QUẢN Lý d6cntt epu dai

LỜI MỞ ĐẦU
Cùng với sự phát triển của khoa học kỹ thuật và nhu cầu đi lại ngày càng tăng, số
lượng phương tiện giao thông trên đường ngày càng xuất hiện nhiều. Với số lượng
phương tiện giao thông lớn, và còn không ngừng tăng lên như vậy đã làm nảy sinh nhiều
vấn đề trong việc kiểm soát cũng như quản lý các phương tiện. Để giải quyết vấn đề này
nhu cầu đặt ra là áp dụng các hệ thống tự động.
Do mục đích chính của nghiên cứu này là tìm hiểu và xây dựng một hệ thống “Nhận
dạng biển số xe” từ hình ảnh, phim và các thiết bị ghi hình kỹ thuật số. Nhằm trợ giúp
cho công tác phát hiện xe vi phạm giao thông, chống trộm, quản lý, … được dễ dàng và
nhanh chóng hơn. Sau đây là những ứng dụng của hệ thống nhận dạng biển số xe nói
chung: Thu phí giao thông, Kiểm soát xe tại các đường biên giới, các trạm gác cổng,
công tác chống trộm, bãi giữ xe tự động, …
Như mọi hệ thống tự động khác, hệ thống như vậy cũng sẽ yêu cầu có cả phần cứng
và phần mềm. Phần cứng là 1 camera có tác dụng thu nhận hình ảnh, còn phần mềm sẽ
xử lý hình ảnh đó. Với sự phát triển của kỹ thuật điện tử, các camera sẽ dễ dàng có khả
năng thu nhận được hình ảnh do đó vấn đề đặt ra luôn là vấn đề quan trọng nhất trong
hệ thống, quyết định tính hiệu quả của hệ thống xử lý ảnh như vậy sẽ là phần mềm xử lý
ảnh. Với vai trò như đã phân tích ở trên nghiên cứu này tập trung vào giải quyết các vấn
đề đặt ra khi xử lý ảnh để đưa ra chính xác biển số xe.


MỤC LỤC


DANH MỤC CÁC HÌNH
Hình 1.1.Quá trình xử lý
ảnh……………………………………………………………..2
Hình
1.2.Các
bước
cơ

ảnh………………………………..2

bản

Hình
1.3.Ảnh
thu
nhận
……………………………………………..3

trong
và

một
ảnh

hệ

thống
mong

xử

lý
muốn

Hình 2.1.Biển số xe Việt Nam…………………………………………………………..14
Hình 2.2.Thiết bị ghi hình Frame_Grabber………………………………………………18
Hình 2.3.Sơ đồ giải quyết………………………………………………………………..23

Hình
2.4.Trục
tọa
các…………………………………………………………… 26
Hình
2.5.Hệ
………………..27

tọa

độ

độ

đề

cực………………………………………………...

Hình 2.6.Đường thẳng Hough trong tọa độc cực…………………………..
…………...28
Hình 2.7.Cấu trúc của Tesseracter OCR………………………………….………….
…34
Hình 2.8.Ví dụ về đường cơ sở dạng cong……………………………….
…………….35
Hình
2.9.Quá
trình
nhận
……………………………………………………….36

Hình
2.10.Một
ví
dụ
về
tay………………………………………...36

hình

Hình
2.11.Một
ví
dụ
máy……………………………………...37

hình

về

Hình
2.12.Một
ví
dụ
về
PDF……………………………………………38

hình

dạng
chứa

chứa

từ

chữ
chữ

từ

tập

viết
đánh
tin

Hình
2.13.Cấu
trúc
học……………………………………………..39

mạng

Nơ-ron

sinh

Hình
2.14.Cấu
trúc
tạo……………………………………………..41

mạng

Nơ-ron

nhân

Hình
2.15.Mô
hình
tầng………………………………………………………44

mạng

đa

Hình 3.1.Minh họa một hệ thống nhận dạng biển số xe……………………….
……….46
Hình 3.2.Sơ đồ tổng quát của khối tách biển số……………………………….
……….48
Hình 3.3.Sơ đồ chi tiết của khối tách biển số………………………………….
……….49


Hình 3.4.Ảnh tối và ảnh sang…………………………………….…………………..
…50
Hình 3.5.Ảnh
……………50

sau

khi

nhị

phân…………………………………………….

Hình 3.6.Hình dạng biển số khi bị nghiêng………………………………….
………….51
Hình 3.7.Biển số sau khi nhị phân………………………………………….
…………...51
Hình 3.8. Hình thể hiện vùng ảnh cần tách ra với biên an toàn………….……………..52
Hình 3.9. Ảnh chụp đầu vào…………………………………………………………....52
Hình 3.10.Ảnh sau khi cắt thô………………………………………………...
………..53
Hình

3.11.Ảnh

được

tách

biên

biên…………………………………………………....53
Hình 3.12.Ảnh biển số sau khi xoay về phương thẳng đứng………….
……………....54
Hình 3.13.Biển số sau khi cắt hoàn chỉnh…………………………………………..
…55

Hình 3.14.Ảnh sau khi được nhị phân………………………………………………....56


Hình 3.15.Ảnh biển số sau khi được chuẩn hóa…………………………………..
…..56
Hình 3.16.Tổng số các bít theo 1 hàng của biển số………………………...……..
…..58
Hình

3.17.Các

ký

tự

được

cắt

khỏi

biển

số

…………………………………………...58
Hình 3.18.Ma trận Sobel theo hai hướng X, Y…………………………………….
…..59
Hình 3.19.Sơ đồ họat
từ…………………………...60

động

tổng

quát

của

bộ

nhận

dạng

Hình 3.20.Mô hình mạng Nơ-ron 3 lớp……………………………………………..
…62
Hình 3.21.Ánh xạ lưới ký tự…………………………………………………………...66

DANH MỤC BẢNG BIỂU
Bảng 1.1.Quy định biển số của 64 tỉnh thành…………………………………….9


7
CHƯƠNG 1: TỔNG QUAN VỀ NHẬN DẠNG XỬ LÝ ẢNH
Trong chương này, các kiến thức cơ bản về xử lý ảnh, các vấn đề cơ bản trong xử
lý ảnh và tổng quan về đề tài. Chương 1 sẽ đưa ra một cái nhìn tổng quan về xử lý ảnh,
các vấn đề cơ bản trong xử lý ảnh.
1.1. Giới thiệu đề tài.
1.1.1. Lý do chọn đề tài

Cùng với sự phát triển khoa học kỹ thuật, nhu cầu đi lại ngày càng tăng, lưu lượng
giao thông ngày càng lớn. Với số lượng phương tiện giao thông ngày càng lớn và
không ngừng tăng thì việc quản lý các phương tiện giao thông gặp rất nhiều khó khăn
do đó cần một hệ thống tự động. Một trong những hệ thống đó là hệ thống nhận dạng
biển số xe. Đó là hệ thống có khả năng “đọc” và “hiểu” các biển số xe một cách tự
động.
Trong đồ án này đã xây dựng hệ thống để quản lý bãi giữ xe bởi vì các bãi giữ xe
hiện nay gặp rất nhiều vấn đề như:
-

Tốn nhiều nhân công.
An toàn chưa cao, vẫn còn xảy ra hiện tượng mất xe.
Vé xe bằng giấy, dễ bị mất hay nhàu nát.
1.1.2. Mục tiêu:

• Trong đề tài này, em đã đặt những mục tiêu sau:
- Hạn chế những vấn đề bất cập của bãi giữ xe hiện nay.
- Xây dựng một mô hình hệ thống quản lý bãi giữ xe tự động.
• Để đạt được những mục tiêu trên, em đã tiến hành các công việc như sau:
- Tìm hiểu về quá trình xử lý và nhận dạng ảnh
- Tìm hiểu các hệ thống bãi giữ xe đã được áp dụng ở Việt Nam
1.2. Cơ sở lý thuyết về xử lý ảnh.
1.2.1. Xử lý ảnh là gì?
Con người thu nhận thông tin qua các giác quan, trong đó thị giác đóng vai trò
quan trọng nhất. Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử
lý ảnh và đồ hoạ đó phát triển một cách mạnh mẽ và có nhiều ứng dụng trong cuộc
sống. Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng trong tương tác người máy.


8

Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra
kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “tốt
hơn” hoặc một kết luận.

XỬ LÝ ẢNH

Ảnh

Ảnh
“Tốt hơn”
Kết luận

Hình 1.2.1.1.1: Quá trình xử lý ảnh
Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như là đặc
trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối tượng trong
không gian và nó có thể xem như một hàm n biến P(c 1, c2,..., cn). Do đó, ảnh trong xử
lý ảnh có thể xem như ảnh n chiều.
Sơ đồ tổng quát của một hệ thống xử lý ảnh:
Hệ quyết định
Thu nhận ảnh
(Scanner,
Camera,Sensor)

Tiền xử lý

Trích chọn
đặc điểm

Đối sánh rút
ra kết luận

Hậu xử lý

Lưu trữ

Hình 1.2.1.1.2: Các bước cơ bản trong một hệ thống xử lý
ảnh
1.2.2. Các vấn đề cơ bản trong xử lý ảnh
1.2.2.1. Một số khái niệm cơ bản

 Ảnh và điểm ảnh: Điểm ảnh được xem như là dấu hiệu hay cường độ sáng tại 1 toạ
độ trong không gian của đối tượng và ảnh được xem như là 1 tập hợp các điểm ảnh.

 Mức xám, màu: Là số các giá trị có thể có của các điểm ảnh của ảnh


9
1.2.2.2. Nắn chỉnh biến dạng.
Ảnh thu nhận thường bị biến dạng do các thiết bị quang học và điện tử.

P’i
f(Pi)

Pi

Ảnh thu nhận

Ảnh mong muốn
Hình 1.2.2.2.1: Ảnh thu nhận và ảnh mong muốn

Để khắc phục người ta sử dụng các phép chiếu, các phép chiếu thường được xây
dựng trên tập các điểm điều khiển.
Giả sử (Pi, Pi’) i =

1, n

có n các tập điều khiển
n

Tìm hàm f: Pi



∑
f (Pi) sao cho

i =1

f ( Pi ) − Pi '

2

→ min

Giả sử ảnh bị biến đổi chỉ bao gồm: Tịnh tiến, quay, tỷ lệ, biến dạng bậc nhất tuyến
tính. Khi đó hàm f có dạng: f (x, y) = (a1x + b1y + c1, a2x + b2y + c2)

[

φ = ∑ ( f ( Pi) − Pi ) = ∑ ( a1 xi + b1 yi + c1 − xi' ) + ( a 2 xi + b2 yi + c2 − yi' )

n

Ta có:

i =1

Để cho φ → min

' 2

n

i =1

2

2

]


10

 ∂φ
=0

∂
a
 1
 ∂φ

=0⇔

 ∂b1
 ∂φ
=0

 ∂c1

n
n
n
 n
2
a
x
+
b
x
y
+
c
x
=
xi xi'
∑
∑
∑
1 i i
1 i
∑ 1 i

i =1
i =1
i =1
 i =1
n
n
n
n

2
'
∑ a1 xi y i + ∑ b1 y i + ∑ c1 y i = ∑ y i xi
i =1
i =1
i =1
 i =1
n
n
n

'
∑ a1 xi + ∑ b1 y i + nc1 = ∑ xi
i =1
i =1
 i =1

Giải hệ phương trình tuyến tính tìm được: a1, b1, c1
Tương tự tìm được : a2, b2, c2
⇒ Xác định được hàm f
1.2.2.3. Khử nhiễu

Có 2 loại nhiễu cơ bản trong quá trình thu nhận ảnh

 Nhiều hệ thống: là nhiễu có quy luật có thể khử bằng các phép
biến đổi

 Nhiễu ngẫu nhiên: vết bẩn không rõ nguyên nhân → khắc phục bằng các phép lọc.
1.2.2.4. .Chỉnh mức xám.
Nhằm khắc phục tính không đồng đều của hệ thống gây ra. Thông thường có 2
hướng tiếp cận:

 Giảm số mức xám: Thực hiện bằng cách nhóm các mức xám gần nhau thành một
bó. Trường hợp chỉ có 2 mức xám thì chính là chuyển về ảnh đen trắng. Ứng dụng:
In ảnh màu ra máy in đen trắng.

 Tăng số mức xám: Thực hiện nội suy ra các mức xám trung gian bằng kỹ thuật nội
suy. Kỹ thuật này nhằm tăng cường độ mịn cho ảnh.
1.2.2.5. Phân tích ảnh.
Là khâu quan trọng trong quá trình xử lý ảnh để tiến tới hiểu ảnh. Trong phân tích
ảnh việc trích chọn đặc điểm là một bước quan trọng. Các đặc điểm của đối tượng


11
được trích chọn tuỳ theo mục đích nhận dạng trong quá trình xử lý ảnh. Có thể nêu ra
một số đặc điểm của ảnh sau đây:
+ Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn.
+Đặc điểm biến đổi: Các đặc điểm loại này được trích chọn bằng việc thực hiện lọc
vùng (zonal filtering). Các bộ vùng được gọi là “mặt nạ đặc điểm” (feature mask)
thường là các khe hẹp với hình dạng khác nhau (chữ nhật, tam giác, cung tròn v.v..)
+ Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đối tượng và do vậy
rất hữu ích trong việc trích trọn các thuộc tính bất biến được dùng khi nhận dạng đối

tượng. Các đặc điểm này có thể được trích chọn nhờ toán tử gradient, toán tử la bàn,
toán tử Laplace, toán tử “chéo không” (zero crossing) v.v.. Việc trích chọn hiệu quả
các đặc điểm giúp cho việc nhận dạng các đối tượng ảnh chính xác, với tốc độ tính
toán cao và dung lượng nhớ lưu trữ giảm xuống.
1.2.2.6. Nhận dạng.
Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại và phân
nhóm các mẫu là những vấn đề quan trọng trong thị giác máy, được ứng dụng trong
nhiều ngành khoa học khác nhau. Tuy nhiên, một câu hỏi đặt ra là: mẫu (pattern) là
gì? Watanabe, một trong những người đi đầu trong lĩnh vực này đã định nghĩa:
“Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách
ang áng (vaguely defined) và có thể gán cho nó một tên gọi nào đó”. Ví dụ mẫu có thể
là ảnh của vân tay, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người
hoặc một ký đồ tín hiệu tiếng nói. Khi biết một mẫu nào đó, để nhận dạng hoặc phân
loại mẫu đó có thể:
+ Phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt
(discriminant analyis), trong đó mẫu đầu vào được định danh như một thành phần của
một lớp đã xác định.
+Phân loại không có mẫu (unsupervised classification hay clustering) trong đó các
mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó. Các
lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh.


12
Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau
đây:

- Thu nhận dữ liệu và tiền xử lý.
- Biểu diễn dữ liệu.
- Nhận dạng, ra quyết định.
Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là:

- Đối sánh mẫu dựa trên các đặc trưng được trích chọn.
- Phân loại thống kê.
- Đối sánh cấu trúc.
- Phân loại dựa trên mạng nơ-ron nhân tạo.
Trong các ứng dụng rõ ràng là không thể chỉ dùng có một cách tiếp cận đơn lẻ để phân
loại “tối ưu” do vậy cần sử dụng cùng một lúc nhiều phương pháp và cách tiếp cận
khác nhau. Do vậy, các phương thức phân loại tổ hợp hay được sử dụng khi nhận dạng
và nay đã có những kết quả có triển vọng dựa trên thiết kế các hệ thống lai (hybrid
system) bao gồm nhiều mô hình
kết hợp.
Việc giải quyết bài toán nhận dạng trong những ứng dụng mới, nảy sinh trong cuộc
sống không chỉ tạo ra những thách thức về thuật giải, mà còn đặt ra những yêu cầu về
tốc độ tính toán. Đặc điểm chung của tất cả những ứng dụng đó là những đặc điểm đặc
trưng cần thiết thường là nhiều, không thể do chuyên gia đề xuất, mà phải được trích
chọn dựa trên các thủ tục phân tích dữ liệu.
1.2.2.7. Nén ảnh.
Nhằm giảm thiểu không gian lưu trữ. Thường được tiến hành theo cả hai cách
khuynh hướng là nén có bảo toàn và không bảo toàn thông tin. Nén không bảo toàn thì


13
thường có khả năng nén cao hơn nhưng khả năng phục hồi thì kém hơn. Trên cơ sở hai
khuynh hướng, có 4 cách tiếp cận cơ bản trong nén ảnh:

 Nén ảnh thống kê: Kỹ thuật nén này dựa vào việc thống kê tần xuất xuất hiện của
giá trị các điểm ảnh, trên cơ sở đó mà có chiến lược mã hóa thích hợp. Một ví dụ
điển hình cho kỹ thuật mã hóa này là *.TIF

 Nén ảnh không gian: Kỹ thuật này dựa vào vị trí không gian của các điểm ảnh để

tiến hành mã hóa. Kỹ thuật lợi dụng sự giống nhau của các điểm ảnh trong các
vùng gần nhau. Ví dụ cho kỹ thuật này là mã nén *.PCX

 Nén ảnh sử dụng phép biến đổi: Đây là kỹ thuật tiếp cận theo hướng nén không bảo
toàn và do vậy, kỹ thuật thướng nến hiệu quả hơn. *.JPG chính là tiếp cận theo kỹ
thuật nén này.

 Nén ảnh Fractal: Sử dụng tính chất Fractal của các đối tượng ảnh, thể hiện sự lặp
lại của các chi tiết. Kỹ thuật nén sẽ tính toán để chỉ cần lưu trữ phần gốc ảnh và
quy luật sinh ra ảnh theo nguyên lý Fractal
1.3. Khái niệm về nhận dạng biển số xe
1.3.1. Khái niệm
a) Khái niệm
Hệ thống nhận dạng biển số xe là hệ thống có khả năng phân tích hình ảnh và xác
định biển số trên xe, thông qua video, thiết bị ghi hình và hình ảnh. Sau cùng là xác
định các thông tin như: chủ sở hữu xe, theo dõi xe với tốc độ chậm, ....
 Phân loại ứng dụng nhận dạng biển số xe:
Ứng dụng nhận dạng biển số xe là ứng dụng có khả năng phân tích hình ảnh và xác
định biển số xe từ các hình ảnh chụp được từ các thiết bị thu hình. Nguồn hình ảnh
cho ứng dụng có rất nhiều. Và phát triển, hình ảnh được trực tiếp thu nhận từ camera.
Trong báo cáo tốt nghiệp của em chỉ dừng lại ở mức xác định được biển số xe (xác
định các chữ) từ các bức ảnh.


14
Có nhiều cách thức khác nhau để phân loại các ứng dụng nhận dạng biển số xe.
Một trong những cách đơn giản là phân loại ứng dụng nhận dạng biển số xe thông qua
mục đích sử dụng. Có thể chia ứng dụng nhận dạng biển số xe thành hai loại sau:
Loại 1: Giới hạn vùng nhìn
• Đầu vào: Ảnh thu trực tiếp từ các thiết bị ghi nhận ảnh kỹ thuật số. Ảnh được ghi

nhận thường chỉ giới hạn trong vùng có biển số xe.
• Nguyên lý hoạt động: Các phương tiện giao thông phải chạy với một tốc độ đủ chậm
để máy ghi nhận hình ảnh co thể thu được ảnh vùng biển số xe.
• Ứng dụng: Những ứng dụng nhận dạng biển số xe loại này thường được dung tại cac
trạm kiểm soát, các trạm thu phí, các bãi gửi xe tự động, các trạm gác cổng.
Loại 2: Không giới hạn vùng nhìn
• Đầu vào: Ảnh đầu vào thu được từ các thiết bị ghi hình tự động, không phụ thuộc vào
góc độ, các đối tượng xung quanh, ảnh không cần bắt buộc chỉ chụp vùng chứa biển số
xe, mà có thể ảnh tổng hợp như chứa them các đối tượng như người, cây, đường phố..,
miễn là vùng biển số xe phải đủ rõ để có thể thực hiện nhận dạng được các ký tự trong
vùng đó.
• Nguyên lý hoạt động: Do đặc tính không giới hạn vùng nhìn mà ảnh đầu vào có thể
thu được từ một thiết bị ghi hình (camara, máy ảnh…). Và do đó, công việc đầu tiên là
dò tìm trong ảnh, để xác định đúng vùng nào là biển số xe. Sau đó, thực hiện tách vùng
và nhận dạng. Cuối cùng tùy thuộc vào mục đích sử dụng mà kết quả nhận dạng được
truyền đi hay lưu trữ để phục vụ nhu cầu của người dùng cuối.
• Ứng dụng: Vì không phụ thuộc vào hình ảnh thu được nên có thể dùng ứng dụng tại
nhiều nơi như tại những nơi điều tiết giao thông, tại các vị trí nhạy cảm của giao thông
như ngã ba, ngã tư đường giao nhau. Kiểm soát, phát hiện những hành vi vi phạm an
toàn giao thông.
•

Yêu cầu về thiết bị:
- Máy quét
- Đèn chiếu
- Bộ phận thu – tách hình ảnh


15
- Máy tính

- Các thiết bị khác tùy mục đích sử dụng
Trong quá trình tìm hiểu, xây dựng ứng dụng của mình. Ứng dụng mà em hướng
tới trong quá trình xây dựng là ứng dụng loại 2. Vì vậy, trong toàn bộ báo cáo này, chỉ
nêu cách thức giải quyết là làm sao nhận dạng (lọc ra) được các ký tự số và chữ.

1.3.2. Phân loại biển số xe:
Trước tiên là quy định biển số của 64 tỉnh thành (Biển trắng chữ đen):
11 - Cao Bằng
12 - Lạng Sơn
14 - Quảng Ninh
15,16 - Hải Phòng
17 - Thái Bình
18 - Nam Định
19 - Phú Thọ
20 - Thái Nguyên
21 - Yên Bái
22 - Tuyên Quang
23 - Hà Giang
24 - Lào Cai
25 - Lai Châu
26 - Sơn La
27 - Điện Biên
28 - Hòa Bình
29,30,31,32 - Hà Nội
33 - Hà Tây
34 - Hải Dương
35 - Ninh Bình
36 - Thanh Hóa
37 - Nghệ An
38 - Hà Tĩnh

43 - Đà Nẵng
47 - Đắc Lắc
48 - Đắc Nông
49 - Lâm Đồng
50 đến 59 - TP. Hồ Chí
Minh
60 - Đồng Nai
61 - Bình Dương
62 - Long An
63 - Tiền Giang
64 - Vĩnh Long
65 - Cần Thơ
66 - Đồng Tháp
67 - An Giang
68 - Kiên Giang
69 - Cà Mau
70 - Tây Ninh
71 - Bến Tre
72 - Bà Rịa - Vũng Tàu
73 - Quảng Bình
74 - Quảng Trị
75 - Huế
76 - Quảng Ngãi

77 - Bình Định
78 - Phú Yên
79 - Khánh Hòa
80 - Các đơn vị kinh tế
thuộc TW (hàng không)

81 - Gia Lai
82 - KonTum
83 - Sóc Trăng
84 - Trà Vinh
85 - Ninh Thuận
86 - Bình Thuận
88 - Vĩnh Phúc
89 - Hưng Yên
90 - Hà Nam
92 - Quảng Nam
93 - Bình Phước
94 - Bạc Liêu
95 - Hậu Giang
97 - Bắc Cạn
98 - Bắc Giang
99 - Bắc Ninh

Bảng 1.1.Quy định biển số của 64 tỉnh thành


16

 Những quy định về màu sắc và chữ số đặc biệt:
1. Màu xanh chữ trắng là biển xe của các cơ quan hành chính sự nghiệp:
- Trực thuộc chính phủ thì là biển xanh 80
- Các tỉnh thành thì theo số tương ứng
2. Màu đỏ chữ trắng là biển xe trong quân đội:
AT: Binh đoàn 12
AD: Quân Đoàn 4 , Binh đoàn cửu long
BB: bộ binh

BC: Binh chủng Công Binh
BH: Binh chủng hoá học
BS: Binh đoàn Trường Sơn
BT: Binh chủng thông tin liên lạc
BP: Bộ tư lệnh biên phòng
HB: Học viện lục quân
HH: Học viện quân y
KA: Quân khu 1
KB: Quân khu 2
KC: Quân khu 3
KD: Quân khu 4
KV: Quân khu 5
KP: Quân khu 7
KK: Quân khu 9


17
PP: Các quân y viện
QH: Quân chủng hải quân
QK, QP: Quân chủng phòng không không quân
TC: Tổng cục chính trị
TH: Tổng cục hậu cần
TK: Tổng cục công nghiệp quốc phòng
TT:Tổng cục kỹ thuật
TM: Bộ tổng tham mưu
VT: Viettel
3. Màu trắng 2 chữ, 5 số là biển dành cho người nước ngoài:
- NG là xe ngoại giao
- NN là xe của các tổ chức, cá nhân nước ngoài: Trong đó 3 số ở giữa là mã quốc
gia, 2 số tiếp theo là số thứ tự.

* Xe số 80 NG xxx-yy là biển cấp cho các đại sứ quán, thêm gạch đỏ ở giữa và 2 số
cuối là 01 là biển xe của tổng lãnh sự
4. Những xe mang biển 80 gồm có :
- Các Ban của Trung ương Đảng
- Văn phòng Chủ tịch nước
- Văn phòng Quốc hội
- Văn phòng Chính phủ
- Bộ Công an
- Xe phục vụ các đồng chí uỷ viên Trung ương Đảng công tác tại Hà Nội và các
thành viên Chính phủ
- Bộ ngoại giao
- Viện kiểm soát nhân dân tối cao


18
- Toà án nhân dân tối cao
- Đài truyền hình Việt Nam
- Đài tiếng nói Việt Nam
- Thông tấn xã Việt Nam
- Báo nhân dân
- Thanh tra Nhà nước
- Học viện Chính trị quốc gia
- Ban quản lý Lăng, Bảo tàng, khu Di tích lịch sử Hồ Chí Minh;
- Trung tâm lưu trữ quốc gia
- Uỷ ban Dân số kế hoạch hoá gia đình
- Tổng công ty Dầu khí Việt Nam
- Các đại sứ quán, tổ chức quốc tế và nhân viên người nước ngoài
- Uỷ ban Chứng khoán Nhà nước
- Cục Hàng không dân dụng Việt Nam
- Kiểm toán nhà nước

5. Các biển A :
-Xe của Công An - Cảnh Sát tương ứng với các tỉnh
Ví dụ: 31A = xe của Công An - Cảnh Sát thành phố Hà Nội
1.3.3. Kết luận chương
Qua chương 1, ta có thể hiểu rõ vè xử lý ảnh và các khái niệm cơ bản của xử lý
ảnh, các khái niêm, vấn đề cơ bản của xử lý ảnh.
Chương tiếp theo, đồ án sẽ đi sâu vào phân tích phương pháp nhận dạng biển số
xe.


19

CHƯƠNG 2: PHƯƠN
G PHÁP NHẬN DẠNG
BIỂN SỐ XE
2.1. Giới thiệu bài toán.
 Một số đặc điểm về biển số xe ở Việt Nam:

Hình 2.1.1.1.1: Biển số xe Việt Nam
• Tiêu chuẩn về kích thước: Ở mỗi nước thường có tiêu chuẩn về kích thước nhất định.
Đối với nước ta, biển số xe qui định khá đồng đều cho mỗi loại xe, tỷ lệ chiều dài,
rộng cho mỗi loại xe là như nhau. Đối với loại xe có một hàng ký tự thì tỉ lệ dài/ rộng
là:

3.5 ≤ W / H ≤ 4.5

. Đối với loại xe có hai hàng ký tự thì tỷ lệ đó là:

0 .8 ≤ W / H ≤ 1 .4

.

Từ các đặc tính này, ta có thể xác định được các vùng con thỏa mãn các tiêu chí về
ngưỡng tỷ lệ dài/rộng. Và chỉ những vùng con thỏa mãn thì khả năng chứa biển số xe
là cao
• Số lượng ký tự trong biển số xe. Mỗi ký tự thường có tỷ lệ kích thước về chiều rộng,
chiều cao tương ứng với chiều dài và rộng của biển số xe. Ví dụ, chiều cao của mỗi ký
tự luôn nhỏ hơn 85% chiều cao của biển số xe và luôn lớn hơn 33% chiều cao của biến
xe. Còn chiều rộng của ký tự không lớn hơn 20% chiều dài của biển số xe. Mỗi ký tự
của biển số xe được xem như là một vùng liên thông con. Do đó, chúng ta có thể đếm
vùng liên thông con thỏa mãn tính chất đó là ký tự. Chú ý số ký tự trên biển số xe là từ


20
6 đến 10 ký tự. Ở nước ta chỉ có số ký tự trên mỗi biển số xe nằm trong khoảng 6 đến
8 ký tự. Vậy ta có thể dùng ngưỡng [6.8] để nhận dạng vùng biển số xe.
Từ những nhận xét trên, chúng ta có thể đưa ra giải pháp cho bài toán nhận dạng:
sử dụng phương pháp phát hiện biên và biến đổi Hough. Sau đó, sử dụng hai tính chất
trên biển số xe để xác định chính xác vùng con chứa biển số xe. Khi đã xác định chính
xác vùng con chứa biển số xe thì tiến hành nhận dạng các ký tự.
Để giải quyết bài toán nhận dạng biển số xe, trong báo cáo em xin trình bày 3 bước
như sau:
• Bước 1: Ảnh vào ảnh mức xám I(x,y) thực hiện theo phương pháp dò biên và biến đổi
Hough để tìm ra các vùng con có khả năng chứa biển số xe. Gọi tập con này là Ic.
• Bước 2: Xác định chính xác vùng con nào chứa biển số xe bằng hai thao tác được
miêu tả ở trên đó là tiêu chí tỷ lệ chiều dài với chiểu rộng và số ký tự trong biển số xe.
Kết quả của bước 2 là cho ra một tập ảnh con chứa biển số xe. Gọi tập con này là
• Bước 3: Giải quyết bài toán nhận dạng ký tự cho tập

I c'

I c'

.

. Bằng cách áp dụng phương

pháp và kỹ thuật nhận dạng ký tự
Qua ba bước như trên ta có thể nhận dạng được biển số xe

I c'

. Trong bước 3: nhận

dạng ký tự em sử dụng phương pháp mạng noron truyền ngược cho việc nhận dạng ký
tự.
Trong phần tiếp theo đó là chi tiết từng bước xử lý bài toán nhận dạng biển số xe,
và một số khái niệm cơ bản quen thuộc mà có liên quan đến nhận dạng biển số xe.
2.2. Một số hướng giải quyết bài toán nhận dạng biển số xe:
Có rất nhiều phương pháp tiếp cận. Trong đó có hai cách tiếp cận phổ biến dưới đây:
 Hướng tiếp cận phát triển vùng
• Nhóm tác giả Nigel Whyte and Adrien Kiernan được đại diện cho cách tiếp
cận này


21
• Ý tưởng của phương pháp này: đó là biển số xe thường chứa một màu đồng nhất,
chẳng hạn màu trắng, và có diện tích tương đối nhất định. Vì vậy có thể dùng phương
pháp phát triển vùng, hoặc sử dụng khung chữ nhật di chuyển trong để tìm ra vùng có
tính chất thỏa mãn biển số xe và tiến hành nhận dạng.

• Ưu điểm: rất đơn giản, và xử lý rất nhanh đối với những ảnh chỉ chứa vùng biển số xe.
• Nhược điểm: khi ảnh có thêm nhiều đối tượng không phải là vùng biển số xe, chẳng
hạn là ảnh chụp tổng quát gồm cả cảnh vật bên ngoài thì cách tiếp cận này trở nên
không hiệu quả. Vì vậy phương pháp này rất hiệu quả đối với hệ thống trạm thu phí,
trạm gác cổng, gửi xe tự động
 Hướng tiếp cận dò biên và biến đổi Hough
• Nhóm tác giả Michael Lidenbaum, Rosen Alexander, Vichik Sergey, Sandler Roman
được đại diện cho cách tiếp cận này.
• Ý tưởng của cách tiếp cận này là: Biển số xe được bao boc bởi đường viền. Do đó, có
thể dùng phương pháp phát hiện biên, sau đó dùng phép biến đổi Hough để trích
những đoạn thẳng dọc, ngang tồn tại trong ảnh. Giao điểm của những đoạn thẳng này
chính là vùng bao chứa biển số xe. Và cuối cùng là tiến hành nhận dạng các ký tự ở
trên mỗi vùng con.
• Ưu điểm: độ chính xác cao. Và các hệ thống nhận dạng đa phần đều phát triển theo
hướng tiếp cận này.
• Nhược điểm: Độ phức tạp tính toán khá cao. Khi ảnh có thêm nhiêu đối tượng khác thì
khối lượng tính toán tăng lên rất nhiều. Do mục đích là phải xác định được vùng con
nào chứa biển số xe.
Ngoài hai cách tiếp cận trên, còn có nhiều cách tiếp cận khác để xác định chính xác
vùng nào chứa biển số xe và bước cuối cùng là tiến hành nhận dạng ký tự. Mỗi cách
tiếp cận có một ưu và nhược điểm. Đa số các ứng dụng đều sử dụng cách tiếp cận biến
đổi Hough.Trong báo cáo đề tài của em,em xin trình bày cách tiếp cận Hough


22
2.3. Các bước xác định vùng chứa biển số xe.
2.3.1. Các bài toán đặt ra trong hệ thống nhận dạng biển số xe
Bài toán 1: Chọn lựa các khung và trích chọn ảnh từ dãy tín hiệu đầu vào là đoạn
phim, camera kỹ thuật số hay thiết bị ghi hình khác. Ảnh thu được sẽ truyền vào máy
tính.

Bài toán 2: Từ ảnh đầu vào(kết quả từ Bài toán 1) thực hiện việc dò tìm và phát
hiện ra vùng con có khả năng chứa biển số xe.
Bài toán 3: Từ các vùng con (kết quả có được từ Bài toán 2)thực hiện một số thao
tác để xác định chính xác vùng con nào là vùng chứa biển số xe. Kết quả của bài toán
này là một hay một tập các ảnh con chứa biển số xe.
Bài toán 4: Giải quyết bài toán nhận dạng ký tự cho tập kết quả từ Bài toán 3. Bằng
cách áp dụng các phương pháp và kỹ thuật của nhận dạng ký tự.
2.3.1.1. Một số các tiếp cận trước để giải quyết
vấn đề
* Giải quyết bài toán 1:
- Đối với các hệ thống trực tiếp thu ảnh vào camera kỹ thuật số hay các thiết bị ghi
hình khác, thì giải pháp là nhờ vào bộ phận tách “khung” gọi là Frame Grabber. Hoạt
động của bộ phận này là: Cứ 1 khoảng “khung” định trước, hệ thống sẽ gửi ảnh đến vị
trí đích mà cụ thể ở đây là máy tính. Máy tính sẽ tiếp nhận ảnh này và tiến hành xử lý.
- Đối với hệ thống mà tín hiệu đầu vào là đoạn phim. Giải pháp ở đây là xây dựng
một ứng dụng “Capture” vùng nhìn. Tuy nhiên, cách này chỉ là bán thủ công. Giải
pháp tốt nhất vẫn là kết nối với thiết bị Frame Grabber (thiết bị dùng để thu hình từ
camera Analog).


23

Hình 2.3.1.1.1: Thiết bị ghi hình Frame_Grabber
- Đối với hệ thống mà tín hiệu đầu vào chỉ là ảnh thì cần trang bị một thư viện đọc
và ghi ảnh.
* Giải quyết bài toán 2:
- Phương pháp 1: “Phát triển vùng”
+ Ý tưởng chính: Ảnh chứa biển số xe sẽ có những vùng đồng nhất mà cụ thể là
“màu trắng” và có diện tích nhất định. Như vậy ta sẽ áp dụng phương pháp phát triển
vùng để tìm ra các vùng thỏa mãn đặc tính trên.

- Phương pháp 2: “Phép biến đổi Hough”
+ Ý tưởng chính: Do biển số xe có chứa các đường viền, nên chúng ta sử dụng
phép biến Hough cho việc phát hiện các vùng có đường thẳng đứng và đường thẳng
ngang. Giao điểm của các đường này sẽ cho ta tọa độ của khung viền.
- Phương pháp 3: “Phát hiện biên & Heuristic”
+ Ý tưởng chính: Áp dụng mặt nạ Sobel để dò tìm cạnh trong ảnh, kết quả là ảnh
chứa tập các cạnh. Sau đó, áp dụng một số Heuristic về biển số xe như kích thước, tỉ lệ
chiều cao/ chiều rộng, hoặc sử dụng một cửa sổ di chuyển trên toàn bộ tập các cạnh để
tìm ra vùng có số cạnh thỏa mãn điều kiện.
* Giải quyết bài toán 3:


24
- Nếu đầu vào chính xác chỉ chứa biển số xe hoặc vừa chứa biển số xe vừa chứa 1
phần duy nhất của xe. Thì việc chọn lọc trong tập hợp các vùng để đưa ra biển số xe là
đơn giản. Ta chỉ cần dựa vào kích thước, chiều cao chiều rộng của vùng.
- Nhưng nếu ảnh đầu còn chứa các đối tượng khác thì cần phải bổ sung thêm
heuristic để chọn lọc. Một số heuristic được dùng tại đây là:
+ Tỉ lệ chiều cao/ chiều rộng.
+ Số cạnh trong từng vùng.
+ Tỉ lệ Pixel ảnh/ Pixel nền.
+ Dạng của lược đồ xám theo (Ox, Oy).
- Kết quả của bài toán này là tập ảnh mà mỗi phần tử trong tập hợp chỉ chứa biển
số xe.
* Giải quyết bài toán 4:
Đối với bài toán này hiện nay đã có rất nhiều phương án giải quyết gần như hoàn
hảo. Bộ nhận diện ký tự nhận đầu vào là các ảnh có ký tự riêng rẽ và cho ra ký tự văn
bản tương ứng. Hiện nay mạng Neuron là hệ thống máy học được sử dụng phổ biến
cho việc phân loại này, ngoài ra các giải thuật so khớp mẫu (Template Matching) cũng
được áp dụng tùy theo từng tình huống.

2.3.2. Các phương pháp nhận dạng biển số
2.3.2.1. Phương pháp gradient
Dựa vào cực đại hóa của đạo hàm. Theo định nghĩa, gradient là một vecto có các
thành phần biểu thị tốc độ thay đổi giá trị của điểm ảnh theo 2 hướng x và y. Các thành
phần của Gradient được tính bởi:
∂f ( x, y )
f ( x + dx, y ) − f ( x, y )
= fx ≈
∂x
dx

∂f ( x, y )
f ( x, y + dy ) − f ( x, y )
= fx ≈
∂y
dy

Đổi sang tọa độc cực


25
x = rcosθ

y = r sin θ

Suy ra:
∂f ∂f
∂f
=
cos θ + sin θ

∂r ∂x
∂y
∂f ∂f
∂f
=
(− r sin θ ) + cos θ
∂r ∂x
∂y

Với dx là khoảng cách giữa các điểm theo hướng x (khoảng cách tính bằng số
điểm) và tương tự với dy. Trên thực tế người ta hay dùng với dx= dy= 1
Với một ảnh liên tục f(x, y), các đạo hàm riêng của nó cho phép xác định vị trí cục
bộ theo hướng của biên. Thực vậy, gradient của một ảnh liên tục, được biểu diễn bởi
một hàm f(x,y), dọc theo r với góc
df ∂f dx ∂f dy
=
+
dr ∂x dr ∂y dr

θ

, được định nghĩa bởi:

θ
θ
= fxcos + fysin

Chú ý: khi ta nói lấy đạo hàm của ảnh nhưng thực ra chỉ là mô phỏng và xấp xỉ đạo
hàm bằng các kỹ thuật nhân chập (phép cuộn). Do ảnh số là tín hiệu rời rạc nên đạo
hàm không tồn tại

Kỹ thuật Gradient sử dụng một cặp mặt nạ H 1 và H2 trực giao (theo 2 hướng vuông
góc). Nếu định nghĩa g1, g2 là gradient tương ứng theo 2 hướng x và y, thì biên độ của
gradient, ký hiệu là g tại điểm (m,n) được tính theo công thức:
A0= g(m,n)=

g12 (m, n) + g 22 (m, n)

θ (m, n) = tan −1 ( g 2 (m, n) / g1 ( m, n))

(1)
(2)

Chú ý: để giảm tính toán, công thức (1) được tính gần đúng bởi:
A0 = g1 (m, n) + g 2 ( m, n)