I. Tổng Quan Về Đo Tốc Độ Xe và Phát Hiện Chuyển Động Xe
Ngày nay, các vấn đề giao thông như ô nhiễm môi trường và tai nạn xe cộ gia tăng nhanh chóng, trở thành một thách thức lớn. Hệ thống giao thông thông minh (ITS) cung cấp các giải pháp để giải quyết những vấn đề này. Một trong những ứng dụng chính của ITS là đo tốc độ xe tự động. Việc kiểm soát tốc độ trên đường đô thị rất quan trọng. Hệ thống đo tốc độ xe dựa trên video là một ứng dụng hiệu quả cho ITS do khả năng phát triển và chi phí thấp. Phương pháp dựa trên phát hiện chuyển động xe phân tích chuyển động của xe với các tham số bên trong Vùng quan tâm (ROI). Nó cung cấp khả năng tính toán theo thời gian thực và hoạt động tốt hơn so với các phương pháp dựa trên các đặc điểm của đối tượng, ví dụ như biển số xe. Phương pháp này bao gồm ba mô-đun chính: phát hiện phương tiện, theo dõi và đo tốc độ. Kết quả đầu ra bao gồm hình ảnh của chiếc xe, tốc độ và thời gian phát hiện. Đề tài nghiên cứu tập trung vào "Xác định tốc độ xe dựa trên phát hiện chuyển động xe trong hệ thống giao thông minh". Mục đích là nghiên cứu phương pháp đo tốc độ xe dựa trên chuyển động xe. Đồng thời xây dựng ứng dụng nhận diện hình ảnh của chiếc xe, xác định tốc độ và thời gian phát hiện nhằm truy xuất, tìm kiếm, xác thực thông tin phương tiện chính xác và hiệu quả. Đối tượng nghiên cứu là các xe ô tô di chuyển trên đường và dữ liệu thu từ các camera giám sát giao thông. Phạm vi nghiên cứu bao gồm nhận diện hình ảnh của chiếc xe, xác định tốc độ và thời gian phát hiện trong xác định phương tiện vi phạm trong quản lý giao thông đường bộ. Phương pháp nghiên cứu sử dụng lý thuyết kết hợp với thực nghiệm. Các vấn đề liên quan đến các thuật toán xử lý ảnh và thị giác máy được thực hiện trên phần mềm máy tính với đầu vào là các thông tin thu nhận được từ thực tế. Theo Nguyễn Thanh Hải trong luận văn thạc sĩ, hệ thống này nhắm vào các khu vực đô thị do giới hạn tốc độ của các phương tiện.
1.1. Tổng quan về Hệ Thống Giao Thông Thông Minh ITS
Hệ thống Giao thông Thông minh (ITS) là một tập hợp các công cụ và phương tiện, bao gồm quản lý giao thông và công nghệ viễn thông. ITS có nhiều module khác nhau cung cấp các giải pháp để giải quyết vấn đề giao thông. ITS đang ngày càng trở nên quan trọng trong việc giải quyết các vấn đề giao thông đô thị. Các giải pháp ITS bao gồm quản lý lưu lượng giao thông, thông tin giao thông thời gian thực, và các hệ thống hỗ trợ lái xe. Mục tiêu của ITS là cải thiện an toàn giao thông, giảm ùn tắc giao thông, và giảm tác động môi trường của giao thông vận tải. Theo tài liệu gốc, ITS có nhiều module cung cấp các giải pháp để giải quyết các vấn đề giao thông, bao gồm cả đo tốc độ xe tự động.
1.2. Các Phương Pháp Đo Tốc Độ Xe Phổ Biến Hiện Nay
Có nhiều phương pháp và công nghệ khác nhau để giải quyết bài toán xác định tốc độ xe di chuyển trên đường, bao gồm sử dụng cảm biến và hệ thống đo lường vận tốc, camera giám sát giao thông, và cảm biến trên xe hơi. Các phương pháp phổ biến bao gồm sử dụng radar, lidar, GPS, camera giám sát giao thông, và cảm biến trên xe hơi. Mỗi phương pháp có ưu điểm và hạn chế riêng. Việc lựa chọn phương pháp phù hợp phụ thuộc vào mục đích ứng dụng cụ thể, điều kiện môi trường, và yêu cầu về độ chính xác. Radar và Lidar sử dụng sóng điện từ hoặc tia laser để tính vận tốc xe. GPS sử dụng hệ thống định vị toàn cầu để xác định vị trí và tốc độ xe. Camera giám sát giao thông sử dụng xử lý ảnh đo tốc độ dựa trên phân tích hình ảnh và theo dõi vị trí của xe qua các khung hình liên tiếp. Theo tài liệu gốc, việc kết hợp nhiều phương pháp có thể giúp cải thiện tính chính xác và độ tin cậy của việc xác định tốc độ xe di chuyển trên đường.
II. Thách Thức Khi Đo Tốc Độ Xe Bằng Phát Hiện Chuyển Động Xe
Việc đo tốc độ xe dựa trên phát hiện chuyển động đối mặt với nhiều thách thức. Một trong những thách thức lớn nhất là sự thay đổi của môi trường. Thay đổi độ sáng, thời tiết và các yếu tố ngoại cảnh khác có thể ảnh hưởng đến độ chính xác của hệ thống. Các phương pháp dựa trên phát hiện chuyển động thường nhạy cảm với các thay đổi nhỏ. Ví dụ, lá cây chuyển động hoặc bất kỳ thay đổi ánh sáng đột ngột nào cũng có thể bị coi là chuyển động. Do đó, khung hình tham chiếu cần được cập nhật để cải thiện vấn đề này. Các phương pháp phát hiện chuyển động chính hiện nay bao gồm: Phương pháp trừ nền (Background Subtraction), Phương pháp dựa vào sự biến đổi giá trị theo thời gian (Temporal Differencing) và Phương pháp luồng quang học (Optical Flow). Mỗi phương pháp có ưu điểm và hạn chế riêng, và việc lựa chọn phương pháp phù hợp phụ thuộc vào điều kiện cụ thể của bài toán. Ngoài ra, độ chính xác của hệ thống còn phụ thuộc vào chất lượng của camera và độ phân giải của video. Theo tài liệu gốc, phương pháp trừ nền cho kết quả không cao trong các trường hợp thay đổi độ sáng, chuyển động của camera, hoặc thay đổi về thành phần cấu tạo nền.
2.1. Các Yếu Tố Môi Trường Ảnh Hưởng Đến Độ Chính Xác
Các yếu tố môi trường như ánh sáng, thời tiết và sự thay đổi của nền có thể ảnh hưởng đến độ chính xác của hệ thống đo tốc độ xe. Thay đổi ánh sáng đột ngột hoặc dần dần có thể gây ra sai sót trong việc phát hiện chuyển động. Thời tiết xấu như mưa hoặc sương mù có thể làm giảm tầm nhìn của camera và làm giảm độ chính xác của hệ thống. Sự thay đổi của nền, chẳng hạn như cây cối rung chuyển hoặc người đi bộ xuất hiện, cũng có thể gây ra sai sót trong việc phát hiện chuyển động. Theo tài liệu gốc, thay đổi độ sáng có thể thay đổi dần dần theo thời gian khi Camera đặt ngoài trời quay dữ liệu theo thời gian hoặc thay đổi đột ngột khi Camera quay dữ liệu bị ảnh hưởng bởi độ sáng từ ánh sáng mặt trời.
2.2. Các Hạn Chế Của Phương Pháp Phát Hiện Chuyển Động
Các phương pháp phát hiện chuyển động có một số hạn chế. Phương pháp trừ nền có thể bị ảnh hưởng bởi sự thay đổi của nền. Phương pháp dựa vào sự biến đổi giá trị theo thời gian có thể bị ảnh hưởng bởi tốc độ và kích thước của đối tượng chuyển động. Phương pháp luồng quang học có độ phức tạp tính toán cao. Do đó, việc lựa chọn phương pháp phù hợp phụ thuộc vào điều kiện cụ thể của bài toán. Theo tài liệu gốc, phương pháp trừ nền sẽ cho kết quả không cao trong các trường hợp thay đổi độ sáng, thay đổi về chuyển động khi Camera lung lay hoặc các đối tượng nền dao động với tần suất cao, và thay đổi về thành phần cấu tạo nền.
III. Phương Pháp Phát Hiện Xe Dựa Trên Trừ Nền và Biến Đổi Hình Thái
Phương pháp trừ nền là một trong những kỹ thuật phổ biến nhất để phát hiện chuyển động xe. Trong phương pháp này, mỗi khung hình được so sánh với một khung hình tĩnh (ảnh nền). Sự khác biệt giữa các khung hình được hiển thị dưới dạng hình ảnh nhị phân. Các pixel có giá trị khác biệt so với pixel tham chiếu được trích xuất và coi là các phần di chuyển. Một phương pháp mở rộng của phương pháp trừ nền thông thường là phương pháp Trừ nền hỗn hợp Gauss (MOG), phụ thuộc vào sự kết hợp của nhiều khung hình thay vì chỉ một khung hình duy nhất. Các biến đổi hình thái được sử dụng để biểu diễn một đối tượng duy nhất cho tiến trình phát hiện và theo dõi phương tiện. Những biến đổi này là các phép toán toán học với hai đầu vào bao gồm một hình ảnh nhị phân và lõi (yếu tố cấu trúc). Trong số các biến đổi hình thái khác nhau, các hàm mở và đóng đã được sử dụng trong phương pháp này. Theo tài liệu gốc, các phép toán closing, fill-holes and opening được sử dụng để tạo ra một hình dạng được điền vào đại diện cho một phương tiện tương ứng.
3.1. Kỹ Thuật Trừ Nền Hỗn Hợp Gauss MOG Trong Xử Lý Ảnh
Phương pháp Trừ nền hỗn hợp Gauss (MOG) là một phương pháp mở rộng của phương pháp trừ nền thông thường. Trong phương pháp này, đối với mỗi pixel nền, sử dụng một hỗn hợp của phân phối k Gaussian và một tham số trọng số để lưu trữ vòng đời của các pixel trong ảnh. Các pixel còn lại với thời gian lớn hơn một ngưỡng trong ảnh có nghĩa là chúng có khả năng cao là ảnh nền. Ngược lại, nếu pixel không thay đổi trong một khoảng thời gian được định nghĩa trước thì nó là một pixel nền chính. MOG giúp giảm thiểu ảnh hưởng của các yếu tố môi trường như thay đổi ánh sáng và thời tiết đến độ chính xác của hệ thống. Theo tài liệu gốc, sự khác biệt giữa phương pháp trừ nền thông thường và kết quả trừ nền MOG được thể hiện qua hình ảnh, cho thấy phương pháp MOG hiệu quả hơn trong việc xác định hình dạng tổng thể của phương tiện.
3.2. Ứng Dụng Biến Đổi Hình Thái Trong Phát Hiện Chuyển Động Xe
Các biến đổi hình thái được sử dụng để làm mịn hình ảnh và loại bỏ các điểm nhiễu. Các phép toán mở và đóng được sử dụng để loại bỏ các phần lồi lõm và làm cho đường bao các đối tượng trong ảnh trở nên mượt mà hơn. Phép toán Fill-holes hoặc flood-fill được sử dụng để điền vào bên trong với các thành phần kết nối của một đối tượng bằng các pixel được định nghĩa trước với các tham số ánh sáng và tính chất tương tự nhau. Các biến đổi hình thái giúp cải thiện độ chính xác của hệ thống bằng cách loại bỏ các yếu tố nhiễu và làm cho hình ảnh rõ ràng hơn. Theo tài liệu gốc, các biến đổi hình thái là các phép toán toán học với hai đầu vào bao gồm một hình ảnh nhị phân và lõi (yếu tố cấu trúc).
IV. Theo Dõi Xe và Tính Tốc Độ Xe Thời Gian Thực Hiệu Quả
Kết quả đầu ra của bước phát hiện xe cần được theo dõi trong các khung hình liên tiếp để tính vận tốc xe. Nếu phương tiện vừa mới vào ROI, nó sẽ được gán nhãn bằng một VehicleID. Một biến FrameCounter được khởi tạo để lưu số khung hình tham chiếu đến sự hiện diện của phương tiện trong ROI. Trọng tâm ngang của mỗi vùng chấm được lưu giữ cho quá trình theo dõi tiếp theo. Sự dịch chuyển của mỗi vùng chấm trong hai khung hình liên tiếp được tính toán theo đơn vị pixel. Để chuyển đổi đo lường này thành thang đo km/h, cần xác định hai hàm ánh xạ riêng biệt để chuyển đổi từ pixel sang mét và từ khung hình sang giây. Tốc độ là trung bình của nhiều tốc độ tức thời của phương tiện bên trong ROI. Theo tài liệu gốc, công thức thể hiện tính toán sự di chuyển theo đơn vị pixel: dpi = (posi - posi-1) / pc, trong đó dpi là lượng di chuyển trong khung i so với khung trước đó và pc là hằng số hiệu chuẩn.
4.1. Thuật Toán Theo Vết Phương Tiện Trong Vùng Quan Tâm ROI
Thuật toán theo vết phương tiện được sử dụng để theo dõi vị trí của phương tiện trong các khung hình liên tiếp. Nếu phương tiện vừa mới vào ROI, nó sẽ được gán nhãn bằng một VehicleID. Sau đó, thuật toán sẽ theo dõi sự di chuyển của phương tiện trong các khung hình liên tiếp và lưu trữ vị trí của phương tiện. Thông tin này được sử dụng để tính toán tốc độ của phương tiện. Theo tài liệu gốc, khi vùng chấm của phương tiện với cùng một VehicleID còn quan sát được trong ROI, trọng tâm ngang của mỗi vùng chấm được lưu giữ cho quá trình theo dõi tiếp theo và sự dịch chuyển của mỗi vùng chấm trong hai khung hình liên tiếp được tính toán theo đơn vị pixel.
4.2. Chuyển Đổi Đơn Vị và Tính Tốc Độ Xe Chính Xác Cao
Để chuyển đổi từ pixel sang mét và từ khung hình sang giây, cần xác định hai hàm ánh xạ riêng biệt. Mật độ pixel được tính bằng công thức: ratio = dptotal / ROIHeight. Độ dịch chuyển được tính bằng công thức: Độ dịch chuyển (m) = dptotal x ratio. Thời gian được tính bằng công thức: Thời gian (s) = Frame_counter / fps. Tốc độ của các phương tiện tính bằng km/h được tính bằng công thức: Tốc độ (km/h) = (Độ dịch chuyển x 3600) / (thời gian x 1000). Theo tài liệu gốc, tốc độ là trung bình của nhiều tốc độ tức thời của phương tiện bên trong ROI.
V. Ứng Dụng Phát Hiện Vi Phạm Tốc Độ và Báo Động Kịp Thời
Mỗi khu vực và vị trí có giới hạn tốc độ khác nhau, vận tốc của các phương tiện được so sánh với giới hạn tốc độ cho phép. Bằng cách phát hiện vi phạm tốc độ, hình ảnh của phương tiện được chụp làm bằng chứng cùng với thông tin về tốc độ và thời gian hiện diện trong ROI. Trong khu vực đô thị, giới hạn tốc độ thường là 50-70 km/h trong khi giới hạn này trên các khu vực cao tốc là 90-120 km/h. Việc phát hiện vi phạm tốc độ giúp cải thiện an toàn giao thông và giảm tai nạn giao thông. Hệ thống có thể tự động gửi thông báo cho cơ quan chức năng hoặc người lái xe khi phát hiện vi phạm tốc độ.
5.1. Thiết Lập Ngưỡng Tốc Độ và Giới Hạn Vùng Hoạt Động
Hệ thống cần được cấu hình với các ngưỡng tốc độ khác nhau cho các khu vực khác nhau. Ví dụ, khu vực đô thị có giới hạn tốc độ thấp hơn khu vực cao tốc. Hệ thống cũng cần được cấu hình với các giới hạn vùng hoạt động. Ví dụ, hệ thống chỉ có thể hoạt động trong một khu vực nhất định hoặc trong một khoảng thời gian nhất định. Việc thiết lập các ngưỡng tốc độ và giới hạn vùng hoạt động giúp đảm bảo rằng hệ thống hoạt động chính xác và hiệu quả.
5.2. Lưu Trữ Dữ Liệu Vi Phạm và Bằng Chứng Hình Ảnh
Khi phát hiện vi phạm tốc độ, hệ thống cần lưu trữ dữ liệu vi phạm và bằng chứng hình ảnh. Dữ liệu vi phạm bao gồm thông tin về tốc độ của phương tiện, thời gian vi phạm, vị trí vi phạm và hình ảnh của phương tiện. Bằng chứng hình ảnh là hình ảnh của phương tiện tại thời điểm vi phạm. Dữ liệu vi phạm và bằng chứng hình ảnh có thể được sử dụng để xử phạt người vi phạm.
VI. Kết Luận và Hướng Phát Triển Hệ Thống Đo Tốc Độ Xe Tương Lai
Xác định tốc độ xe dựa trên video cho các ứng dụng giao thông là một phần của các hệ thống giao thông thông minh. Phương pháp tiếp cận dựa trên các video đầu ra của camera đường bộ và tạo ra hình ảnh phương tiện được phát hiện, tốc độ ước tính, và thời gian phát hiện. Phương pháp này dựa thuật toán phát hiện chuyển động và gồm ba thành phần theo thứ tự: phát hiện xe, theo dõi và đo lường tốc độ. Phương pháp trừ nền MOG và phép toán hình thái học được sử dụng trong bước phát hiện xe. Các đối tượng được phát hiện sau đó được theo dõi bằng thuật toán theo dõi đốm màu (Blob Detection). Đo lường tốc độ phương tiện dựa trên các camera giao thông là một phần trong hệ thống giao thông thông minh (ITS) hiện đang được áp dụng rộng rãi trong việc quản lý giao thông đường bộ.
6.1. Đánh Giá Hiệu Quả Thực Tế và Các Hạn Chế Cần Cải Thiện
Kết quả thử nghiệm cho thấy kỹ thuật đề xuất của đề án phát hiện đối tượng chuyển động và tính toán ước lượng tốc độ xe trung bình bước đầu khá tốt. Tuy nhiên, kỹ thuật phát hiện chuyển động phụ thuộc nhiều vào sự biến đổi của cảnh nền như ánh sáng, việc đối tượng di chuyển hay đứng yên. Trong các kết quả thử nghiệm, các kết quả phát hiện đối tượng chuyển động cũng đã đạt được những kết quả tương đối tốt (đối với tập dữ liệu Federal University of Technology of Paraná (FUTP) dataset). Tuy nhiên kỹ thuật phát hiện chuyển động phụ thuộc nhiều vào sự biến đổi của cảnh nền như ánh sáng, việc đối tượng di chuyển hay đứng yên. Qua quá trình thử nghiệm, chương trình còn một hạn chế như sau: Cần tích hợp thêm module nhận diện biển số xe, không thích hợp áp dụng trong môi trường đô thị, với nhiều loại phương tiện di chuyển vì có thể nhận nhầm khi nhiều phương tiện nhỏ di chuyển song song nhau, độ chính xác phụ thuộc vào việc xác định kích thước vùng ROI, chỉ theo vết và đo tốc độ của 1 phương tiện duy nhất tại một thời điểm và việc xác định đối tượng chuyển động, chỉ dừng lại ở việc xác định đối tượng chiếm vùng lớn nhất.
6.2. Hướng Nghiên Cứu và Phát Triển Hệ Thống Đo Tốc Độ Xe
Hướng nghiên cứu và phát triển hệ thống đo tốc độ xe trong tương lai có thể tập trung vào việc tích hợp các công nghệ mới như trí tuệ nhân tạo (AI) và học sâu (Deep Learning). Các mô hình AI có thể được sử dụng để cải thiện độ chính xác của hệ thống và giảm thiểu ảnh hưởng của các yếu tố môi trường. Ngoài ra, hệ thống có thể được tích hợp với các hệ thống giao thông thông minh khác để cung cấp thông tin giao thông thời gian thực và hỗ trợ quản lý giao thông hiệu quả hơn.
