Mỗi đối tượng nhận được, ta thu nhỏ lại thành đúng kích thước 10x10. Đưa hình ảnh 10x10 làm input cho mạng nơron để bắt đầu nhận diện. Sau khi nhận diện, ta đạt kết quả là biển báo cấm đi ngược chiều, tức là nhận diện thành công.
Kết quả thu được:
Kiểm tra 20 mẫu, khả năng nhận diện 3 biển báo với độ chính xác như sau: (Lưu ý: Kết quả được xét trong điều kiện ban ngày, xử lý ảnh tĩnh, hình ảnh biển báo được để trực diện với camera, khoảng cách từ ảnh tới camera nhỏ hơn 15cm)
Bảng 5.1 Tỉ lê nhận nhận diện đúng đối với từng biển báo
Biển báo Biển cấm đi
ngược chiều
Biển cấm rẽ trái
Biển giao nhau với đường ưu tiên
Tỉ lệ nhận diện đúng 90% 75% 90%
Nhận xét:
Hệ thống có khả năng nhận diện được biển báo, tỉ lệ đúng cao. Tuy nhiên, quá trình xử lý còn chậm, gần 500ms.
76
CHƯƠNG 6: TỔNG KẾT
Hình 6.1 Mô hình hệ thống
Luận văn nghiên cứu về các thuật toán xử lý ảnh, ứng dụng nhận diện ba loại biển báo: cấm đi ngược chiều, cấm rẽ trái, giao nhau với đường ưu tiên, đồng thời xây dựng thành công hệ thống trên vi điều khiển STM32F4.
Về ưu điểm
Luận văn cho thấy việc ứng dụng xử lý ảnh trên KIT vi điều khiển rất tiềm năng và có thể có những bước tiến hơn nữa. Cụ thể, việc ứng dụng vào lĩnh vực nhận diện biển báo giao thông bước đầu đã đạt được những mục tiêu nhất định
Nhược điểm và cách khắc phục
Tuy nhiên, thời gian nhận diện chưa nhanh, mất hơn 500ms cho việc nhận diện một biển báo. Đây là điểm yếu cần khắc phục để có thể ứng dụng vào thực tế.
Thêm vào đó, để nhận diện được hàng loạt các biển báo khác nhau, cần phải tăng số nơron đầu vào (thay vì dùng 100 như hiện tại) để có thể tăng độ chi tiết của
77
đối tượng cần nhận dạng và hệ thống nhận diện chính xác hơn. Tuy nhiên, mạng nơron càng phức tạp gây ra nhiều trở ngại cho vi điều khiển
Phần camera còn nhiều hạn chế về chất lượng hình ảnh, cụ thể, độ rộng của ống kính, không có khả năng chống rung, không có đèn hỗ trợ chụp ảnh lúc thiếu sáng. Có thể khắc phục tình trạng này bằng cách sử dụng camera có độ phân giải cao hơn, có khả năng chụp ảnh góc rộng, nên thiết kế thêm đèn flash siêu sáng hỗ trợ cho việc ghi hình.
Phần vi điều khiển có hạn chế về RAM và tốc độ xử lý. Do đó, ta có thể chuyển sang sử dụng một dòng vi điều khiển khác cao cấp hơn, có thể sử dụng RAM ngoài hỗ trợ cho việc xử lý các thuật toán phức tạp.
Hướng phát triển:
Luận văn đã đạt được mục tiêu nhận diện biển báo giao thông nhưng chưa hoàn hảo, cần phải nghiên cứu nhiều thuật toán xử lý ảnh biển báo giao thông có tính chất đơn giản và hiệu quả, kết hợp nhiều phương pháp nhận diện để cho kết quả chính xác tốt hơn.
Về mạng nơron, nâng cao số lượng và tính đa dạng các mẫu cho quá trình huấn luyện
Có thể sử dụng các kỹ thuật này cho các ứng dụng khác như nhận diện khuôn mặt, xử lý tế bào,…
78
TÀI LIỆU THAM KHẢO
[1] Nguyễn Thiện Thành, bài giảng “Trí tuệ nhân tạo và hệ chuyên gia”, 2006 [2] Phạm Hữu Đức Dục, “Mạng nơron và ứng dụng trong điều khiển tự động”, NXB Khoa Học Và Kỹ Thuật, 2009
[3] A. Yuille, D. Snow, and M. Nitzberg, "Signfinder, Using color to detect, localize and indentify informational," presented at Sixth Inter. Conf. on Computer Vision, Bombay, India, 1998.
[4] Bosch, CAN Specification, 1991.
[5] D. Gavrila, "Multi-feature Hierarchical template matching using distance transforms," presented at Fourteenth Inter. Conf. on Pattern Recognition, Brisbane, Qld Australia, 1998.
[6] D. Ghica, S. Lu, and X. Yuan, "Recognition of traffic signs by artificial neural network," presented at IEEE Inter. Conf. Neural Networks, Perth, W.A., 1995. [7] H. Fleyeh, "Color detection and segmentation for road and traffic signs," presented at 2004 IEEE Conf. on Cybernetics and Intelligent Systems, Singapore, 2004.
[8] H. Sandoval, T. Hattor, S. Kitagawa, and Y. Chigusa, "Angle-dependent edge detection for traffic signs recognition," presented at IEEE Intelligent Vehicles Symposium 2000, Deamborn, MI, USA, 2000.
[9] L. Estevez and N. Kehtarnavaz, "A real-time histographic approach to road sign recognition," presented at IEEE Southwest Symposium on Image Analysis and Interpretation, San Antonio, Texas, 1996.
[10] Miura, J., et. al., ”An active vision system for real-time traffic sign
recognition”, Proc. IEEE Inteligent transportation systems, 2000, pp. 52-57.
[11] Nobuyuki Otsu (1979). "A threshold selection method from gray-level histograms". IEEE Trans. Sys., Man., Cyber.
79
[12] N. Yabuki, Y. Matsuda, Y. Fukui, and S. Miki, "Region detection using color similarity," presented at 1999 IEEE Inter. Symposium on Circuits and Systems, Orlando, Florida, USA, 1999.
[13] R. Gonzalez and R. Woods, Digital Image Processing, Second ed. New Jersey:
Prentice Hall, 2002.
[14] Wikipedia / HSL and HSV," [Online]. Available:
http://en.wikipedia.org/wiki/HSL_and_HSV. [Accessed 1 9 2011]. [15] Wikipedia / ISO 11898," [Online]. Available: