Nghiên cứu hệ thống cảnh báo ngủ gật và mất tập trung cho người lái xe

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH
KHOA CƠ KHÍ ĐỘNG LỰC

ĐỒ ÁN TỐT NGHIỆP

NGHIÊN CỨU HỆ THỐNG CẢNH BÁO NGỦ GẬT VÀ
MẤT TẬP TRUNG CHO NGƯỜI LÁI XE
SVTH:
ĐỖ VĂN LINH
MSSV:
13145140
GVHD:
TS. LÊ THANH PHÚC

Tp. Hồ Chí Minh, ngày 19 tháng 01 năm 2018

1


TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH
KHOA CƠ KHÍ ĐỘNG LỰC

ĐỒ ÁN TỐT NGHIỆP
Chuyên ngành: Công nghệ Kỹ thuật ô tô

NGHIÊN CỨU HỆ THỐNG CẢNH BÁO NGỦ GẬT VÀ
MẤT TẬP TRUNG CHO NGƯỜI LÁI XE
SVTH:
ĐỖ VĂN LINH
MSSV:
13145140

GVHD:
TS. LÊ THANH PHÚC

Tp. Hồ Chí Minh, ngày 19 tháng 01 năm 2018

2


TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

TP. HỒ CHÍ MINH

Độc Lập – Tự Do – Hạnh Phúc

KHOA CƠ KHÍ ĐỘNG LỰC

TP. Hồ Chí Minh, ngày 19 tháng 10 năm 2018.

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ tên sinh viên:

ĐỖ VĂN LINH

MSSV: 13145140

Chuyên ngành:

Công nghệ kỹ thuật ô tô

Mã ngành đào tạo: 52510205

Hệ đào tạo:

Đại trà

Mã hệ đào tạo: 52510205D

Khóa:

2013-2017

Lớp:

131451C

1. Tên đề tài.
Nghiên cứu hệ thống cảnh báo ngủ gật và mất tập trung cho người lái xe.
2. Nhiệm vụ đề tài.
-

Nghiên cứu tài liệu.
Nghiên cứu nhận diện khn mặt bằng xử lý ảnh.
Lập trình hệ thống.
Chạy demo hệ thống” Nghiên cứu hệ thống cảnh báo ngủ gật và mất tập trung
cho người lái xe”.

3. Sản phẩm của đề tài.
-

Tài liệu thuyết trình về hệ thống.
Bài báo cáo về hệ thống.
Mơ hình demo hệ thống.

4. Ngày giao nhiệm vụ đề tài:

20-10-2017
3


5. Ngày hồn thành nhiệm vụ:

9-01-2018

TRƯỞNG BỘ MƠN

CÁN BỘ HƯỚNG DẪN

TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

TP. HỒ CHÍ MINH

Độc Lập – Tự Do – Hạnh Phúc

KHOA CƠ KHÍ ĐỘNG LỰC

TP. Hồ Chí Minh, ngày 19 tháng 01 năm 2018.

XÁC NHẬN HOÀN THÀNH ĐỒ ÁN
Tên đề tài: Nghiên cứu hệ thống cảnh báo ngủ gật và mất tập trung cho người lái xe.
Họ và tên sinh viên:

Đỗ Văn Linh

MSSV: 13145140

Ngành đào tạo: Công nghệ Kỹ thuật Ơ tơ.
Sau khi tiếp thu và điều chỉnh theo góp ý của Giảng viên hướng dẫn, Giảng viên phản
biện và các thành viên trong Hội đồng bảo vệ. Đồ án tốt nghiệp đã được hoàn chỉnh đúng
theo yêu cầu về nội dung và hình thức.
Chủ tịch Hội đồng: ___________________________

_________________

Giảng viên hướng dẫn: _________________________

_________________

4


Giảng viên phản biện: _________________________

__________________

LỜI CẢM ƠN
Sau 4 năm theo học ngành Cơng nghệ Kỹ thuật Ơ tơ tại trường Đại học Sư Phạm Kỹ

Thuật, em xin gửi lời cảm ơn đến tồn thể giáo viên Khoa Cơ Khí Động Lực đã tận tình
diều dắt và hướng dẫn cho em để từng bước hoàn thiện bản thân để trở thành những kỹ sư
góp phần cho sự phát triển của xã hội. Ngày hơm nay để tổng kết q trình 4 năm học, em
đã chọn đề tài như sự lựa chọn và đánh dấu hướng đi của mình trong thời gian sắp tới khi
bước ra khỏi cánh cổng trường đại học Vì vậy em xin gửi tới q thầy cơ sự kính trọng và
lịng biết ơn sâu sắc của người thực hiện đề tài.
Em xin chân thành cảm ơn thầy Lê Thanh Phúc đã tận tình hướng dẫn, cung cấp tài
liệu và chỉ dạy trong suốt quá trình học tập cũng như trong q trình thực hiện đề tài để
nhóm thực hiện hoàn tất đề tài này, đồng thời cũng là người thầy đã giúp em định hướng
và có đam mê với lĩnh vực công nghệ hiện đại trong ngành ô tô.
Xin chân thành cảm ơn quý thầy cô của trường Đại Học Sư Phạm Kỹ Thuật Thành Phố
Hồ Chí Minh, đặc biệt là quý thầy cô trong Bộ môn Điện tử Ơ Tơ, Khoa Cơ khí Động
Lực đã tận tình chỉ dẫn, tạo tiền đề để sinh viên có thể thực hiện các nghiên cứu về công
nghệ ứng dụng trong ngành kỹ thuật ô tô, trực tiếp giúp đỡ và tạo điều kiện cho sinh viên
làm việc trong môi trường tốt nhất trong suốt quá trình thực hiện đề tài.
Xin chân thành cảm ơn!
Sinh viên thực hiện đề tài
Đỗ Văn Linh

TÓM TẮT
5


1.

Vấn đề nghiên cứu.
Đối với việc thực hiện một đề tài thuộc lĩnh vực an toàn và tiện nghi trên xe ô tô, cụ

thể là hệ thống cảnh báo ngủ gật và mất tập trung cho người lái xe thì người thực hiện cần
hiểu được về tầm quan trọng của hệ thống, những yêu cầu tối thiểu để hệ thống có thể

chạy ổn định và hỗ trợ tốt nhất cho người lái xe. Từ đó tạo cơ sở nền để có thể phát triển
thành hệ thống hồn chỉnh.
2. Hướng tiếp cận.
Để tiếp cận và thực hiện đề tài, người thực hiện đã tham khảo các lý thuyết về nhận
diện khuôn mặt và các ứng dụng của nhận diện khuôn mặt ở các nước tiên tiến, các video
về hệ thống cảnh báo ngủ gật của các hãng xe hạng sang như BMW, Audi… Phải nghiên
cứu, tổng hợp và nắm rõ các số liệu thống kê về các vụ tai nạn giao thông và nguyên nhân
dẫn đến tai nạn giao thông trong và ngoài nước.
Nghiên cứu các cơ sở lý thuyết về nhận diện khn mặt, phần mềm lập trình LabVIEW
và Xử lý ảnh để thực hiện
3. Cách giải quyết vấn đề.
Nghiên cứu về lập trình LabVIEW và nhận diện khn mặt.
Lập trình nhận diện khn mặt kết hợp các yếu tố cần thiết khi chạy xe.
Tìm hiểu, thu thập các tài liệu trên Internet, các thông tin liên quan để lập trình hệ

4.

thống
Tổng hợp và thiết kế mơ hình demo cho hệ thống.
Kết quả thu được.
1 mơ hình demo cho hệ thống có thể lắp đặt thử nghiệm trực tiếp trên xe
Tài liệu nghiên cứu trong quá trình thực hiện đề tài

MỤC LỤC
Trang

6


DANH MỤC CÁC TỪ VIẾT TẮT VÀ KÍ HIỆU

ST
T
1
2
3
4

Từ viết tắt

Tiếng Anh

Tiếng Việt

ABS
AI
ESP
LabVIEW

Hệ thống chống bó cứng phanh
Trí tuệ nhân tạo
Hệ thống căn bằng điện tử
Công cụ kỹ thuật ảo cho phịng
thí nghiệm

5

OpenCV

6

7

Pixel
VAMA

Anti-Locking Brake System
Artificial intelligence
Electronic Stability Program
Laboratory Virtual
Instrumentation Engineering
Workbench
Open Source Computer
Vision Library
Picture element
Vietnam Automobile
Manufacturers Association

Thư viện quan sát mở cho máy
tính.
Điểm ảnh
Hiệp hội các nhà sản xuất ơ tơ
Việt Nam

DANH MỤC CÁC HÌNH
Hình 2.1 Giao diện LabVIEW.
Hình 2.2 Giao diện làm việc và code LabVIEW
Hình 2.3 Các hàm tính tốn trong LabVIEW.
Hình 2.4 Các hàm so sánh trong LabVIEW.
Hình 2.5 LabVIEW thu thập dữ liệu trong ngành ơ tơ.
Hình 2.6 Ứng dụng LabVIEW trong ngành hàng không – vũ trụ.

Hình 2.7 Ứng dụng LabVIEW trong cơng nghiệp tự động.
Hình 2.8 Ứng dụng LabVIEW trong kỹ thuật Robotics.
Hình 2.9 Ứng dụng LabVIEW trong giao thơng vận tải.
Hình 2.10 Quy trình xử lý ảnh.
Hình 2.11 Cấu trúc xử lý ảnh cơ bản trong LabVIEW.
Hình 3.1. Camera Logitech
Hình 3.2. Máy tính nhúng Intel Inside
Hình 3.3. Loa Bluetooth Suntek JC-170.
Hình 3.4 Pin sạc dự phòng.
7


Hình 3.5 Hộp đựng sản phẩm.
Hình 3.6 Code ghi hình và xử lý ảnh.
Hình 3.7 Hình ảnh trước khi xử lý.
Hình 3.8 Hình ảnh sau khi xử lý cơ bản.
Hình 3.9 Nhận diện khn mặt- mắt
Hình 3.10 Xe ra vào cổng
Hình 3.11 Xe quay đầu.
Hình 3.12 Giao diện hiển thị trên màn hình.
Hình 3.13 Đồng hồ mơ phỏng điều chỉnh tốc độ xe.
Hình 3.14. Một phần code xử lý tín hiệu.
Hình 3.15 Code xử lý nhận diện mặt – mắt.
Hình 3.16 Code overlay mặt – mắt.
Hình 3.17 Code xử lý thời gian nhắc nhở lái xe.
Hình 3.18 Code quy định thời gian buồn ngủ theo tốc độ
Hình 3.19 Code xử lý thời gian buồn ngủ.
Hình 3.20 Bản demo sản phẩm hồn chỉnh.
Hình 3.21 Thử nghiệm hệ thống trên xe tải.

DANH MỤC CÁC BẢNG
Bảng 4.1 Bảng kết quả thử nghiệm với độ chói sáng khác nhau trong ngày.
Bảng 4.2 Bảng kết quả thử nghiệm với vận tốc và độ dao động của xe.
Bảng 4.3 Bảng thử nghiệm với nhiều khuôn mặt khác nhau và góc quay khác nhau.

8


CHƯƠNG 1: TỔNG QUAN
1

Lý do chọn đề tài.
Từ những năm gần đây trên tồn thế giới nói chung và Việt Nam nói riêng, ngành cơng
nghiệp ơ tơ đang là một trong những ngành phát triển với một tốc độ chóng mặt Với sự
thông minh nhạy bén và niềm yêu nghề sâu sắc, các kỹ sư ô tô đã không ngừng nghiên
cứu, thiết kế, chế tạo ra các loại xe, các vật liệu, công nghệ mới, tiên tiến đáp ứng được
nhu cầu của con người về sự an toàn, tiện nghi, tiết kiệm nhiên liệu và thân thiện với môi
trường. Trong xu thế phát triển ấy, ngày càng có nhiều trang thiết bị trên xe được chế tạo
điều khiển bằng điện tử để đạt được độ chính xác, an tồn cao nhất như hệ thống điều
khiển phanh ABS, hệ thống cân bằng điện tử ESP, hệ thống tự lái, tiết kiệm nhiên liệu...
Bên cạnh đó các vấn đề về an tồn cho con người cũng được chú tâm phát triển như hệ
thống túi khí... các hệ thống báo khoảng cách an toàn, hệ thống tự đổ xe.
Theo Hiệp hội các nhà sản xuất ô tô Việt Nam (VAMA), tổng lượng bán ôtô mới trong
tháng 3/2017 là 26.872 xe, tăng 52% so với tháng 2 trước đó và tăng 8% so với cùng kỳ
năm ngoái. Gộp chung lại trong Quý 1/2017, thị trường đã tiêu thụ 41.600 xe, tăng 8% so
cùng kỳ năm trước. Trước tình hình tăng nhanh của thị trường xe ơ tơ ở Việt Nam thì
cũng đi kèm theo đó nhiều bất cập trong xã hội. Theo nghiên cứu của Trung tâm
Nationnal Jewish Health, Mỹ, cho biết: “Thiếu ngủ là một trong những nguyên nhân
chính gây tai nạn giao thơng trên thế giới. Ước tính khoảng 10-15% tai nạn xe có liên
quan đến thiếu ngủ. Nghiên cứu về giấc ngủ của các người lái xe 19 quốc gia châu Âu

cho thấy tỷ lệ buồn ngủ khi lái xe cao, trung bình 17%. Trong đó 10,8% người buồn ngủ
khi lái xe ít nhất một lần trong tháng, 7% từng gây tai nạn giao thông do buồn ngủ, 18%
suýt xảy ra tai nạn do buồn ngủ”. Thực tế tại Việt Nam, theo thống kê về tai nạn giao
thông của cục cảnh sát giao thông cho biết trong 7 tháng đầu năm 2015 có 12.910 vụ tai
nạn giao thơng, làm 5.167 người chết; 3.221 người bị thương nặng và 8.263 người bị
thương nhẹ. Trong số những tai nạn này, có những nguyên nhân gây tai nạn do người lái
xe thiếu ngủ. Ngoài ra, những vụ tai nạn ở Việt Nam cịn có những nguyên nhân khác như
người lái xe đã uống rượu, bia trước khi lái xe, người lái xe không tập trung.
Vì những lý do trên để góp một phần vào việc giảm thiểu tai nạn giao thông do người
lái xe ngủ gật hay đang mất tập trung khi lái xe. Người nghiên cứu đã nghiên cứu và phát
triển demo 1 hệ thống kết hợp các chức năng trên. Đó là lý do người nghiên cứu muốn đề
xuất đề tài “Nghiên cứu hệ thống cảnh báo ngủ gật và mất tập trung cho người lái
xe”.

2

Đối tượng và phạm vi sử dụng.
Sản phầm demo là 1 thiết bị ngoại vi được gắn thêm vào xe, không can thiệp vào hệ
thống xe và có kích thước nhỏ gọn nên có thể được sử được ở tất cả các loại xe ô tô con, ô
9


tô tải, hay xe khách đường dài cũng như là xe container. Ngồi ra hệ thống có thể kế nối
với máy tính chủ thơng qua mạng Internet dùng trong việc kiểm tra người lái xe cho các
hãng xe, các nhà xe lớn như Taxi…
3

Phân tích đánh giá các nghiên cứu của các tác giả trong và ngồi nước có liên quan
đến đề tài.
Hiện nay trong và ngồi nước đã có nhiều nhóm nghiên cứu và thực hiện đề tài cảnh

báo ngủ gật cho người lái xe bằng các ngôn ngữ lập trình khác nhau như Rasppery, C++,
PyThon, OpenCV… nhưng những nghiên cứu này chỉ mới dừng lại ở mức độ bản chạy
demo ban đầu và chưa có hướng phát triển để có thể sử dụng rộng rãi trên xe. Ở các hãng
xe lớn như Mercedes-Benz, BMW, Audi cũng đã phát triễn hệ thống tương tự và được
gắn trên xe từ nhiều năm trước nhưng những hệ thống này lại được tích hợp vào với hệ
thống của xe nên khơng thể tách rời và khó có thể được ứng dụng rộng rãi cho các xe
thương mại như Toyota, Huyndai, KIA… đặt biệt là các xe khách chạy đường dài và xe
Container ở Việt Nam cũng như các nước trên thế giới.

4

Những vấn đề còn tồn tại và hướng khắc phục.
Bản demo được lập trình trên nền tảng phần mềm LabVIEW nên để hoạt động được
thì hệ thống cần được chạy trên một máy tính nhúng có cấu hình mạnh và để hệ thống có
thể được ứng dụng trên xe thì cần có kích thước nhỏ gọn hơn bản demo và nhiều chức
năng hơn nữa.
Hệ thống thu nhận tín hiệu sử lý bằng cách sử dụng camera quan sát khuôn mặt người
nên việc căn bằng ánh sáng là rất quan trọng, vì ánh sáng trong ô tô thay đổi liên tục trong
1 ngày nên việc căn bằng được ánh sáng tới camera vô cùng phức tạp cần nhiều thời gian
để nghiên cứu hơn. Cần tối ưu camera bằng việc sử dụng camera hồng ngoại để có thể
quan sát được vào ban đêm khi người lái xe tắt đèn trong xe.
Điều chỉnh thời gian cảnh báo cho phù hợp với tốc độ xe chẳng hạn như xe chạy
40km/h thì thời gian cảnh báo là sau 4 giây, xe chạy với tốc độ lớn hơn 80km/h thì thời
gian cảnh báo là 1 giây và chạy dưới 20km/h thì xe khơng cảnh báo buồn ngủ để tránh
gây phiền phức cho người lái xe cũng như hành khách trên xe.
Thuật tốn nhận diện khn mặt là một phân khúc của trí tuệ nhân tạo (AI) vì vậy để
sản phẩm được hoàn thiện và nhận dạng đúng hơn thì cần có thời gian nghiên cứu và phát
triển hệ thống cùng với một nhóm chuyên về nghiên cứu trí tuệ nhân tạo.

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1 Cơ sở lý thuyết, lý luận, giải thiết khoa học.
2.1.1 Cơ sở lý thuyết, lý luận.

10


Để thực hiện nghiên cứu về đề tài này, người nghiên cứu đã tìm hiểu về các hệ thống
nhận diện khuôn mặt cùng các ứng dụng liên quan tới nhận diện khn mặt, các thư viện
mở để lập trình, sự phát triển của các ứng dụng liên quan đã được các hãng xe nỗi tiếng
trên thế giới chế tạo và chạy thử trên xe từ đó rút ra được những ưu và nhược điểm, nhu
cầu sử dụng hệ thống ở Việt Nam để tiến hành nghiên cứu và demo sản phẩm này.
2.1.2 Giả thiết khoa học.
Để đề tài được thực hiện thì việc nghiên cứu về các biểu hiện trên khuôn mặt người là
rất quan trọng. Các trạng thái khi người lái xe có biểu hiện của sự buồn ngủ như trạng thái
nhắm mắt, thời gian nhắm mắt, hay cúi đầu khi buồn ngủ.
Theo nghiên cứu, khi 1 người khi rơi vào trạng thái buồn ngủ thì thời gian chớp mắt
thường kéo dài tầm 1,5 giây trở lên tùy theo mức độ buồn ngủ vì vậy để hệ thống có thể
phát hiện được dấu hiệu này thì cần phải xác định được độ rộng của tròng mắt kết hợp với
thời gian nhắm mắt và độ cúi đầu khi buồn ngủ…
Biểu hiện của sự mất tập trung lái xe như mặt quay đi hướng khác lớn hơn phạm vi
được phép (góc quay mặt làm hạn chế tầm nhìn lái xe) trong 1 khoảng thời gian lâu
khoảng từ 5 giây trở lên thì được cho là người lái xe đang mất tập trung.
Ngồi ra để hệ thống có thể cảnh báo 1 cách chính xác hơn và ít phát hiện nhầm thì cần
kết hợp nhiều yếu tố khác như cơ mặt, mũi, miệng, các yếu tố bên ngoài như ánh sáng
trong xe, tốc độ xe, mức độ dao động khi xe đang chạy… nhưng yếu tố đó khá phức tạp
và cần có thời gian dài nghiên cứu và lập trình nên hiện tại với bản demo này thì em chỉ
dừng lại ở việc phát hiện bằng một số phương pháp như đã nêu ở trên.

2.2 Phương pháp nghiên cứu
2.2.1 Lý thuyết về LabVIEW.

LabVIEW (viết tắt của Laboratory Virtual Instrumentation Engineering Workbench) là
môi trường ngôn ngữ đồ họa hiệu quả trong việc giao giữa con người, thuật tốn với máy
tính và các thiết bị. Với giao diện dễ xử dụng, dễ học giúp cho người lập trình có thể dễ
dàng thao tác hơn so với các ngơn ngữ lập trình khác

11


Hình 2.1 Giao diện LabVIEW
Gọi LabVIEW là ngơn ngữ đồ họa hiệu quả vì về cách thức lập trình, LabVIEW khác
với các ngôn ngữ C (hay Python, Basic, vv.) ở điểm thay vì sử dụng các từ vựng (từ khóa)
cố định thì LabVIEW sử dụng các khối hình ảnh sinh động và các dây nối để tạo ra các
lệnh, các hàm một cách nhanh chống (hình 2.2).

Hình 2.2 Giao diện làm việc và code LabVIEW

12


Hình 2.3 Các hàm tính tốn trong LabVIEW.

Hình 2.4 Các hàm so sánh trong LabVIEW.
Cũng chính vì sự khác biệt này mà LabVIEW đã giúp cho việc lập trình trở nên đơn
giản hơn bao giờ hết, đặc biệt LabVIEW rất phù hợp đối với kỹ sư, nhà khoa học, hay
giảng viên. Chính sự đơn giản, dễ học, dễ nhớ đã giúp cho LabVIEW trở thành một trong
những công cụ phổ biến trong các ứng dụng thu thập dữ liệu từ các cảm biến, phát triển
các thuật toán, và điều khiển thiết bị tại các phịng thí nghiệm trên thế giới.

13

Đồng thời, LabVIEW hỗ trợ các kỹ sư, nhà khoa học và sinh viên, vv. xây dựng các
thuật toán một cách nhanh, gọn, sáng tạo, và dễ hiễu nhờ các khối hình ảnh có tính gợi
nhớ và cách thức hoạt động theo kiểu dòng dữ liệu lần lượt từ trái qua phải. Các thuật
tốn này sau đó được áp dụng lên các mạch điện và cơ cấu chấp hành thực nhờ vào việc
kết nối hệ thống thật với LabVIEW thông qua nhiều chuẩn giao tiếp như chuẩn giao tiếp
RS232 (giao tiếp qua cổng COM), chuẩn USB, chuẩn giao tiếp mạng TCP/IP, UDP, chuẩn
GPIB, Wifi, Bluetooth, TCP/IP, vv. Vì vậy LabVIEW là một ngôn ngữ giao tiếp đa kênh.
LabVIEW hỗ trợ hầu hết các hệ điều hành (Windows (2000, XP, Vista, Windows7),
Linux, MacOS, Window Mobile, Window Embedded. Hiện tại, LabVIEW 2017 là phiên
bản mới nhất. Một số phiên bản cũ của LabVIEW bao gồm 2015, 2014, 200, 8.6,8.5…
Nhìn chung hai phiên bản kề nhau 2017 và 2016 khơng có sự khác nhau nhiều. Tuy nhiên
có sự khác biệt đáng kể giữa các bản LabVIEW 7.1, LabVIEW 8.5 và LabVIEW 2009.
2.2.2 Các ứng dụng của LabVIEW
Với các thuật toán đơn giản, dễ sử dụng nên LabVIEW đươc sử dụng rộng rãi trong
nhiều lĩnh vực đo lường, tự động hóa, robotics, giao thơng vận tải, ơ tơ, y tế, vv.

Hình 2.5 LabVIEW thu thập dữ liệu trong ngành ô tô.

14


Hình 2.6 Ứng dụng LabVIEW trong ngành hàng khơng – vũ trụ.

Hình 2.7 Ứng dụng LabVIEW trong cơng nghiệp tự động.

15


Hình 2.8 Ứng dụng LabVIEW trong kỹ thuật Robotics.

Hình 2.9 Ứng dụng LabVIEW trong giao thông vận tải.

16


2.3 Xử lý ảnh – Những vấn đề cơ bản trong xử lý ảnh
2.3.1 Xử lý ảnh là gì?
Với con người, xử lý ảnh được thực hiện qua việc nhìn mọi vật bằng mắt và đưa hình
ảnh đó về não bộ để xử lý từ đó có thể biết được thơng tin từ hình ảnh và phân tích để đáp
ứng các mong muốn của con người. Thị giác máy tính cũng vậy, hình ảnh được thu thập
từ các camera sau đó đưa tín hiệu về máy tính xử lý từ đó có thể thực hiện được những
yêu cầu mong muốn của con người.
Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết
quả mong muốn. Quá trình đầu ra của quá trình là một ảnh tốt hơn hoặc các thơng tin về
ảnh ở đầu vào.

Hình 2.10 Quy trình xử lý ảnh
Ảnh trong thực tế là một ảnh liên tục cả về khơng gian và giá trị độ sáng. Để có thể xử
lý ảnh bằng máy tính thì cần thiết phải tiến hành số hóa ảnh. Q trình số hóa biến đổi các
tín hiệu liên tục sang tín hiệu rời rạc thơng qua q trình lấy mẫu và lượng tử hóa các
thành phần giá trị mà về nguyên tắc mắt thường không thể phân biệt được hai điểm ảnh
liền kề nhau. Các điểm như vậy được gọi là các pixel hay cách gọi khác là điểm ảnh và
mỗi điểm ảnh được sắp xếp ở một tọa độ nhất định trong mảng 2 chiều (n, p) với n là số
dòng và p là số cột.
2.3.1.1) Thu nhận ảnh (Image Acquisition).
Quá trình thu nhận ảnh được thực hiện bằng việc sử dụng camera để ghi hình. Hình
ảnh đưa về có thể là ảnh màu hoặc ảnh trắng đen và có độ phân giải (Resolution) khác
nhau.
2.3.1.2) Tiền xử lý (Inmage processing).

Sau khi thu hình, ảnh thường bị nhiễu do độ tương phản, cường độ ánh sáng của mơi
trường bên ngồi vì vậy cần đưa vào bộ tiền xử lý để giảm nhiễu và nâng cao chất lượng
ảnh.

2.3.1.3) Phân đoạn ảnh(Segmentation).

17


Phân vùng ảnh là tách một ảnh đầu vào thành các thành các vùng khác nhau trong 1
khung hình để biểu diễn, phân tích, nhận dạng ảnh. Đây là cơng đoạn khó xử lý do bị
nhiều yếu tố tác động từ mơi trường, nếu khơng xử lý tốt cho hình ảnh thu về sẽ dễ gây ra
lỗi, làm mất đi độ chính xác của ảnh và của nội dung cần kiểm tra. Kết quả nhận dạng
không mặt phụ thuộc rất nhiều vào công đoạn này.
2.3.1.4) Biểu diễn ảnh (Image Representation)
Đầu ra của ảnh sau phân đoạn chứa các điểm ảnh cộng với mã liên kết với các vùng lân
cận. Việc biến đổi các số liệu này thành dạng thích hợp là cần thiết cho xử lý tiếp theo
bằng máy tính. Việc chọn các tính chất để thể hiện ảnh gọi là trích chọn đặc trưng gắn với
việc tách các đặc tính của ảnh dưới dạng thơng tin định lượng hoặc làm cơ sở để phân biệt
lớp đối tượng này với đối tượng khác trong phạm vi ảnh nhận được.
2.3.1.5) Nhận dạng và nội suy ảnh (Image Recognition and Interpretation)
Nhận dạng là quá trình xác định ảnh. Quá trình này thường thu được bằng cách so sánh
với mẫu chuẩn đã được máy học từ trước. Nội suy là phán đoán theo ý nghĩa trên cơ sở
nhận dạng. Ví dụ: một loạt chữ số và nét gạch ngang trên phong bì thư có thể được nội
suy thành mã điện thoại. Có nhiều cách phân loai ảnh khác nhau về ảnh. Theo lý thuyết
về nhận dạng, các mơ hình tốn học về ảnh được phân theo hai loại nhận dạng ảnh cơ
bản: - Nhận dạng theo tham số. - Nhận dạng theo cấu trúc. Một số đối tượng nhận dạng
khá phổ biến hiện nay đang được áp dụng trong khoa học và công nghệ là: nhận dạng ký
tự (chữ in, chữ viết tay, chữ ký điện tử), nhận dạng văn bản (Text), nhận dạng vân tay,
nhận dạng mã vạch, nhận dạng mặt người…

2.3.2 Những vấn đề cơ bản trong xử lý ảnh.
2.3.2.1) Điểm ảnh (Picture Element)
Điểm ảnh hay Pixel là một điểm vật lý trong một hình ảnh hoặc một khối màu là rất
nhỏ và là đơn vị cơ bản nhất để tạo nên một bức ảnh kỹ thuật số. Vị trí của một điểm ảnh
tương ứng với tọa độ vật lý ITS, Pixel LCD được sản xuất trong một mạng lưới hai chiều,
và được sử dụng dấu chấm hoặc đại diện hình vuông thông thường nhưng điểm ảnh CRT
tương ứng với cơ chế thời gian của chúng và tỷ lệ quét. Một Pixel khơng có kích thước cố
định.
Mỗi điểm ảnh là một mẫu của một hình ảnh ban đầu, nhiều điểm ảnh hơn thường cung
cấp đại diện chính xác hơn của bản gốc. Cường độ của mỗi điểm ảnh có thể thay đổi.
Hình ảnh trong hệ thống màu sắc, màu sắc thường là ba hoặc bốn đại diện trong cường độ
thành phần như màu đỏ, xanh lá cây, và màu xanh, hoặc màu lục lam, đỏ tươi, màu vàng,
và màu đen. Hầu hết các chương trình ứng dụng đồ họa đều diễn tả độ phân giải của hình
ảnh bằng pixel dimensions - kích thước pixel với số đo chiều ngang đi trước.
18


2.3.2.2) Độ phân giải (Resolution)
Độ phân giải là số lượng điểm ảnh trong một khung hình được hiển thị. Hình ảnh có độ
phân giải càng lớn càng cho hình rõ nét. Theo định nghĩa, khoảng cách giữa các điểm ảnh
phải được chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh. Việc lựa chọn
khoảng cách thích hợp tạo nên một mật độ phân bổ, đó chính là độ phân giải và được
phân bố theo trục x và y trong không gian hai chiều.
2.3.2.3) Mức xám của ảnh
a) Định nghĩa: Mức xám của điểm ảnh là cường độ sáng của nó được gán bằng giá trị
số tại điểm đó.
b) Các thang giá trị mức xám thơng thường: 8, 16, 32, 64, 128, 256 (Mức 256 là mức
phổ dụng. Lý do: từ kỹ thuật máy tính dùng 1 byte (8 bit) để biểu diễn mức xám: Mức
xám dùng 1 byte biểu diễn: 28 =256 mức, tức là từ 0 đến 255).

c) Ảnh đen trắng: là ảnh có hai màu đen, trắng (không chứa màu khác) với mức xám ở
các điểm ảnh có thể khác nhau.
d) Ảnh nhị phân: ảnh chỉ có 2 mức đen trắng phân biệt tức dùng 1 bit mơ tả 21 mức
khác nhau. Nói cách khác: mỗi điểm ảnh của ảnh nhị phân chỉ có thể là 0 hoặc 1.
e) Ảnh màu: trong khuôn khổ lý thuyết ba màu (Red, Blue, Green) để tạo nên thế giới
màu, người ta thường dùng 3 byte để mô tả mức màu, khi đó các giá trị màu: 28*3=224≈
16,7 triệu màu.
2.3.3 Xử lý ảnh trong LabVIEW.
Trong LabVIEW, xử lý ảnh thường được thực hiện thơng qua hai cơng cụ chính là NI
Vision Acquisition và Vision Assistant (hình 2.8). Với hai cơng cụ này người lập trình có
thể xử lập trình được rất nhiều bài tốn trong thực tế.

Hình 2.11. Cấu trúc xử lý ảnh cơ bản trong LabVIEW.

19


Với đề tài này ngồi việc xử dụng hai cơng cụ trên thì cịn xử dụng thêm thư viện mở
của OpenCV và các công cụ xử lý ảnh khác để kết hợp tạo nên code nhận diện khuôn mặt
để đáp ứng được yêu cầu của đề tài.

CHƯƠNG 3: THIẾT KẾ HỆ THỐNG
NHẬN DẠNG KHUÔN MẶT
3.1 Phần cứng cần chuẩn bị
- 1 Camera logitech C270. (Hình 3.1).
- 1 Máy tính nhúng Intel Inside (Hình 3.2).
- 1 Loa Bluetooth Suntek JC-170 (Hình 3.3).
- 1 Pin sạc dự phịng (Hình 3.4).
- 1 Hộp đựng sản phẩm (Hình 3.5).

Hình 3.1. Camera Logitech C270

20


Hình 3.2. Máy tính nhúng Intel Inside.

Hình 3.3. Loa Bluetooth Suntek JC-170.

21


Hình 3.4 Pin sạc dự phịng.

Hình 3.5 Hộp đựng sản phẩm.
22


3.2 Các giai đoạn nhận dạng khuôn mặt và cảnh báo buồn ngủ.
Giai đoạn 1. Ghi hình từ camera và xử lý sơ bộ ánh sáng cho phù hợp với môi trường
lắp đặt hệ thống bằng hai hàm xử lý ảnh cơ bản Vision Acquisition và Vision Assistant.

Hình 3.6 Code ghi hình và xử lý ảnh.

Hình 3.7 Hình ảnh trước khi xử lý.

23


Hình 3.8 Hình ảnh sau khi xử lý cơ bản.

Giai đoạn 2. Lập trình nhận diện khn mặt và mắt. Overlay khn mặt và mắt để có
thể quan sát được trên màn hình.
Nguyên tắc nhận diện là lập trình lấy mẫu cho trước để so sánh với hình ảnh khi thu về,
lúc này máy tính sẽ tìm và so sánh con ngươi của mắt. Con ngươi mắt sẽ được gắn một
tọa độ và được bám theo tọa độ trên khuôn mặt. Nếu tỉ lệ hình ảnh thu về có sự khác nhau
nhiêu so với mẫu thì hệ thống sẽ kết hợp với các chức năng khác như độ cuối đầu khi bùn
ngủ và một vài yếu tố khác để xác định là người lái xe có đang trong tình trạng buồn ngủ
hay không.
Về nhận diện không mặt để cảnh báo mất tập trung, người lập trình đã căn cứ vào góc
xoay của mặt qua 2 bên, nếu camera phát hiện thấy khn mặt xoay qua trái hoặc phải lớn
hơn góc độ cho phép đã được lập trình thì hệ thống sẽ báo động.

24


Hình 3.9 Nhận diện khn mặt- mắt

Giai đoạn 3. Lập trình các thơng số ảnh hưởng đến q trình xử lý và cảnh báo cho
người lái xe. Các thông số bao gồm khoảng cách từ camera đến người lái xe, vận tốc của
xe đến thời gian buồn ngủ, độ giao động của xe.
Theo nghiên cứu từ thực tế và qua sự góp ý từ các người lái xe xe chạy đường dài cho
biết, thông thường nếu xe chạy ở tốc độ dưới 20km/h thì các việc gây tai nạn hay kiểm
soát xe vẫn trong tầm kiểm soát nên việc cảnh báo ở vận tốc thấp sẽ gây phiền cho người
lái xe và hành khách. Ngoài ra, các trường hợp khi xe quay đầu, dừng đèn đỏ hay đi ra
vào cổng, người lái xe thường xuyên phải nhìn đi hướng khác để quan sát xung quanh,
nếu hệ thống cảnh báo liên tục thì sẽ gây khó chịu cho cả người lái xe và hành khác đi
trên xe.

25