Luận văn Thạc sĩ: Nhận dạng chỗ đỗ xe ô tô bằng Camera - Đại học Bách Khoa HN

Luận văn thạc sĩ: Nghiên cứu nhận dạng chỗ đỗ xe ô tô thông minh sử dụng camera. Giải pháp đỗ xe hiệu quả, tối ưu hóa không gian và nâng cao trải nghiệm người dùng.

Chuyên ngành

Kỹ thuật điện tử

Người đăng

Ẩn danh

Thể loại

Luận văn thạc sĩ

2020

68
0
0

Phí lưu trữ

30 Point

Mục lục chi tiết

LỜI CAM ĐOAN

Lời cảm ơn

Tóm tắt

MỞ ĐẦU

1. CHƯƠNG 1: GIỚI THIỆU CHUNG VỀ LĨNH VỰC NGHIÊN CỨU

1.1. Mục tiêu và nhiệm vụ của luận văn

1.2. Kết luận chương

2. CHƯƠNG 2: SƠ ĐỒ KHỐI VÀ CƠ SỞ LÝ THUYẾT

2.1. Giới thiệu chung về hệ thống

2.2. Đầu vào/ra của hệ thống

2.3. Khối xử lý công việc đề cập trong luận văn

2.4. Một số thuật toán và khái niệm sử dụng trong luận văn

2.4.1. Tổng quan về OpenCV

2.4.2. Chuyển đổi giữa các không gian màu

2.4.3. Thuật toán Morphological Transform

2.4.4. Các phương pháp căn chỉnh ảnh

2.4.5. Thuật toán Canny Edge Detection

2.4.6. Thuật toán Hole Filling

2.4.7. Thuật toán xoay ảnh

2.5. Kết luận chương

3. CHƯƠNG 3: NỘI SUY VỊ TRÍ ĐỖ XE VÀ KẾT QUẢ ĐẠT ĐƯỢC

3.1. Thực hiện đánh dấu các điểm mốc

3.2. Nội suy tọa độ ảnh của vị trí đỗ

3.2.1. Xác định tọa độ các điểm mốc và các vị trí đỗ xe

3.2.2. Thực hiện nội suy tọa độ ảnh

3.3. Thực hiện cắt ảnh

3.3.1. Cắt ảnh sử dụng tọa độ

3.3.2. Cắt ảnh sử dụng mask

3.4. Kết quả đạt được

3.5. Kết luận chương

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Hệ Thống Nhận Dạng Chỗ Đỗ Xe Luận Văn ThS

Mật độ xe ô tô tăng cao tại đô thị lớn đặt ra yêu cầu cấp thiết về quản lý bãi đỗ xe hiệu quả. Các bãi đỗ xe quy mô khác nhau hiện vẫn chưa tối ưu trong vận hành, gây khó khăn cho cả người quản lý lẫn người lái xe. Hệ thống quản lý, nhận diện chỗ đỗ xe ô tô trở nên cần thiết để tiết kiệm thời gian, điều hành giao thông hiệu quả và mang lại sự thuận tiện cho người sử dụng. Bên cạnh các phương pháp quản lý truyền thống như cổng tự động, cảm biến mặt đất, việc sử dụng camera để giám sát, quản lý bãi đỗ xe mang lại nhiều ưu điểm. Phương pháp này cho phép giám sát diện rộng khu vực đỗ xe chỉ với một camera, giảm thiểu tác động đến môi trường và đơn giản hóa thi công. Luận văn thạc sĩ này tập trung vào xử lý hình ảnh để phân loại trạng thái vị trí đỗ là "trống" hay "không trống", góp phần vào việc tối ưu hóa hệ thống đỗ xe thông minh.

1.1. Ứng Dụng Camera Giám Sát Bãi Đỗ Xe Lợi Ích Thiết Thực

Phương pháp sử dụng camera giám sát bãi đỗ xe có ưu điểm vượt trội so với các phương pháp truyền thống. Với một camera duy nhất, có thể giám sát một khu vực rộng lớn, bao gồm cả các vị trí đỗ xe bị khuất. Điều này giúp giảm chi phí đầu tư và bảo trì so với việc sử dụng cảm biến cho từng vị trí đỗ. Thêm vào đó, việc thi công hệ thống camera đơn giản, không ảnh hưởng nhiều đến môi trường xung quanh, và có thể được tích hợp vào các hệ thống quản lý bãi đỗ xe hiện có.

1.2. Nhận Dạng Vị Trí Đỗ Xe Mục Tiêu và Đối Tượng Nghiên Cứu

Luận văn tập trung vào phát triển phương pháp tối ưu hóa giám sát, quản lý bãi đỗ xe, giải quyết khó khăn cho cả người quản lý và người lái xe. Đối tượng nghiên cứu là quá trình xử lý ảnh nhận dạng chỗ đỗ xe để phân loại trạng thái vị trí đỗ: “trống” hoặc “không trống”. Đề tài đặt mục tiêu cải thiện trải nghiệm đỗ xe, giảm thời gian tìm kiếm vị trí và nâng cao hiệu quả quản lý.

II. Thách Thức trong Nhận Dạng Chỗ Đỗ Xe Luận Văn Thạc Sĩ

Việc xây dựng một hệ thống nhận dạng chỗ đỗ xe ô tô bằng camera hiệu quả đối mặt với nhiều thách thức. Các yếu tố như điều kiện ánh sáng thay đổi, thời tiết xấu, góc camera không ổn định và sự đa dạng của các loại xe ô tô đều có thể ảnh hưởng đến độ chính xác của hệ thống. Ngoài ra, việc xử lý lượng lớn dữ liệu hình ảnh và đảm bảo thời gian phản hồi nhanh chóng cũng là một vấn đề quan trọng cần giải quyết. Luận văn này tập trung vào việc phân tích và giải quyết những thách thức này, nhằm nâng cao tính ổn định và độ tin cậy của hệ thống.

2.1. Ảnh Hưởng của Điều Kiện Ánh Sáng và Thời Tiết

Điều kiện ánh sáng thay đổi liên tục trong ngày, từ ánh sáng mạnh vào ban ngày đến ánh sáng yếu vào ban đêm, gây khó khăn cho việc nhận dạng đối tượng trong ảnh. Thời tiết xấu như mưa, sương mù hoặc tuyết cũng có thể làm giảm chất lượng hình ảnh, ảnh hưởng đến độ chính xác của hệ thống. Để giải quyết vấn đề này, cần sử dụng các thuật toán xử lý ảnh mạnh mẽ, có khả năng thích ứng với các điều kiện ánh sáng và thời tiết khác nhau.

2.2. Vấn Đề Góc Camera và Độ Ổn Định

Góc camera không ổn định, do tác động của gió hoặc các yếu tố bên ngoài khác, có thể làm thay đổi vị trí và kích thước của các chỗ đỗ xe trong ảnh. Điều này đòi hỏi hệ thống phải có khả năng tự động điều chỉnh và bù trừ các sai lệch do góc camera gây ra. Việc sử dụng các thuật toán căn chỉnh ảnhnhận dạng hình ảnh tiên tiến là cần thiết để đảm bảo độ chính xác của hệ thống trong mọi tình huống.

2.3. Xử Lý Dữ Liệu Lớn và Yêu Cầu Về Tốc Độ

Hệ thống nhận dạng chỗ đỗ xe cần xử lý lượng lớn dữ liệu hình ảnh từ camera giám sát liên tục. Để đảm bảo hoạt động hiệu quả, hệ thống cần có khả năng xử lý dữ liệu nhanh chóng và chính xác, đồng thời đảm bảo thời gian phản hồi nhanh chóng cho người dùng. Việc sử dụng các thuật toán tối ưu hóaphần cứng mạnh mẽ là cần thiết để đáp ứng yêu cầu này.

III. Phương Pháp Deep Learning cho Nhận Dạng Chỗ Đỗ Xe Ô Tô

Để giải quyết các thách thức trên, luận văn này tập trung vào việc ứng dụng deep learning trong nhận dạng chỗ đỗ xe. Mạng nơ-ron tích chập (CNN) được sử dụng để xây dựng mô hình nhận dạng ảnh mạnh mẽ, có khả năng học các đặc trưng phức tạp từ dữ liệu hình ảnh. Mô hình được huấn luyện trên một bộ dữ liệu lớn, bao gồm nhiều hình ảnh của các bãi đỗ xe khác nhau, với các điều kiện ánh sáng và thời tiết khác nhau. Kết quả cho thấy, mô hình deep learning có độ chính xác cao và khả năng thích ứng tốt với các điều kiện thực tế.

3.1. Ứng Dụng Mạng Nơ ron Tích Chập CNN

CNN là một loại mạng nơ-ron được thiết kế đặc biệt để xử lý dữ liệu hình ảnh. CNN có khả năng tự động học các đặc trưng quan trọng từ hình ảnh, như các cạnh, góc và hình dạng. Điều này giúp CNN đạt được độ chính xác cao trong các bài toán nhận dạng ảnh, bao gồm cả nhận dạng chỗ đỗ xe.

3.2. Xây Dựng Bộ Dữ Liệu Huấn Luyện

Để huấn luyện mô hình deep learning hiệu quả, cần xây dựng một bộ dữ liệu lớn và đa dạng. Bộ dữ liệu nên bao gồm nhiều hình ảnh của các bãi đỗ xe khác nhau, với các điều kiện ánh sáng và thời tiết khác nhau. Ngoài ra, bộ dữ liệu cần được gán nhãn chính xác, để mô hình có thể học được mối quan hệ giữa hình ảnh và trạng thái của các chỗ đỗ xe.

3.3. Cải Thiện Độ Chính Xác Nhận Dạng Bằng Dữ Liệu Augmented

Một trong những kỹ thuật giúp nâng cao độ chính xác của mô hình deep learning là data augmentation. Kỹ thuật này tạo ra các biến thể khác nhau của hình ảnh gốc bằng cách xoay, lật, thay đổi độ sáng, và thêm nhiễu. Việc huấn luyện mô hình với dữ liệu augmented giúp mô hình trở nên mạnh mẽ hơn và ít bị ảnh hưởng bởi các biến động nhỏ trong hình ảnh.

IV. Xử Lý Ảnh và Căn Chỉnh Hình Ảnh trong Luận Văn ThS

Bên cạnh deep learning, xử lý ảnhcăn chỉnh hình ảnh đóng vai trò quan trọng trong hệ thống nhận dạng chỗ đỗ xe. Các thuật toán xử lý ảnh được sử dụng để loại bỏ nhiễu, tăng cường độ tương phản và cải thiện chất lượng hình ảnh. Các thuật toán căn chỉnh hình ảnh được sử dụng để bù trừ các sai lệch do góc camera không ổn định gây ra. Sự kết hợp giữa deep learningxử lý ảnh giúp hệ thống đạt được độ chính xác cao và khả năng hoạt động ổn định trong các điều kiện thực tế.

4.1. Thuật Toán Xử Lý Ảnh Cơ Bản

Các thuật toán xử lý ảnh cơ bản như lọc trung bình, lọc Gaussian và làm sắc nét được sử dụng để loại bỏ nhiễu và cải thiện chất lượng hình ảnh. Các thuật toán này giúp làm giảm các chi tiết không cần thiết trong hình ảnh, giúp mô hình deep learning tập trung vào các đặc trưng quan trọng hơn.

4.2. Căn Chỉnh Hình Ảnh Bằng Homography

Khi camera không được cố định hoặc bị rung lắc do tác động ngoại cảnh, việc căn chỉnh ảnh là cần thiết. Kỹ thuật Homography được sử dụng để điều chỉnh phối cảnh của ảnh, đưa ảnh về một góc nhìn chuẩn, giúp cải thiện độ chính xác của quá trình nhận dạng.

4.3. Chuyển đổi không gian màu RGB sang HSV để nhận diện màu sắc

Để thuận tiện cho việc nhận diện màu sắc trong ảnh, thay vì sử dụng không gian màu RGB ta sẽ sử dụng không gian màu HSV bởi không gian màu này thể hiện màu sắc thông qua cách con người tiếp nhận hình ảnh và có khả năng thích ứng với điều kiện ánh sáng cũng như nhiễu tốt hơn. Không gian màu này khá gần với cách mắt người tổng hợp màu sắc. Nguyên lý cơ bản là sử dụng 3 màu sắc cơ bản R (red - đỏ), G (green - xanh lục) và B (blue - xanh lam) để biểu diễn tất cả các màu sắc.

V. Kết Quả và Đánh Giá Hệ Thống Nhận Dạng Chỗ Đỗ Xe

Hệ thống nhận dạng chỗ đỗ xe được đánh giá trên một bộ dữ liệu thử nghiệm, bao gồm nhiều hình ảnh của các bãi đỗ xe khác nhau. Kết quả cho thấy, hệ thống đạt được độ chính xác cao trong việc phân loại trạng thái của các chỗ đỗ xe. Ngoài ra, hệ thống có khả năng hoạt động ổn định trong các điều kiện ánh sáng và thời tiết khác nhau. Những kết quả này cho thấy tiềm năng ứng dụng thực tế của hệ thống trong việc quản lý bãi đỗ xe thông minh.

5.1. Đánh Giá Độ Chính Xác và Độ Tin Cậy

Độ chính xác của hệ thống được đánh giá bằng cách so sánh kết quả phân loại của hệ thống với kết quả phân loại thực tế. Độ tin cậy của hệ thống được đánh giá bằng cách đo lường khả năng của hệ thống trong việc đưa ra các kết quả phân loại nhất quán trong các điều kiện khác nhau.

5.2. Phân Tích Các Yếu Tố Ảnh Hưởng Đến Hiệu Suất

Các yếu tố như điều kiện ánh sáng, thời tiết và góc camera có thể ảnh hưởng đến hiệu suất của hệ thống. Việc phân tích các yếu tố này giúp xác định các điểm yếu của hệ thống và đề xuất các giải pháp cải thiện.

5.3. Hệ thống đã được chạy thử trên thực tế và cho kết quả độ chính xác là 92.5

Luận văn này thực hiện thử nghiệm chương trình xác định các vị trí ô đỗ xe trong bãi đỗ, nhằm phục vụ cho hệ thống quản lý bãi đỗ xe sử dụng camera dựa trên mạng nơ-ron tích chập. Kết quả của luận văn là đánh giá độ chính xác của phương án xác định vị trí ô đỗ xe. Hệ thống đã được chạy thử trên thực tế và cho kết quả độ chính xác là 92.5% số lượng ảnh nhận diện đủ 4 điểm mốc, còn lại là số lượng ảnh chỉ nhận diện được 3 điểm mốc trên tổng 67 ảnh đầu vào, tất cả đều được xử lý thành công trong bộ dữ liệu ảnh.

VI. Hướng Phát Triển Tương Lai cho Nhận Dạng Chỗ Đỗ Xe Ô Tô

Mặc dù đã đạt được những kết quả khả quan, hệ thống nhận dạng chỗ đỗ xe vẫn còn nhiều tiềm năng phát triển. Trong tương lai, hệ thống có thể được tích hợp với các hệ thống quản lý bãi đỗ xe thông minh khác, như hệ thống thanh toán tự động và hệ thống hướng dẫn đỗ xe. Ngoài ra, hệ thống có thể được mở rộng để hỗ trợ nhận dạng biển số xenhận dạng xe vi phạm. Những cải tiến này sẽ giúp nâng cao hiệu quả và tiện lợi của việc quản lý bãi đỗ xe.

6.1. Tích Hợp với Hệ Thống Thanh Toán Tự Động

Việc tích hợp hệ thống nhận dạng chỗ đỗ xe với hệ thống thanh toán tự động giúp người dùng thanh toán phí đỗ xe một cách dễ dàng và nhanh chóng. Người dùng có thể thanh toán bằng thẻ tín dụng, ví điện tử hoặc các phương thức thanh toán trực tuyến khác.

6.2. Hỗ Trợ Nhận Dạng Biển Số Xe và Xe Vi Phạm

Việc hỗ trợ nhận dạng biển số xenhận dạng xe vi phạm giúp tăng cường an ninh và trật tự trong bãi đỗ xe. Hệ thống có thể tự động phát hiện và báo cáo các trường hợp xe đỗ sai quy định, xe không có giấy phép hoặc xe bị đánh cắp.

6.3. Áp dụng cho các bãi đỗ xe với tính chất khác nhau

Trong tương lai, nhóm nghiên cứu sẽ thử nghiệm trên bộ dữ liệu lớn hơn, có thể nhóm sẽ tăng kích thước các điểm mốc, thực hiện khảo sát màu xe tránh nhầm lẫn màu với các điểm mốc và có một vài lựa chọn khác cho các bãi đỗ xe với tính chất khác nhau… để giúp hệ thống nhận diện chính xác hơn.

29/09/2025

Trích đoạn nội dung tài liệu

Đặt vấn đề Trong các thành phố lớn, người lái xe luôn phải đối mặt với khó khăn trong việc lựa chọn bãi đỗ xe và tìm kiếm chỗ đỗ xe trong khu vực đỗ xe lớn. Một số phương pháp đã được đề xuất nhằm hỗ trợ việc quản lý bãi đỗ xe như sử dụng rào chắn kết hợp với cảm biến hồng ngoại, cảm biến mặt đất, camera nhiệt… Phương pháp sử dụng rào chắn kết hợp với cảm biến hồng ngoại có ưu điểm là dễ triển khai, lắp đặt nhưng lại không linh động trong một số khu vực và khi có các yếu tố bên ngoài tác động, ví dụ như: xe ô tô đi vào nhưng không đỗ lại (xe giao hàng, xe đưa thư,…), xe đi vào là xe máy xe đạp,… Phương pháp sử dụng cảm biến mặt đất có ưu điểm là đơn giản, dễ triển khai nhưng nhược điểm là tốn kém vì mỗi một vị trí cần đặt một cảm biến, không phù hợp với điều kiện thời tiết ngoài trời,… Hình 1. 1: Một số phương pháp quản lý bãi đỗ xe ngoài trời. (a) sử dụng cảm biến hồng ngoại kết hợp với rào chắn [1], (b) sử dụng cảm biến [2] Phương pháp sử dụng camera nhiệt có ưu điểm đơn giản, dễ triển khai, có thể thông báo được trạng thái vị trí đỗ xe.

Tuy nhiên, nhược điểm chỉ có thể phát hiện khi các phương tiện duy trì nhiệt nếu không hệ thống sẽ phải hỗ trợ bởi các thiết bị khác, có thể nhận diện nhầm với các xe đang di chuyển qua bãi đỗ xe, hơn nữa chi phí của một chiếc camera nhiệt khá cao… [3] 3 download by : skknchat@gmail. 2: Phương pháp sử dụng camera nhiệt Hiện nay, các bãi đỗ xe thường được trang bị CCTV camera với mục đích giám sát đồng thời sử dụng cho các hệ thống phát hiện tự động. Thấy được điều này, phòng thí nghiệm IC Design đã có ý tưởng sử dụng CCTV camera để xác định chỗ đỗ xe. Với điều kiện trang thiết bị có sẵn và khả năng quan sát rộng nên hệ thống phân loại trạng thái chỗ đỗ xe bằng camera là giải pháp khả thi để giám sát bãi đỗ và giảm thời gian tìm kiếm vị trí đỗ xe trống cho người sử dụng, đặc biệt là với những bãi đỗ xe lớn.

Ưu điểm của phương pháp này là ta có thể giám sát được vài chục vị trí đỗ chỉ với một camera, và việc thi công đơn giản không ảnh hưởng nhiều đến môi trường. Về hoạt động của hệ thống giám sát: Camera chụp hình ảnh toàn cảnh bãi đỗ xe, một bộ xử lý phải xử lý hình ảnh đó để đưa ra số vị trí còn trống và trống tại những vị trí nào. Các vị trí trống luôn được cập nhật liên tục và được hiển thị trên màn hình đặt tại các vị trí chiến lược trong khu vực đỗ xe nhằm hỗ trợ cho người dùng. 4 download by : skknchat@gmail.

3: Sử dụng camera để giám sát, quản lý bãi đỗ xe [4] Nội dung nghiên cứu trong luận văn này tập trung vào giải quyết, phát triển phương pháp xác định các vị trí ô đỗ xe. Hệ thống sử dụng hình ảnh mà camera chụp từ bãi đỗ xe, sử dụng phần mềm chọn cắt thành các ảnh nhỏ chụp từng vị trí đỗ, ghi lại tọa độ vị trí của các chỗ đỗ xe. Từ đó, các hình ảnh cập nhật trạng thái về sau của bãi đỗ xe sẽ được đưa vào phần mềm tự động cắt ảnh các chỗ đỗ xe dựa theo thông tin các vị trí đã có sẵn. Đây chính là những ảnh được ra khối công việc tiếp theo của hệ thống - sử dụng CNN để phân loại mỗi ảnh nhỏ thuộc trạng thái “bận” (busy – có xe tại vị trí đỗ) hoặc “trống” (free – không có xe tại vị trí đỗ).

Mục tiêu và nhiệm vụ của luận văn. Mục tiêu của luận văn: - Thực hiện đánh dấu các điểm mốc trên hiện trường, sử dụng các hình ảnh được chụp từ camera, viết chương trình tính toán xác định tọa độ các vị trí đỗ xe ô tô sử dụng các điểm mốc đã đánh dấu. - Sử dụng phần mềm xử lý ảnh OpenCV để cắt ra thành các ảnh nhỏ của từng vị trí ô đỗ xe, tạo thành bộ dữ liệu ảnh và gửi đến khối công việc tiếp theo để phân loại trạng thái vị trí đỗ là “busy” hay là “free”. Nhiệm vụ của luận văn để đạt được mục tiêu trên là: 5 download by : skknchat@gmail.com - Tìm hiểu về ngôn ngữ lâp trình python.

Tìm hiểu các lệnh, hàm xử lý cơ bản của OpenCV – thư viện hỗ trợ cho việc xử lý ảnh, và hiểu về các thuật toán xử lý ảnh cơ bản. - Xây dựng chương trình cho phép chọn và tính toán các điểm mốc và vị tí đỗ xe trong ảnh chụp khu vực bãi đỗ xe. - Xây dựng chương trình cho phép cắt ảnh tự động từ các mốc trong ảnh và các vị trí đỗ xe đã có. Kết luận chương Trong phần này, chúng ta đã đi khảo sát các phương pháp quản lý bãi đỗ xe nhằm chọn ra một phương pháp quản lý tối ưu phù hợp với mục tiêu giúp người lái xe tiết kiệm đượ thời gian trong việc tìm kiếm vị trí đỗ xe trống.

Từ đó, chúng ta xác định mục tiêu và nhiệm vụ phải thực hiện để xây dựng một hệ thống được trình bày chi tiết ở chương tiếp theo. 6 download by : skknchat@gmail.com CHƯƠNG 2. SƠ ĐỒ KHỐI VÀ CƠ SỞ LÝ THUYẾT 2. Giới thiệu chung về hệ thống.

Bài toán Bài toán đặt ra là xây dựng một hệ thống quản lý bãi đỗ xe ngoài trời tự động và ít có sự quản lý của con người. Hệ thống này có thể thông tin kịp thời cho người lái xe về vị trí bãi đỗ cũng như số lượng hay vị trí cụ thể của từng ô đỗ còn trống ở trong bãi. Nhiều phương pháp đã được triển khai sử dụng như lắp đặt cảm biến tại từng vị trí đỗ để kiểm soát trạng thái của từng vị trí, sau đó tổng hợp và đưa ra số lượng cũng như những vị trí đỗ còn trống. Phương pháp này có ưu điểm là dễ triển khai và đơn giản tuy nhiên lại gây tốn kém khi phải sử dụng nhiều cảm biến cho các bãi đỗ lớn [5].

Hoặc một số nơi sử dụng bộ đếm ở cửa ra vào để kiểm soát số lượng xe trong bãi đỗ. Phương pháp này tuy đơn giản, chi phí thấp nhưng lại không bao quát được nhiều trường hợp như xe đi qua nhưng không đỗ lại hay không kiểm soát được vị trí đỗ của xe [6]. Ngoài những phương pháp trên, một trong những phương án phổ biến và có nhiều ưu điểm hiện nay là quản lý bãi đỗ xe sử dụng camera. Hệ thống quản lý bằng cách nhận diện trạng thái bãi đỗ xe ô tô sử dụng camera, có thể ứng dụng giám sát tại các bãi đỗ xe lòng đường, trung tâm thương mại, trường học… với các vị trí đỗ được bố trí theo những vị trí cố định và góc đặt camera cũng cố định.

Phương pháp này có ưu điểm là lắp đặt dễ, thi công ít làm ảnh hưởng đến môi trường thực tế, giá thành rẻ và vận hành bảo dưỡng dễ dàng. Mỗi camera có thể kiểm soát được khoảng không gian khá lớn, có khả năng nhận ra vài chục vị trí đỗ ô tô và tình trạng chỗ đỗ, do đó tiết kiệm được kinh phí thiết bị cũng như kinh phí bảo dưỡng. Ở mỗi bãi đỗ ô tô, hệ thống cho phép phát hiện ra vị trí từng ô đỗ xe và đưa ra kết luận vị trí đó còn trống hay không, tổng hợp số chỗ đỗ trống, cập nhật về hệ thống quản lý trung tâm để cập nhật lên tiện ích của người dùng, người đang điều khiển phương tiện và có nhu cầu tìm kiếm vị trí đỗ. Để phân loại vị trí đỗ dựa vào ảnh chụp bãi đỗ, hệ thống cần một thuật toán xử lý ảnh hiệu quả.

Có nhiều thuật toán được sử dụng cho công việc này như Background Subtraction, Color-based SVM (Support Vector Machine), … Tuy nhiên, phương án phổ biến hiện nay và cũng là phương án cho độ chính xác cao là 7 download by : skknchat@gmail.com sử dụng phương pháp học sâu (Deep Learning) hay mạng nơ-ron tích chập CNN. Phương pháp này có thể cho độ chính xác gần ngang bằng với con người nhưng nhược điểm của nó là cần bộ dữ liệu đủ lớn cho quá trình huấn luyện để cho ra được kết quả chính xác. Hệ thống sử dụng camera giám sát phát hiện ô tô đỗ cần đạt được các yêu cầu sau: - Phát hiện được trạng thái có xe và không có xe đang đỗ tại vị trí lắp đặt với các loại xe ôtô cá nhân thông dụng tại Việt Nam. - Hoạt động trong điều kiện có ánh sáng ban ngày hoặc đèn chiếu sáng trên đường phố.

- Kết nối tới trạm xử lý tập trung qua các công nghệ truyền thông không dây - Hệ thống stand – alone, có kích thước nhỏ gọn, tiện lắp đặt và triển khai. Đầu vào/ra của hệ thống. Hệ thống yêu cầu nhận dữ liệu đầu vào là các hình ảnh được chụp từ camera giám sát có kích thước 1920 x 1080 pixel với định dạng “. Sau đó, kết quả hệ thống trả về là trạng thái của từng vị trí đỗ xe và tổng số vị trí còn trống.

Sơ đồ khối Sơ đồ khối của hệ thống được mô tả như hình sau: Hình 2. 1: Sơ đồ khối hệ thống nhận dạng chỗ đỗ xe ô tô bằng camera Mô tả hoạt động của hệ thống: - Hệ thống xử lý sẽ nhận các hình ảnh (frame) từ camera và đưa vào khối Image Processing nhằm mục đích tiền xử lý hình ảnh trước khi phân loại vị trí đỗ. 8 download by : skknchat@gmail.com - Tại khối này, hình ảnh sẽ được căn chỉnh theo hình ảnh tham chiếu (được lưu từ trước), thông báo về vị trí của camera (vẫn giữ nguyên hay bị lệch khỏi vị trí ban đầu) và sau đó sẽ cắt ra hình của từng vị trí ô đỗ xe. Tập các hình ảnh được đưa vào khối Car Classifcation để phân loại xem tại đó đã có xe đỗ hay không (trạng thái của từng vị trí) và cho biết số vị trí trống còn lại.

Khối Training có nhiệm vụ huấn luyện mô hình trên tập dữ liệu thu được (dataset) và đưa ra các trọng số tới khối Car Classifcation hỗ trợ cho việc phân loại. Để giám sát trạng thái bãi đỗ xe, ta lựa chọn thuật toán phân loại ảnh dựa vào mạng nơ-ron tích chập CNN. Convolutional Neural Network (CNN – Mạng nơ-ron tích chập) là một trong những mô hình Deep Learning tiên tiến. Nó giúp cho chúng ta xây dựng được những hệ thống thông minh với độ chính xác cao như hiện nay.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ