Tổng quan nghiên cứu

Sự gia tăng nhanh chóng của các phương tiện giao thông đường bộ tại khu vực Đông Nam Á với tốc độ bình quân trên 8,5% mỗi năm đang tạo ra áp lực nặng nề cho công tác giám sát trật tự đô thị và an ninh biên giới. Tại Cộng hòa Dân chủ Nhân dân Lào, với hơn 1,8 triệu phương tiện cơ giới đăng ký lưu hành trên địa bàn 18 tỉnh thành, việc quản lý và kiểm soát biển số thủ công đã bộc lộ nhiều hạn chế về nhân lực và thời gian xử lý. Bài toán nhận dạng biển số xe tự động (Automatic License Plate Recognition - ALPR) trở thành nhu cầu cấp thiết nhằm phục vụ thu phí giao thông không dừng, kiểm soát cửa khẩu quốc gia và điều tiết luồng phương tiện.

Vấn đề nghiên cứu trọng tâm của luận văn là giải quyết những thách thức kỹ thuật đặc thù trên biển số xe ô tô tại Lào. Hệ thống biển số tại đây có sự phân hóa phức tạp giữa định dạng cũ (chứa ký tự chữ Lào truyền thống uốn lượn) và định dạng chuẩn hóa mới (sử dụng chữ cái Latinh A, B, C kết hợp dãy số tự nhiên), đi kèm 4 quy chuẩn màu sắc phân cấp phương tiện (trắng, vàng, xanh dương, đỏ). Thêm vào đó, điều kiện chụp thực tế từ camera thường bị ảnh hưởng bởi góc nghiêng, ánh sáng không đồng đều, bụi bẩn và hiện tượng đinh ốc che khuất ký tự.

Mục tiêu cụ thể của luận văn là nghiên cứu, thiết kế và xây dựng chương trình tự động nhận dạng biển số xe ô tô Lào dựa trên các kỹ thuật xử lý ảnh số hiện đại và thư viện mã nguồn mở OpenCV. Phạm vi nghiên cứu tập trung vào toàn bộ cấu trúc biển số của 18 tỉnh thành trên toàn lãnh thổ Lào, được triển khai thực nghiệm trong giai đoạn 2014-2016 tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên. Kết quả nghiên cứu mang ý nghĩa thực tiễn to lớn, giúp rút ngắn thời gian xác thực phương tiện từ khoảng 30 giây khi thao tác thủ công xuống dưới 120 mili-giây trên mỗi khung hình, nâng cao hiệu suất giám sát tự động lên trên 90% tại các điểm kiểm soát giao thông.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng Lý thuyết Xử lý ảnh số (Digital Image Processing) và Lý thuyết Nhận dạng mẫu (Pattern Recognition), tập trung vào các giải thuật biến đổi tín hiệu rời rạc trên không gian ảnh hai chiều. Hệ thống mô hình toán học sử dụng các toán tử vi phân xấp xỉ đạo hàm bậc nhất (Gradient Sobel, Prewitt) và đạo hàm bậc hai (Laplace) nhằm phát hiện biên đối tượng dựa trên độ biến thiên đột ngột của mức xám.

Các khái niệm chuyên ngành then chốt được ứng dụng xuyên suốt bao gồm:

  • Phần tử ảnh và Mức xám (Pixel & Gray Level): Quá trình số hóa ảnh liên tục thành ma trận số hai chiều kích thước $n \times p$, lượng hóa giá trị cường độ sáng theo thang đo chuẩn 256 mức xám (8-bit, từ 0 đến 255).
  • Chu tuyến đối tượng ảnh (Image Contour): Tập hợp dãy điểm biên liên thông 8-láng giềng xác định ranh giới hình học giữa vùng đối tượng và nền, ứng dụng các bổ đề chu tuyến trong, chu tuyến ngoài và hàm vector bán kính (Radius-vector) để mô tả hình dạng.
  • Biến đổi tích chập và Mặt nạ lọc không gian: Sử dụng các bộ lọc trung vị và trung bình kích thước $3 \times 3$ để khử nhiễu đốm, kết hợp ma trận tích chập nhằm tính toán cường độ cạnh và hướng gradient.
  • Biến đổi Hough và Phân ngưỡng Otsu: Chuyển đổi không gian ảnh sang không gian tham số để nhận diện các đường thẳng biên bao hình chữ nhật của biển số xe, đồng thời tối ưu hóa ngưỡng nhị phân tự động.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu sơ cấp gồm tập ảnh chụp xe ô tô thực tế từ camera tại các tuyến giao thông và bãi đỗ xe. Cỡ mẫu thực nghiệm bao gồm 350 bức ảnh chụp xe ô tô trong các điều kiện môi trường đa dạng (ánh sáng ban ngày, ngược sáng, góc chụp nghiêng và môi trường bám bụi).

Phương pháp chọn mẫu là chọn mẫu ngẫu nhiên phân tầng (Stratified Random Sampling), đảm bảo độ phủ đại diện cho 4 nhóm màu sắc biển số quy định (xe tư nhân biển vàng, xe doanh nghiệp biển trắng, xe cơ quan nhà nước biển xanh dương, xe quân đội biển đỏ) và 18 tỉnh thành của Lào như Attapue, Bokeo, Champasak, Savannakhet, Luang Prabang, Thủ đô Vientiane.

Quy trình phân tích dữ liệu được xây dựng qua 3 giai đoạn chính:

  1. Tiền xử lý và Nhị phân hóa: Chuyển đổi ảnh màu RGB sang ảnh mức xám 256 mức, áp dụng bộ lọc trung vị $3 \times 3$ để loại bỏ nhiễu mà vẫn bảo toàn biên cạnh sắc nét, sau đó thực hiện phân ngưỡng nhị phân tự động theo thuật toán Otsu.
  2. Định vị và Bóc tách vùng biển số: Sử dụng toán tử vi phân Sobel theo hướng dọc và ngang, kết hợp biến đổi Hough để phát hiện các cạnh bao hình chữ nhật và lọc bỏ các đối tượng không thỏa mãn tỷ lệ dẹt, diện tích hoặc vị trí trọng tâm.
  3. Phân đoạn ký tự: Ứng dụng kỹ thuật chiếu biên theo trục ngang và trục dọc (Horizontal/Vertical Projection) để phân lập từng ký tự độc lập.

Lý do lựa chọn nền tảng thư viện mã nguồn mở OpenCV (ngôn ngữ C++) là nhờ khả năng tối ưu hóa tính toán ma trận cấp thấp, tiêu tốn ít tài nguyên phần cứng, hỗ trợ quản lý bộ nhớ trực tiếp và đạt tốc độ thực thi thời gian thực vượt trội trên các hệ thống giám sát nhúng. Toàn bộ tiến trình nghiên cứu và thực nghiệm được hoàn tất trong mốc thời gian 24 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình kiểm thử thuật toán trên bộ dữ liệu thực nghiệm đã ghi nhận các kết quả nổi bật sau:

  • Độ chính xác định vị vùng biển số đạt 94,8%: Sự kết hợp giữa thuật toán phân ngưỡng Otsu và biến đổi Hough giúp cô lập chính xác tọa độ biển số trên 332/350 ảnh thử nghiệm, giảm thiểu 82,5% các vùng nhiễu phức tạp từ lưới tản nhiệt, cản xe và nền đường xung quanh.
  • Tỷ lệ phân đoạn ký tự thành công đạt 91,4%: Phương pháp chiếu histogram theo trục ngang và trục dọc tách rời hoàn toàn các chữ cái Latinh và chữ số riêng biệt, khắc phục triệt để hiện tượng dính ký tự với viền biển số ở những góc chụp nghiêng lên đến 15 độ.
  • Thời gian xử lý trung bình đạt 118 mili-giây/khung hình: Thời gian bóc tách vùng biển số chỉ mất khoảng 42ms và thời gian nhận dạng ký tự tiêu tốn 76ms, nhanh hơn 98,7% so với quy trình ghi chép thủ công và đáp ứng đầy đủ tiêu chuẩn xử lý video luồng thực tế (đạt tốc độ 8-10 fps trên cấu hình máy tính văn phòng tiêu chuẩn).
  • Độ thích ứng phân loại đạt 93,2% trên 4 nhóm màu biển: Thuật toán duy trì tính ổn định cao khi xử lý biển số của cả 18 tỉnh thành, nhận diện chính xác các mã ký hiệu tỉnh như PL, SD, GM, PV, EP, ES, PC trên cả hai hệ thống biển số cũ và biển số mới.

Thảo luận kết quả

Hiệu quả vượt trội của giải pháp bắt nguồn từ việc kết hợp bộ lọc trung vị $3 \times 3$ với thuật toán phân ngưỡng cục bộ. Biển số xe ô tô có đặc trưng quang học với sự tương phản cao giữa màu ký tự và màu nền biển (ví dụ: chữ đen trên nền vàng hoặc chữ trắng trên nền xanh), tạo nên biểu đồ histogram hai đỉnh rõ rệt giúp thuật toán Otsu dễ dàng xác định ngưỡng phân tách tối ưu.

Khi so sánh với các kỹ thuật phát hiện biên đơn lẻ như Prewitt hay toán tử La bàn (vốn chỉ đạt độ chính xác khoảng 84-86% trong các nghiên cứu truyền thống), phương pháp kết hợp đạo hàm Sobel với biến đổi Hough trong luận văn giúp tăng tỷ lệ phát hiện lên gần 9-10%. Hơn nữa, so với các mô hình học sâu phức tạp đòi hỏi phần cứng GPU đắt tiền, giải pháp xử lý ảnh hình thái học trên OpenCV có chi phí tính toán thấp hơn 70%, cực kỳ phù hợp với điều kiện cơ sở hạ tầng giao thông tại Lào.

Dữ liệu thực nghiệm của nghiên cứu được trực quan hóa thông qua hệ thống biểu đồ thời gian phát hiện, biểu đồ thời gian nhận dạng và bảng phân phối độ trễ theo từng mức độ phân giải ảnh (từ chuẩn CGA $320 \times 200$ đến VGA $640 \times 350$). Các biểu đồ cho thấy phương sai thời gian xử lý giữa các khung hình rất nhỏ (dao động trong khoảng $\pm 12$ms), khẳng định tính ổn định cao của chương trình khi vận hành liên tục trong thời gian dài.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và triển khai ứng dụng vào đời sống, luận văn đưa ra 4 khuyến nghị trọng tâm:

  1. Nâng cấp thuật toán tiền xử lý thích nghi: Bộ Giao thông Công chính Lào phối hợp cùng các trường đại học kỹ thuật tích hợp thêm bộ lọc cân bằng sáng thích nghi (CLAHE) và giải thuật khử mờ chuyển động, đặt mục tiêu nâng tỷ lệ nhận dạng ban đêm từ 88% lên trên 96% trước quý IV năm 2027.
  2. Tích hợp mô hình học sâu trọng lượng nhẹ (Lightweight Deep Learning): Đội ngũ kỹ sư phần mềm phát triển bổ sung mạng nơ-ron tích chập (CNN) kết hợp giải thuật quang học OCR để nhận diện chính xác 100% các ký tự tiếng Lào cổ có cấu trúc dấu phức tạp, rút ngắn tổng thời gian xử lý xuống dưới 50ms/ảnh trong giai đoạn 2027-2028.
  3. Chuẩn hóa cơ sở dữ liệu phương tiện điện tử quốc gia: Cục Cảnh sát Giao thông Lào đẩy mạnh đồng bộ hóa dữ liệu quản lý phương tiện của 18 tỉnh thành trên nền tảng điện toán đám mây, cho phép hệ thống nhận dạng tự động truy xuất tức thì thông tin chủ xe và tình trạng đăng kiểm trong vòng 18 tháng.
  4. Triển khai thí điểm hệ thống thu phí tự động và kiểm soát cửa khẩu: Ban Quản lý Cửa khẩu quốc tế và các doanh nghiệp đầu tư hạ tầng giao thông lắp đặt thử nghiệm hệ thống nhận dạng tại 5 cửa khẩu trọng điểm tiếp giáp Việt Nam và Thái Lan, hướng đến cắt giảm 75% thời gian thông quan xe cơ giới vào năm 2028.

Đối tượng nên tham khảo luận văn

Nội dung luận văn mang lại giá trị học thuật và ứng dụng thực tiễn cao cho 4 nhóm đối tượng:

  • Kỹ sư phát triển phần mềm thị giác máy tính: Nắm bắt kiến trúc xây dựng ứng dụng xử lý ảnh thực tế với thư viện OpenCV, tái sử dụng các module tách biên Sobel, phân ngưỡng Otsu và biến đổi Hough để phát triển các hệ thống camera AI giám sát thông minh.
  • Học viên cao học và nghiên cứu sinh ngành Khoa học Máy tính: Tiếp cận tài liệu tham khảo hoàn chỉnh về lý thuyết chu tuyến ảnh, biểu diễn biên bằng hàm vector bán kính và phương pháp phân đoạn ký tự phục vụ việc bảo vệ luận văn chuyên ngành.
  • Cơ quan quản lý nhà nước và lực lượng Cảnh sát Giao thông: Khai thác cơ sở khoa học để xây dựng đề án số hóa hạ tầng giao thông đô thị, tự động hóa quy trình xử phạt nguội và kiểm soát an ninh trật tự tại các trạm gác cổng cơ quan.
  • Doanh nghiệp cung cấp giải pháp bãi đỗ xe và trạm thu phí: Ứng dụng giải thuật có độ phức tạp thấp để tích hợp trực tiếp vào các vi điều khiển hoặc máy tính nhúng giá rẻ, tối ưu hóa chi phí đầu tư ban đầu cho hệ thống Smart Parking.

Câu hỏi thường gặp

Tại sao thư viện OpenCV lại được lựa chọn làm công cụ cốt lõi trong nghiên cứu này?
OpenCV là bộ thư viện mã nguồn mở hàng đầu về thị giác máy tính với hơn 2.500 thuật toán tối ưu hóa ma trận số. Thư viện cho phép thực thi các phép biến đổi hình thái học, lọc trung vị và nhị phân hóa với độ trễ cực thấp (dưới 120ms/ảnh), đồng thời hỗ trợ quản lý bộ nhớ thông qua các hàm giải phóng con trỏ ảnh chuyên dụng, ngăn ngừa nguy cơ tràn RAM khi xử lý luồng video liên tục.

Hệ thống xử lý như thế nào đối với các biển số bị nghiêng hoặc dính đinh ốc, bụi bẩn?
Thuật toán sử dụng bộ lọc trung vị $3 \times 3$ để loại bỏ nhiễu hạt do bụi bẩn, sau đó áp dụng biến đổi Hough để phát hiện góc xoay của khung biển số. Khi phân đoạn ký tự, phương pháp chiếu biên kết hợp phân tích tỷ lệ kích thước và diện tích giúp loại bỏ các vùng nhiễu hình tròn của đinh ốc, bảo đảm tỷ lệ tách ký tự chính xác trên 91%.

Biển số xe ô tô tại Lào có đặc thù gì gây khó khăn cho quá trình nhận dạng tự động?
Biển số xe Lào có sự đa dạng lớn với 4 nhóm màu nền phân cấp chức năng và áp dụng cho 18 tỉnh thành khác nhau. Sự tồn tại song song giữa hệ thống biển số cũ chứa chữ Lào uốn lượn và hệ thống biển số mới dùng chữ cái Latinh đòi hỏi giải thuật phải có tính linh hoạt cao trong khâu trích chọn đặc trưng hình học bất biến.

Thuật toán phân ngưỡng Otsu đóng vai trò gì trong bước bóc tách vùng biển số?
Thuật toán Otsu tự động tính toán ngưỡng phân tách nhị phân tối ưu dựa trên việc cực đại hóa phương sai giữa các lớp điểm ảnh trên lược đồ mức xám 256 cấp. Điều này giúp chuyển ảnh xám thành ảnh đen trắng rõ nét, làm nổi bật viền biển số khỏi nền thân xe mà không cần người vận hành phải tinh chỉnh tham số thủ công.

Mô hình trong luận văn có thể triển khai thực tế trên các camera giao thông hiện nay không?
Giải pháp hoàn toàn khả thi khi tích hợp vào hệ thống camera giám sát tại các trạm thu phí, bãi giữ xe hoặc cửa khẩu quốc tế. Với tốc độ xử lý đạt 8-10 khung hình/giây trên phần cứng thông dụng, hệ thống đáp ứng tốt yêu cầu nhận dạng khi phương tiện di chuyển qua vùng quét với tốc độ chậm và vừa phải.

Kết luận

Nghiên cứu đã giải quyết trọn vẹn bài toán nhận dạng biển số xe ô tô theo quy chuẩn của Lào với các đóng góp học thuật và thực tiễn nổi bật:

  • Hệ thống hóa toàn diện cơ sở lý thuyết xử lý ảnh số, các toán tử phát hiện biên vi phân và cấu trúc chu tuyến đối tượng ảnh.
  • Xây dựng thành công quy trình tự động bóc tách vùng biển số thích ứng với 4 nhóm màu sắc và hệ thống ký hiệu của 18 tỉnh thành tại Lào.
  • Hoàn thiện giải pháp phân đoạn ký tự hiệu quả bằng kỹ thuật chiếu biên kết hợp thuật toán phân ngưỡng tự động Otsu.
  • Phát triển phần mềm thực nghiệm hoàn chỉnh trên nền tảng OpenCV C++, đạt độ chính xác định vị 94,8% với tốc độ xử lý dưới 120ms/ảnh.
  • Cung cấp nguồn tài liệu khoa học giá trị, định hình khung giải pháp cho các hệ thống giao thông thông minh tại Lào và khu vực Đông Nam Á.

Trong lộ trình 2027-2028, hướng phát triển tiếp theo của đề tài sẽ tập trung tích hợp các mạng nơ-ron học sâu để mở rộng khả năng nhận dạng video độ phân giải cao trong điều kiện xe di chuyển tốc độ nhanh. Các nhà nghiên cứu, kỹ sư phần mềm và đơn vị quản lý giao thông có thể khai thác trực tiếp mô hình thuật toán này để triển khai các giải pháp giám sát phương tiện tự động hóa và an ninh cửa khẩu.