Nghiên cứu phát triển thuật toán đo tốc độ của xe ô tô

 

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
---------------------------------------

 
NGUYỄN THỊ THẢO 

NGUYỄN THỊ THẢO
 
 
 
 
 

 
KỸ THUẬT ĐIỆN TỬ 

 
NGHIÊN CỨU PHÁT TRIỂN THUẬT TOÁN
ĐO TỐC ĐỘ XE Ô TÔ 
 
 
 
 
 
LUẬN VĂN THẠC SĨ  KỸ THUẬT  
CHUYÊN NGÀNH: KỸ THUẬT ĐIỆN TỬ 
 
                                       

 
 
 
 

 

 

KHOÁ 2014B 

 
 
 
Hà Nội  – 2016 

 


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
--------------------------------------NGUYỄN THỊ THẢO

 
 
NGHIÊN CỨU PHÁT TRIỂN THUẬT TOÁN
ĐO TỐC ĐỘ XE Ô TÔ 
 
 

 
Chuyên ngành : KỸ THUẬT ĐIỆN TỬ 
 

 
LUẬN VĂN THẠC SĨ  KỸ THUẬT  
CHUYÊN NGÀNH: KỸ THUẬT ĐIỆN TỬ 
 
 
 
 
 
                                                              NGƯỜI HƯỚNG DẪN KHOA HỌC : 
                                                                            PGS.TS. NGUYỄN TIẾN DŨNG 
 
 
 
 
 
Hà Nội – 2016 

 


MỤC LỤC
LỜI CAM ĐOAN ...................................................................................................... I
LỜI CẢM ƠN ........................................................................................................... II
DANH MỤC CÁC CHỮ VIẾT TẮT ..................................................................... III
MỤC LỤC HÌNH ẢNH ...........................................................................................IV
MỞ ĐẦU .................................................................................................................... 1

CHƯƠNG 1. TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP ĐO TỐC ĐỘ XE Ô TÔ .. 4
1.1. Tổng quan về các phương pháp giám sát phương tiện giao thông...................... 4
1.1.1. Thực trạng của hệ thống giao thông ở Việt Nam........................................ 4
1.1.2. Giải pháp hệ thống ITS ở phương Tây ....................................................... 5
1.1.3. Tổng quan về sự phát triển của hệ ITS ....................................................... 6
1.2. Hướng tiếp cận của luận văn............................................................................. 9
1.2.1. Phương pháp phát hiện chuyển động ......................................................... 9
1.2.2. Phương pháp đo tốc độ phương tiện......................................................... 11
CHƯƠNG 2. ỨNG DỤNG KĨ THUẬT XỬ LÝ ẢNH TRONG GIẢI QUYẾT BÀI
TOÁN GIAO THÔNG ............................................................................................ 14
2.1. Sơ lược về lý thuyết xử lý ảnh ........................................................................ 14
2.1.1. Đặt vấn đề ............................................................................................... 14
2.1.2. Khái niệm xử lý ảnh ................................................................................ 14
2.2. Các giai đoạn xử lý ảnh................................................................................... 15
2.2.1. Thu nhận ảnh........................................................................................... 15
2.2.2. Tiền xử lý ................................................................................................ 16
2.2.3. Phân đoạn ảnh ......................................................................................... 16
2.2.4. Biểu diễn ảnh........................................................................................... 17
2.2.5. Nhận dạng và nội suy ảnh........................................................................ 17
2.2.6. Cơ sở tri thức........................................................................................... 18
2.3. Một số ứng dụng phổ biến của xử lý ảnh trong giao thông .............................. 18
2.3.1. Nhận dạng biển số xe............................................................................... 18
2.3.2. Phát hiện, cảnh báo biển báo và đèn tín hiệu............................................ 19
2.3.3. Phát hiện, cảnh báo vật cản và dự báo tắc đường ..................................... 20

 


2.4. Thuật toán áp dụng để phát hiện và theo dõi đối tượng ................................... 20
2.4.1. Thuật toán cực đại hóa kỳ vọng ............................................................... 20

2.4.2. Mô hình hỗn hợp Gaussian (GMM) trong xử lý ảnh ................................ 24
2.4.3. Nhận diện Blob........................................................................................ 27
2.4.4. Ghi nhãn thành phần được kết nối ........................................................... 30
CHƯƠNG 3. PHÁT HIỆN, PHÂN LOẠI VÀ ƯỚC LƯỢNG CHUYỂN ĐỘNG
ĐỐI TƯỢNG Ô TÔ ................................................................................................. 32
3.1. Tìm hiểu về bộ công cụ xử lý ảnh và thị giác máy tính trong MATLAB ......... 32
3.1.1. Bộ công cụ xử lý ảnh ............................................................................... 32
3.1.2. Computer Vision Toolbox ....................................................................... 36
3.2. Quy trình nghiên cứu về đếm và ước lượng vận tốc xe.................................... 44
3.2.1. Thu thập dữ liệu....................................................................................... 45
3.2.2. Xử lý dữ liệu............................................................................................ 47
3.3.  Phân  tích,  đánh  giá  kết  quả  thuật  toán  đếm  đối  tượng  và  ước  lượng  tốc  độ 
phương tiện ........................................................................................................... 56
3.3.1. Quá trình mô phỏng ................................................................................. 56
3.3.2. Đánh giá kết quả...................................................................................... 57
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI ............................................ 62
TÀI LIỆU THAM KHẢO ................................................................................... 63

 


 

LỜI CAM ĐOAN 
Tên tôi là: Nguyễn Thị Thảo
Sinh ngày 10 tháng 10 năm 1990 
Học viên lớp cao học Kỹ thuật Điện tử 2014B - Trường Đại học Bách Khoa 
Hà Nội. 
Xin cam đoan nội dung đề tài “Nghiên cứu phát triển thuật toán đo tốc độ 
xe ô tô” là do tôi tự tìm hiểu, nghiên cứu và thực hiện dưới sự hướng dẫn của thầy 

giáo  PGS.TS.  Nguyễn  Tiến  Dũng.  Mọi  trích  dẫn  và  tài  liệu  tham  khảo  mà  tôi  sử 
dụng đều có ghi rõ nguồn gốc.  
Tôi xin hoàn toàn chịu trách nhiệm về lời cam đoan trên. 
 

Hà Nội, tháng 09 năm 2016 
Học viên thực hiện 

Nguyễn Thị Thảo
 

I 
 


 

LỜI CẢM ƠN 
Trước tiên, tôi xin bày tỏ lòng biết ơn tới PGS.TS. Nguyễn Tiến Dũng đã tận 
tình hướng dẫn, truyền đạt những kiến thức và kinh nghiệm quý báu giúp tôi hoàn 
thành Bản luận văn thạc sĩ này. 
Tôi  xin  gửi  lời cảm  ơn chân  thành  tới  tập  thể các thầy,  cô  giáo trong Viện 
Điện tử - Viễn thông, Trường Đại học Bách khoa Hà Nội đã tạo ra một môi trường 
tốt để tôi học tập và nghiên cứu. Tôi cũng xin cảm ơn các thầy cô trong Viện Đào 
tạo sau đại học đã quan tâm đến khóa học này, tạo điều kiện thuận lợi cho các học 
viên trong suốt quá trình học tập và thực hiện đề tài. 
Cuối cùng, tôi xin bày tỏ lòng biết ơn tới toàn thể gia đình, cảm ơn bạn bè và 
đồng nghiệp đã luôn cổ vũ, động viên tôi trong suốt thời gian qua.  
Tuy  đã  cố  gắng  hết  sức,  nhưng  do  thời  gian  và  kiến  thức  còn  hạn  chế  nên 
luận văn không tránh khỏi sai sót, tôi rất mong sự bổ sung, góp ý của các thầy cô. 

 

 

 

 

 

 

 

 

 

 

 

                       

 

     Nguyễn Thị Thảo 

 

II 
 

 Học viên 

 

 


 

DANH MỤC CÁC CHỮ VIẾT TẮT
CAMShift  : Continuously Adaptive Mean Shift 
DoG 

: Difference of Gaussian 

DoH 

: Determinant of the Hessian 

EM 

: Expectation Maximization 

GMM 

: Gaussian Mixture Model 

HOG 

: Histogram of Oriented Gradient 

ITS  

: Intelligent Traffic System 

KLT  

: Kanade-Lucas-Tomasi 

LoG  

: Laplacian of the Gaussian 

III 
 


 

MỤC LỤC HÌNH ẢNH
Trang 
Hình 1.1. Hình ảnh tắc đường tại Hà Nội.................................................................4
Hình 1.2. Trung tâm quản lý giao thông (TMS) ở Athens ........................................5
Hình 1.3. Hệ thống giám sát giao thông ở Hồng Kông.............................................5
Hình 1.4. Hệ thống giám sát giao thông sử dụng sóng radar ....................................7
Hình 1.5. Hệ thống giám sát giao thông đa làn bằng xử lý ảnh ................................8
Hình 1.6. Ảnh đã được thực nghiệm ở trên 1 tuyến đường của Hà Nội (hầm Kim Liên).

..............................................................................................................................12
Hình 2.1. Các giai đoạn xử lý ảnh..........................................................................14
Hình 2.2. Quá trình thu nhận và số hóa ảnh thực. ..................................................15
Hình 2.3. Ví dụ về quá trình thu ảnh giao thông ....................................................16
Hình 2.4. Quá trình phân đoạn frame ảnh từ video.................................................17
Hình 2.5. Quá trình nhận dạng kí tự trên biển số xe ...............................................18
Hình 2.6. Ứng dụng xử lý ảnh trong nhận dạng biển số xe.....................................19
Hình 2.7. Ứng dụng xử lý ảnh phát hiện đèn đỏ và biển báo giao thông.................19
Hình 2.8. Ứng dụng xử lý ảnh phát hiện vật cản ....................................................20
Hình 2.9. Ứng dụng xử lý ảnh phát hiện và dự báo tắc đường................................20
Hình 2.10. Ví dụ EM: Các thành phần hỗn hợp và dữ liệu .....................................22
Hình 2.11. Hàm likehood của 2 giá trị trung bình của thành phần hỗn hợp θ1 và θ2
..............................................................................................................................22
Hình 2.12. Quá trình nhận dạng blob .....................................................................27
Hình 3.1. Ví dụ hiển thị video trong Matlab ..........................................................33
Hình 3.2. Ví dụ nâng cao chất lượng ảnh mầu đa dải .............................................34
Hình 3.3. Ví dụ phân tích ảnh phát hiện biên .........................................................34
Hình 3.4. Ví dụ tái cấu trúc ảnh dựa trên dữ liệu hình chiếu ..................................35
Hình 3.5. Xác định độ tròn của các đối tượng trong ảnh ........................................35
Hình 3.6. Phân đoạn ảnh sử dụng bộ lọc Gabor .....................................................36

IV 
 


 

Hình 3.7. Một vài ví dụ của ứng dụng thị giác máy ...............................................37
Hình 3.8. Đối chiếu các điểm tương đồng giữa 2 frame ảnh...................................38
Hình 3.9. Ghi nhận dựa trên  thuộc tính  được sử dụng để ổn định video. ..............39

Hình 3.10. Ví dụ về phát hiện đối tượng chuyển động ...........................................40
Hình 3.11. Đối tượng được nhận dạng và theo dõi trong 2 frame ảnh ....................41
Hình 3.12. Ước lượng chuyển động của các xe được phát hiện..............................42
Hình 3.13. Xóa nhòe video trong Matlab ...............................................................42
Hình 3.14. Quá trình hiển thị video khi xử lý.........................................................43
Hình 3.15. Quá trình thêm đồ họa vào video khi xử lý...........................................44
Hình 3.16. Tổng quan về hệ giám sát giao thông sử dụng phần mềm Matlab.........45
Hình 3.17. Phân tích vị trí khi cài đặt camera ........................................................45
Hình 3.18. Thiết lập góc hướng của camera...........................................................46
Hình 3.19. Lựa chọn không gian làm việc phù hợp cho camera .............................46
Hình 3.20. Xác định làn xe cần thiết ......................................................................46
Hình 3.21. Lưu đồ quy trình xử lý video................................................................47
Hình 3.22. Ảnh nền sau khi thực hiện trừ nền với GMM chưa qua lọc nhiễu .........51
Hình 3.23. Ảnh nền sau khi xóa nhiễu ...................................................................51
Hình 3.24. Đối tượng được phát hiện và đánh dấu bằng hình vuông bao quanh .....53
Hình 3.25. Sơ đồ khối thuật toán đếm....................................................................54
Hình 3.26. Sơ đồ khối thuật toán ước lượng vận tốc xe..........................................55
Hình 3.27. Hình ảnh thu được từ video..................................................................56
Hình 3.28. Phát hiện nền........................................................................................56
Hình 3.29. Đếm đối tượng .....................................................................................57
Hình 3.30. Tính vận tốc chuyển động của xe .........................................................57
Hình 3.31: Giao diện thêm nhiễu vào video gốc ....................................................58
Hình 3.32. Ước lượng vận tốc xe trước và sau khi bổ sung nhiễu Gauss ................58
Hình 3.33. Mô phỏng trên các video đầu vào khác nhau lấy từ camera tĩnh ...........59
Hình 3.34. Mô phỏng trên các video đầu vào khác nhau lấy từ camera động .........60

V 
 

 

MỞ ĐẦU
1. Tính cấp thiết của vấn đề nghiên cứu
Ở  Việt  Nam,  vấn  đề  điều  khiển  các  phương  tiện  giao  thông  khi  xảy  ra  tắc 
nghẽn giao thông rất khó khăn và thường phải nhờ vào sự điều hành của cảnh sát 
giao thông. Tuy nhiên, số lượng cảnh sát giao thông vẫn còn rất hạn chế. Hơn thế 
nữa, do thiếu thốn trang thiết bị kỹ thuật, quá trình điều khiển giao thông không dễ 
dàng trong giờ cao điểm. Trong khi đó ở các nước phương tây, để giải quyết những 
vấn đề đó, một hệ thống theo dõi sử dụng camera không cần đến sự hiện diện của 
con người, được thiết lập ở ngã tư kiểm soát dòng xe và tình trạng giao thông. Giải 
pháp đó có thể tiết kiệm rất nhiều nguồn lực cũng như thuận tiện cho các trình điều 
khiển giao thông và cập nhật thông tin giao thông. 
Có thể nói giám sát online thông minh bằng hình ảnh cho phương tiện đường 
bộ là một phần quan trọng cho việc phát triển hệ thống giao thông thông minh. Căn 
cứ vào tình hình  giao  thông tại Việt Nam, trong đề tài nghiên cứu tác giả đề xuất 
một chương trình phát hiện và theo dõi vận tốc xe thông qua giám sát video trong 
đó sử dụng thuật toán phân mảnh và trừ nền ban đầu dựa trên hình thái ảnh để xác 
định các vùng nổi bật trong một chuỗi các frame của video. Vận tốc xe sẽ được tính 
toán và hiển thị trên video. 
Phần  mềm  theo  dõi  giao  thông  được  xây  dựng  trên  ngôn  ngữ  lập  trình 
MATLAB.  Chương  trình  thử  nghiệm  xử  lý  video  đầu  vào,  phát  hiện  và  đếm  các 
phương  tiện  di  chuyển.  Đoạn  video  được  ghi  lại  bởi  các  camera  cố  định,  vì  vậy 
chúng ta có thể bỏ qua các rung động và chuyển động không mong muốn. Điều đó 
có nghĩa là các camera cho chúng ta video với tiêu chuẩn đủ điều kiện. Nhiệm vụ 
của đề tài là xử lý video mẫu.  
2. Mục tiêu nghiên cứu của luận văn
Mục tiêu của đề tài là phát triển một hệ thống có thể đếm số lượng xe đi qua 
một  điểm  xác  định,  và  cũng  phân  loại  từng  loại  xe  thông  qua  kích  thước  xe,  ước 
lượng vận tốc chuyển động của xe. Ngoài ra, tác giả muốn phát triển hệ thống giám 

sát  giao thông ngoài  khả  năng  trên,  còn  phải  xác  định  được  hướng  của  chúng,  và 

1 
 


 

các làn đường mà  phương tiện đang tham gia. Hệ thống hoạt động mà không cần 
bất kỳ đầu vào có sẵn nào và có khả năng tự động hiệu chỉnh camera bằng cách phát 
hiện điểm nhấn trong  chuỗi frame của video. Hệ thống nếu  được phát triển tốt có 
thể  làm  việc  trong  thời  gian  thực  và  do  đó  nó  có  thể  triển  khai  trong  thực  tế  ứng 
dụng giám sát giao thông. 
3. Đối tượng và phạm vi nghiên cứu
Vấn đề “Nghiên cứu phát triển thuật toán đo tốc độ xe ô tô” được thực hiện 
chủ yếu trên môi trường ngoài trời. Trong điều kiện ở Việt Nam hiện nay, việc gắn 
các  camera  giao  thông  của  các  cơ  quan  quản  lý  và  điều  khiển  giao  thông  ở  các 
đường quốc lộ (đường cao tốc) là phổ biến, tập dữ liệu dùng cho việc thực nghiệm 
cũng thu được một cách dễ dàng hơn. Dữ liệu video nghiên cứu trong luận văn tập 
trung vào việc nghiên cứu dữ liệu video thu được từ các cung đường quốc lộ. Luận 
văn tập trung trình bày và giải quyết cốt lõi của hệ thống phát hiện, ước lượng vận 
tốc phương tiện giao thông thông qua quá trình xử lý hình ảnh và đưa ra thông tin. 
Bản chất của quá trình này là: phân tách video thành các khung hình; phát hiện đối 
tượng chuyển động trong cảnh video; dựa vào các đặc trưng hình học, chuyển động 
để phân loại và kết hợp với những đặc tính không gian, thời gian khác để đếm các 
loại  đối  tượng  chuyển  động  có  trong  video.  Đối  tượng  nghiên  cứu  của  luận  văn 
gồm: Bài toán phát hiện, ước lượng vận tốc đối tượng chuyển động; Các công trình 
đã  và  đang  nghiên  cứu  về  vấn  đề  phát  hiện,  ước  lượng  vận  tốc  đối  tượng  chuyển 
động; Các thuật toán, phương pháp đã áp  dụng trong vấn đề này. Các đoạn video 
quay cảnh giao thông. 

Tổng quát lại, đây là một phạm vi rộng, bao gồm: phát hiện, ước lượng vận 
tốc  đối  tượng  chuyển  động.  Luận  văn  tập  trung  vào  việc  nghiên  cứu  một  số  thuật 
toán phát hiện đối tượng chuyển động trong vùng quan tâm. 
Đề  tài  này  là  cơ sở  của  một ứng  dụng  giám  sát  video  giao  thông  thời  gian 
thực. Sau khi hoàn thiện các thuật toán, chúng ta có thể xây dựng một hệ thống để 
phát hiện xe và theo dõi bằng cách sử dụng một camera gắn tại một vị trí cố định. 
Hệ thống có thể chạy trong thời gian thực trên máy tính.  

2 
 


 

Ứng dụng này là rất hữu ích cho các cảnh báo và kiểm soát vị trí giao thông 
với điều kiện phức tạp. Trong khi nguồn nhân lực còn hạn chế, việc giám sát từ xa 
bằng giải pháp này sẽ hỗ trợ các lực lượng cảnh sát mà không cần ra hiện trường. 
Sự chuyển động thời gian thực được theo dõi bởi camera sẽ chuyển đến trạm 
giám  sát.  Các  dữ  liệu  đầu  vào  sẽ  được  tự  động  xử  lý  và  hiển  thị  thông  tin  của 
phương tiện. Ngoài ra, hệ thống này cũng có thể giúp người dùng theo dõi dự báo 
tình trạng giao thông. Qua tương tác với các hệ thống máy tính, các lực lượng cảnh 
sát kịp thời có thể đưa ra giải pháp giải quyết các vấn đề. 
4. Cấu trúc của luận văn
Phần mở đầu. Giới thiệu về tình trạng giao thông, hệ thống giao thông thông 
minh, phương pháp phát hiện và theo dõi vận tốc xe. 
Chương  1.  Giới  thiệu  tổng  quan  về  các  phương  pháp  ứng  dụng  trong  hệ 
thống giám sát giao thông hiện nay và phương pháp sử dụng cảm biến video, phân 
tích các thuật toán xử lý ảnh phổ biến đang được sử dụng và căn cứ vào điều kiện 
giao thông tại Việt Nam đưa ra bài toán nghiên cứu.  
Chương 2. Ứng dụng kĩ thuật xử lý ảnh trong giải quyết bài toán giao thông. 

Chương  này  sẽ  cung  cấp  các  thuật  toán  áp  dụng  để  phát  hiện  đối  tượng  trong  thị 
giác máy tính, các thuật toán này rất quan trọng, ảnh hưởng đến độ chính xác của 
chương trình.  
Chương 3. Giới thiệu các nguyên tắc cơ bản xử lý ảnh trong MATLAB, nó 
rất hữu ích cho người đọc để hiểu hơn về xử lý kỹ thuật số, đọc và xử lý video cung 
cấp thuật toán áp dụng để phát hiện các đối tượng trong thị giác máy tính, sau đó 
tập  trung vào  thuật toán  áp dụng.  Chương này  mô  tả  việc  thực hiện  và mô  phỏng 
các thuật toán bằng phần mềm MATLAB. Cuối cùng sẽ tính toán ước lượng vận tốc 
ô tô và hiển thị trên video.  
Phần  kết  luận.  Trình  bày  những  đóng  góp  và  hướng  nghiên  cứu  phát  triển 
tiếp theo của luận văn.  
 

3 
 


 

1.
CHƯƠNG 1. TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP ĐO TỐC ĐỘ XE Ô TÔ
1.1. Tổng quan về các phương pháp giám sát phương tiện giao thông
1.1.1. Thực trạng của hệ thống giao thông ở Việt Nam
Ở Việt Nam, gắn liền  với sự phát triển và tốc độ đô thị hóa  nhanh, dân cư 
thành  phố  không  ngừng  gia  tăng  do  thu  hút  các  nguồn  lực  lao  động  từ  các  vùng 
miền  khác  nhau  đổ  về  các  khu  công  nghiệp  lao  động  và  sinh  sống.  Kinh  tế  phát 
triển,  đời  sống con  người  ngày  càng nâng  cao,  nhu  cầu đi  lại  ngày  càng  tăng  kéo 
theo  số  lượng  phương  tiện  xe  cá  nhân  ở  thành  phố  tăng  nhanh  đột  biến. Mọi  ngã 
đường  đều  bị  chật  cứng,  hiện  tượng  ùn  tắc  xảy  ra  liên  tục,  kéo  dài  hàng  giờ,  và 
những hệ lụy khác như: ô nhiễm môi trường vì khói thải xe hay phải cần đến nhiều 

lực lượng chuyên trách để điều tiết giao thông. Mật độ người tham gia giao thông 
quá đông nên những vụ tai nạn giao thông xảy ra thường xuyên, làm thiệt hại lớn về 
người và của cải. Đồng thời, vấn đề điều khiển các phương tiện giao thông khi xảy 
ra  tắc  nghẽn  giao  thông  gặp  rất  nhiều  khó  khăn  và  thường  phải  nhờ  vào  sự  điều 
hành của cảnh sát giao thông. Tuy nhiên, số lượng cảnh sát giao thông vẫn còn rất 
hạn chế. Bên cạnh đó, do thiếu thốn trang thiết bị kỹ thuật, quá trình điều khiển giao 
thông không dễ dàng trong giờ cao điểm. Đây thực sự là một thách thức đối với vấn 
đề quản lý ở Việt Nam.  

 
Hình 1.1. Hình ảnh tắc đường tại Hà Nội

4 
 


 

1.1.2. Giải pháp hệ thống ITS ở phương Tây
Trong khi đó ở các nước phương Tây, để giải quyết những vấn đề đó, một hệ 
thống  giám  sát  giao  thông  tự  động  được  sử  dụng.  Hệ  thống  này  sẽ  giúp  cho  việc 
điều khiển giao thông  trở nên thuận tiện và an toàn giúp người sử dụng có những 
hiệu chỉnh phù hợp làm giảm tình trạng tắc đường [1]. Hình 1.2 và 1.3 là hệ thống 
giám sát giao thông thông minh tại một số nước phát triển. 

 
Hình 1.2. Trung tâm quản lý giao thông (TMS) ở Athens

 
Hình 1.3. Hệ thống giám sát giao thông ở Hồng Kông

5 
 


 

1.1.3. Tổng quan về sự phát triển của hệ ITS
Hệ thống giám sát giao thông tự động là một phần vô cùng quan trọng trong 
việc  sử  dụng  và  kiểm  soát  hạ  tầng  giao  thông.  Các  tham  số  ước  lượng  trạng  thái 
giao thông sẽ đóng vai trò lớn trong việc phát triển hệ thống giao thông thông minh. 
Thông  thường,  những  thông  tin  này  sẽ  được  thu  thập  bởi  các  loại  cảm  biến  khác 
nhau để đưa ra cập nhập về tình trạng giao thông [2]. Theo cách truyền thống, việc 
xác định tốc độ xe cộ hay giám sát được thực hiện bằng công nghệ radar (hình 1.4), 
đặc  biệt  phát  hiện  bằng  máy  radar.  Sự  vận  hành  của  hệ  thống  rada  được  biết  đến 
như  hiệu  ứng  Doppler.  Các  khái  niệm  cơ  bản  của  hệ  thống  này  là  chuyển  dịch 
Doppler xảy ra khi âm thanh tạo ra bị phản xạ với xe đang chuyển động và tần số 
âm phản xạ bị thay đổi yếu đi. Phương pháp này, với các thiết bị và công thức toán 
học không gian, tìm được tốc độ của xe đang di chuyển. Tuy nhiên, phương pháp 
này  vẫn  còn  nhiều  bất  lợi  như  lỗi  cosin  xảy  ra  khi  định  hướng  radar  không  theo 
đường  định  hướng  của  xe  tới.  Hơn  nữa,  chi  phí  của  thiết  bị  là  một  trong  những 
nguyên nhân quan trọng, và cũng bị bóng mờ (shading) (sự phản xạ sóng radar từ 
hai xe khác nhau với chiều cao khác biệt), và nhiễu vô tuyến (gây ra bởi sự tồn tại 
của tần số giống hệt nhau của các sóng vô tuyến mà được truyền tải quảng bá) là hai 
yếu  tố  ảnh  hưởng  khác  mà  gây  ra  các  lỗi  cho  việc  xác  định  tốc  độ  xe.  Điều  cuối 
cùng, điều mà cảm biến radar chỉ có thể theo dõi một xe tại bất kì thời điểm cũng là 
điểm hạn chế của phương pháp này [3]. 

 

6 
 


 

Hình 1.4. Hệ thống giám sát giao thông sử dụng sóng radar
Nhiều nghiên cứu và ứng dụng thực hiện phát hiện xe và xác định tốc độ của 
chúng  cũng  đã  được  thực  hiện.  Cách  phát  hiện  xe  dựa  vào  sự  khác  nhau  của  các 
khung hình (Ferrier, Rowe và Blake, 1994) [4], camera không hiệu chỉnh (Pumrin 
và  Dailey,  2002)  [5],  quỹ  đạo  di  chuyển  (Melo  và  các  cộng  sự,  2006)  [6],  quang 
hình học (Jianping và các cộng sự, 2009) [7] và ảnh ăng ten số (Fumio và cộng sự, 
2008  [8];  Wen  và  Fumio,  2009  [9])  đã  được  giới  thiệu.  Huei-Yung  và  Kun-Jhih 
(2004) đã dùng ảnh mờ để tìm ra tốc độ xe và Pumrin và Dailey (2002) đã sử dụng 
phát hiện chuyển động để tự động đo tốc độ. Shisong và Toshio (2006) [10] đã đưa 
ra lợi ích của việc theo dõi điểm đặc trưng cho việc đo tốc độ xe. 
Yu và các cộng sự đã mô tả một thuật toán đánh giá mật độ giao thông và tốc 
độ trung bình từ ảnh nén định dạng MPEG Skycam. [11] Tác giả đã tính toán hệ số 
biến đổi cosin rời rạc (DCT) và phân tích vector chuyển động qua các khung hình. 
Sự định hướng, độ lớn và bộ lọc kiến trúc thường dùng để loại bỏ các vector lặp lại. 
Sau khi ánh xạ mặt ảnh cho sự sắp xếp, tốc độ xe trung bình được đánh giá qua một 
video 10s, với tỉ lệ khung hình là 10 fps. 
Pelegri  và  cộng  sự  đã  phát  triển  và  kiểm  chứng  cảm  biến  từ  GMR  để  xác 
định tốc độ xe ô tô. [12] Xe cộ gây ra sự thay đổi về trường điện từ của cảm biến 
khi chúng di chuyển qua cảm biến. Kỹ thuật theo dõi của họ không sử dụng camera 
nhưng điều quan trọng để chỉ ra sự đa dạng  của nghiên cứu kỹ thuật theo dõi đối 
tượng và thông tin tốc độ của xe. 
Li và cộng sự đã xác định tốc độ xe bằng cách dùng camera CCD và quan sát 
vị trí xe chạy trong các khung hình video. [13] Tốc độ được xác định theo cách hình 
học bằng hai vị trí của xe và mối quan hệ không gian của chúng.  

He và cộng sự đã phát triển một hệ thống nhúng để đo lường giao thông [14]. 
Họ đã sử dụng việc trừ nền để hỗ trợ việc phát hiện xe cộ. Những nhà nghiên cứu 
này sau đó sử dụng những hình bình hành cho việc xác định vùng đặc trưng (ROI) 
vì kết quả biến dạng ảnh từ vị trí camera và để giảm quá tải tính toán. 

7 
 


 

Gần  đây,  nhờ  vào  sự  phát  triển  của  công  nghệ  cảm  biến  và  máy  tính,  một 
trong những kĩ thuật mới được đề xuất đó là sử dụng kĩ thuật xử lý ảnh để giám sát 
thông  tin  giao  thông.  Cảm  biến  video  hay  camera  trở  thành  xu  thế  và  đối  tượng 
nghiên  cứu  của  nhiều  nhà  khoa  học  cũng  như  các  công  ty  cung  cấp  dịch  vụ  giao 
thông thông minh bởi nó có giá thành rẻ, dễ lắp đặt, bảo dưỡng và thay thế. Hình 
1.5 là kết quả của hệ thống giám sát sử dụng camera trên đường cao tốc. 

 
Hình 1.5. Hệ thống giám sát giao thông đa làn bằng xử lý ảnh
Bên  cạnh  đó,  hệ  thống  giám  sát  giao  thông  bằng  công  nghệ  xử  lý  ảnh  cho 
phép người dùng phân tích nhiều vùng tham số của phương tiện giao thông bởi sự 
đa dạng trong thuật toán xử lý. Ví dụ, hệ thống giám sát giao thông bằng cảm biến 
video  có thể  giúp người  dùng giám  sát  luồng  giao  thông, sự  quay  đầu của  xe  (rất 
quan trọng khi thiết kế điểm giao), đo tốc độ, phân loại phương tiện, giám sát trạng 
thái tắc đường và tai nạn [15]. Ngoài ra công nghệ xử lý ảnh và cảm biến video cũng 
có  rất  nhiều  ứng  dụng  khác  khi  phát  triển  xe  tự  hành,  chủ  yếu  là  vị  trí  tương  đối 
phương tiện trong làn và tránh vật cản [3].  
Hiện nay, có một số thuật toán xử lý ảnh đang được phát triển để ứng dụng 
trong giám sát giao thông. Có thể thống kê một số thuật toán và một số ứng dụng 

tương ứng như sau. Đối với bài toán phân làn tự động sử dụng camera tĩnh (dùng 
cho hệ thống giám sát thông minh) một số tác giả sử dụng thuật toán phát hiện vùng 
làn  (lane-region  detection)  và  phát  hiện  biên  làn  (lane-border  detection)  [15].  Đối 
với bài toán phát hiện đối tượng một số tác giả sử dụng phương pháp phân ngưỡng. 

8 
 


 

Đây là một trong những thuật toán đơn giản xong không hiệu quả [16]. Một số khác 
sử dụng phương pháp  đồng nhất đa lưới  vùng quan tâm (ROI) [17]. Ngoài ra còn 
một số thuật toán nổi tiếng khác cũng thường xuyên được sử dụng, ví dụ như thuật 
toán trừ nền (Background subtraction). Thuật toán này có nhược điểm là không phát 
hiện được đối tượng tĩnh và phải cập nhập ảnh nền một cách thường xuyên do điều 
kiện ánh sáng và không gian thay đổi [18,19]. Thuật toán này sẽ sử dụng ảnh tham 
chiếu khi không có phương tiện làm ảnh gốc và so sánh thời gian thực với ảnh thu 
được. Sự khác biệt giữa chúng càng lớn thì mật độ giao thông càng cao. Kỹ thuật 
này đo mật độ giao thông bằng cách so sánh tương quan giữa hình ảnh trực tuyến và 
ảnh tham chiếu. Đồng thời thuật toán trừ nền cũng có thể dùng để đo tốc độ của đối 
tượng chuyển động bằng cách tính tỷ số giữa quãng đường dịch chuyển bằng pixel 
và thời gian quy đổi thông qua số frame ảnh.  
1.2. Hướng tiếp cận của luận văn
1.2.1. Phương pháp phát hiện chuyển động
Phát hiện xe là thuật toán chuyên biệt xuất phát từ thuật toán phát  hiện vật 
thể. Khi cho một nguồn ảnh đầu vào (có thể là tín hiệu hình từ camera hoặc từ một 
file  video  định  dạng  AVI  hoặc  MP4),  thuật  toán  xác  định  xem  trong  khung  hình 
nhận được đó có xe đang được kỳ vọng hay không. Nếu có xe thì ngay lập tức chỉ ra 
vị  trí  và  phạm  vi  chiếm  chỗ  của  đối  tượng  xe  đó có  trong  ảnh. Đây  là  bước quan 

trọng đầu tiên trong hầu hết các ứng dụng phân tích vật thể nói chung và xe tham 
gia giao thông nói riêng (ví dụ: nhận dạng kiểu dáng xe, định vị xe trong ảnh, bám 
theo xe, nhận biết vị trí và tư thế của xe trong ảnh, …). 
Trong ứng dụng giám sát video điều đầu tiên cần đến là mô hình nền và sau 
đó là phát hiện các đối tượng chuyển động. Cách tốt nhất để thu nhận nền là lưu trữ 
ảnh nền khi không có bất kỳ đối tượng chuyển động nào, nhưng trong môi trường 
thực thì khó có thể  như vậy. Hơn nữa, nó cũng luôn luôn  thay đổi  dưới điều kiện 
thực tế như thay đổi ánh sáng, các đối tượng đến hoặc rời khỏi cảnh. 
Đếm  số lượng  phương  tiện  (xe  ô tô)  trên đường sẽ  mang  lại  nhiều kết  quả 
ứng dụng trong nhiều lĩnh vực trong đó có giám sát giao thông. Bước quan trọng là 

9 
 


 

nghiên  cứu  sử  dụng  phương  pháp  mô  hình  trừ  nền  để  phát  hiện  các  đối  tượng 
chuyển động sau đó sẽ xử lý trên tập phát hiện được: bao gồm các phương pháp loại 
bỏ nhiễu, phát hiện biên, loại bỏ bóng, phân hoạch các khối chuyển động. 
 Phương pháp trừ nền
Có hàng trăm các nghiên cứu gần đây nhằm phát triển phương pháp trừ nền, 
chia thành  các  nhánh  khác  nhau, tuy  nhiên, trong số đó  các  hướng  tiếp  cận  nhiều 
nhất  là  phương  pháp  hỗn  hợp  Gaussian  vì  ưu  điểm  phù  hợp  với  những  ứng  dụng 
ngoài trời. 
 Một số mô hình trừ nền
Cách  tốt  nhất  để  thu  nhận  nền  là  lưu  trữ  ảnh  nền  khi  không  có  bất  kỳ  đối 
tượng chuyển động nào, nhưng trong môi trường thực thì khó có thể như vậy. Hơn 
nữa, dưới điều kiện thực tế nền cũng luôn thay đổi như thay đổi ánh sáng, các đối 
tượng  đến  hoặc  rời  khỏi  cảnh.  Để  giải  quyết  vấn  đề  này,  nhiều  phương  pháp  mô 

hình nền đã được phát triển [21, 22] và được phân loại thành các loại sau [20]: 
Mô hình nền cơ bản: sử dụng giá trị trung bình hoặc bình quân hoặc phân 
tích lược đồ xám cho toàn thời gian. 
Mô hình nền thống kê:  sử  dụng  một  Gauss  đơn  hoặc  một  hỗn  hợp  Gauss 
hoặc  một  tính  toán  mật  độ  lõi.  Các  biến  thống  kê  được  sử  dụng  để  phân  loại  các 
điểm ảnh là điểm tiền cảnh hay là nền. 
Mô hình nền mờ: sử dụng một giá trị trung bình mờ hoặc hỗn hợp mờ loại 2 
của  Gauss.  Phát  hiện  tiền  cảnh  được  sử  dụng  tích  hợp  Sugeno  hoặc  tích  hợp 
Choquet. Phát hiện tiền cảnh có thể thực hiện bằng logic mờ tham khảo trong. 
Phân cụm nền: mỗi điểm ảnh trong khung hình có thể được phân cụm theo 
thời  gian  xuất  hiện.  Các  điểm  ảnh  đang  xem  xét  được  xếp  loại  và  ghép  vào  cụm 
theo  một  tiêu  chí  đặt  ra.  Cách  tiếp  cận  phân  cụm  có  sử  dụng  thuật  toán  K-mean 
hoặc sử dụng Codebook. 
Mô hình nền mạng nơ ron: Mô hình nền được biểu diễn bằng trị trung bình 
của  các  hệ  số  của  một  mạng nơ ron  được  đào tạo  trên  N  khung sạch.  Mạng huấn 
luyện như thế nào để phân loại mỗi điểm ảnh là nền hoặc tiền cảnh. 

10 
 


 

Mô hình nền Wavelet: Mô hình nền được định nghĩa trong vùng thời gian, 
sử dụng hệ số biến đổi wavelet rời rạc (DWT). 
Ước tính nền: Nền được ước tính bằng cách sử dụng bộ lọc. Mỗi điểm ảnh 
của ảnh hiện tại lệch đáng kể so với giá trị dự đoán được khai báo là nổi trên nền. 
Bộ lọc này có thể là lọc Wiener, lọc Kalman hoặc lọc Tchebychev. 
Các phương pháp tiếp cận này đều sử dụng cách trừ nền: Mô hình hóa nền, 
khởi tạo nền, duy trì nền, phát hiện tiền cảnh, chọn kích thước đặc trưng (điểm ảnh, 

khối  hoặc  cụm),  chọn  kiểu  đặc  trưng  (đặc  trưng  màu  sắc,  đường  biên,  stereo, 
chuyển động và đường vân). Phát triển phương pháp trừ nền tập trung vào các tình 
huống quan trọng trong chuỗi video: nhiễu ảnh, camera tự dịch chuyển, khẩu độ đối 
tượng,  đối  tượng  chèn  thêm  vào  nền,  đối  tượng  đang  di  chuyển  thì  dừng  lại,  và 
bóng. 
Mô hình Gauss hỗn hợp: Stauffer [23] đã đưa ra phương pháp trộn các mô 
hình nền lại để giải quyết vấn đề ánh sáng thay đổi, các hành động lặp lại, sự lộn 
xộn từ khung cảnh thực tế. Mục đích là chứng minh một mô hình nền đơn thì không 
thể  xử  lý  được  các  khung  hình  liên  tục  trong  một  thời  gian  dài.  Sử  dụng  phương 
pháp pha trộn phân tán Gauss để biểu diễn mỗi điểm ảnh trên một mô hình. Theo 
luận điểm đó, thực hiện và tích hợp phương pháp này vào trong hệ thống giám sát. 
Phương  pháp  tiếp  cận  trên  mô hình  điểm ảnh  bằng  việc  xem  xét  giá  trị  điểm  ảnh 
quan sát với vài mô hình Gauss đơn.  
1.2.2. Phương pháp đo tốc độ phương tiện
Tốc độ của xe trong mỗi frame được tính toán dựa vào vị trí của xe trong mỗi 
frame,  do  đó  công  việc  kế  tiếp  là  tìm  ra  hộp  giới  hạn  đối  tượng  (blobs  bounding 
box) và quỹ tâm (centroid). Quỹ tâm của đối tượng là phần quan trọng để tìm hiểu 
khoảng cách của xe đang di chuyển trong các khung hình (frame) liên tiếp và do đó 
khi tốc độ khung hình của sự di chuyển được biết đến thì việc tính toán tốc độ trở 
nên có thể.

11 
 


 

Camera  có  khả  năng  thu  được  24fps  (frame  per  second  –  khung  hình  trên 
giây), 30fps hoặc có thông số khác tùy theo mục đích chế tạo camera. Ở trong nội 
dung nghiên cứu này sử dụng camera 24fps, tức là trong 1giây sẽ thu 24 hình.

Độ  phân  giải  của  video  thu  được  cũng  ảnh  hưởng  rất  nhiều  tới  việc  ước 
lượng tốc độ phương tiện. Nhưng việc sử dụng video có độ phân giải vừa phải sẽ 
cho kết quả mô phỏng nhanh hơn.
Gắn  phương  tiện  giao  thông  vào  hệ  quy  chiếu  để  có  được  quãng  đường  di 
chuyển của phương tiện sau một khoảng thời gian t. 

 
Hình 1.6. Ảnh đã được thực nghiệm ở trên 1 tuyến đường của Hà Nội (hầm Kim Liên).
Kích  thước  của  khung  hình  đã  biết,  độ  dài  của  quãng  dịch  chuyển  phương 
tiện  được  tham  chiếu  giữa  khoảng  cách  thật  vào  khung  hình  và  độ  dài  vạch  kẻ 
đường. Trong hình mô tả, vạch kẻ đường có kích thước 2m giữa 2 vạch có khoảng 
cách  3m.  Từ  đó  dự  đoán  được  gần  chính  xác  quãng  đường  mà  phương  tiện  giao 
thông di chuyển. 
Ngoài ra, phương pháp sử dụng điểm quan sát ở đầu xe hay đuôi xe là cơ sở 
tính toán ước lượng ra khoảng cách xe di chuyển trong khoảng thời gian t chưa thực 
sự hợp lý do góc phương tiện ở mỗi nơi khác nhau do camera. Bởi vậy, em đề xuất 
sử dụng phương pháp sử dụng trọng tâm của cả phương tiện dựa theo điểm trên và 
điểm dưới xa nhau nhất có thể phát hiện được. 
- Tốc độ của phương tiện ảnh hưởng tới sự di chuyển của phương tiện giữa 
các frame liên tiếp nhau. Ví dụ: một chiếc ô tô đi với vận tốc 36km/h tương đương 
với 10m/s. Trong 1giây 24 frame thu được, khoảng cách di chuyển của phương tiện 
12 
 


 

giữa frame 1 và frame thứ 24 là 10m. Bởi vậy, để ước lượng được tốc độ chính xác 
hơn,  phương  pháp  sử  dụng  là  lấy  các  cặp  frame  không  liên  tiếp  để  so  sánh  sự  di 
chuyển của phương tiện. 

- 1giây thu được 24 frame, tức là thời gian giữa frame 1 và 2 là: 1/23 giây. 
Nếu sử dụng cặp frame (1 và 10) thì thời gian giữa cặp frame này là: 9/23 giây. 
-  Công  thức  tính  vận  tốc  v=s/t.  Sử  dụng  quãng  được  phương  tiện  di  chuyển 
được trong cặp frame (x và y), thời gian di chuyển giữa cặp frame này là (y-x)/23 giây. 
Kết luận chương 1
Trong chương 1 tác giả đã giới thiệu tổng quan về các phương pháp giám sát 
phương tiện giao thông phổ biến hiện nay từ đó đi đến lựa chọn hướng nghiên cứu 
và bài toán phù hợp với điều kiện thực tế tại Việt Nam. Bên cạnh đó tác giả cũng đề 
ra tính cấp thiết và mục tiêu của đề tài.   
 

13 
 


 

 
CHƯƠNG 2. ỨNG DỤNG KĨ THUẬT XỬ LÝ ẢNH TRONG GIẢI QUYẾT
BÀI TOÁN GIAO THÔNG
2.1. Sơ lược về lý thuyết xử lý ảnh
2.1.1. Đặt vấn đề
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 cùng với sự phát triển của phần  cứng 
máy tính, xử lý ảnh phát triển một cách mạnh mẽ và có nhiều ứng dụng trong cuộc 
sống. Xử lý ảnh đóng một vai trò quan trọng trong tương tác người máy. Xử lý ảnh 
số  không  chỉ  nhằm  nâng  cao  chất  lượng  của  ảnh  mà  còn  có  thể  phân  tích  ảnh  để 
phục vụ một nhiệm vụ chuyên biệt nào đó. 
2.1.2. Khái niệm xử lý ảnh
Hiện nay trên thế giới, nghiên cứu ứng dụng xử lý ảnh đang là hướng nghiên 

cứu của nhiều lĩnh vực [24]. Các thiết bị hiện nay ứng dụng công  nghệ xử lý ảnh 
trong  điều  khiển  ngày  càng  nhiều  và  ngày  càng  cho  thấy  sự  ưu  việt  của  nó.  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. 
Hình dưới đây mô tả các bước cơ bản của một quá trình xử lý ảnh: 
 
Thu nhận 
ảnh 

Tiền xử 
lý ảnh 

Phân 
đoạn 
ảnh 

Biểu diễn 
và mô tả 

Cơ sở tri thức 
Hình 2.1. Các giai đoạn xử lý ảnh.

14 
 

Nhận dạng, 
nội suy 

 

2.2. Các giai đoạn xử lý ảnh
2.2.1. Thu nhận ảnh
Ảnh được thu từ nhiều nguồn khác nhau [24]: máy ảnh, máy quay phim, máy 
quét, ảnh vệ tinh v.v… Sau đó ảnh thu được được biến đổi về các cấu trúc được lưu 
trữ trong máy tính, có thể hiển thị ra các thiết bị ngoại vi như là máy in, màn hình… 

 
 
 

Hình 2.2. Quá trình thu nhận và số hóa ảnh thực.
Quá trình thu nhận ảnh là quá trình biến đổi thông tin đối tượng từ dạng quang 
năng thành dạng điện năng và số hóa dưới dạng ma trận chứa thông tin của ảnh. 

15 
 


 

 
Hình 2.3. Ví dụ về quá trình thu ảnh giao thông
2.2.2. Tiền xử lý
Tiền xử lý ảnh là quá trình sử dụng các kỹ thuật xử lý ảnh để làm ảnh tốt lên 
theo mục đích sử dụng. Mục đích của tiền xử lý ảnh là : 
-  Điều  chỉnh  độ  chiếu  sáng  để  khắc  phục  hậu  quả  của  việc  chiếu  sáng 
không đều. 
- Giảm nhỏ thành phần nhiễu của ảnh tức là các đối tượng xuất  hiện ngoài 

ý muốn.  
- Hiệu chỉnh giá trị độ sáng giữa nền và đối tượng. 
- Chuẩn hoá độ lớn, màu, dạng của ảnh. 
- Điều chỉnh bộ lọc để khuyếch đại và nén các tần số. 
2.2.3. Phân đoạn ảnh
Là quá trình phân chia nội dung các đối tượng cần khảo sát ra khỏi ảnh. Phân 
chia các đối tượng tiếp giáp nhau hoặc phân tách các đối tượng riêng biệt thành các 
đối tượng con. Hình 2.4 mô tả quá trình phân mảnh đối tượng quan tâm. 

16