Tổng quan nghiên cứu

Sự gia tăng nhanh chóng của các phương tiện giao thông đường bộ với tốc độ tăng trưởng ước tính khoảng 12% đến 15% mỗi năm tại Cộng hòa Dân chủ Nhân dân Lào đang tạo ra áp lực quản lý rất lớn đối với các cơ quan quản lý đô thị. Công tác kiểm soát phương tiện thủ công tại 18 tỉnh thành bộc lộ nhiều hạn chế về thời gian, nhân lực và tiềm ẩn sai sót trong phát hiện vi phạm hoặc chống trộm cắp. Nhận thức rõ tính cấp thiết của việc tự động hóa giám sát giao thông, luận văn thạc sĩ chuyên ngành Công nghệ thông tin tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên (bảo vệ năm 2016) đã tập trung giải quyết bài toán: “Nghiên cứu nhận dạng biển số xe ô tô Cộng hòa dân chủ nhân dân Lào”.

Mục tiêu trọng tâm của đề tài là xây dựng quy trình tự động hoàn chỉnh từ khâu tiếp nhận ảnh chụp phương tiện, bóc tách vùng chứa biển số, phân đoạn từng ký tự đến trích chọn đặc trưng và nhận dạng ký tự số/chữ cái. Nghiên cứu được triển khai trong phạm vi dữ liệu hình ảnh ô tô thực tế tại Lào với hệ thống biển số đa dạng gồm 4 nhóm màu quy chuẩn (đỏ, trắng, vàng, xanh dương) và mẫu ký hiệu định danh phân bổ theo 18 đơn vị hành chính cấp tỉnh. Kết quả của luận văn mang lại giá trị thực tiễn cao, giúp giảm thiểu hơn 70% thời gian xử lý thủ công tại các trạm kiểm soát, nâng tỷ lệ tự động hóa giám sát tại các nút giao thông và trạm thu phí lên trên 90%, đồng thời đóng góp khung giải thuật thị giác máy tính phù hợp với cấu trúc biển số xe đặc thù tại khu vực Đông Nam Á.

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 kinh điển kết hợp các mô hình toán học hiện đại trong trích chọn đặc trưng hình học và không gian điểm ảnh:

  • Lý thuyết biểu diễn ảnh số và quan hệ lân cận: Ảnh đầu vào được chuẩn hóa về thang 256 mức xám (8-bit) với ma trận điểm ảnh $m \times n$. Không gian lân cận 4 hướng và 8 hướng được áp dụng để xác định tính liên thông và thiết lập giới hạn biên đối tượng.
  • Lý thuyết phát hiện biên và giải thuật lọc nhiễu: Sử dụng các bộ lọc ma trận kích thước $3 \times 3$ (lọc trung vị và lọc trung bình) nhằm triệt tiêu nhiễu hạt trước khi vi phân. Kỹ thuật phát hiện biên bậc nhất gồm toán tử Gradient, Prewitt, Sobel và toán tử đa ngưỡng Canny giúp định vị chính xác cạnh đối tượng; toán tử Laplace bậc hai giải quyết các vùng chuyển tiếp mức xám mịn.
  • Lý thuyết chu tuyến và biểu diễn hình học: Áp dụng khái niệm chu tuyến trong, chu tuyến ngoài, chu tuyến đối ngẫu và hàm bán kính vector (Radius-vector) kết hợp biến đổi Fourier rời rạc để mô tả hình dạng bất biến của khung biển số.
  • Mô hình phân đoạn ảnh: Tích hợp phương pháp phân ngưỡng tự động Otsu dựa trên lược đồ xám (Histogram) và biến đổi Hough để trích xuất các đường thẳng bao quanh vùng biển số.

Phương pháp nghiên cứu

Nghiên cứu kết hợp phương pháp nghiên cứu lý thuyết và thực nghiệm phần mềm trên tập dữ liệu thực tế:

  • Nguồn dữ liệu và cỡ mẫu: Bộ dữ liệu gồm 500 ảnh chụp xe ô tô lưu thông thực tế tại các tuyến đường đô thị, bãi đỗ và khu vực cửa khẩu quốc tế tại Lào. Dữ liệu bao quát các điều kiện môi trường ánh sáng ban ngày, bóng râm và góc chụp nghiêng từ 0 đến 30 độ.
  • Phương pháp chọn mẫu: Áp dụng phương pháp chọn mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) đại diện cho 4 gam màu biển số chính thức (biển xe tư nhân, doanh nghiệp, quân đội, cơ quan công quyền) và mẫu biển số mới sử dụng ký tự Latinh (A, B, C...) cùng 18 địa danh tỉnh thành.
  • Phương pháp phân tích và công cụ thực nghiệm: Lý do lựa chọn thư viện mã nguồn mở OpenCV (C/C++) là nhờ khả năng tối ưu hóa tính toán ma trận thời gian thực và cung cấp hệ thống hàm xử lý hình thái học mạnh mẽ như cvBoundingRect, cvReleaseImage, cvMemStorage. Quy trình phân tích định lượng được thực hiện qua 3 giai đoạn: tiền xử lý - bóc tách vùng biển số, phân đoạn tách ký tự và trích xuất đặc trưng nhận dạng. Toàn bộ quá trình nghiên cứu và thử nghiệm được hoàn thành trong chu kỳ 24 tháng (2014 – 2016).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm chương trình nhận dạng biển số xe ô tô Lào trên tập dữ liệu 500 mẫu ảnh đã ghi nhận các phát hiện khoa học và kết quả định lượng cụ thể:

  • Hiệu quả định vị vùng biển số: Thuật toán kết hợp lọc trung vị ma trận $3 \times 3$, nhị phân hóa Otsu và tách cạnh Sobel/Canny đạt tỷ lệ phát hiện chính xác vị trí biển số là 93,6% (468/500 ảnh), thời gian xử lý trung bình đạt 115ms cho mỗi khung hình độ phân giải VGA ($640 \times 480$ pixel).
  • Độ chính xác phân đoạn ký tự: Phương pháp chiếu đứng và chiếu ngang kết hợp lọc hình thái học đạt tỷ lệ phân tách ký tự thành công 91,2%, giảm tỷ lệ dính ký tự do ốc vít hoặc viền biển số xuống dưới 6,8% so với phương pháp tách ngưỡng tĩnh truyền thống.
  • Hiệu suất nhận dạng ký tự chữ và số: Chương trình nhận dạng chính xác 89,8% tổng số ký tự trên các mẫu biển số mới (chữ cái Latinh và số), thời gian nhận dạng trung bình cho toàn bộ cụm ký tự trên một biển số dao động từ 135ms đến 170ms.
  • Tổng thời gian đáp ứng hệ thống: Tổng thời gian thực thi toàn bộ chu trình từ khi nạp ảnh đầu vào đến khi hiển thị kết quả trên giao diện người dùng duy trì ổn định ở mức 250ms đến 320ms mỗi xe, đáp ứng tốt yêu cầu xử lý thời gian thực tại các trạm kiểm soát tốc độ thấp.

Thảo luận kết quả

Khả năng định vị chính xác vùng biển số đạt trên 93% được giải thích bởi việc ứng dụng triệt để tính chất bất biến hình học (tỷ lệ chiều dài/chiều rộng, diện tích và chu vi) của khung biển số ô tô Lào. Việc nhị phân hóa cục bộ thích nghi giúp loại bỏ hiệu quả các vùng nền phức tạp như đèn xe, lưới tản nhiệt và cản va. So sánh với các nghiên cứu nhận dạng biển số tại khu vực Đông Nam Á trong cùng giai đoạn 2015 – 2016, giải pháp sử dụng hàm bán kính vector và chu tuyến đối ngẫu trong luận văn này giúp cải thiện tốc độ bóc tách cạnh nhanh hơn khoảng 14% so với các mô hình dò biên thuần túy.

Trong cấu trúc hiển thị dữ liệu của chương trình, các kết quả đo lường được trực quan hóa thông qua 3 dạng đồ thị chính: biểu đồ thời gian phát hiện vùng biển số (Hình 3.9), biểu đồ thời gian phân đoạn nhận dạng ký tự (Hình 3.10) và biểu đồ tổng thời gian đáp ứng hệ thống (Hình 3.11). Bảng thống kê thực nghiệm chỉ ra rằng sai số chủ yếu xuất hiện ở các ảnh chụp có độ nghiêng góc lớn hơn 25 độ (chiếm 4,2% lỗi định vị) hoặc biển số cũ bị trầy xước và bám bẩn (chiếm 3,4% lỗi phân đoạn ký tự). Điều này khẳng định sự cần thiết của các bước cân chỉnh góc nghiêng tự động trước khi phân đoạn ký tự.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và nâng cao hiệu quả ứng dụng thực tiễn của hệ thống nhận dạng biển số xe ô tô tại Lào, luận văn đưa ra 4 khuyến nghị then chốt:

  • Tối ưu hóa mô-đun tiền xử lý và khử nhiễu thích nghi ánh sáng: Nâng cấp thuật toán cân bằng độ sáng đa vùng nhằm nâng tỷ lệ định vị biển số trong điều kiện ban đêm và sương mù lên mục tiêu 96%, thời gian triển khai dự kiến trong 6 tháng, chủ thể thực hiện là Cục Cảnh sát Giao thông – Bộ An ninh Lào phối hợp với các nhóm nghiên cứu công nghệ thông tin.
  • Ứng dụng mạng nơ-ron học sâu (Deep Learning/CNN) cho khối nhận dạng ký tự: Thay thế phương pháp trích chọn đặc trưng hình học truyền thống bằng các mô hình mạng nơ-ron tích chập để giảm tỷ lệ nhầm lẫn giữa các ký tự tương đồng (như 8 - B, 0 - D) xuống dưới 1,2%, mục tiêu hoàn thành trong vòng 12 tháng do các viện nghiên cứu và trường đại học công nghệ chủ trì.
  • Chuẩn hóa và mở rộng bộ cơ sở dữ liệu số hóa 18 tỉnh thành: Xây dựng kho dữ liệu ảnh chuẩn gồm 10.000 mẫu ảnh phương tiện lưu thông trên toàn quốc phục vụ huấn luyện và kiểm thử thuật toán, lộ trình thực hiện 18 tháng (giai đoạn 2017 – 2018), cơ quan điều phối là Bộ Công chính và Vận tải Lào.
  • Thí điểm lắp đặt hệ thống kiểm soát tự động tại 5 trạm thu phí và cửa khẩu quốc tế: Rút ngắn thời gian thông quan phương tiện xuống dưới 3 giây cho mỗi lượt xe, giảm thiểu 80% nhân lực trực trạm, triển khai thử nghiệm trong vòng 9 tháng bởi Tổng cục Hải quan Lào và các ban quản lý cửa khẩu.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cho 4 nhóm đối tượng chính:

  • Kỹ sư phần mềm thị giác máy tính và trí tuệ nhân tạo: Nắm vững quy trình xây dựng ứng dụng xử lý ảnh thực tế từ tiền xử lý ma trận 8-bit, thuật toán Canny, Otsu đến tích hợp thư viện OpenCV (C/C++) trong bài toán nhận dạng phương tiện.
  • Học viên cao học và sinh viên ngành Công nghệ thông tin: Tiếp cận phương pháp luận nghiên cứu khoa học chuẩn mực trong lĩnh vực thị giác máy tính, nắm rõ các khái niệm toán học về chu tuyến, hàm Radius-vector và thuật toán dò biên đồ thị.
  • Cơ quan quản lý giao thông đô thị và lực lượng cảnh sát: Ứng dụng mô hình giám sát tự động để quản lý phương tiện lưu thông, phạt nguội vi phạm tốc độ và hỗ trợ điều tra truy tìm xe mất cắp tại 18 tỉnh thành của Lào.
  • Doanh nghiệp phát triển giải pháp bãi đỗ xe thông minh (Smart Parking) và thu phí ETC: Tận dụng kiến trúc thuật toán có thời gian đáp ứng dưới 300ms để phát triển hệ thống đóng mở barie tự động và quản lý vé xe thông minh với chi phí phần cứng tối ưu.

Câu hỏi thường gặp

Luận văn sử dụng công cụ và thư viện lập trình nào để xây dựng chương trình nhận dạng? Tác giả sử dụng ngôn ngữ lập trình C/C++ kết hợp bộ thư viện mã nguồn mở OpenCV. Các hàm nòng cốt được khai thác gồm cvBoundingRect để tạo khung bao ký tự, cvMemStorage quản lý bộ nhớ động và cvReleaseImage tối ưu hóa tài nguyên phần cứng, cho phép chương trình xử lý nhanh trên ảnh 256 mức xám với thời gian dưới 320ms.

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 chuyển đổi giữa mẫu cũ (gồm chữ cái Lào uốn lượn phức tạp) và mẫu mới (gồm chữ cái Latinh kết hợp số) trên nền 4 gam màu khác nhau (đỏ, trắng, vàng, xanh dương) phân bổ theo 18 tỉnh thành. Sự đa dạng về màu sắc và ký tự đòi hỏi thuật toán phải có khả năng thích nghi cao với độ tương phản mức xám.

Toán tử Sobel và thuật toán Canny đóng vai trò gì trong việc bóc tách biển số? Toán tử Sobel sử dụng hai mặt nạ tích chập theo trục ngang và trục dọc để tính toán cường độ gradient. Thuật toán Canny áp dụng cơ chế khử phi cực đại và phân ngưỡng kép, giúp giữ lại các đường biên khung biển số thực sự rõ nét, loại bỏ hơn 85% nhiễu nền xung quanh phương tiện.

Phương pháp chiếu (Projection Method) được ứng dụng như thế nào trong việc tách ký tự? Sau khi nhị phân hóa vùng biển số, phương pháp chiếu đứng tính toán tổng số điểm ảnh đen theo từng cột để xác định khoảng cách giữa các ký tự, trong khi phép chiếu ngang xác định giới hạn trên/dưới. Kỹ thuật này đạt độ chính xác phân tách ký tự 91,2% và xử lý triệt để các ký tự độc lập.

Hệ thống xử lý thế nào khi ảnh chụp biển số bị mờ hoặc có góc nghiêng? Chương trình áp dụng bộ lọc trung vị kích thước $3 \times 3$ để làm mịn ảnh và triệt tiêu nhiễu muối tiêu. Đồng thời, giải pháp kết hợp hàm bán kính vector (Radius-vector) và biến đổi Hough giúp tái tạo góc xoay và hiệu chỉnh độ nghiêng trong phạm vi từ 0 đến 30 độ trước khi thực hiện nhận dạng ký tự.

Kết luận

  • Luận văn đã giải quyết thành công bài toán tự động hóa nhận dạng biển số xe ô tô tại Lào với tỷ lệ định vị đạt 93,6% và tỷ lệ nhận dạng ký tự đạt 89,8%.
  • Xây dựng hoàn chỉnh mô hình xử lý ảnh tuần tự gồm: lọc nhiễu trung vị $3 \times 3$, nhị phân hóa Otsu, tách biên Sobel/Canny và phân đoạn ký tự bằng phương pháp chiếu.
  • Tối ưu hóa thời gian thực thi toàn hệ thống đạt mức 250ms – 320ms mỗi khung hình trên nền tảng thư viện OpenCV.
  • Định hình lộ trình nghiên cứu tiếp theo giai đoạn 2017 – 2020 tập trung vào tích hợp mạng học sâu (Deep Learning) và triển khai thực địa tại 18 tỉnh thành trên toàn quốc.
  • Tài liệu mang giá trị học thuật và ứng dụng thực tiễn cao; bạn đọc quan tâm đến giải pháp thị giác máy tính và giao thông thông minh hãy tham khảo chi tiết toàn văn công trình nghiên cứu này để áp dụng vào các dự án công nghệ liên quan.