MỞ ĐẦU Với sự tiến bộ nhanh chóng của công nghệ 4.0, đặc biệt là trong lĩnh vực Internet of Things (IOT) với Intelligent Transportation System (ITS) đã thúc đây cộng đồng nghiên cứu công nghệ quan tâm đến việc áp dụng các kỹ thuật để tạo ra những công cụ quản lý đô thị thông minh hơn, hệ thống hơn. Tai nạn giao thông là một nguyên nhân gây tử vong hàng đầu Việt Nam. Văn phòng Ủy ban ATGT Quốc gia vừa có báo cáo về tình hình tai nạn giao thông tháng 9/2020 (từ ngày 15/8/2020 đến 14/9/2020) và 9 tháng đầu năm 2020 (tính từ ngày 15/12/2019 đến 14/9/2020). Theo đó, 9 tháng đầu năm toàn quốc xảy ra hơn 10.000 vụ TNGT, làm chết hơn 4.800 người, bị thương hơn 7.
Do vậy cần những phương pháp quản lý, giám sát tốc độ giao thông hiệu quả. Hiện nay, phương pháp dé đo vận tốc gồm Radar và Lidar. Đặc biệt là Lidar, đây là phương pháp hiện được sử dụng dé đo vận tốc phương tiện đang lưu thông ở Việt Nam. Bên cạnh những khuyết điểm của các phương pháp trên ta có thê tận dụng hình ảnh thu về từ các camera giám sát trên đường kết hợp với phương pháp xử lý ảnh để phân tích tốc độ xe.
Tóm lại, dé tăng cường khả năng giám sát giao thông trên các tuyến đường thì giải pháp xử lý ảnh đang được nhiều học giả nghiên cứu tới. Từ việc nhận thấy đưa công nghệ vào trong quản lý đô thị có thê xây dựng thành phố thông minh cũng như thúc đây quá trình hiện đại hóa độ thị hóa đất nước. Nhóm đã nảy ra ý tưởng về việc nghiên cứu tạo ra một hệ thống camera ngoài chức năng giám sát mà còn có thê đo vận tôc tự động. TONG QUAN Trong chương này, chúng em giới thiệu tong quan về khái niệm bài toán ước tinh vận tốc phương tiện dựa trên xử lý ảnh và các thách thức mà bài toán gặp phải.
Đồng thời, chúng em cũng giới thiệu các nghiên cứu liên quan của các nhà khoa học trong và ngoài nước. Qua đó, chúng em đưa ra mục tiêu, nội dung và phương pháp thực hiện của đề tài này so với các nghiên cứu trên. Cấu trúc của khóa luận cũng đươc đề cập ở chương này. Tổng quan về bài toán 1.
Các công nghệ hiện nay Thiết bị đo tốc độ trong xử lý vi pham giao thông đã xuất hiện từ rất lâu ở thế kỷ trước. Những thiết bị đo tốc độ đã được phát minh ở cuối những thập kỷ 1940. Dù tồn tại lâu đời, nhưng nguyên lý hoạt động cốt lõi của nó vận không thay đổi suốt nhiều thập kỷ. Trên thực tế, Radar vẫn được sử dụng trong một số thiết bị đo tốc độ vì công nghệ này rất đáng tin cậy và độ chính xác cao.
Theo đó, thiết bị sẽ băn tín hiệu vô tuyến vào một vật thé chuyên động với tan số đã biết. Tín hiệu dội lai từ vật thé quay trở lại thiết bị ở một tần số khác và sự khác biệt là tốc độ của vật thê đang đến gần hoặc rời đi. Nó được gọi là hiệu ứng Doppler. Mặc dù vậy, Radar cũng có những hạn chế do đó một công nghệ đo tốc độ mới sử dụng cách giải thích hiện đại về nguyên tắc tương tự ra đời.
Trong khi thiết bị đo tốc độ bằng Radar vẫn tồn tại, công nghệ Lidar đã dần dần thay thế nó trong những năm đầu của thế kỷ 21 như một thiết bị đo tốc độ vi phạm giao thông ưa chuộng. Thay vì tín hiệu vô tuyến, thiết bị đo tốc độ bằng Lidar bắn các xung ánh sáng vào xe và đo thời gian chúng quay trở lại. Các thiết bị Lidar tỉnh vi có thê đo chính xác các xung được chiếu cũng như các xung phản xạ từ phương tiện mục tiêu. Nói một cách đơn giản, thiết bị tính toán sự thay đôi về khoảng cách trong một khoảng thời gian rất ngắn từ đó tính ra vận tốc.
Nguồn ánh sáng của Lidar là tia laser cực mạnh không thé nhìn thấy bằng mắt thường nhưng đủ mạnh dé dội lại từ các phương tiện cách xa hàng trăm mét. Không giống như Radar, tia laser nhắm mục tiêu chính xác hơn, cho phép cảnh sát nhắm mục tiêu vào một phương tiện cụ thể đang tham gia giao thông và các xung ánh sáng giống như một dấu hiệu khó có thé “giả mao’ hoặc đánh lừa bởi các thiết bị khác. Tia laser cũng là một tần số ánh sáng rất cụ thé, do đó, nó không dễ bị nhằm lẫn bởi các nguồn khác. Người vận hành thường nhắm mục tiêu vào biên số đăng ký của xe vì điều này tạo ra một bề mặt phản chiếu phăng ở một góc vuông và phản xạ tia laser trực tiếp trở lại điểm gốc của nó và với hơn 100 phép đo được thực hiện trong nửa giây, quá trình đo gan như tức thì.
Các nghiên cứu tương tự Trong khi đó, việc do tốc độ giao thông dựa trên camera giám sát được lắp đặt vẫn là một bài toán còn trong giai đoạn nghiên cứu mà chưa được triển khai. Bài toán dang được quan tâm bởi cộng đồng các nhà khoa học với mục đích triển khai hệ thong do vận tốc phương tiện giao thông trên diện rộng với số lượng lớn, thông minh hơn, kết nối tốt hơn. Tuy nhiên vẫn còn tôn tại những thách thức lớn khiến dự án vẫn chưa thé thương mại. Một trong những thách thức lớn nhất là khả năng hoạt động đa góc, với mỗi camera đều phải cung cấp, đo đạc các tham số thủ công do đó tiêu tốn về công sức và chi phi.
Các nghiên cứu về đề tài này đều đề xuất những phương pháp, kỹ thuật đề tính đoạn đường di chuyên của phương tiện. Đề tính toán khoảng cách di chuyên của phương tiện là một vấn đề khó khăn do khoảng cách trong video 2 chiều và khoảng cách trong thời gian thực 3 chiều là khác nhau. Do đó cần một bước căn chỉnh dé khớp tọa độ của camera giám sát, tọa độ thực và tọa độ trên ảnh. Nhìn chung, các bài báo nghiên cứu khoa học đều thực hiện phép biến đổi từ hệ tọa độ ảnh với đơn vị pixel sang hệ tọa độ thực với đơn vi khoảng cách là mét như ở hình 1-1.
Mô hình chuyền đổi từ khoảng cách thực sang khoảng cách ảo [2]. Bài báo [2] đê xuât mục đích của việc hiệu chuân camera chính là đê tính toán khoảng cách thực d giữa 2 điểm (P1, P2) trên mặt đường thông qua phép chiếu (p1, p2) trên không gian ảnh. Thống kê kết quả một số bài báo [3] [4] [5] [6]. BAI BAO SAI SO VAN TÓC Automatic Camera +2% 1920 x 1080 Low traffic: 24.98 Calibration for Traffic High traffic: 19.64 Understanding [3] Automatic estimation of +2 km/h 768 x 576 25 fps vehicle speed from uncalibrated video sequences [4] Vehicle counting and +3.325 km/h speed measurement using headlight detection [6] NSGA-II Based Auto- Largest MSE: 16.69 1280 x 720 25 fps Calibration of Automatic Smallest MSE: 3.56 Number Plate Largest STD: 0.05 Recognition Camera for - Smallest STD: 4.19 Vehicle Speed Measurement [5] Nhìn chung, với độ phân giải FullHD, bài báo của nhóm tác gia Markéta Dubska [3] dat FPS từ 19fps đến 25fps tùy thuộc vào mật độ giao thông và có sai số là +2% so VỚI Vận tốc thực.
Bài báo [4] của nhóm tác giả Lazaros và cộng sự có độ phân giải thấp hơn va fps đạt được cao hơn, nhóm tac giả đưa ra sai số là --2 km/h. Nhóm tác giả của bài báo [5] thực hiện rất nhiều đánh giá dựa trên rất nhiều các yếu tố và đưa ra MSE và STD lớn nhất và nhỏ nhất như bảng 1-1. Trong khi bài báo [6], có sai số trung bình lớn nhất với +3. Tổng quan khóa luận Trong khóa luận này, chúng em tiến hành tìm hiểu và áp dung mô hình máy học cũng như các phương pháp huấn luyện dé nhận diện phương tiện cũng như đưa ra một số đánh giá về các mô hình và các thuật toán tracker.
Cuối cùng, chúng em đưa ra phương pháp dé tính vận tốc phương tiện bằng xử lý ảnh được áp dụng trên bộ dit liệu mà chúng em thu thập. Bộ dữ liệu được thu thập ở 2 tuyển đường. Chúng em tự tạo một bộ đữ liệu có tên là vn_vehicle, được quay ở hai điểm tại Thành phố Hỗ Chí Minh là đường Hoàng Văn Thụ, Tân Binh và Điện Biên Phủ, Binh Thanh. Bộ dữ liệu video được quay vào ban ngày trong khoảng thời gian từ (13h-16h) với tổng thời gian hơn 2 tiếng định dạng mp4, độ phân giải 1920x1080 và 30 FPS.
Đối tượng chúng em thu thập là phương tiện lưu thông chủ yếu là: xe máy, ô tô, xe buýt. Sau đó chúng em đã sử dụng hơn 10000 mau (samples) dé tiến hành training model. Số còn lại chúng em sử dụng mục đích xử lý và thử nghiệm. Những đóng góp của khóa luận này gồm: e Tu xây dựng bộ di liệu riêng phù hợp với giao thông Việt Nam đặc biệt là bộ dữ liệu về xe máy.
e Dé xuất và xây dựng hệ thong nhận diện, theo dõi phương tiện bằng ứng dụng mạng neural kết hợp thuật toán Tracking và xử lý ảnh. e_ Tiến hành thực hiện ước tính vận tốc trên bộ dữ liệu dé đánh giá và so sánh kết quả. Đầu ra kết quả thực nghiệm ước tính vận tốc trên hai phương tiện. Mục tiêu và phạm vi đề tài Mục tiêu: nhóm đưa ra mục tiêu là thực hiện ước tính tốc độ phương tiện trên hai tuyến đường trong Thành phó Hồ Chí Minh.
Cụ thé: e Tìm hiểu, khảo sát và thực hiện các phương pháp nhận diện phương tiện giao thông. Kết quả mong muốn chỉ số sai lệch xấp xi 1. e Tìm hiểu, khảo sát và thực hiện các thuật toán tracking. e - Nghiên cứu và thực hiện phương pháp tinh vận tốc phương tiện.
Kết quả mong muốn đạt sai số 10%. e Fps mong muốn dat từ 15fps đến 25fps tùy thuộc mật độ giao thông. Phạm vi: Thử nhiệm và ứng dụng các thuật toán nhận diện, tracking và ước tính vận tốc phương tiện trên bộ dữ liệu là các video đã thu thập ở hai tuyền đường có độ phân giải FullHD. Thách thức Bài toán gặp một số thách thức khi nhóm triển khai thực hiện và một trong những thách thức lớn nhất khiến phương pháp này chưa thể áp dụng rộng rãi là mỗi camera đều phải cung cấp và đo đạc các tham số thủ công.
Nghĩa là mỗi camera riêng biệt phải cấu hình riêng biệt. Ngoài ra, vẫn có một số nguyên nhân khách quan khiến sai số vận tốc lớn như thời tiết, điều kiện thiếu ánh sáng hay những trường hợp phương tiện di chuyển không theo đường thang. Đó cũng là hạn chế của đề tài khóa luận này cũng như các công trình nghiên cứu trước.