đƣờng ABCD F T
Xác định phƣơng trình đƣờng thẳng đƣờng biên trái fAD và đƣờng biên phải fBC
Begin
Khởi tạo tọa độ của các điểm mút A, B, C, D của làn đƣờng
ABCD
End
Xác định tọa độ hiện tại của đối tƣợng M(x,y)
66
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Hình 3.8. Thuật toán phát hiện phƣơng tiện theo làn đƣờng
3.3.8. Thuật toán phát hiện chiều chuyển động của đối tƣợng
Xác định tọa độ trọng tâm mới G*(x*G , y*G)
T F
Frame kế tiếp I
y*G> yG
Ngƣợc chiều Begin
Khởi tạo tọa độ trọng tâm đối tƣợng ban đầu G(xG , yG)
Xuôi chiều
67
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
68
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
3.3.9. Nhận dạng biển số xe
3.3.9.1. Các bƣớc trong quá trình nhận dạng biển xe
Hình 3.10. Các giai đoạn của thuật toán nhận dạng biến số xe
Trên hình 3.10, chúng ta thấy rằng quá trình nhận dạng biển số xe từ camera trải qua các bƣớc chính sau:
Bƣớc 1: Xác định vùng chuyển động
Bƣớc 2: Xác định bảng số trên ảnh tĩnh
69
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Bƣớc 4: Nhận dạng ký tự đơn
Phần tiếp theo, tác giả sẽ giới thiệu tóm tắt các bƣớc trong quá trình này
3.3.9.2. Xác định vùng chuyển động
Vấn đề xác định vùng chuyển động nhằm mục đích tách các đối tƣợng chuyển động trong trong 1 chuỗi các khung hình trong file video hoặc thu trực tiếp từ camera. Phần kiến thức này, tác giả đã trình bày ở chƣơng 2 để bám các đối tƣợng chuyển động.
3.3.9.3. Xác định bảng số trong ảnh
Hình 3.11. Các giai đoạn của thuật toán trích trọn bảng số.
Hiện nay, có rất nhiều hƣớng tiếp cận để trích chọn bảng số. Dƣới đây, tác giả nêu các hƣớng tiếp cận này.
70
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Hƣớng tiếp cận dựa vào dòng quét
Hƣớng tiếp cận dựa trên phép toán hình thái
Hƣớng tiếp cận dựa trên máy học.
71
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
3.3.9.4. Tách ký tự
Từ ảnh đầu vào gồm các dòng ký tự, chúng ta phải tách ra thành từng ký tự đơn. Bài toán này sẽ trở lên phức tạp khi ảnh đầu vào có độ nhiễu, góc nghiêng. Các phƣơng pháp phổ biến đƣợc dùng để tách ký tự là phƣơng pháp chiếu và phƣơng pháp miền liên thông. Hiện nay, các kết quả thử nghiệm cho thấy phƣơng pháp chiếu cho kết quả tốt hơn phƣơng pháp miền liên thông. Dƣới đây tác giả trình bày về phƣơng pháp chiếu.
Phép chiếu sẽ đƣợc chiếu theo hai hƣớng là phép chiếu ngang và phép chiếu dọc. Phép chiếu ngang dùng để tách dòng. Phép chiếu dọc dùng để tách ký tự. Hình 3.12 minh họa kết quả của phép chiếu ngang, và chiếu dọc.
Hình 3.12. Kết quả minh họa của phép chiếu ngang và chiếu dọc
3.4. KẾT QUẢ CÀI ĐẶT
Trong luận văn này, tác giả cài đặt thuật toán bám, phân luồng và phát hiện sai luồng của phƣơng tiện giao thông. Phần nhận dạng biển số xe chƣa đƣợc tích hợp để thành một hệ thống hoàn chỉnh. Dƣới đây, tác giả trình bày kết quả đạt đƣợc của đề tài.
Quản lý 3 làn xe
Tính mật độ phƣơng tiện giao thông của mỗi làn xe
Lƣợc đồ bám đối tƣợng chuyển động
72
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Tiếp theo, tác giả trình bày hình ảnh kết quả về quá trình phân tích phân ngƣỡng để bắt bám đối tƣợng chuyển động, thiết lập làn xe để giám sát hiện tƣợng vi phạm làn xe của các phƣơng tiện giao thông đƣờng bộ.
73
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
74
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
75
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
KẾT LUẬN
Đề tài "Nghiên cứu một số kỹ thuật so khớp và nhận dạng ứng dụng vào hệ thống giám sát giao thông tự động" của tác giả đã nghiên cứu đƣợc một số vấn đề sau:
Nghiên cứu tổng quan về xử lý ảnh
Nghiên cứu về kỹ thuật bắt bám đối tƣợng chuyển động
Nghiên cứu về kỹ thuật nhận dạng biển số xe
Ứng dụng và cài đặt thử nghiệm hệ thống phân luồng và phát hiện sai
luồng của phƣơng tiện giao thông
Tuy nhiên, tác giả chƣa thể xây dựng đƣợc mô hình hệ thống giám sát giao thông tự động đầy đủ, nên việc cài đặt chỉ dừng lại ở việc phát hiện xe sai luồng, và tính toán đƣợc mật đồ làn xe. Việc lƣu trữ thông tin xe vi phạm làn đƣờng nhƣ biển số xe chƣa đƣợc cài đặt tích hợp vào trong hệ thống. Đây cũng là những nhiệm vụ đặt ra trong giai đoạn tiếp theo của luận văn.
76
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
TÀI LIỆU THAM KHẢO CHÍNH
[1]Đỗ Năng Toàn, Phạm Việt Bình, “Giáo trình xử lý ảnh”, Nhà xuất bản Khoa
học Kỹ thuật Hà Nội, 2007.
[2]Lƣơng Xuân Cƣơng, Ðỗ Xuân Tiến, Ðỗ Trung Tuấn, “Kỹ thuật nâng cao khả
năng phân đoạn dữ liệu video ứng dụng trong e-learning”, Báo cáo khoa học tại Hội thảo quốc gia “Một số vấn đề chọn lọc của Công nghệ thông tin”, Đà Nẵng, tháng 8/2004.
[3]Nguyễn Thanh Hải, Nguyễn Công Định, “Xây dựng hệ bám mục tiêu chuyển
động kết hợp kỹ thuật nhận dạng ảnh và ứng dụng trong giám sát và quản lí giao thông”, Tạp chí Khoa học và kỹ thuật- Học viện KTQS, số 117 (IV- 2006), tr.61-70.
[4]Hai N.T., Long P.T., Dinh N.C (2008), “Affine-invariant Fourier descriptors
and its application in a number plate recognize system”, ASEAN Journal on Science and Technology for Development, Vol.25, Issue 2, pp. 269-280.
[5]Nguyễn Đức Luyện, Nguyễn Công Định, Nguyễn Thanh Hải (2003),
“Nghiên cứu xây dựng thƣ viện chuyên dụng xử lý ảnh và nhận dạng đối tƣợng”, Kỷ yếu hội thảo quốc gia lần thứ nhất và nghiên cứu phát triển và ứng dụng công nghệ thông tin và truyền thông, học viện KTQS, Hà Nội – 2/2003, tr. 242 – 251.
[6]Ghosh, Petkov N. (2005), “A cognitive evaluation procedure for contour based shape descriptors”, Int. Journal of Hybird Intelligent Systems, 2 (4), pp. 237 – 252.
[7]Xiong, W., Lee, J. C.-M., Efficient scene change detection and camera motion annotation for video classification, Computer Vision and Image Understanding 71(2), 1998, pp. 166 – 181
[8]Sebastien Wong, “Advanced Correlation Tracking of Objects in Cluttered Imagery”, The Proceedings of SPIE: Acquisition, Tracking and Pointing XIX, Orlando USA, 2005, pp. 5810-21.