Chương 1 Cải thiện trải nghiệm người dùng: Hệ thống tự động nhận diện phương tiện và biển số xe không chỉ giúp người dùng tiết kiệm thời gian mà còn mang lại sự tiện lợi và thoải mái khi sử dụng dịch vụ. Minh bạch hóa và tối ưu hóa doanh thu: Hệ thống giúp ghi nhận chính xác thông tin ra/vào của các phương tiện, hạn chế các sai sót hoặc gian lận trong quá trình quản lý và tính toán phí đỗ xe. Giảm nguy cơ lây nhiễm bệnh trong bối cảnh đại dịch: Việc tự động hóa quy trình nhận diện và thanh toán góp phần giảm tiếp xúc trực tiếp giữa con người, đảm bảo an toàn sức khỏe cho người dùng và nhân viên quản lý. Hỗ trợ quản lý giao thông và bảo vệ môi trường: Hệ thống giúp giảm ùn tắc tại các khu vực bãi đỗ xe, giảm thời gian chờ và tìm kiếm chỗ đỗ, từ đó giảm lượng khí thải gây ô nhiễm môi trường.
Khả năng triển khai rộng rãi: Với chi phí hợp lý và khả năng tối ưu hóa, hệ thống có thể được triển khai tại các bãi đỗ xe có quy mô vừa và nhỏ, phù hợp với nhiều loại hình doanh nghiệp hoặc tổ chức, từ trung tâm thương mại, bệnh viện, trường học đến khu dân cư.6 Thực trạng của các bãi đỗ xe hiện nay 1.1 Tình hình chung về bãi đỗ xe hiện nay Với sự gia tăng nhanh chóng của phương tiện giao thông tại các thành phố lớn, nhu cầu về không gian đỗ xe ngày càng trở nên cấp thiết. Tuy nhiên, thực trạng hiện nay cho thấy hệ thống bãi đỗ xe tại Việt Nam vẫn còn nhiều hạn chế, chưa đáp ứng được nhu cầu ngày càng cao của người dân và doanh nghiệp. Theo thống kê từ các cơ quan quản lý đô thị, phần lớn các bãi đỗ xe hiện nay vẫn vận hành theo mô hình truyền thống, phụ thuộc nhiều vào nhân công và thiếu sự hỗ trợ của công nghệ hiện đại. Điều này dẫn đến tình trạng quá tải tại các khu vực trung tâm thành phố, nơi có lượng phương tiện lớn nhưng không đủ không gian đỗ xe, gây áp lực lớn lên hạ tầng giao thông.
Hạn chế của các bãi đỗ xe truyền thống Quản lý thủ công và thiếu hiệu quả: 15 Nguyễn Tiến Dũng-B20DCDCT031 Đồ án tốt nghiệp Đại học Chương 1 Nhiều bãi đỗ xe hiện nay vẫn sử dụng nhân viên để kiểm tra vé xe, ghi nhận thông tin ra/vào và thu phí. Quá trình thủ công này dễ dẫn đến sai sót, nhầm lẫn, thậm chí thất thoát doanh thu. Thời gian chờ đợi lâu: Khách hàng phải mất thời gian tìm kiếm chỗ đỗ xe, đặc biệt trong giờ cao điểm hoặc tại các bãi đỗ xe đông đúc. Quy trình kiểm tra vé hoặc thanh toán thủ công kéo dài thời gian, gây bất tiện cho người dùng.
Không tối ưu hóa không gian: Do không có sự hỗ trợ của công nghệ, việc sắp xếp phương tiện thường không được tối ưu, dẫn đến lãng phí không gian và giảm sức chứa của bãi đỗ xe. Thiếu minh bạch trong quản lý: Việc ghi nhận thông tin thủ công dễ xảy ra gian lận hoặc thất thoát, đặc biệt tại các bãi đỗ xe không có hệ thống giám sát hiện đại. Ảnh hưởng đến môi trường và giao thông: Tình trạng ùn tắc tại các bãi đỗ xe, đặc biệt là bãi đỗ xe trung tâm, không chỉ gây phiền toái cho người dùng mà còn làm tăng lượng khí thải ra môi trường. Xu hướng chuyển đổi sang bãi đỗ xe thông minh Trước những bất cập của bãi đỗ xe truyền thống, nhiều đô thị trên thế giới đã và đang chuyển đổi sang mô hình bãi đỗ xe thông minh, áp dụng công nghệ tự động hóa và trí tuệ nhân tạo để nâng cao hiệu quả quản lý.
Công nghệ nhận diện tự động: Sử dụng công nghệ nhận diện biển số xe và phương tiện để ghi nhận thông tin ra/vào một cách chính xác và nhanh chóng. Hệ thống như YOLOv5-Small được áp dụng để xử lý hình ảnh trong thời gian thực, cải thiện hiệu quả vận hành. Thanh toán không tiếp xúc: Tích hợp các phương thức thanh toán điện tử giúp giảm thời gian chờ đợi và hạn chế tiếp xúc trực tiếp, đặc biệt trong bối cảnh các đại dịch gần đây. Tối ưu hóa không gian và chi phí: 16 Nguyễn Tiến Dũng-B20DCDCT031 Đồ án tốt nghiệp Đại học Chương 1 Các hệ thống thông minh có thể tự động sắp xếp và quản lý chỗ đỗ xe, tối đa hóa diện tích sử dụng và giảm thiểu chi phí vận hành.
17 Nguyễn Tiến Dũng-B20DCDCT031 Đồ án tốt nghiệp Đại học Chương 2 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Tổng quan về xử lí ảnh 2.1 Khái niệm và vai trò của xử lý ảnh Xử lý ảnh (Image Processing) là một lĩnh vực nghiên cứu và ứng dụng các kỹ thuật tính toán để phân tích, cải thiện, và trích xuất thông tin từ hình ảnh. Đây là một trong những ngành quan trọng trong khoa học máy tính và kỹ thuật, với ứng dụng rộng rãi trong nhiều lĩnh vực như y tế, giao thông, an ninh, và công nghiệp. Hình ảnh đầu vào có thể là ảnh tĩnh (như ảnh chụp từ camera) hoặc ảnh động (như video), được biểu diễn dưới dạng dữ liệu số. Mục tiêu của xử lý ảnh là chuyển đổi hình ảnh này thành dạng dữ liệu có ý nghĩa, hỗ trợ cho việc ra quyết định tự động hoặc cung cấp thông tin hữu ích cho con người.
Vai trò của xử lý ảnh bao gồm: Tự động hóa quá trình nhận diện và phân tích: Giúp máy móc hiểu được nội dung của hình ảnh, chẳng hạn như nhận diện biển số xe, khuôn mặt, hoặc các vật thể khác. Cải thiện chất lượng hình ảnh: Loại bỏ nhiễu, tăng độ sắc nét, và cải thiện khả năng nhận diện trong điều kiện hình ảnh kém. Trích xuất thông tin hữu ích: Từ hình ảnh, có thể trích xuất các đặc điểm, dữ liệu, hoặc thông số cần thiết để phục vụ các ứng dụng khác nhau. Hỗ trợ ra quyết định: Trong nhiều lĩnh vực, xử lý ảnh cung cấp các dữ liệu quan trọng để hỗ trợ việc ra quyết định, ví dụ như trong chẩn đoán y tế, phân tích giao thông, hoặc giám sát an ninh.
Các bước cơ bản trong xử lý ảnh Quy trình xử lý ảnh bao gồm nhiều bước, từ việc tiếp nhận dữ liệu hình ảnh đến phân tích và trích xuất thông tin. Các bước cụ thể như sau: 18 Nguyễn Tiến Dũng-B20DCDCT031 Đồ án tốt nghiệp Đại học Chương 2 Thu thập dữ liệu hình ảnh: Hình ảnh được thu thập từ các thiết bị như camera, máy quét, hoặc cảm biến. Các nguồn hình ảnh phổ biến bao gồm: Hình ảnh số: Được chụp từ các thiết bị kỹ thuật số, lưu trữ dưới dạng pixel. Hình ảnh tương tự: Được chuyển đổi thành dữ liệu số bằng các kỹ thuật quét và số hóa.
Tiền xử lý ảnh (Preprocessing): Tiền xử lý nhằm chuẩn bị dữ liệu hình ảnh trước khi phân tích. Các công đoạn bao gồm: Chuyển đổi không gian màu: Chuyển đổi từ ảnh màu sang ảnh xám để giảm bớt thông tin không cần thiết. Loại bỏ nhiễu: Sử dụng các bộ lọc (filter) như Gaussian, Median để loại bỏ nhiễu trong hình ảnh. Cân bằng ánh sáng: Điều chỉnh độ sáng và độ tương phản để cải thiện chất lượng hình ảnh.
Cắt và định kích thước: Loại bỏ các phần không cần thiết và định kích thước hình ảnh theo yêu cầu. Trích xuất đặc trưng (Feature Extraction): Trích xuất đặc trưng là bước quan trọng để xác định các điểm nổi bật trong hình ảnh, hỗ trợ cho việc phân loại hoặc nhận diện đối tượng. Các kỹ thuật phổ biến: Phát hiện cạnh (Edge Detection): Sử dụng các thuật toán Sobel, Canny để xác định biên giới giữa các vùng trong ảnh. Phát hiện đường thẳng (Line Detection): Áp dụng Hough Transform để nhận diện các đường thẳng hoặc hình dạng cụ thể.
Phát hiện góc (Corner Detection): Sử dụng các thuật toán như Harris để phát hiện các điểm góc nổi bật. Phân tích và nhận diện (Analysis and Recognition): Bước này sử dụng các đặc trưng đã trích xuất để nhận diện hoặc phân loại đối tượng. Các phương pháp thường dùng: Học máy truyền thống (Machine Learning): SVM (Support Vector Machine), KNN (K-Nearest Neighbors). Học sâu (Deep Learning): Các mạng nơ-ron tích chập (CNN) như YOLO, Faster R-CNN để nhận diện đối tượng trong hình ảnh.
19 Nguyễn Tiến Dũng-B20DCDCT031 Đồ án tốt nghiệp Đại học Chương 2 Hậu xử lý và hiển thị: Sau khi phân tích, kết quả được chuyển đổi thành dạng dữ liệu số, biểu đồ, hoặc hiển thị dưới dạng hình ảnh để người dùng có thể dễ dàng hiểu và sử dụng. Các kỹ thuật phổ biến trong xử lý ảnh Phát hiện và phân đoạn đối tượng (Object Detection and Segmentation): Xác định vị trí và ranh giới của các đối tượng trong hình ảnh. Thuật toán YOLO (You Only Look Once) nổi bật với khả năng phát hiện đối tượng trong thời gian thực. Lọc nhiễu (Noise Filtering): Sử dụng các bộ lọc như Gaussian, Median để giảm nhiễu mà không làm mất chi tiết quan trọng.
Biến đổi hình ảnh (Image Transformation): Thực hiện các phép biến đổi như xoay, co dãn, hoặc dịch chuyển hình ảnh để tăng tính ổn định trong nhận diện. Nén và lưu trữ hình ảnh (Image Compression): Sử dụng các thuật toán như JPEG, PNG để nén và lưu trữ hình ảnh mà không làm mất quá nhiều thông tin. Nhận diện mẫu (Pattern Recognition): Sử dụng các đặc trưng hình học hoặc kết cấu để nhận diện các đối tượng cụ thể. Ứng dụng của xử lý ảnh Xử lý ảnh có mặt trong nhiều lĩnh vực quan trọng của đời sống: Giao thông: Nhận diện biển số xe, giám sát giao thông, phát hiện vi phạm.
Y tế: Phân tích ảnh chụp X-quang, MRI để hỗ trợ chẩn đoán bệnh. An ninh: Nhận diện khuôn mặt, giám sát qua camera để phát hiện các hành vi bất thường. Công nghiệp: Kiểm tra chất lượng sản phẩm trên dây chuyền sản xuất tự động. Địa lý: Phân tích ảnh vệ tinh, bản đồ số.
20 Nguyễn Tiến Dũng-B20DCDCT031 Đồ án tốt nghiệp Đại học Chương 2 2. Các xu hướng phát triển trong xử lý ảnh Học sâu và trí tuệ nhân tạo: Các mạng nơ-ron sâu (Deep Neural Networks) đang trở thành công cụ quan trọng trong xử lý ảnh nhờ khả năng học và trích xuất đặc trưng mạnh mẽ.