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