ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƢỜNG ĐẠI HỌC CƠNG NGHỆ THƠNG TIN KHOA KỸ THUẬT MÁY TÍNH ĐẶNG VĂN HÙNG – 10520070 NGÔ THANH TUẤN – 10520456 KHÓA LUẬN TỐT NGHIỆP NHẬN DẠNG BIỂN SỐ XE MÁY TRÊN KIT FRIENDLY ARM TINY210 VƠI HỆ ĐIỀU HÀNH ANDROID KỸ SƢ KỸ THUẬT MÁY TÍNH GIẢNG VIÊN HƢỚNG DẪN THS LÊ HỒI NGHĨA TP HỒ CHÍ MINH, 2015 ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƢỜNG ĐẠI HỌC CƠNG NGHỆ THƠNG TIN KHOA KỸ THUẬT MÁY TÍNH ĐẶNG VĂN HÙNG – 10520070 NGƠ THANH TUẤN - 10520456 KHĨA LUẬN TỐT NGHIỆP NHẬN DẠNG BIỂN SỐ XE MÁY TRÊN KIT FRIENDLY ARM TINY210 VƠI HỆ ĐIỀU HÀNH ANDROID KỸ SƢ KỸ THUẬT MÁY TÍNH GIẢNG VIÊN HƢỚNG DẪN THS LÊ HỒI NGHĨA TP HỒ CHÍ MINH, 2015 DANH SÁCH HỘI ĐỒNG BẢO VỆ KHĨA LUẬN Hội đồng chấm khóa luận tốt nghiệp, thành lập theo Quyết định số …………………… ngày ………………… Hiệu trƣởng Trƣờng Đại học Công nghệ Thông tin ………………………………………… – Chủ tịch ………………………………………… – Thƣ ký ………………………………………… – Ủy viên ………………………………………… – Ủy viên NHẬN XÉT CỦA CÁN BỘ HƢỚNG DẪN ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƢỜNG ĐẠI HỌC CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc Lập - Tự Do - Hạnh Phúc CÔNG NGHỆ THÔNG TIN TP HCM, ngày… tháng… năm…… NHẬN XÉT KHÓA LUẬN TỐT NGHIỆP Tên khóa luận: NHẬN DẠNG BIỂN SỐ XE MÁY TRÊN KIT FRIENDLY ARM TINY210 VƠI HỆ ĐIỀU HÀNH ANDROID Cán hƣớng dẫn/phản biện: Nhóm SV thực hiện: Đặng Văn Hùng 10520070 Ngơ Thanh Tuấn Ths Lê Hồi Nghĩa 10520456 Đánh giá Khóa luận Về báo cáo: Số trang _ Số chƣơng _ Số bảng số liệu _ Số hình vẽ _ Số tài liệu tham khảo _ Sản phẩm _ Một số nhận xét hình thức báo cáo: Về nội dung nghiên cứu: Về chƣơng trình ứng dụng: Về thái độ làm việc sinh viên: Đánh giá chung: Điểm sinh viên: Đặng Văn Hùng :……… /10 Ngô Thanh Tuấn:……… /10 Ngƣời nhận xét (Ký tên ghi rõ họ tên) NHẬN XÉT CỦA CÁN BỘ PHẢN BIỆN ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƢỜNG ĐẠI HỌC CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc Lập - Tự Do - Hạnh Phúc CÔNG NGHỆ THÔNG TIN TP HCM, ngày… tháng… năm…… NHẬN XÉT KHÓA LUẬN TỐT NGHIỆP Tên khóa luận: NHẬN DẠNG BIỂN SỐ XE MÁY TRÊN KIT FRIENDLY ARM TINY210 VƠI HỆ ĐIỀU HÀNH ANDROID Cán hƣớng dẫn/phản biện: Nhóm SV thực hiện: Đặng Văn Hùng 10520070 Ngơ Thanh Tuấn Ths Lê Hồi Nghĩa 10520456 Đánh giá Khóa luận Về báo cáo: Số trang _ Số chƣơng _ Số bảng số liệu _ Số hình vẽ _ Số tài liệu tham khảo _ Sản phẩm _ Một số nhận xét hình thức báo cáo: Về nội dung nghiên cứu: Về chƣơng trình ứng dụng: Về thái độ làm việc sinh viên: Đánh giá chung: Điểm sinh viên: Đặng Văn Hùng :……… /10 Ngô Thanh Tuấn:……… /10 Ngƣời nhận xét (Ký tên ghi rõ họ tên) LỜI CẢM ƠN Sau thời gian dài học tập nghiên cứu trƣờng, chúng em hồn thành khóa luận tốt nghiệp Lời chúng em xin đƣợc bày tỏ lòng biết ơn sâu sắc tới ThS Lê Hoài Nghĩa, khoa Kỹ Thuật Máy Tính trƣờng Đại Học Cơng Nghệ Thơng Tin – ĐHQGTPHCM, ngƣời tận tình hƣớng dẫn chúng em suốt thời gian làm khóa luận Chúng em xin cảm ơn khoa Kỹ Thuật Máy Tính trƣờng Đại Học Công Nghệ Thông Tin – ĐHQGTPHCM, cảm ơn thầy khoa tận tình giảng dạy, truyền đạt kiến thức quý báu năm học vừa qua, giúp chúng em có tảng kiến thức vững để thực khóa luận nhƣ nghiên cứu học tập sau TP Hồ Chí Minh, tháng 12 năm 2014 Đặng Văn Hùng Ngô Thanh Tuấn Mục lục CHƢƠNG : MỞ ĐẦU .1 1.1 Tên khóa luận 1.2 Lí Do Và Mục Đích Chọn Đề Tài 1.3 Đối Tƣợng Và Phạm Vi Nghiên Cứu CHƢƠNG 2:TỔNG QUAN VỀ ĐỀ TÀI 2.1 Lịch Sử Phát Triển 2.2 Trên Thế Giới 2.3 Trong nƣớc .5 2.4 Tổng kết chƣơng CHƢƠNG : XÂY DỰNG HỆ ĐIỀU HÀNH ANDROID TRÊN KIT FRIENDLY ARM 10 3.1 Giới thiệu KIT Friendly Arm Tiny 210 .10 3.2 Hệ điều hành nhúng Linux 12 3.3 Cài đặt Android KIT Friendly Arm Tiny210 V2 15 3.3.1 Sơ lƣợc hệ điều hành Android 15 3.3.2 Tải Superboot vào SD Card 17 3.3.3 Restore TF Card 23 3.3.4 Cấu hình file FriendlyARM.ini .24 CHƢƠNG 4: HỆ THỐNG NHẬN DIỆN BIỂN SỐ VÀ THÔNG TIN NGƢỜI DÙNG TRÊN ANDROID 28 4.1 Phát Hiện Và Định Vị Vùng Chứa Biển Số Xe 28 4.1.1 Đặc Trƣng Haar Like 28 4.1.2 Thuật toán AdaBoost 31 4.1.3 Mơ hình phân tầng Cascade 32 4.1.4 Hệ thống xác định vùng chứa biển số xe 34 4.1.5 Huấn luyện phân loại .35 4.2 Tách Ký Tự 39 4.2.1 Tiền Xử Lý Vùng Ảnh Chứa Biển Số 40 4.2.2 Xác Định Ngƣởng, Nhị phân hóa ảnh 41 4.2.3 Tách kí tự dựa đặc tính hình thái học 43 4.3 Nhận Dạng Ký Tự .45 4.3.1 Lịch sử phát triển mạng neural .45 4.3.2 Sơ lƣợc neural sinh học 48 4.3.3 So sánh mạng neural với máy tính truyền thống 50 4.3.4 Mạng Neural Nhân Tạo 50 4.3.5 Mạng neural Kohonen 55 4.3.6 Huấn Luyện Nhận Dạng Ký Tự 60 CHƢƠNG : HIỆN THỰC HỆ THỐNG TRÊN KIT FRIENDLY ARM 64 5.1 Tính ứng dụng 64 5.2 Cấu trúc ứng dụng .65 5.2.1 Phần Java Error! Bookmark not defined 5.2.2 Phần thƣ viện 66 5.2.3 Phần máy chủ - web service Error! Bookmark not defined 5.3 Các lớp ứng dụng .66 5.4 Chƣơng trình huấn luyện mạng Kohonen Error! Bookmark not defined 5.5 Hiệu chỉnh két dựa cú pháp Error! Bookmark not defined 5.6 Kết thực nghiệm 71 Bắt đầu Đã số chu kỳ xác định? N o Khởi tạo ngẫu nhiên ma trận trọng số Tính tốn sai số Kiểm tra sai số xem có mức chấp nhận đƣợc không? Gán ma trận trọng số thành ma trận trọng số tốt Y e s Nếu có ma trận trọng số tốt ma trận trọng số tốt nhất? Y e s N o N o Thực huấn luyện, điều chỉnh trọng số dựa vào nơron thắng Y e s Tính tốn lại tỉ lệ sai số, ghi lại giá trị đƣợc cải thiện N o Y e s Ma trận trọng số tốt chƣa? Y e s Cải thiện tỉ lệ sai số tầm thƣờng? Dừng Hình 4.21 Sơ đồ khối biểu diễn huấn luyện mạng neural Kohonen 63 N o CHƢƠNG : HIỆN THỰC HỆ THỐNG TRÊN KIT FRIENDLY ARM 5.1 Tính ứng dụng Ứng dụng đƣợc đặt tên CEPR với tính sau:  Chỉ nhƣng user đƣợc cấp quyền sử dụng ứng dụng, đăng nhập vào hệ thống để sử dụng database từ máy chủ Hình 5.1 : Giao diện Login ứng dụng  Thực thu nhận hình ảnh từ camera KIT Friendly Arm Tiny210  Phát vùng chứa biến số xe 64 Hình 5.2 : Phát vùng chứa biển số xe  Xử lý, nhận dạng biển số xe  Trích xuất thơng tin vùng miền, ngƣời dùng từ biển số xe vừa nhận dạng đƣợc Hình 5.3 : Trích xuất thơng tin vùng miền người dùng 5.2 Cấu trúc ứng dụng Ứng dụng ứng dụng sử dụng database đặt server nên cấu trúc ứng dụng có phần: phần server :web-service client: class , thƣ viện openCV activity tƣơng tác với ngƣời sử dụng 5.2.1 Server web-service Phần Java thực hầu hết công việc xử lý liệu gũi lên database ứng dụng Nó xử lý tác vụ tƣơng tác với database nhƣ: đăng nhập, nhận liệu biển số xe từ client gũi lên Sau xem xét yêu cầu gũi liệu liên quan nhƣ: thông tin tên, vùng, chứng minh nhân dân chủ biển số xe Bao gồm class sau: Index.php : class có chức nhận lệnh từ dƣới lên gũi liệu sau xử lý cơng việc xong, sau gọi hàm từ class tƣơng ứng để xử lý công việc Config.php: class chứa thông tin kết nối với database bao gồm: 65  DB_HOST: host sử dụng để lƣu trữ database nhóm sử dụng hostinger.vn  DB_user: username đăng nhập vào database tƣơng ứng  DB_password: mật đăng nhập vào database  DB_DATABASE: tên database DB_Connect.php: class thực thi kết nối với database thông qua tin class config.php DB_Functions.php: class chứa hàm truy xuất vào sở liệu, class phục vụ cho việc lấy liệu xuống client ứng dụng 5.2.2 Phần client Bao gồm thƣ viện openCV phục vụ cho trình tiền xử lý ảnh thu vào Và file java class thực tác vụ chƣơng trình: thu nhận hình ảnh từ camera, xử lý ảnh xuất biển số xe 5.3 Các lớp ứng dụng Trong phần này, nhóm em trình bày tổng quan lớp ứng dụng:  LoginActivity: Activity khởi chạy chƣơng trình, kiểm tra thiết bị có kết nối internet hay khơng, sau cho ngƣời dùng đăng nhập vào hệ thống  UserFuntions: class thực gũi nhận yêu cầu lên sỡ liệu  JSON parser: class định ngĩa lại đối tƣợng json, liệu truyển có dạng : nên phải định ngĩa lại đối tƣớng json Ngồi class cịn thực kết nối đối tƣợng json với URL cho trƣớc  Database Handler: tạo database ảo nhớ thiết bị database có trƣờng tên đăng nhập khơng có thơng tin khác Mục đích kiểm tra đăng nhập diện ngƣời dùng trình sử dụng tƣơng tác với database đặt server 66  IternetStatus: kiểm tra trạng thái kết nối internet thiết bị ứng dụng sử dụng database đặt server nên yêu cầu sử dụng ứng dụng thiết bị phải có kết nối Internet Nếu khơng kết nối internet, ứng dụng tự động đóng Hình 5.4 Kiểm tra trạng thái kết nối thiết bị Hình 5.5: Sơ đồ lớp loginActivity lớp liên quan 67  MainActivity: Đây Activity hiển thi sau ngƣời dùng đăng nhập tới máy chủ thành công MainActivity đƣợc dùng để khởi tạo thành phần ứng dụng nhƣ CameraPreview( hiển thị hình ảnh từ camera), PlateView( hiển thị kết từ q trình nhận dạng) Ngồi ra, MainActivity đảm nhận việc lấy liệu từ nhận dạng ký tự đƣợc huấn luyện trƣớc lấy liệu từ webservice hiển thị ứng dụng  CameraPreview: Thực chức hiển thị hình ảnh thu đƣợc từ camera hình theo thời gian thực Đồng thời truyền tải liệu hình ảnh cho PlateView xử lý việc nhận dạng dƣới dạng mảng byte  PlateView: Nạp phân loại dƣới dạng file xml thu đƣợc từ trình huấn luyện vào nhận dạng vùng chứa biển số ứng dụng Sau nhận đƣợc liệu hình ảnh dƣới dạng mảng byte từ CameraPreview, PlateView xử lý hình ảnh, sau nhận dạng vùng chƣa biển số Sau nhận dạng vùng chƣa biển số, PlateView nhận liệu (dƣới dạng tọa độ) thực cơng việc vẽ hình chữ nhật bao quanh vùng chƣa biển số hiển thị hình Bên cạnh đó, thực lớp OCRProc để bắt đầu trình nhận dạng ký tự biển số mới!  OCRProc: Đây coi lớp xử lý tồn ứng dụng Sau nhận đƣợc vùng chƣa biển số từ lớp PlateView, OCRProc tiến hành xử lý lại vùng để phân tách ký tự, sau chuyển đổi kí tự sau phân tách thành đầu vào mạng Kohonen, qua thu đƣợc kí tự đƣợc nhận dạng, truyền lại kết nhận dạng lại lớp PlateView để hiển thị Sau lấy liệu truyền lên Server để lấy thông tin vùng miền, cá nhân chủ nhân biển số nhận dạng đƣợc  Utilities: Lớp thực số chức tiện ích hỗ trợ cho ứng dụng nhƣ kiểm tra vùng chƣa biển số phát có phải biển số hay khơng Sau định dạng lại kết theo chuẩn quy định biển số Việt Nam … 68  BitmapWithCentroid: Do q trình phân tách kí tự ln trả vùng kí tự khơng theo trật tự định, nên để có kết ta cần thực xếp lại kí tự dựa điểm trọng tâm vùng chƣa nó, lớp BitmapWithCentroid đƣợc xây dựng để hỗ trợ việc Hình 5.6: Sơ đồ lớp MainActivity lớp liên quan Ngồi cịn có lớp mạng kohonen chƣơng trình huấn luyện mạng đƣợc thực dựa mã nguồn kèm Introduction to Neural Networks for Java tác giả Jeff Heaton [4] Khóa luận khơng sâu vào trình bày chi tiết phần mã nguồn chƣơng trình huấn luyện Có thể tìm đọc chƣơng 11 chƣơng 12, ấn thứ sách 69 Hình 5.7: sơ đồ lớp mạng kohonen Hiệu chỉnh kết dựa cú pháp Do vài nguyên nhân, trình nhận dạng kí tự đƣa lại kết chƣa thực xác, ví dụ nhƣ nhầm lẫn xảy với kí tự có hình dạng tƣơng đối giống nhƣ “B” “8”, “S” “5”, “G” “6” Thật may ta dựa vào quy định củađ ăng kí biển số xe Việt Nam để sửa lại nhầm lẫn kiểu này, cụ thể - Hai kí tự số - Hai kí tự kí tự nhóm phải kí tự chữ 70 - Bốn năm kí tự cuối phải số Sự hiệu chỉnh thực đơn giản cách thay trực tiếp kí tự có hìnhdạng giống vị trí kí tự số kí tự chữ Kết quảmang lại qua kiểm nghiệm, trình hiệu chỉnh đơn giản mang lại hiệu lớn,nâng cao đƣợc độ xác tồn q trình 5.4 Kết thực nghiệm Sau thực thành công ứng dụng KIT Friendly Arm Tiny 210 theo hƣớng tiếp cận nêu Sau khóa luận tiến hành thực nghiệm điện thoại SmartPhone có sử dụng hệ điều hành Android điều kiện khác kết thu đƣợc nhƣ sau Nhà xe Đại Học Công Nghệ Thông Tin : Số mẫu 100 biển số Q Trình Thành Cơng % Lỗi % Phát vùng biển số 97 Tác kí tự 97 Nhận dạng kí tự 95 Kết chung 89 11 Bảng 5.1: Kết thử nghiệm 5.5 Tổng kết chƣơng Sau thực hệ thống KIT Friendly Arm khởi chạy ứng dụng, việc nạp phân loại phát vùng chứa biển số xe mạng neural đƣợc huấn luyện Bộ nhận dạng dùng phân loại vừa đƣợc nạp phát vùng chứa biển số Ngay vùng chứa biển số đƣợc phát hiện, biển số đƣợc phát hiện, vùng chứa đƣợc đƣa qua xử lý để phân tách kí tự Các kí tự sau lại đƣợc chuẩn hóa làm đầu vào mạng neural Kohonen, mạng định xem kí tự Việc xếp lại kí tự đƣợc nhận dạng trả cho ứng dụng kết cuối hiển thị lên hình 71 Sau ứng dụng đƣợc thực thành cơng, Khóa luận thực thực nghiệm vài điều kiện định, kết đạt đƣợc độ xác tốc độ tƣơng đối cao, điều khẳng định hƣớng tiếp cận Khóa luận hƣớng tiếp cận hợp lý Nhƣng bên cạnh đó, điểm yếu khơng thể tránh khỏi, điều đƣợc trình bày chƣơng với hƣớng phát triển khóa luận 72 CHƢƠNG : TỔNG KẾT VÀ HƢỚNG PHÁT TRIỂN KHÓA LUẬN 6.1 Tổng kết Sau hồn thành khóa luận, nhóm em nắm bắt đƣợc mơ hình nhận dạng kí tự nói chung mơ hình nhận dạng biển số xe nói riêng Với kiến thức xử lý ảnh, mạng neural hệ thống xử lý android, khóa luận vận dụng xây dựng thành cơng chƣơng trình nhận dạng biển số KIT Friendly ARM sử dụng hệ điều hành android, kết bƣớc đầu tƣơng đối khả quan Chƣơng khái quát lại khóa luận đạt đƣợc đề hƣớng phát triển để đƣa hệ thống nhận dạng biển số KIT Friendly ARM đƣợc ứng dụng vào thực tế 6.2 Những kết đạt đƣợc - Nắm đƣợc quy trình chung xây dựng hệ thống nhận dạng biển số - Hiểu vận dụng trình tiền xử lý ảnh thu đƣợc từ camera KIT - Tìm hiểu khai thác đƣợc phần sức mạnh thƣ viện mã nguồn mở OpenCVtrong việc xử lý, phát vùng chứa biển số tách kí tự - Nắm đƣợc kiến thức mơ hình mạng neural cách thực mơ hình mạng neural thực tế - Nắm đƣợc khái niệm Android cách thức xây dựng ứng dụng android với công cụ phát triển Eclipse - Nắm đƣợc cách xây dựng database, truyền nhận liệu database thông qua web-service Về mặt thực nghiệm: - Xây dựng thành cơng mạng neural đơn giản, cài đặt thuật tốn huấn luyện mạng ứngdụng q trình nhận dạng kí tự 73 - Xây dựng thành công hệ thống nhận dạng biển số xe KIT Friendly ARM với kết khả khả quan Tóm lại, Khóa luận “Tìm hiểu phát triển ứng dụng nhận dạng biển số xe KIT Friendly ARM” sử dụng thƣ viện nguồn mở OpenCV kết hợp với mạng neural nhân tạo Kohonen đạt đƣợc kết hệ thống nhận dạng với tốc độ xử lý nhanh (thời gian đáp ứng trung bình khoảng 400ms kể từ phát vùng biển số) hiệu cao (trung bình 90% dƣới điều kiện), điều cho thấy hƣớng tiếp cận giải toán phù hợp 6.3 Hƣớng phát triển Bên cạnh kết đạt đƣợc, Khóa luận cịn có mặt hạn chế chƣa đƣợc giải hay đề cập tới, mục tiêu Khóa luận Những tính dƣới tiếp tục đƣợc phát triển với hy vọng đƣa hệ thống ứng dụng thực tiễn - Nâng cao tốc độ độ xác nhận dạng - Lƣu trữ địa điểm, thời gian biển số đƣợc nhận dạng - Nâng cấp sở liệu máy chủ để thu thập, lƣu trữ sử dụng kết chƣơng trình nhận dạng mang lại - Xây dựng hệ thống dị tìm phát biển số cần tìm kiếm, thơng báo máy chủ thơng tin vị trí mục tiêu tìm kiếm, phục vụ cho ngành tƣ pháp 74 TÀI LIỆU THAM KHẢO [1] Ed Burnette Hello, Android Introducing Google’s Mobile Development Platform Pragmatic Bookshelf, 2nd edition, 2009 41 [2] G Harman A case study on data interoperability for license plate recognition In Technologies for Homeland Security, 2008 IEEE Conference on, pages 237 –239, may 2008 [3] Yoav Freund and Robert E Schapire A decision-theoretic generalization of online learning and an application to boosting In Proceedings of the Second European Con-ference on Computational Learning Theory, EuroCOLT ’95, pages 23–37, London, UK, UK, 1995 Springer-Verlag [4] J Heaton Introduction to Neural Networks for Java, Second Edition Heaton Research, 2008 47 [5] J.S Kang, M.H Kang, C.H Park, J.H Kim, and Y.S Choi Implementation of em- bedded system for vehicle tracking and license plates recognition using spatial relative distance In Information Technology Interfaces, 2004 26th International Conference on, pages 167 –172 Vol.1, june 2004 [6] Chen Yuan-yuan and Li Jing A method of number-plate character recognition algo- rithm based on boosting classification In Communications and Mobile Computing, 2009 CMC ’09 WRI International Conference on, volume 3, pages 263 –267, jan 2009 [7] Andres Llana Wireless application protocol (wap) and mobile wireless access Infor- mation Systems Security, 11(3).14–21, 2002 [8] R.A Lotufo, A.D Morgan, and A.S Johnson Automatic number-plate recognition In Image Analysis for Transport Applications, IEE Colloquium on, pages 6/1 –6/6, feb 1990 75 [9] A Mutholib, T.S Gunawan, and M Kartiwi Design and implementation of automatic number plate recognition on android platform In Computer and Communication En- gineering (ICCCE), 2012 International Conference on, pages 540 –543, july 2012 [10] OndrejMartinsky Algorithmic and mathematical principles of automatic number plate recognition systems Master’s thesis, BRNO University of Technology, 2007 [11] M.R Lynch Practical automobile number plate recognition by linear weight neural networks In Toll Systems, IEE Colloquium on, pages 61 –63, oct 1992 [12] Constantine P Papageorgiou, Michael Oren, and Tomaso Poggio A general framework for object detection In Proceedings of the Sixth International Conference on Computer Vision, ICCV ’98, pages 555–, Washington, DC, USA, 1998 IEEE Computer Society [13] Paul Viola andMichael Jones Rapid object detection using a boosted cascade of simple features In Proceeding of Conference on Computer Vision and Pattern Recognition, pages 511–518, 2001 12 [14] Mke Rhead, Robert Gurney, Soodamani Ramalingam, and Neil Cohen Accuracy of automatic number plate recognition (anpr) and real world uk number plate problems In Security Technology (ICCST), 2012 IEEE International Carnahan Conference on, pages 286 –291, oct 2012 [15] A Sharma, A Dharwadker, and T Kasar Moblp A cc-based approach to vehicle license plate number segmentation from images acquired with a mobile phone camera In India Conference (INDICON), 2010 Annual IEEE, pages –4, dec 2010 [16] J Parker, R.V Kenyon, and D.E Troxel Comparison of interpolating methods for image resampling IEEE Trans Med Imaging, 2(1).31–9, 1983 76 [17] J Wang, D.H Wang, and S Chen Map matching algorithm based on mobile phone location In Intelligent Computation Technology and Automation (ICICTA), 2011 In- ternational Conference on, volume 1, pages 676 –679, march 2011 [18] Paul Viola andMichael Jones Robust real-time object detection International Journal of Computer Vision, 57(2).137–154, 2002 [19] Rainer Lienhart and Jochen Maydt An extended set of haar-like features for rapid object detection In IEEE ICIP 2002, pages 900–903, 2002 77 ... CƠNG NGHỆ THƠNG TIN KHOA KỸ THUẬT MÁY TÍNH ĐẶNG VĂN HÙNG – 10520070 NGÔ THANH TUẤN - 10520456 KHÓA LUẬN TỐT NGHIỆP NHẬN DẠNG BIỂN SỐ XE MÁY TRÊN KIT FRIENDLY ARM TINY210 VƠI HỆ ĐIỀU HÀNH ANDROID. .. Hạnh Phúc CÔNG NGHỆ THÔNG TIN TP HCM, ngày… tháng… năm…… NHẬN XÉT KHÓA LUẬN TỐT NGHIỆP Tên khóa luận: NHẬN DẠNG BIỂN SỐ XE MÁY TRÊN KIT FRIENDLY ARM TINY210 VƠI HỆ ĐIỀU HÀNH ANDROID Cán hƣớng... THÔNG TIN TP HCM, ngày… tháng… năm…… NHẬN XÉT KHÓA LUẬN TỐT NGHIỆP Tên khóa luận: NHẬN DẠNG BIỂN SỐ XE MÁY TRÊN KIT FRIENDLY ARM TINY210 VƠI HỆ ĐIỀU HÀNH ANDROID Cán hƣớng dẫn/phản biện: Nhóm