Bối cảnh và vấn đề nghiên cứu
Sự gia tăng mật độ phương tiện cùng các vụ tai nạn và tình trạng ùn tắc giao thông đang là vấn đề đô thị nghiêm trọng tại các thành phố lớn như Hà Nội và TP. Hồ Chí Minh. Các phương thức điều tiết, giám sát và xử lý vi phạm thủ công của con người bộc lộ nhiều hạn chế về mặt nhân lực cũng như hiệu quả điều hành. Nhằm giải quyết bài toán này, các hệ thống giám sát giao thông đường bộ tự động đóng vai trò thiết yếu trong việc thu thập dữ liệu phục vụ quản lý đô thị, điều tiết luồng xe, cảnh báo kẹt xe, tự động hóa trạm thu phí và phát hiện vi phạm luật giao thông.
Trước đây, việc giám sát giao thông phần lớn dựa vào các loại cảm biến điện tử chuyên dụng:
- Radar: Thiết bị phát sóng vô tuyến đặt trên đường để đo vận tốc phương tiện.
- Sóng âm (Microwaves): Thiết bị gắn trên cao (cột đèn, cầu vượt) chiếu sóng âm vuông góc xuống mặt đường; khi xe chạy qua làm đứt quãng phản xạ sóng để ghi nhận sự hiện diện.
- Ống khí nén (Tubes): Ống cao su đặt ngang mặt đường; cảm biến áp lực ghi nhận tác động từ bánh xe để đếm lưu lượng.
- Vòng từ cảm ứng (Loop detectors): Cuộn dây kim loại chôn dưới lòng đường; phát hiện phương tiện dựa trên sự biến thiên độ tự cảm (inductance).
Tuy nhiên, các hệ thống cảm biến vật lý này có chi phí thiết bị và lắp đặt rất cao, phức tạp trong khâu thi công, kém linh hoạt và dễ hao mòn cơ học. Khóa luận tiếp cận hướng giải pháp sử dụng camera kết hợp kỹ thuật thị giác máy tính (computer vision) và xử lý ảnh số, giúp giảm chi phí triển khai, dễ dàng lắp đặt và cung cấp được nhiều thông tin đồng thời như mật độ và vận tốc xe.
Mục tiêu và nhiệm vụ nghiên cứu:
- Nghiên cứu cơ sở lý thuyết về thị giác máy tính, xử lý ảnh và các mô hình xây dựng hệ thống giám sát giao thông đường bộ.
- Xây dựng một ứng dụng phần mềm thực tế hiện thực hóa các thuật toán xử lý ảnh với ba chức năng chính:
- Nhận dạng phương tiện đang di chuyển trên đường.
- Tính toán vận tốc phương tiện lưu thông (áp dụng cho trường hợp 1 xe).
- Tính toán mật độ xe và đưa ra cảnh báo theo các cấp độ giao thông.
Đối tượng, phạm vi và giả định kỹ thuật:
- Đối tượng nghiên cứu: Dữ liệu video kỹ thuật số ghi nhận luồng phương tiện giao thông đường bộ từ camera.
- Phạm vi không gian và thời gian: Dữ liệu video thực nghiệm được quay vào ban ngày với tốc độ 30 khung hình/giây (fps) tại hai góc quay: góc nhìn ngang vuông góc với chiều di chuyển (đo vận tốc qua đoạn đường chuẩn 4 m) và góc nhìn từ trên cao xuống mặt đường từ thành cầu vượt (đo mật độ).
- Các giả định giới hạn:
- Chức năng đo vận tốc chỉ thực hiện cho một phương tiện duy nhất di chuyển trong khung hình tại thời điểm đo.
- Điều kiện môi trường: Thực hiện vào buổi sáng, bóng phương tiện trên mặt đường không quá lớn, không có gió lớn làm rung lắc camera, không có mưa và hai bên đường ít cây cối gây nhiễu chuyển động.
Cơ sở lý thuyết và phương pháp
Khóa luận thiết lập nền tảng lý thuyết trên hai lĩnh vực cốt lõi: thị giác máy tính và xử lý ảnh số.
1. Khái niệm và mô hình lý thuyết:
- Thị giác máy tính (Computer Vision): Quy trình sử dụng máy tính để trích xuất các thông tin mức cao từ hình ảnh kỹ thuật số, bao gồm các phân ngành: tái tạo cảnh quan (scene reconstruction), phát hiện sự kiện (event detection), theo dõi (tracking), nhận dạng vật thể (object recognition), học máy (learning), lập chỉ mục (indexing) và khôi phục hình ảnh.
- Xử lý ảnh số: Ảnh được biểu diễn dưới dạng ma trận hai chiều $f(x, y)$ sau các bước lượng tử hóa và lấy mẫu. Các định dạng ảnh bao gồm ảnh xám 8-bit (mức xám từ 0 đến 255), ảnh nhị phân 1-bit (0 và 1), và ảnh màu hệ RGB 24-bit/32-bit.
- Bộ lọc Median: Bộ lọc phi tuyến được sử dụng trong giai đoạn tiền xử lý nhằm loại bỏ các điểm nhiễu mà vẫn bảo toàn biên cạnh đối tượng.
- Mặt nạ lân cận 8 hướng: Cấu trúc liên kết điểm ảnh phục vụ việc phân tích vùng chuyển động và nhóm điểm ảnh liền kề.
2. Phân loại mô hình hệ thống giám sát giao thông:
Tác giả phân loại và so sánh hai hướng tiếp cận xây dựng hệ thống giám sát giao thông bằng thị giác máy tính:
| Tiêu chí so sánh |
Hệ thống phi hình mẫu (Non-Model Based) |
Hệ thống theo hướng so sánh mẫu (Model Based) |
| Nguyên lý hoạt động |
Phát hiện và trích xuất các vùng chuyển động (motion regions) bằng kỹ thuật trừ nền; không phân tích cấu trúc 3D chi tiết. |
Loại bỏ nền, sau đó mô hình hóa phương tiện thành các mô hình hình học 3D (xe 4 chỗ, 7 chỗ, xe tải nhẹ, xe buýt) để so sánh và khớp mẫu (matching). |
| Độ phức tạp tính toán |
Thấp, thuật toán đơn giản, tốc độ xử lý nhanh, đáp ứng tốt yêu cầu thời gian thực. |
Rất cao, đòi hỏi cơ sở dữ liệu mẫu 3D và tài nguyên tính toán lớn. |
| Khả năng phân loại |
Nhận diện đối tượng chuyển động tổng quát dạng khối (blob), giới hạn nhận dạng chi tiết. |
Nhận dạng chính xác từng chủng loại phương tiện cụ thể trên từng khung hình. |
| Lựa chọn của đề tài |
Được chọn để triển khai ứng dụng thực tế. |
Nghiên cứu lý thuyết đối sánh. |
3. Các thuật toán phát hiện chuyển động dựa trên trừ nền (Frame Difference):
- Consecutive Frame Difference: Tính toán sự sai khác điểm ảnh giữa hai khung hình liên tiếp $f_{t}(i,j)$ và $f_{t-1}(i,j)$. Nếu hiệu số lớn hơn ngưỡng $T$, điểm ảnh được gán giá trị 1 (màu trắng - có chuyển động), ngược lại gán giá trị 0 (màu đen - nền tĩnh).
- Simple Background Modeling: Sử dụng khung hình đầu tiên làm ảnh nền tĩnh $B(i,j)$ và so sánh tuần tự với ảnh hiện tại $f_{t}(i,j)$. Ảnh nền được cập nhật định kỳ sau khoảng thời gian $t$ để thích nghi với thay đổi ánh sáng tự nhiên.
- Custom Frame Difference: Kết hợp so sánh khung hình liên tiếp với một ảnh nền chuẩn được định nghĩa không chứa phương tiện, cập nhật theo chu kỳ.
Thiết kế và triển khai hệ thống
Hệ thống được thiết kế theo cấu trúc module tuần tự khép kín, tiếp nhận đầu vào từ luồng video và xuất kết quả phân tích:
[Video Đầu Vào]
[Module Tính Vận Tốc] [Module Tính Mật Độ] [Xuất Dữ Liệu]
- Xác định P0 (t0) và Pn (tn) - Chia lưới ô Cell (8x8, 16x16, 25x25) - Hiển thị GUI
- Quy đổi pixel -> mét (chuẩn 4 m) - Tính % ô chuyển động / ô đường trống - Xuất file Excel
- Tính vận tốc V (km/h) - Biểu đồ Mean & Range -> Cảnh báo
1. Chi tiết các module thuật toán:
- Tiền xử lý ảnh (Image Pre-Processing): Tách video thành các khung hình độc lập; chuyển đổi ảnh màu RGB sang ảnh xám 8-bit theo công thức:
$$\text{Giá trị màu} = 0.299 \times R + 0.587 \times G + 0.114 \times B$$
Sau đó, áp dụng bộ lọc Median để loại bỏ nhiễu hạt trước khi nhị phân hóa.
- Xác định chuyển động (Motion Detection):
- Chức năng đo vận tốc: Áp dụng thuật toán Simple Background Modeling với cơ chế cập nhật ảnh nền liên tục.
- Chức năng đo mật độ: Áp dụng thuật toán Consecutive Frame Difference giữa hai khung hình liên tiếp.
- Nhận dạng đối tượng (Object Recognition): Quét toàn bộ điểm ảnh nhị phân từ trên xuống dưới, từ trái qua phải; nhóm các điểm ảnh trắng lân cận thành từng khối đối tượng (blob); tính toán tọa độ trọng tâm (center of gravity); đóng khung chữ nhật bao quanh (bounding box) và lọc bỏ các đốm trắng rời rạc không liên kết.
- Tính toán vận tốc phương tiện (Speed Calculation):
- Thiết lập hai vạch chuẩn trên đường gồm điểm bắt đầu (Start point) và điểm kết thúc (End point) với khoảng cách thực tế cố định $D = 4\text{ m}$.
- Khoảng cách trên khung hình giữa hai vạch chuẩn được xác định bằng $D_x$ (pixel).
- Ghi nhận vị trí phương tiện $P_0$ tại thời điểm khung hình $t_0$ (khi bánh trước chạm vạch bắt đầu) và vị trí $P_n$ tại khung hình $t_n$ (khi bánh trước chạm vạch kết thúc).
- Công thức tính quãng đường thực tế:
$$\text{Quãng đường (km)} = D_f \times \left(\frac{D}{D_x}\right) \times (P_n - P_0)$$
(với hệ số chuyển đổi $D_f = \frac{1}{1000}$ từ mét sang kilômét).
- Công thức tính thời gian di chuyển (với tốc độ quay camera 30 fps):
$$\text{Thời gian (giờ)} = T_f \times \left[\frac{t_n - t_0}{30}\right]$$
(với hệ số chuyển đổi $T_f = \frac{1}{3600}$ từ giây sang giờ).
- Vận tốc tức thời được tính: $V = \frac{\text{Quãng đường}}{\text{Thời gian}}\text{ (km/h)}$.
- Tính toán mật độ lưu thông (Density Calculation):
- Chia khung hình thành các ô lưới nhỏ (cells) với kích thước tùy chỉnh: $8 \times 8$, $16 \times 16$ hoặc $25 \times 25$ pixel (tùy thuộc vào khoảng cách từ camera đến mặt đường).
- Người dùng thiết lập vùng quan tâm (ROI), loại bỏ các ô thuộc dải phân cách, vỉa hè hoặc lề đường không có xe lưu thông.
- Đếm số điểm ảnh trắng chuyển động trong từng ô cell; nếu tỷ lệ chuyển động vượt ngưỡng quy định, ô đó được đánh dấu là có chuyển động (tô đỏ).
- Công thức tính tỷ lệ che phủ và tỷ lệ mặt đường trống:
$$\text{Tỷ lệ % mặt đường bị phủ} = \frac{\text{Tổng số ô có chuyển động} \times 100}{\text{Tổng số ô trên khung hình} - \text{Số ô không tính chuyển động}}$$
$$\text{Tỷ lệ % mặt đường còn trống} = 100% - \text{Tỷ lệ % mặt đường bị phủ}$$
- Kết hợp hai biểu đồ thống kê để giải quyết trường hợp nhập nhằng giữa kẹt xe và đường vắng (khi thuật toán hiệu khung hình liên tiếp đều không phát hiện chuyển động):
- Biểu đồ Mean: Thống kê giá trị thay đổi trung bình của các điểm ảnh qua từng khung hình.
- Biểu đồ Range (Độ biến thiên): Hiệu số giữa giá trị thay đổi lớn nhất và nhỏ nhất của một ô trong một khung hình. Đếm số bước sóng và tỷ lệ phần trăm khung hình có biến thiên $> 0$ để phân loại trạng thái.
2. Công nghệ và giao diện ứng dụng:
- Môi trường phát triển: Microsoft Visual Studio 2010.
- Thư viện chuyên dụng: AForge.NET Imaging Library (xử lý bộ lọc, trừ nền, blob analysis).
- Cấu trúc giao diện ứng dụng: Gồm 7 thành phần chính:
- Video player: Khung hiển thị phát video giao thông.
- Video Information: Hiển thị chiều cao, chiều rộng, thời lượng (phút), tốc độ khung hình (fps) và tổng số khung hình.
- Setting (Thiết lập): Cho phép chọn chế độ (Density/Speed), vẽ vùng quan sát (Draw Region - Open Image, Export File, Import File cho Density; Open Image, Draw, Delete cho Speed), định dạng ảnh (Image Type: JPEG, PNG), thiết lập ngưỡng nhị phân (Threshold), tỷ lệ chia ô (Number of cells: 8x8, 16x16, 25x25) và bộ lọc nhiễu (Noise Reduction).
- Menu: Quản lý đường dẫn video (Video path), ổ đĩa (Driver), thư mục trích xuất (Initial Folder), chọn file (Open File) và trích xuất khung hình (Extract Frame).
- Control (Điều khiển): Nút phát (Play), duyệt từng khung hình (Frame by Frame), hiển thị nền (Show background), nhận diện (Detect) và khởi tạo tham số (Initial).
- Thanh tiện ích: Trợ giúp (Help), thông tin tác giả (About) và thoát (Exit).
- Bản quyền: Thông tin bản quyền đề án Đại học Hoa Sen.
- Menu ngữ cảnh (chuột phải trên video player) cung cấp các lệnh: Process (xử lý video), Draw line (vẽ quỹ đạo di chuyển hoặc vùng phát hiện), Result (bảng kết quả chi tiết) và Export Excel (xuất dữ liệu thống kê từng frame).
Nội dung chính theo từng chương
Chương 1: Tổng quan về đề án
Trình bày tính cấp thiết của việc tự động hóa quản lý giao thông đô thị; phân tích chi tiết ưu nhược điểm của các hệ thống cảm biến vật lý truyền thống (Radar, Microwaves, Tubes, Loop detectors) so với hệ thống thị giác máy tính. Xác định phạm vi triển khai đề tài, các giả định giới hạn về kỹ thuật đo đạc và điều kiện thời tiết thực nghiệm.
Chương 2: Giới thiệu thị giác máy tính và xử lý hình ảnh
Hệ thống hóa các khái niệm chuyên ngành: thị giác máy tính, phân loại các nhánh xử lý ảnh (xử lý ảnh, phân tích ảnh, lý giải ảnh). Trình bày cấu trúc dữ liệu ảnh số (pixel, ma trận điểm ảnh), các định dạng ảnh thông dụng (ảnh xám 8-bit, ảnh nhị phân 1-bit, ảnh màu RGB) và cấu trúc mặt nạ liên kết điểm lân cận 8 hướng.
Chương 3: Các mô hình xây dựng hệ thống giám sát giao thông
Phân tích chuyên sâu hai phương pháp luận: hệ thống phi hình mẫu (Non-Model Based) và hệ thống so sánh mẫu (Model Based). Đánh giá chi tiết ba giải thuật trừ nền: Consecutive Frame Difference, Simple Background Modeling và Custom Frame Difference, chỉ rõ ưu nhược điểm và phạm vi ứng dụng thực tế của từng giải thuật.
Chương 4: Xây dựng 1 hệ thống giám sát giao thông theo hướng tiếp cận của chúng tôi
Đặc tả chi tiết pipeline hệ thống do nhóm tác giả đề xuất: từ khâu thu thập video (chuẩn 30 fps, góc quay vuông góc và từ cầu vượt), tiền xử lý (chuyển đổi thang xám, lọc Median), trừ nền nhị phân, giải thuật gom cụm điểm trắng (blob grouping), đến phương pháp toán học xác định vận tốc qua vạch chuẩn 4 m và thuật toán chia lưới ô cell kết hợp biểu đồ Mean/Range để đánh giá mật độ.
Chương 5: Xây dựng ứng dụng thực tế
Trình bày kiến trúc phần mềm trên nền tảng Microsoft Visual Studio 2010 kết hợp thư viện AForge Imaging Library. Hướng dẫn chi tiết các phân hệ giao diện người dùng, các chức năng thiết lập thông số ROI, phân tích kết quả thử nghiệm phát hiện phương tiện, tính toán vận tốc, tính toán mật độ, xuất báo cáo Microsoft Excel; đồng thời phân tích các vấn đề kỹ thuật phát sinh trong quá trình thử nghiệm.
Chương 6: Kết luận và hướng phát triển
Tổng kết các kết quả nghiên cứu và hiện thực hóa phần mềm; đánh giá mức độ hoàn thành so với mục tiêu ban đầu và đề xuất các hướng nâng cấp mở rộng thuật toán trong tương lai.
Kết quả và đóng góp
Khóa luận đã xây dựng thành công một ứng dụng phần mềm độc lập bằng C#/.NET tích hợp thư viện AForge, hiện thực hóa toàn diện quy trình xử lý thị giác máy tính phục vụ giám sát giao thông với các kết quả cụ thể:
1. Phân loại và cảnh báo 5 cấp độ mật độ giao thông:
Hệ thống tính toán tỷ lệ phần trăm mặt đường bị che phủ và phân tích biểu đồ biến thiên (Mean & Range) để phân loại giao thông thành 5 trạng thái định lượng:
| Cấp độ |
Tên trạng thái |
Tiêu chí nhận diện qua thuật toán và dữ liệu hình ảnh |
| 1 |
Rất vắng xe |
Thỉnh thoảng có vài xe chạy qua; tỷ lệ ô có chuyển động rất thấp, biên độ sóng Mean/Range thấp và ngắt quãng. |
| 2 |
Vắng xe |
Có xe di chuyển với vận tốc nhanh; xuất hiện các bước sóng ngắn với độ biến thiên Range lớn và dứt điểm nhanh. |
| 3 |
Đông xe |
Nhiều phương tiện cùng lưu thông với vận tốc bình thường; tỷ lệ ô có chuyển động chiếm tỷ lệ trung bình ổn định. |
| 4 |
Sắp kẹt xe |
Nhiều phương tiện di chuyển nối đuôi nhau với vận tốc chậm; tỷ lệ mặt đường bị phủ tăng cao, bước sóng biến thiên kéo dài. |
| 5 |
Kẹt xe |
Các phương tiện hầu như đứng yên hoặc di chuyển rất ít; tỷ lệ ô chuyển động giảm về gần 0 nhưng được phân biệt với đường vắng nhờ phân tích lịch sử khung hình và ngưỡng nền. |
2. Đóng góp kỹ thuật của đề tài:
- Giải pháp chi phí thấp: Chứng minh tính khả thi của việc thay thế các hệ thống cảm biến phần cứng đắt tiền (radar, vòng từ) bằng hệ thống xử lý hình ảnh từ camera thông thường.
- Kết hợp thuật toán phân tích ô cell và biểu đồ thống kê: Giải quyết bài toán nhập nhằng kinh điển của phương pháp trừ khung hình liên tiếp (Consecutive Frame Difference) khi phân biệt hai trạng thái đối nghịch: đường hoàn toàn vắng xe và đường kẹt xe cứng.
- Quy trình định chuẩn hình học thực nghiệm: Xây dựng phương pháp đo vận tốc phương tiện dựa trên việc ánh xạ khoảng cách vật lý thực tế ($D = 4\text{ m}$) với khoảng cách điểm ảnh ($D_x\text{ pixel}$) kết hợp tốc độ lấy mẫu chuẩn 30 fps của camera.
Hạn chế và hướng nghiên cứu tiếp
Dựa trên các phân tích kỹ thuật tại Chương 5 và các giả định ban đầu, tác giả chỉ ra các hạn chế tồn tại trong hệ thống:
- Giám sát ban đêm: Hệ thống chưa hoạt động chính xác trong điều kiện thiếu sáng hoặc ban đêm do chất lượng hình ảnh giảm và hiện tượng lóa đèn pha phương tiện.
- Hiện tượng dính phương tiện (Blob Merging): Khi các xe di chuyển quá gần nhau, thuật toán gom cụm điểm ảnh lân cận sẽ nhận diện nhiều xe thành một khối đối tượng duy nhất, gây sai lệch kích thước khung bao và kết quả đếm.
- Ảnh hưởng của bóng đổ (Shadows): Bóng của xe trên mặt đường dưới ánh nắng mạnh bị thuật toán trừ nền nhận nhầm là một phần của vùng chuyển động, làm sai lệch trọng tâm và kích thước thực tế của xe.
- Giới hạn đo vận tốc đơn đối tượng: Phân hệ tính vận tốc mới chỉ áp dụng cho trường hợp một phương tiện duy nhất đi qua khung hình trong khoảng cách chuẩn 4 m; chưa hỗ trợ theo dõi và đo tốc độ đồng thời nhiều xe trên nhiều làn đường (multi-vehicle tracking).
- Độ chính xác tính mật độ: Phụ thuộc vào góc đặt camera và việc hiệu chỉnh kích thước ô lưới cell ($8 \times 8$, $16 \times 16$, $25 \times 25$ pixel); các yếu tố rung lắc do gió hoặc cành cây lay động vẫn có thể tạo ra các ô chuyển động giả.
Hướng phát triển được đề xuất:
- Nghiên cứu bổ sung thuật toán lọc và khử bóng đổ phương tiện (shadow removal).
- Phát triển thuật toán theo dõi đa đối tượng đồng thời trên nhiều làn đường.
- Cải tiến khả năng tự động thích nghi của thuật toán cập nhật nền trong điều kiện ánh sáng thay đổi phức tạp và ban đêm.
- Mở rộng sang mô hình nhận dạng 3D để phân loại chính xác các dòng xe (xe con, xe tải, xe buýt).
Giá trị tham khảo
Tài liệu khóa luận là nguồn tham khảo học thuật và kỹ thuật hữu ích cho:
- Đối tượng: Sinh viên, học viên ngành Công nghệ thông tin, Kỹ thuật phần mềm, Khoa học máy tính hoặc Hệ thống thông tin đang thực hiện đồ án, khóa luận tốt nghiệp về xử lý ảnh số (Digital Image Processing) và thị giác máy tính ứng dụng (Applied Computer Vision).
- Các nội dung có giá trị tham khảo cao:
- Quy trình xây dựng pipeline xử lý video từng bước trên nền tảng .NET/C# sử dụng thư viện mã nguồn mở AForge.NET.
- Thuật toán quét và nhóm điểm ảnh (pixel-by-pixel blob grouping) để xác định trọng tâm và đóng khung bao đối tượng.
- Thuật toán chia lưới ô cell kết hợp phân tích biểu đồ Mean và Range để giải quyết bài toán phân loại trạng thái giao thông.
- Phương pháp thiết kế giao diện điều khiển và công thức toán học ánh xạ hệ tọa độ pixel sang đơn vị đo lường vật lý thực tế (m, km/h).
Câu hỏi thường gặp
1. Khóa luận sử dụng những thuật toán trừ nền nào cho hai chức năng chính?
Khóa luận sử dụng thuật toán Simple Background Modeling (so sánh ảnh hiện tại với ảnh nền được cập nhật định kỳ) cho chức năng tính vận tốc phương tiện, và sử dụng thuật toán Consecutive Frame Difference (so sánh sự khác biệt giữa hai khung hình liên tiếp) cho chức năng tính mật độ giao thông.
2. Làm thế nào hệ thống phân biệt được giữa trường hợp kẹt xe và vắng xe khi cả hai đều không phát hiện chuyển động qua khung hình liên tiếp?
Hệ thống sử dụng dữ liệu biến thiên điểm ảnh để vẽ hai biểu đồ thống kê: Biểu đồ Mean (giá trị thay đổi trung bình) và Biểu đồ Range (độ biến thiên giữa ô thay đổi lớn nhất và nhỏ nhất). Bằng cách đếm số bước sóng và tính tỷ lệ phần trăm khung hình có giá trị biến thiên $> 0$ trong một chuỗi thời gian, hệ thống phân biệt được trạng thái kẹt xe (các xe di chuyển rất ít, biểu đồ biến thiên liên tục ở mức thấp) và vắng xe (hoàn toàn không có biến thiên).
3. Công thức toán học dùng để tính vận tốc phương tiện trong khóa luận được thiết lập như thế nào?
Vận tốc được tính qua công thức: $V = \frac{\text{Quãng đường (km)}}{\text{Thời gian (giờ)}}$, trong đó:
- Quãng đường: $\text{Quãng đường} = \frac{1}{1000} \times \left(\frac{D}{D_x}\right) \times (P_n - P_0)$, với $D = 4\text{ m}$ (khoảng cách thực tế cố định giữa 2 vạch sơn), $D_x$ là khoảng cách pixel giữa 2 vạch trên ảnh, $P_0$ và $P_n$ là vị trí bánh xe tại vạch bắt đầu và kết thúc.
- Thời gian: $\text{Thời gian} = \frac{1}{3600} \times \left[\frac{t_n - t_0}{30}\right]$, với $t_0, t_n$ là thứ tự khung hình tại hai thời điểm và camera quay ở tốc độ 30 fps.
4. Kích thước các ô lưới (cells) trong phân hệ tính mật độ được phân chia như thế nào?
Khung hình được chia thành các ô lưới có kích thước $8 \times 8$, $16 \times 16$ hoặc $25 \times 25$ pixel. Việc lựa chọn kích thước phụ thuộc vào khoảng cách từ camera đến mặt đường: nếu camera ở xa (phương tiện hiển thị kích thước nhỏ), kích thước ô được chọn nhỏ lại; nếu camera ở gần (phương tiện hiển thị kích thước lớn), kích thước ô được điều chỉnh lớn lên tương ứng.
5. Ứng dụng phần mềm được xây dựng bằng công cụ và thư viện lập trình nào?
Phần mềm thực nghiệm của đề án được lập trình trên môi trường Microsoft Visual Studio 2010 kết hợp với thư viện xử lý ảnh AForge Imaging Library.
Kết luận
Khóa luận tốt nghiệp "Hệ thống đánh giá mật độ và tốc độ giao thông" của nhóm sinh viên Trường Đại học Hoa Sen đã nghiên cứu và hiện thực hóa thành công giải pháp giám sát giao thông dựa trên kỹ thuật thị giác máy tính và xử lý ảnh số phi hình mẫu (Non-Model Based). Đề tài đã xây dựng một ứng dụng hoàn chỉnh trên nền tảng Visual Studio 2010 và thư viện AForge, cho phép nhận dạng phương tiện, đo vận tốc qua vạch chuẩn 4 m và đánh giá mật độ đường bộ theo 5 cấp độ cảnh báo thông qua thuật toán phân tích ô lưới kết hợp biểu đồ Mean/Range. Công trình cung cấp một tài liệu tham khảo thực nghiệm có giá trị về mặt thuật toán, phương pháp pipeline xử lý ảnh số và kiến trúc ứng dụng giám sát giao thông chi phí thấp.
