HỆ THỐNG GIÁM SÁT GIAO THÔNG ỨNG DỤNG CÔNG NGHỆ XỬ LÝ ẢNH pptx

T 2
HỆ THỐNG GIÁM SÁT GIAO THÔNG
ỨNG DỤNG CÔNG NGHỆ XỬ LÝ ẢNH
(TRAFFIC SUPERVICE SYSTEM USING IMAGE PROCESSING)
ThS. Đặng Quang Thạch, PGS.TS. Lê Hùng Lân
Bộ môn Điều khiển học, Khoa Điện – Điện tử
Tóm tắt: Quốc lộ và đường cao tốc là nơi có lưu lượng giao thông lớn, các phương tiện
chạy ở vận tốc cao do đó nếu có tai nạn xảy ra thì hậu qủa sẽ rất nghiêm trọng. Thực tế cho
thấy một tỷ lệ không nhỏ các vụ tại nạn trên đường cao tốc và quốc lộ xuất phát từ nguyên
nhân tài xế không tuân thủ luật giao thông, phóng nhanh vượt ẩu. Điều này dẫn đến nhu cầu
cần tăng cường giám sát để phát hiện và xử lý kịp thời các hành vi gây mất an toàn giao
thông, hạn chế tai nạn và nâng cao ý thức chấp hành luật giao thông. Bài báo nay xin giới
thiệu một giải pháp cho vấn đề trên, đây là giải pháp ứng dụng công nghệ xử lý ảnh để tự
động phát hiện và ghi nhận các tình huống vi phạm luật giao thông. Giải pháp này đã được
xây dựng và thử nghiệm trong khuôn khổ để tài KHCN cấp Nhà nước mã số KC.03.05/06-10
do Trường Đại học GTVT chủ trì.
Summary: On highway, traffic volume is large, and vehicle runs at high speed, so if the
accident occurs, the consequences will be very serious. In fact not a small percentage of
accidents on highways cause comes from the driver does not comply with traffic laws. This
leads to the need to strengthen surveillance to detect and treat promptly any unsafe acts that
cause traffic accidents, and enhance the awareness of observance of traffic laws. This article
introduce a solution to above problem, this solution is applied image processing technology to
automatically detect and record situations of violations of traffic laws. This solution has been
built and tested within the the State level of Science and Technology Project with code
KC.03.05/06-10 executed by the University of Transport and Communication.
1. CẤU TRÚC TỔNG THỂ HỆ THỐNG GIÁM SÁT GIAO THÔNG DÙNG
CÔNG NGHỆ XỬ LÝ ẢNH
Hệ thống bao gồm các thành phần: camera giám sát, camera chụp hình, mạng truyền thông,
Video server, phần mềm xử lý ảnh và cơ sở dữ liệu (Hình 1).
Camera quan sát có nhiệm vụ ghi lại hình ảnh quá trình giao thông sau đó truyền theo thời
gian thực về trung tâm điều hành. Camera giám sát được lắp đặt ở độ cao khoảng từ 12m trở

lên, vùng quan sát có chiều dài tối thiểu 30m. Các thông số lắp đặt trên nhằm đảm bảo trong
điều kiện giao thông bình thường (không tắc đường) hình ảnh các xe không bị chồng lấp lên
nhau, với camera có tốc độ ghi 24hình/s, ta có thể ghi được tối thiểu 24 khung hình của xe chạy
tốc độ 100km/h (27m/s) khi nó đi qua vùng quan sát. Hình ảnh của camera giám sát được xử lý
3
C
T 2
để xác định tốc độ và qũy đạo của từng xe trong dòng giao. Trên cơ sở đó phát hiện các tình
huống vi phạm luật như chạy quá tốc độ, chuyển làn trái phép.
Camera chụp hình xe vi phạm có nhiệm vụ
ghi lại hình ảnh của xe vi phạm làm căn cứ cho
việc xử lý tài xế sau này. Camera chụp hình
được lắp đặt ở độ cao khoảng 5m, ngược chiều
với hướng chuyển động của xe, vị trí và thời
điểm ghi hình của camera này được điều khiển
bởi phần mềm giám sát.
Để truyền tín hiệu video chất lượng cao cần
mạng truyền thông có băng thông lớn, ngoài ra
khoảng cách từ vị trí đặt camera về trung tâm
thường rất xa nên cáp quang là phương tiện
truyền dẫn phù hợp nhất để kết nối camera và
các hệ thống tại trung tâm.
Số lượng camera được kết nối với trung tâm
thường rất nhiều nên cần một hệ thống lưu trữ có
dung lượng ổ đĩa cứng lớn, ngoài ra còn cần đến
các thiết bị lưu trữ dự phòng ra băng từ, đĩa
quang Hệ thống chuyển mạch hoạt động ở tốc
độ cao, thuận tiên cho người sử dụng. Các màn
hình lớn có thể đồng thời hiển thị hình ảnh từ
nhiều camera.

Cơ sở dữ liệu dùng lưu các số liệu về hệ
thống giao thông trong đó có kết quả của phần
mềm xử lý anh. Các số liệu này sẽ được sử dụng cho các chức năng điều khiển, điều hành và
giám sát giao thông.
Phần mềm giám sát giao thông băng xử lý ảnh (TrafficSP) có nhiệm vụ tính toán tốc độ và
quỹ đạo các xe chạy qua vung quan sát. Trên cơ sở đó phát hiện các xe vi phạm luật giao thông
và cung cấp thông tin về vị trí của chúng trong vùng giám sát, giúp điều khiển camera chụp hình
ghi được hình ảnh rõ ràng của xe vi phạm. Đồng thời cảnh báo người điều hành, ghi nhận lưu
trữ, xử lý thông tin về các tình huống vi phạm luật.
2. CÁC MODULE CHÍNH TRONG PHẦN MỀM XỬ LÝ ẢNH
2.1. Thu nhận ảnh và tiền xử lý ảnh: video giao thông truyền từ camera giám sát về
Video Server qua mạng cáp quang, từ đây hình ảnh được chuyển tiếp đến các thành phần lưu
trữ, hiển thị và phần mềm xử lý ảnh qua mạng cụ bộ. Module tiền xử lý thực hiện các phép lọc
ảnh và chuyển đổi cần thiết để nâng cao chất lượng của ảnh và đưa ảnh về định dạng thuận lợi
4
Hình 1. Hệ thống giám sát giao thông bằn
xử lý ảnh
T 2
cho các phép xử lý tiếp sau [3]. Hình 2 mô tả một trong số các chức năng của bước tiền xử lý
ảnh, trong đó ảnh màu ban đầu được chuyển về ảnh xám sau đó vùng ảnh không cần quan tâm
được cát bỏ, phần còn lại được đưa tới đầu vào của các bước xử lý tiếp theo.
Hình 2. Kết quả tiền xử lý ảnh
2.2. Khởi tạo và cập nhật ảnh nền: Ảnh cần xử lý được chia thành 2 phần: ảnh nền
(Background) và ảnh tiền cảnh (Forceground). Trong ảnh chụp quá trình giao thông, ảnh nền
chứa các đối tượng không chuyển động trong đó quan trọng nhất là mặt đường, ảnh tiền cảnh
chứa các xe chuyển động. Như vậy ảnh của các xe có thể được tách ra bằng cách thực hiện phép
trừ nền. Nếu ảnh nền tham chiếu hoàn toàn trùng khớp với ảnh nền hiện tại thì hiệu của phép trừ
chính là ảnh của các xe. Nhưng trong thực tế, do ảnh hưởng của ánh sáng, thời tiết mà ảnh nền
có thể thay đổi theo thời gian và không còn đồng nhất với ảnh nền tham chiếu. Khi sự khác
nhau này vượt quá giới hạn cho phép sẽ dẫn đến sai số trong phép tách ảnh tiền cảnh. Vấn đề

đặt ra là phải cập nhật ảnh nền tham chiếu để đảm bảo sự đồng nhất giữa ảnh nền tham chiếu và
ảnh nền hiện tại.
Hình 3 minh hoạ quá trình khởi tạo và nhập nhật ảnh nền, mô hình ảnh nền được xây dựng
trên cơ sở lý thuyết xác suất được trình bày chi tiết trong tài liệu tham khảo [1], [3]. Để tạo ra
ảnh nền hệ thống cần xử lý 100 khung hình đầu tiên, sau đó trong quá trình hoạt động ảnh nền
tiếp tục được cập nhật theo biểu thức [1].
Hình 3. Khởi tạo và cập nhật ảnh nền
)y x,.I( )y x,(I.)1( y) (x,I
B(i)1)B(i
αα
+−=
+
[1]
Trong đó:
I(x,y) là cường độ sáng của pixel(x,y) trên ảnh cần xử lý,
I
B(i)
(x,y) là cường độ sáng của pixel(x,y) thuộc ảnh nền cũ,
5
C
T 2
I
B(i+1)
(x,y) là cường độ sáng của pixel(x,y) trên ảnh nền mới,
α là trọng số của pixel(x,y), 0 ≤ α ≤ 1, giá trị cụ thể của α phụ thuộc vào xác suất để cường
độ sáng của pixel(x,y) trên ảnh nền nhận giá trị I(x,y).
2.3. Module phát hiện chuyển động: có nhiệm vụ xác định có hay không các đối
tượng chuyển động trong một khung hình, sau đó tách ảnh đối tượng chuyển động khỏi ảnh nền.
Việc tách ảnh vật chuyển động được thực hiện bằng kỹ thuật trừ ảnh nền theo biểu thức [2]
),(),(),( yxIyxIyxD

B
−=
[2]
Trong đó:
I(x,y) là cường độ sáng của pixel có tọa độ x,y thuộc ảnh cần xử lý,
I
B
(x,y) là cường độ sáng của pixel có tọa độ x,y trên ảnh nền,
D(x,y) là chênh lệch cường độ sáng giữa ảnh nền và ảnh cần xử lý tại pixel(x,y). Giá trị của
D(x,y) được so sánh với ngưỡng T, nếu D(x,y) > T có nghĩa pixel(x,y) là một điểm trên ảnh của
vật chuyển động.
Gọi M là mặt nạ chuyển động, có nghĩa là nếu pixel(x, y) là một điểm trên ảnh vật chuyển
động thì M(x, y) = 1 và ngược lại pixel(x,y) thuộc ảnh nền thì M(x, y) = 0. Khi đó M được xác
định bằng biểu thức [3]



<
≥
=
y)T(x, )y x,D(0
y)T(x, )y x,D( 1
)y x,M(
If
If
[3]
Để đảm bảo mặt nạ chuyển động M được xác định chính xác, giá trị T được tính cho từng
pixel, thuật toán tính T đảm bảo có thể phán ánh các thay đổi về cường độ sáng tại thời điểm
tính mặt nạ. Cụ thể ngưỡng T(x,y) của pixel(x,y) được tính trên cơ sở phân tích thống kê các giá
trị I(x,y) tại thời điểm hiện tại và trong quá khứ theo tài liệu [1].

Hình 4. Tính mặt nạ chuyển động
6
T 2
2.4. Module phát hiện, phân loại, ghi nhận các tình huống vi phạm luật giao thông
Mặt nạ chuyển động là dữ liệu đầu vào của 3 module con : Entering Vehicle Detector
(EVD), Passed Vehicle Detector (PVD) và Vehicle Tracker (VT).
Hình 5. Module phát hiện xe vi phạm
Module EVD có nhiệm vụ phân tích mặt nạ chuyển động để phát hiện các xe vừa xuất hiện
trong khung hình[5]. Các xe này được đưa vào danh sách xe mới để chuyển cho module VT tiếp
tục xử lý.
Module PVD tìm và loại bỏ khỏi danh sách các xe đã ra khỏi vùng giám sát. Đây là các xe
trong danh sách hiện tại nhưng không tìm thấy ảnh trong mặt nạ chuyển động.
VT Thực hiện giám sát quá trình di chuyển của xe. Mỗi lần xử lý một khung hình, module
VT xác định được toạ độ mới của các xe, vị trí này được lưu lại trong một dãy các điểm theo
thời gian. Như vậy đầu ra của module VT là danh sách xe cùng với quy đạo chuyển động tương
ứng của từng xe. Kết quả này được chuyển cho module Trajectory Processor (TP) tiếp tục xử lý.
Module TP phân tích quỹ đạo chuyển động của từng xe để phát hiện các tình huống vi
phạm luật giao thông. Khi phát hiện xe vi phạm một trong các lỗi: chạy quá tốc độ và chuyển
làn trái phép phần mềm sẽ ghi các thông tin về hành vi vi phạm vào cơ sở dữ liệu, cảnh báo
người điều hành bằng cách đánh dấu vào ảnh của xe vi phạm đồng thời hiển thị hành trình của
xe vi phạm trên màn hành. Các ảnh từ hai camera chụp được trong quá trình vi phạm sẽ được
lưu lại làm cắn cứ xử lý lái xe. Thông tin lưu trong CSDL sẽ cho biết xe vi phạm lúc nào, ở đâu
và vi phạm lỗi gì.
3. KẾT QUẢ THỬ NGHIỆM HỆ THỐNG
Hệ thống giám sát giao thông dùng công nghệ xử lý ảnh giới thiệu trong bài báo này hiện
đang được thử tại km 192+422 đường cao tốc Pháp Vân. Trong điều kiện ánh sáng ban ngày và
lưu lượng giao thông bình thường hệ thống cho kết quả khá tốt. Để đánh giá sai số chức năng
phát hiện xe chuyển làn trái phép, kết quả tính toán bằng máy được so sánh với kết quả quan sát
bằng mắt thường, theo cách này độ chính xác của phần mềm là 97%. Kết quả phát hiện xe chạy
7

C
T 2
quá tốc độ được so sánh với súng bắn tốc độ theo nguyên lý rada, sai số của phầm mềm so với
súng là 5%.
(a)
(b)
Hình 6. a. Phát hiện xe vượt quá tốc độ, b. Phát hiện xe chuyển làn trái phép
8
T 2
Tài liệu tham khảo
[1]. Lê Hùng Lân và các cộng sự (2010), Thuyết minh đề tài NCKH cấp Nhà nước KC.03.05/06-10, Hà
Nội.
[2]. Dimitri Van De Ville, Mike Nachtegael, Dietrich Van der Weken, Etienne E. Kerre, Wilfried Philips,
and Ignace Lemahieu (2003), “Noise Reduction by Fuzzy Image Filtering”, IEEE RANSACTIONS ON
FUZZY SYSTEMS, VOL. 11, NO. 4, pp. 429-436
[3]. J. Stauder, R. Mech, and J. Ostermann (1999), “Detection of moving cast shadows for object
segmentation,” IEEE Transactions on Multimedia, vol. 1, no. 1, pp. 65–76.
[4]. Rita Cucchiara, Massimo Piccardi, and Paola Mello (2000), “Image Analysis and Rule-Based
Reasoning for a Traffic Monitoring System”, IEEE TRANSACTIONS ON INTELLIGENT
TRANSPORTATION SYSTEMS, VOL. 1, NO. 2. pp. 119-130
[5]. Surendra Gupte, Osama Masoud, Robert F. K. Martin, and Nikolaos P. Papanikolopoulos (2002),
“Detection and Classification of Vehicles”, IEEE TRANSACTIONS ON INTELLIGENT
TRANSPORTATION SYSTEMS, VOL. 3, NO. 1. pp. 37-46
9