Xây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minh

70 1.1K 3
Xây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minh

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Xây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minhXây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minhXây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minhXây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minhXây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minhXây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minhXây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minhXây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minhXây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minhXây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minhXây dựng ứng dụng phân tích lưu lượng xe trong hệ thống giao thông thông minh

i LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng Các số liệu, kết nêu luận văn trung thực chƣa đƣợc công bố công trình khác TP Hồ Chí Minh, ngày 20 tháng năm 2016 Học viên thực luận văn Trƣơng Minh Trung ii LỜI CẢM ƠN Để hoàn thành đƣợc luận văn này, nghiên cứu cố gắng thân, em xin gửi lời cảm ơn sâu sắc tới Tiến sĩ Ngô Quốc Việt, giáo viên trực tiếp hƣớng dẫn, tận tình bảo định hƣớng cho em suốt trình nghiên cứu thực luận văn Em xin chân thành cảm ơn, Ban Giám đốc, Ban chủ nhiệm Khoa Sau Đại học Khoa Công nghệ Thông tin, Thầy, Cô giảng dạy quản lý đào tạo suốt năm theo học Học viện Công nghệ Bƣu Viễn thông Cuối cùng, em xin gửi lời cảm ơn tới gia đình, bạn bè ngƣời bên cổ vũ tinh thần, tạo điều kiện thuận lợi để em học tập tốt hoàn thiện luận văn Em xin chân thành cảm ơn! TP Hồ Chí Minh, ngày 20 tháng năm 2016 Học viên thực luận văn Trƣơng Minh Trung iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT vi DANH SÁCH BẢNG vii DANH SÁCH HÌNH VẼ viii MỞ ĐẦU .1 Chƣơng - TỔNG QUAN NGHIÊN CỨU 1.1 Giới thiệu hệ thống giám sát thông minh 1.2 Một số hệ thống giám sát giao thông ứng dụng công nghệ xử lý ảnh giới 1.3 Một số hệ thống giám sát giao thông ứng dụng công nghệ xử lý ảnh Việt Nam 1.4 Giới thiệu toán phân tích lƣu lƣợng xe .8 1.5 Kết chƣơng 11 Chƣơng - CƠ SỞ LÝ THUYẾT 12 2.1 Các khái niệm 12 2.1.1 Video 12 2.1.2 Xử lý ảnh video 12 2.1.3 Bộ lọc hình thái (Morphology Filter) .14 2.2 Phát theo vết đối tƣợng chuyển động .15 2.2.1 Phát đối tƣợng chuyển động .16 2.2.2 Theo vết đối tƣợng chuyển động 19 iv 2.3 Một số phƣơng pháp phát đối tƣợng chuyển động 20 2.3.1 Phƣơng pháp trừ 20 2.3.2 Phƣơng pháp Frame Difference .21 2.3.3 Phƣơng pháp Temporal Median Filter .23 2.3.4 Phƣơng pháp Gaussian Mixture Model 24 2.4 Giải toán phát đối tƣợng chuyển động .29 2.5 Kết chƣơng 32 Chƣơng - PHÂN TÍCH LƢU LƢỢNG XE 33 3.1 Ƣớc lƣợng số lƣợng phƣơng tiện giao thông 33 3.1.1 Giới thiệu toán 33 3.1.2 Thuật toán đếm xe 35 3.2 Xác định vận tốc trung bình dòng xe 35 3.2.1 Tính vận tốc xe 35 3.2.2 Tính vận tốc trung bình dòng xe 37 3.2.3 Thuật toán tính vận tốc trung bình dòng xe .38 3.3 Xác định mật độ dòng xe 38 3.3.1 Tính mật độ dòng xe .38 3.3.2 Thuật toán đánh giá mật độ xe 40 3.4 Giải toán nhận dạng theo vết chuyển động xe .40 3.4.1 Khái quát toán nhận dạng theo vết đối tƣợng 41 3.4.2 Nhận dạng xe dựa kích thƣớc đƣờng bao đối tƣợng 42 3.4.3 Theo vết chuyển động xe tính lƣu lƣợng xe 43 3.5 Kết chƣơng 46 Chƣơng - THỰC NGHIỆM VÀ ĐÁNH GIÁ 47 v 4.1 Kết đạt đƣợc qua thực nghiệm 47 4.1.1 Môi trƣờng liệu thực nghiệm 47 4.1.2 Kết thực nghiệm đếm số lƣợng xe .48 4.1.3 Kết thực nghiệm tính vận tốc dòng xe .50 4.1.4 Kết thực nghiệm tính mật độ dòng xe .53 4.2 Đánh giá kết .54 4.2.1 Đánh giá kết đếm số lƣợng xe 54 4.2.2 Đánh giá kết tính vận tốc dòng xe .55 4.2.3 Đánh giá kết tính mật độ dòng xe 56 4.3 Kết chƣơng 56 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 57 Kết luận 57 Hƣớng phát triển 58 DANH MỤC TÀI LIỆU THAM KHẢO 59 vi DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT Viết tắt Tiếng Anh Tiếng Việt 2D Dimension chiều 3D Dimension chiều OpenCV Open Computer vision WADS TRIP Wide Area Detection System Thƣ viện mã nguồn mở thị giác máy tính Hệ thống phát phạm vi rộng Traffic Research using Hệ thống đánh giá giao thông phƣơng Image Processing pháp xử lý ảnh vii DANH SÁCH BẢNG Bảng 4.1: Bảng kết đếm số lƣợng xe video01 48 Bảng 4.2: Bảng kết đếm số lƣợng xe video02 49 Bảng 4.3: Bảng kết đếm số lƣợng xe video03 49 Bảng 4.4: So sánh ảnh hƣởng mật độ đến kết đếm xe 50 viii DANH SÁCH HÌNH VẼ Hình 1.1: Hệ thống giám sát giao thông hãng IBM Hình 1.2: Sơ đồ khối thiết kế hệ thống phân tích lƣu lƣợng xe Hình 2.1: Cấu trúc đoạn video 12 Hình 2.2: Sơ đồ hệ thống xử lý ảnh video tổng quát 12 Hình 2.3: Hình minh hoạ hiệu ứng Dilation thao tác Hit 14 Hình 2.4: Hình minh hoạ hiệu ứng Erosion thao tác Fit 14 Hình 2.5: Sơ đồ khối Hệ thống theo vết đối tƣợng chuyển động 16 Hình 2.6: Tổng quan khối xử lý toán phát đối tƣợng 16 Hình 2.7: Hình minh hoạ bƣớc phƣơng pháp trừ 21 Hình 2.8: Hình minh hoạ bƣớc phƣơng pháp sai khác ảnh 23 Hình 2.9: Ví dụ mô hình Temporal Median Filter 24 Hình 2.10: Phát đối tƣợng chuyển động mô hình hỗn hợp Gaussian 26 Hình 2.11: Phát điểm ảnh thuộc mô hình Gaussian 27 Hình 2.12: Sơ đồ khối phƣơng pháp Gaussian Mixture Model 28 Hình 2.13: Hình minh hoạ kết phát đối tƣợng phƣơng pháp Gaussian Mixture Model 29 Hình 2.14: Sơ đồ phát đối tƣợng chuyển động phƣơng pháp Frame Difference 29 ix Hình 2.15: Hình minh hoạ mặt nạ đối tƣợng chuyển động phát phƣơng pháp Frame Difference 31 Hình 3.1: Sơ đồ phƣơng pháp đếm xe đề xuất 33 Hình 3.2: Mô tả vạch ảo(Counting line) đƣợc sử dụng để đếm xe 34 Hình 3.3: Mô tả vùng quan sát để tính tốc độ xe 36 Hình 3.4: Mô tả kích thƣớc vạch kẻ đƣờng, đơn vị tính mét 36 Hình 3.5: Hình minh họa tính diện tích chiếm dụng mặt đƣờng xe 38 Hình 3.6: Sơ đồ thuật toán theo vết, tính lƣu lƣợng xe 43 Hình 4.1: Các video đƣa vào thực nghiệm 47 Hình 4.2: Kết thực nghiệm đếm xe chƣơng trình 48 Hình 4.3: Kết thực nghiệm tính vận tốc dòng xe video01 51 Hình 4.4: Kết thực nghiệm tính vận tốc dòng xe video03 52 Hình 4.5: Kết thực nghiệm tính mật độ dòng xe video01 53 Hình 4.6: Kết thực nghiệm tính mật độ dòng xe video03 54 MỞ ĐẦU Trong năm gần đây, với phát triển kinh tế - xã hội, nhiều công trình giao thông đƣợc xây dựng khắp Việt Nam để phục vụ nhu cầu lại nhân dân, đồng thời đáp ứng gia tăng không ngừng số lƣợng phƣơng tiện tham gia giao thông Chúng ta phải đối mặt với vấn đề cấp bách giao thông, đặc biệt tai nạn giao thông, ùn tắc giao thông thành phố lớn nhƣ Hà Nội Thành phố Hồ Chí Minh Để giải vấn đề này, cố gắng bƣớc xây dựng hệ thống giao thông đồng ứng dụng khoa học kỹ thuật hệ thống điều khiển giao thông Hiện nay, giới hệ thống giám sát thông minh hình ảnh đƣợc phát triển chứng minh đƣợc hiệu định số lĩnh vực nhƣ giám sát hoạt động ngƣời, giám sát giao thông, Nhiều hệ thống đƣợc nghiên cứu phát triển, ví dụ nhƣ hệ thống giám sát giao thông cho biết đƣợc số lƣợng phƣơng tiện lƣu thông qua đoạn đƣờng, thông tin tốc độ, đƣờng phƣơng tiện Tuy nhiên, hệ thống gặp phải số khó khăn nhƣ hiệu việc quan sát phụ thuộc vào điều kiện môi trƣờng quan sát, kiểu chuyển động đối tƣợng hay lý khách quan khác Vì vậy, hệ thống đƣợc nhiều nhà khoa học,trung tâm nghiên cứu giới Việt Nam quan tâm phát triển Xuất phát từ thực tế trên, việc nghiên cứu đƣa giải pháp phân tích lƣu lƣợng, mật độ xe giao lộ hình ảnh thu đƣợc từ camera, hỗ trợ việc điều khiển tín hiệu đèn giao thông vô thiết thực Đƣợc hƣớng dẫn TS Ngô Quốc Việt tiến hành nghiên cứu đề tài “Xây dựng ứng dụng phân tích lƣu lƣợng xe hệ thống giao thông thông minh” Việc lựa chọn đề tài với mục đích sau: Nghiên cứu phƣơng pháp tiền xử lý xử lý video nhằm xác định đối tƣợng chuyển động, kỹ thuật xử lý xác định lƣu lƣợng mật độ, ƣớc lƣợng vận 47 Chƣơng - THỰC NGHIỆM VÀ ĐÁNH GIÁ 4.1 Kết đạt đƣợc qua thực nghiệm 4.1.1 Môi trường liệu thực nghiệm Ứng dụng đƣợc xây dựng tảng c++ thƣ viện xử lý ảnh mã nguồn mở Opencv Thực nghiệm đƣợc thực máy tính trang bị CPU IntelI CoreI i5-2410M Cpu @ 2.30GHz 2.30 GHz, RAM 4GB, hệ điều hành Windows Dữ liệu thực nghiệm bao gồm video tác giả luận văn tự quay Các video đƣợc quay từ camera cố định điều kiện ánh sáng trời ban ngày bình thƣờng(độ sáng tiêu chuẩn bình thƣờng) Tên: video01 Tên: video02 Tên: video03 Thời gian: 32s; Thời gian: 1m13s; Thời gian: 2m20s; Kích thƣớc: 640x360; Kích thƣớc: 640x360; Kích thƣớc: 640x360; Frame rate: 30 frame/s; Frame rate: 30 frame/s; Frame rate: 30 frame/s; Mật độ: Thấp, xe rời Mật độ: trung bình, có Mật độ: cao, có nhiều xe rạc vài xe chồng lấp bị chồng lấp Hình 4.1: Các video đƣa vào thực nghiệm 48 4.1.2 Kết thực nghiệm đếm số lượng xe Hình 4.2: Kết thực nghiệm đếm xe chƣơng trình Trong phần thực nghiệm đếm số lƣợng xe phƣơng pháp quan sát đƣợc sử dụng để đánh giá độ xác Số liệu đầu phần mềm đƣợc so sánh với số liệu quan trắc thủ công thực tế Thực nghiệm đoạn video01: thời gian:32s; kích thƣớc: 640x360; frame rate: 30 frame/s; mật độ xe: thấp, xe rời rạc với ngƣỡng trừ T đƣợc chọn 20, ngƣỡng chiều rộng phân loại xe TW = 40, ngƣỡng diện tích TA = 200 Bảng 4.1: Bảng kết đếm số lƣợng xe video01 Tổng số xe Xe lớn (ô tô) Xe nhỏ (xe máy) Thực tế 12 11 Phần mềm 12 11 100% 100% 100% 0% 0% 0% Độ xác Sai số Thực nghiệm đoạn video02: thời gian: 1m13s; kích thƣớc: 640x360; frame rate: 30 frame/s; mật độ xe: trung bình xe tƣơng đối rời rạc có vài xe 49 bị chồng lấp với ngƣỡng trừ T đƣợc chọn 20, ngƣỡng chiều rộng phân loại xe TW = 40, ngƣỡng diện tích TA = 200 Kết phần mềm đếm tổng số lƣợng xe với độ xác 97.5%(Phần mềm đếm 81 xe 79 xe thực tế), đếm ô tô với độ xác 96%(phần mềm đếm đƣợc 26 xe 25 xe thực tế) đếm số lƣợng xe máy với độ xác 98.2%(phần mềm đếm đƣợc 55 xe máy 54 xe máy thực tế) Bảng 4.2: Bảng kết đếm số lƣợng xe video02 Tổng số xe Xe lớn (ô tô) Xe nhỏ (xe máy) Thực tế 79 25 54 Phần mềm 81 26 55 Độ xác 97.5% 96% 98.2% Sai số 2.5% 4% 1.8% Thực nghiệm đoạn video03: thời gian: 2m20s; kích thƣớc: 640x360; frame rate: 30 frame/s; mật độ xe: cao, có số xe bị chồng lấp với ngƣỡng trừ T đƣợc chọn 20, ngƣỡng chiều rộng phân loại xe TW = 40, ngƣỡng diện tích TA = 200 Bảng 4.3: Bảng kết đếm số lƣợng xe video03 Tổng số xe Xe lớn (ô tô) Xe nhỏ (xe máy) Thực tế 146 56 90 Phần mềm 128 53 75 Độ xác 87.7% 94.7% 83.4% Sai số 12.3% 5.3% 16.6% 50 Bảng 4.4: So sánh ảnh hƣởng mật độ đến kết đếm xe Dữ liệu video01 video02 video03 Mật độ xe Thấp, xe rời rạc Trung bình, có vài xe chồng lấp Cao, có nhiều xe bị chồng lấp Thực tế Phần đếm mềm đếm Độ tổng số tổng số xác xe xe 12 12 100% 0% 79 81 97.5% 2.5% 146 128 87.7% 12.3% Sai số 4.1.3 Kết thực nghiệm tính vận tốc dòng xe Thực nghiệm đoạn video01: thời gian:32s; kích thƣớc: 640x360; frame rate: 30 frame/s; mật độ xe: thấp, xe rời rạc sử dụng chiều dài vùng quan sát thực nghiệm 10m(chiều dài vạch kẻ đƣờng mét khoảng cách vạch kẻ đƣờng mét) Thực nghiệm tính vận tốc dòng xe đƣợc thực video03, thời gian: 2m20s; kích thƣớc: 640x360; frame rate: 30 frame/s; mật độ xe: cao, có số xe bị chồng lấp sử dụng chiều dài vùng quan sát thực nghiệm 10m(chiều dài vạch kẻ đƣờng mét khoảng cách vạch kẻ đƣờng mét) Hình 4.3: Kết thực nghiệm tính vận tốc dòng xe video01 51 Hình 4.4: Kết thực nghiệm tính vận tốc dòng xe video03 52 53 4.1.4 Kết thực nghiệm tính mật độ dòng xe Trong thực nghiệm giá trị ngƣỡng để xếp loại mật độ đƣợc xác định nhƣ sau: Tmin_low = 0, Tmax_low = 20 Tmin_ medium = 21, Tmax_medium = 50 Tmin_high = 51 , Tmax_high = 70 Tmin_veryhigh = 71 ; Tmax_veryhigh = 100 Kết thực nghiệm đoạn video01: thời gian:32s; kích thƣớc: 640x360; frame rate: 30 frame/s; mật độ xe: thấp, xe rời rạc Hình 4.5: Kết thực nghiệm tính mật độ dòng xe video01 54 Thực nghiệm tính mật độ dòng xe đƣợc thực video03, thời gian: 2m20s; kích thƣớc: 640x360; frame rate: 30 frame/s; mật độ xe: cao Hình 4.6: Kết thực nghiệm tính mật độ dòng xe video03 4.2 Đánh giá kết 4.2.1 Đánh giá kết đếm số lượng xe Tại bảng 4.1 thực nghiệm video01 với mật độ xe video thấp xe rời rạc không chồng lấp kết phần mềm đếm tổng số lƣợng xe với độ xác 100% (Phần mềm đếm đƣợc 12 xe 12 xe thực tế), đếm số lƣợng xe lớn(ô tô) với độ xác 100% (phần mềm đếm đƣợc xe xe thực tế) đếm số lƣợng xe máy với độ xác 100% (phần mềm đếm đƣợc 11 xe máy 11 xe máy thực tế) Tại bảng 4.2 thực nghiệm video02 với mật độ xe video trung bình có vài xe chồng lấp kết phần mềm đếm tổng số lƣợng xe với độ xác 97.5%(Phần mềm đếm 81 xe 79 xe thực tế) sai số 2.5%, đếm ô tô với độ xác 96%(phần mềm đếm đƣợc 26 xe 25 xe thực tế) sai số 4% đếm số 55 lƣợng xe máy với độ xác 98.2%(phần mềm đếm đƣợc 55 xe máy 54 xe máy thực tế) sai số 1.8% Tại bảng 4.3 thực nghiệm video03 với mật độ xe video cao có nhiều xe chồng lấp kết phần mềm đếm tổng số lƣợng xe với độ xác 87.7%(phần mềm đếm đƣợc 128 xe 146 xe thực tế) sai số 12.3%, đếm số lƣợng ô tô với độ xác 94.7%(phần mềm đếm đƣợc 53 xe 56 xe thực tế) sai số 5.3% đếm số lƣợng xe máy với độ xác 83.4%(phần mềm đếm đƣợc 75 xe máy 90 xe máy thực tế) sai số 16.6% Tại bảng 4.4 ta tiến hành so sánh kết đếm xe video: video01, video02 video03 ta thấy mật độ xe tăng cao số lƣợng xe bị chồng lấp tăng lên ảnh hƣởng đến độ xác việc đếm xe, xe không chồng lấp lên độ xác lên tới 100%, mật độ xe tăng lên, xe có chồng lấp bóng xe làm chồng chấp, thuật toán tách khối chồng lấp chƣa đƣợc áp dụng, dẫn đến sai số tăng lên Số lƣợng xe đếm đƣợc hệ thống có xu hƣớng thấp số lƣợng thực tế, lý do xe nhỏ(xe máy, xe đạp) chồng lấp vào tạo thành khối hệ thống hiểu sai xe lớn(ô tô, xe tải) Các vấn đề xe chồng lấp khắc phục cách áp dụng thuật toán xử lý bóng xe, tách khối 4.2.2 Đánh giá kết tính vận tốc dòng xe Quan sát hình 4.3 thực nghiệm tính tốc độ video01 có mật độ xe thấp ta thấy chức tính vận tốc dòng xe hoạt động tốt, tất xe qua vùng quan sát đƣợc tính vận tốc vận tốc trung bình dòng xe đƣợc ƣớc lƣợng 25,24 km/h Quan sát hình 4.4 thực nghiệm tính tốc độ video03 có mật độ xe cao ta thấy chức tính vận tốc dòng xe hoạt động tốt, hầu hết xe qua vùng quan sát đƣợc tính vận tốc vận tốc trung bình dòng xe đƣợc ƣớc lƣợng 43,20 km/h Do video03 có mật độ xe cao xe có tƣợng 56 chồng lấp lên có tƣợng vài xe không đƣợc tính vận tốc chồng lấp nhiên quan tâm đến vận tốc trung bình dòng xe nên tƣợng vài xe không đƣợc tính vận tốc không ảnh hƣởng nhiều đến kết vận tốc trung bình dòng xe 4.2.3 Đánh giá kết tính mật độ dòng xe Quan sát hình 4.5 đƣợc thực nghiệm video01 mật độ xe thấp hình 4.6 thực nghiệm video03 có mật độ xe cao, ta thấy chức tính mật độ dòng xe hoạt động tốt, mật độ trung bình dòng xe đƣợc tính toán cập nhật theo thời gian thực, số lƣợng xe vào vùng quan sát tăng lên mật độ dòng xe tăng lên tƣơng ứng Khi số lƣợng phƣơng tiện tăng lên xe có tƣợng chồng lấp lên kết việc tính toán mật độ dòng xe bị ảnh hƣởng mật độ dòng xe đƣợc tính cách lấy giá tỉ số tổng số điểm ảnh thuộc tất đối tƣợng xe tổng số điểm mặt đƣờng nên xe có tƣợng chồng lấp tỉ số bị thay đổi Việc xác định ngƣỡng để xếp loại mật độ dòng xe quan trọng ảnh hƣởng đến kết xếp loại mật độ dòng xe, ngƣỡng phân loại đƣợc xác định cách thực nghiệm nhiều lần nhiều mẫu video khác để tìm ngƣỡng phân loại phù hợp 4.3 Kết chƣơng Chƣơng trình bày môi trƣờng diệu video thực nghiệm, ngôn ngữ sử dụng xây dựng chƣơng trình thực nghiệm, tiến hành thực nghiệm so sánh đánh giá kết thực nghiệm 57 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN Kết luận Luận văn tập trung nghiên cứu, tìm hiểu giải vấn đề phát đối tƣợng chuyển động, nhận dạng theo vết đối tƣợng chuyển động từ tiến hành đếm số lƣợng xe, vận tốc dòng xe, mật độ dòng xe Về toán phát đối tƣợng chuyển động, luận văn nêu tổng quát cách thức phát đối tƣợng chuyển động trong video Cùng với đó, luận văn đƣa bốn phƣơng pháp để phát đối tƣợng chuyển động là: phƣơng pháp trừ nền, phƣơng pháp Frame Difference, phƣơng pháp Temporal Median Filter phƣơng pháp Gaussian Mixture Model Nghiên cứu lọc hình thái hữu ích việc xử lý kết phát chuyển động mặt nạ đối tƣợng chuyển động xác Về toán phân tích lƣu lƣợng xe luận văn tìm hiểu cách thức nhận dạng theo vết đối tƣợng chuyển động, đề xuất đếm số lƣợng xe cách sử dụng vạch ảo(Counting line) đƣờng vị trí tại, vị trí trƣớc xe Tính vận tốc xe cách dựa vào thời gian xe di chuyển qua vùng quan sát chiều dài vùng quan sát đƣợc xác định trƣớc theo mét Mật độ xe đƣợc ƣớc lƣợng cách đánh giá tỉ số tổng số điểm ảnh thuộc tất đối tƣợng xe tổng số điểm ảnh mặt đƣờng Xét mặt thực tiễn luận văn hoàn thành mục tiêu đặt nhƣ: xây dựng thành công chƣơng trình thực nghiệm xử lý kết đếm số lƣợng loại xe, xác định vận tốc dòng xe, mật độ dòng xe đánh giá kết đạt đƣợc Đồng thời luận văn góp phần hệ thống hóa kỹ thuật, phƣơng pháp phát hiện, nhận dạng theo vết đối tƣợng, dựa kỹ thuật có luận văn nêu giải pháp để phân tích lƣu lƣợng xe tuyến đƣờng, từ góp phần tạo tiền đề cho nghiên cứu nhận dạng giám sát giao thông dựa thị giác máy tính tƣơng lai 58 Chƣơng trình phân tích lƣu lƣợng xe luận văn sau xây dựng hoàn thiện ứng dụng hệ thống giám sát giao thông, hệ thống phân tích lƣu lƣợng, mật độ, vận tốc xe tuyến đƣờng hỗ trợ cho hệ thống điều khiển đèn giao thông thông minh dựa theo thông tin lƣu lƣợng phƣơng tiện tham gia giao thông Hƣớng phát triển Trong tƣơng lai luận văn tiếp tục nghiên cứu theo hƣớng nhận dạng phƣơng tiện điều kiện ánh sáng khác nhau(Sƣơng mù, mƣa, ban đêm, ) từ giúp việc phân tích lƣu lƣợng xe tốt bị ảnh hƣởng điều kiện ánh sáng môi trƣờng Nghiên cứu thuật toán xử lý bóng, thuật toán xử lý đối tƣợng chồng lấp nhằm tăng độ xác việc phân tích lƣu lƣợng xe 59 DANH MỤC TÀI LIỆU THAM KHẢO [1] Nguyễn Văn Căn, Nguyễn Tiên Hƣng, Dƣơng Phú Thuần, Nguyễn Đăng Tiến (2015), “Phƣơng pháp phân loại nhanh phƣơng tiện giao thông dựa đƣờng viền”, Trường Đại học Kỹ thuật – Hậu cần CAND, Kỷ yếu hội nghị Fair [2] Lê Hùng Lân cộng (2005), Nghiên cứu ứng dụng công nghệ Thông tin Tự động hoá quản lý điều hành giao thông đô thị, Trƣờng Đại học giao thông vận tải [3] Ngô Quốc Tạo, Nguyễn Văn Căn, Huỳnh Văn Huy (2014), “Nghiên cứu phƣơng pháp đếm xe ô tô sử dụng mô hình Gaussion luồng quang học”, Hội nghị Quốc gia lần thứ Nghiên cứu ứng dụng Công Nghệ thông tin (FAIR) [4] Tổng Cục Đƣờng Việt Nam (2012), Quy chuẩn kỹ thuật quốc gia báo hiệu đường bộ, 187 trang [5] Chung-cheng chiu, Min-yu ku Chun-yi wang (2010), “Automatic Traffic Surveillance System for VisionBased Vehicle Recognition and Tracking”, Journal of Information Science And Engineering 26, 611629 [6] Yi˘githan Dedeo˘glu (2004), Moving object detection, tracking and classification for smart video surveillance, A thesis submitted to the department of computer engineering and the institute of engineering and science of bilkent university in partial fulfillment of the requirements for the degree of master of science [7] Kinjal A Joshi, Darshak G Thakore (2012), “A Survey on Moving Object Detection and Tracking in Video Surveillance System”, International Journal of Soft Computing [8] Lo, BPL and Velastin, SA (2001), “Automatic congestion detection system for underground platforms”, Intelligent Multimedia, Video and Speech 60 Processing, Proceedings of 2001 International Symposium on [9] S V Mashak, B Hosseini, M Mokji, “Background Subtraction for Object Detection Under Varying Environments”, in International Conference of Soft Computing [10] Moeslund, T B (2012) Introduction to video and image processing: Building real systems and applications, Springer [11] Fatih Porikli, Alper Yilmaz (2012), Object Detection and Tracking, Springer Berlin Heidelberg, pp 3-4 [12] Rout, R K (2013) A survey on object detection and tracking algorithms, Department of Computer Science and Engineering National Institute of Technology Rourkela India [13] Chris Stauffer, W.E.L Grimson (1999), “Adaptive background mixture models for real-time tracking”, Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Vol [14] Guohui Zhang, Ryan P Avery, Yinhai Wang, Ph.D (2007), “A Videobased Vehicle Detection and Classification System for Real-time Traffic Data Collection Using Uncalibrated Video Cameras”, TRB(Transportation Research Board) Annual Meeting [15] Phí Văn Lâm (2015), Ứng dụng phép xạ ảnh việc xác định tốc độ dòng giao thông Việt Nam, [Online] Available: http://www.tapchigiaothong.vn/ung-dung-phep-anh-xa-anh-trong-viecxac-dinh-toc-do-cua-dong-giao-thong-tai-vn-d1975.html [16] Nguyễn Toàn Thắng (2015), Hệ thống giám sát xử lý vi phạm TTATGT hình ảnh, [Online] Available: http://www.tapchigiaothong.vn/nghien-cuu-xay-dung-he-thong-giamsat-va-xu-ly-vi-pham-ttatgt-bang-hinh-anh-tren-he-thong-giao-thongduong-bo-d18117.html 61 [...]... giao thông ứng dụng công nghệ xử lý ảnh ở Việt Nam Sản phẩm nghiên cứu của Đề tài KC.03.21 “Nghiên cứu ứng dụng công nghệ Thông tin và Tự động hoá trong quản lý điều hành giao thông đô thị” [2], hệ thống giám sát giao thông tự động bằng công nghệ xử lý ảnh đƣợc phát triển với mục đích thử nghiệm bƣớc đầu trong việc áp dụng công nghệ thông tin vào giám sát giao thông Hệ thống đƣợc xây dựng bao gồm một... nghệ mới vẫn đang đƣợc tiến hành nhằm đáp ứng đƣợc yêu cầu về một hệ thống giám sát thông minh hoàn thiện nhất 1.2 Một số hệ thống giám sát giao thông ứng dụng công nghệ xử lý ảnh trên thế giới Hệ thống giám sát giao thông của hãng IBM: là phần mềm giám sát giao thông thời gian thực của hãng IBM đƣợc phát triển tại trung tâm nghiên cứu IBM do Belle L Tseng, Ching-Ịung Lin và John R Smith chủ trì Hệ thống. .. những hệ thống ứng dụng phƣơng pháp xử lý ảnh trong giám sát giao thông sớm nhất Hệ 6 thống đƣợc thiết kế chủ yếu để đếm số phƣơng tiện giao thông đi trên đƣờng cao tốc Hệ thống Sample Points - Nhật bản: đƣợc phát triển tại Nhât bản từ đầu những năm 1980 có tên gọi là Sample Points Mỗi điểm mẫu có khả năng phát hiện một đối tƣợng xe và bằng cách đặt vị trí của một điểm mẫu trên mỗi làn đƣờng giao thông, ... Tiền Phân Biểu Phân ảnh xử lý đoạn diễn lớp Hình 2.2: Sơ đồ hệ thống xử lý ảnh và video tổng quát 13 Sơ đồ của hệ thống xử lý ảnh và video tổng quát đƣợc giới thiệu trong hình 2.2 phù hợp với hầu hết các ứng dụng trong lĩnh vực này Trong một số hệ thống đặc biệt có thể bỏ bớt một số khối trong sơ đồ trên [10] Thu nhận ảnh: các thao tác liên quan đến camera và các thao tác liên quan đến thiết lập hệ thống. .. tốc của xe 7 Khi so sánh kết quả thử nghiệm của hệ thống với việc quan sát trực tiếp của ngƣời, tì lệ lỗi thu đƣợc khi đếm xe là 4% trong điều kiện ánh sáng tốt và 10% trong điều kiện mây, mƣa Quá trình đo tốc độ của xe cũng đƣợc so sánh với phƣơng pháp đo của thiết bị cảm ứng rađa và thu đƣợc tì lệ lỗi là 2% trong điều kiện thời tiết tốt Hệ thống IMPACTS – Anh: là một hệ thống giám sát giao thông đƣợc... hay bắt bám từng đối tƣợng xe mà nó cung cấp một mô tả về phân bố không gian giữa các vùng chuyển động và các vùng không chuyển động trong ảnh giao thông Hệ thống chia ảnh giao thông ra làm một số các ô, mỗi ô có chiều rộng xấp xỉ chiều rộng của làn đƣờng giao thông và chiều dài bằng chiều của ô tô Mỗi ô sẽ có thể có một trong ba trạng thái: không có xe, xe đang đỗ hoặc xe đang chuyển động Các ô mà... nhóm sau: xe lớn (xe tải, xe bus, xe ôtô con) và xe nhỏ (xe máy và xe đạp) Nhƣ vậy, chức năng nhận dạng đã thực hiện nhiệm vụ thu thập thông tin về thành phần, mật độ của dòng xe Theo vết đối tƣợng xe đó là công việc đƣa ra một chuỗi các hành vi của đối tƣợng xe chuyển động trong một thời gian từ các khung hình thu đƣợc, việc theo vết đối tƣợng trong bài toán này có mục đích: tính vận tốc xe và loại... một xe bị đếm nhiều lần Kết quả bài toán theo vết đối tƣợng cho ta các thông tin về vị 11 trí, số lƣợng, tốc độ chuyển động của từng xe trong vùng quan sát, thực hiện một số phép toán thống kê đơn giản trên tập dữ liệu này ta sẽ có thông tin về tốc độ chuyển động trung bình của dòng xe 1.5 Kết chƣơng Chƣơng này trình bày tổng quan các nghiên cứu và các hệ thống giám sát giao thông ứng dụng công nghệ... lƣợng xe trên đƣờng cao tốc, bắt bám và phân lớp chúng Hình 1.1: Hệ thống giám sát giao thông của hãng IBM Hệ thống TRIP – Anh: Hệ thống đánh giá giao thông bằng phƣơng pháp xử lý ảnh (Traffic Research using Image Processing - TRIP) là sản phẩm hợp tác phát triển giữa trƣờng đại học Manchester, Viện khoa học và công nghệ, và trƣờng đại học Sheffield, vƣơng quốc Anh từ những năm 1980, đây là một trong. .. động Chƣơng 3 - PHÂN TÍCH LƢU LƢỢNG XE Chƣơng này trình bày phƣơng pháp ƣớc lƣợng số lƣợng phƣơng tiện giao thông, mật độ và vận tốc dòng xe, Giải quyết bài toán: Nhận dạng và theo vết chuyển động nhằm ƣớc lƣợng số lƣợng xe, vận tốc dòng xe, mật độ dòng xe Chƣơng 4 - THỰC NGHIỆM VÀ ĐÁNH GIÁ Chƣơng này trình bày môi trƣờng và các dữ diệu video trong thực nghiệm, ngôn ngữ sử dụng xây dựng chƣơng trình ... thiệu hệ thống giám sát thông minh 1.2 Một số hệ thống giám sát giao thông ứng dụng công nghệ xử lý ảnh giới 1.3 Một số hệ thống giám sát giao thông ứng dụng công nghệ xử... cố gắng bƣớc xây dựng hệ thống giao thông đồng ứng dụng khoa học kỹ thuật hệ thống điều khiển giao thông Hiện nay, giới hệ thống giám sát thông minh hình ảnh đƣợc phát triển chứng minh đƣợc hiệu... công nghệ đƣợc tiến hành nhằm đáp ứng đƣợc yêu cầu hệ thống giám sát thông minh hoàn thiện 1.2 Một số hệ thống giám sát giao thông ứng dụng công nghệ xử lý ảnh giới Hệ thống giám sát giao thông

Ngày đăng: 18/12/2016, 00:23

Từ khóa liên quan

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan