CHƯƠNG 1 TỔNG QUAN 1. Tổng quan về lĩnh vực nghiên cứu, các kết quả nghiên cứu trong và ngoài nước đã công bố. Tổng quan về lĩnh vực nghiên cứu Ở Việt Nam, với sự phát triển và tốc độ đô thị hóa nhanh, dân cư thành phố không ngừng gia tăng do thu hút các nguồn lực lao động từ các vùng miền khác nhau đổ về các khu công nghiệp lao động và sinh sống. Kinh tế phát triển, đời sống con người ngày càng nâng cao, nhu cầu đi lại ngày càng tăng kéo theo số lượng phương tiện xe cá nhân ở thành phố tăng nhanh đột biến.
Mọi ngã đường đều bị chật cứng, hiện tượng ùn tắc xảy ra liên tục, kéo dài hàng giờ, và những hệ lụy khác như: ô nhiễm môi trường vì khói thải xe hay phải cần đến nhiều lực lượng chuyên trách để điều tiết giao thông. Mật độ người tham gia giao thông quá đông nên những vụ tai nạn giao thông xảy ra thường xuyên, làm thiệt hại lớn về người và của cải. Đồng thời, vấn đề điều khiển các phương tiện giao thông khi xảy ra tắc nghẽn giao thông gặp rất nhiều khó khăn và thường phải nhờ vào sự điều hành của cảnh sát giao thông. Tuy nhiên số lượng cảnh sát giao thông vẫn còn rất hạn chế bên cạnh đó trang thiết bị kỹ thuật còn rất thiếu, trong những giờ cao điểm thì quá trình điều tiết giao thông diễn ra không dễ dàng đây thực sự là một thách thức đối với việc kiểm soát giao thông ở nước ta hiện nay.
Để giải quyết bài toán đó lần lượt các hệ thống theo dõi được ứng dụng ngày một rộng rãi hiện nay trong nhiều lĩnh vực của đời sống và xã hội. Một trong những hệ thống theo dõi được sử dụng khá phổ biến hiện nay trên thế giới là hệ thống theo dõi camera giao thông. Hệ thống này có thể nhận về mật độ các phương tiện lưu thông trên một tuyến đường từ đó hệ thống sẽ đưa ra các tín hiệu cảnh báo cho các tài xế. Điều này góp HVTH: Thiều Đoàn Quang Huy Trang 1 GVHD: PGS.TS Nguyễn Thanh Hải Luan van Luận Văn Thạc Sĩ: “Phân Loại Và Đếm Lưu Lượng Xe Lưu Thông” phần không nhỏ trong việc điều tiết giao thông, nhất là với tình hình giao thông của nước ta hiện nay.1: Trung tâm quản lý giao thông ở Washington [1] Trong những năm gần đây dựa vào sự phát triển của công nghệ cảm biến và máy tính bằng những lợi thế đó kĩ thuật mới được đề xuất đó là sử dụng kĩ thuật xử lý ảnh để giám sát thông tin giao thông.
Việc phát triển nhanh chóng kĩ thuật xử lý ảnh đã đã giúp cho con người dễ dàng hơn trong việc triển khai các hệ thống theo dõi tự động thông minh hơn, điển hình như việc phát hiện đối tượng chuyển động, phân loại đối tượng, theo dõi đối tượng chuyển động, dự đoán các hành vi của đối tượng, giám sát trạng thái tắt đường và tai nạn [2].2: Hệ thống giám sát giao thông bằng xử lý ảnh [3] Việc phát hiện đối tượng chuyển động không chỉ giúp ích trong việc theo dõi các đối tượng chuyển động để phát hiện mật độ xe trên một hệ thống giám sát trực tiếp mà còn mang lại nhiều ứng dụng trong cuộc sống. Các đối tượng được phát hiện nhờ những HVTH: Thiều Đoàn Quang Huy Trang 2 GVHD: PGS.TS Nguyễn Thanh Hải Luan van Luận Văn Thạc Sĩ: “Phân Loại Và Đếm Lưu Lượng Xe Lưu Thông” thông tin trong một khung ảnh. Có rất nhiều hướng tiếp cận để giải quyết vấn đề trên sử dụng nhiều thuật toán và phương pháp khác nhau. Đối với bài toán phát hiện đối tượng một số tác giả sử dụng phương pháp phân ngưỡng.
Đây là một thuật toán đơn giản nhưng không hiệu quả [4]. Một số khác sử dụng phương pháp đồng nhất đa lưới vùng quan tâm (ROI) [5]. Ngoài ra còn một số thuật toán nổi tiếng khác cũng thường xuyên được sử dụng, ví dụ như thuật toán trừ nền (Background subtraction). Thuật toán này có nhược điểm là không phát hiện được đối tượng tĩnh và phải cập nhật ảnh nền một cách thường xuyên do điều khiện ánh sáng và không gian thay đổi [6, 7].
Thuật toán này sẽ sử dụng ảnh tham chiếu khi không có phương tiện làm ảnh gốc và so sánh thời gian thực với ảnh thu được. Sự khác biệt giữa chúng càng lớn thì mật độ giao thông càng cao. Kỹ thuật này đo mật độ giao thông bằng cách so sánh tương quan giữa hình ảnh trực tuyến và ảnh tham chiếu. Như vậy có nhiều hướng tiếp cận để xử lý vấn đề phát hiện đối tượng.
Nhưng việc lựa chọn phương pháp áp dụng thì dựa vào tình huống cụ thể. Đối với trường hợp có ảnh nền không thay đổi thì việc phát hiện đối tượng chuyển động Có hàng trăm các nghiên cứu gần đây nhằm phát triển phương pháp trừ nền, chia thành các nhánh khác nhau, tuy nhiên, trong số đó các hướng tiếp cận nhiều nhất là phương pháp hỗn hợp Gaussian vì ưu điểm phù hợp với những ứng dụng ngoài trời. Cách tốt nhất để thu nhận nền là lưu trữ ảnh nền khi không có bất kỳ đối tượng chuyển động nào, nhưng trong môi trường thực thì khó có thể như vậy. Hơn nữa, dưới điều kiện thực tế nền cũng luôn thay đổi như thay đổi ánh sáng, các đối tượng đến hoặc rời khỏi cảnh.
Để giải quyết vấn đề này, nhiều phương pháp mô hình nền đã được phát triển [8, 9] và được phân loại thành các loại sau [10]: Mô hình nền cơ bản: Sử dụng giá trị trung bình hoặc bình quân hoặc phân tích lược đồ xám cho toàn thời gian. Mô hình nền mờ: sử dụng một giá trị trung bình mờ HVTH: Thiều Đoàn Quang Huy Trang 3 GVHD: PGS.TS Nguyễn Thanh Hải Luan van Luận Văn Thạc Sĩ: “Phân Loại Và Đếm Lưu Lượng Xe Lưu Thông” hoặc hỗn hợp mờ loại 2 của Gauss. Phát hiện tiền cảnh được sử dụng tích hợp Sugeno hoặc tích hợp Choquet. Phát hiện tiền cảnh có thể thực hiện bằng logic mờ tham khảo trong.
Mô hình nền mạng nơ ron: Mô hình nền được biểu diễn bằng trị trung bình của các hệ số của một mạng nơ ron được đào tạo trên N khung sạch. Mạng huấn luyện như thế nào để phân loại mỗi điểm ảnh là nền hoặc tiền cảnh. Mô hình Gauss hỗn hợp: Stauffer [11] đã đưa ra phương pháp trộn các mô hình nền lại để giải quyết vấn đề ánh sáng thay đổi, các hành động lặp lại, sự lộn xộn từ khung cảnh thực tế. Mục đích là chứng minh một mô hình nền đơn thì không thể xử lý được các khung hình liên tục trong một thời gian dài.
Sử dụng phương pháp pha trộn phân tán Gauss để biểu diễn mỗi điểm ảnh trên một mô hình. Theo luận điểm đó, thực hiện và tích hợp phương pháp này vào trong hệ thống giám sát. Phương pháp tiếp cận trên mô hình điểm ảnh bằng việc xem xét giá trị điểm ảnh quan sát với vài mô hình Gauss đơn. Một số kết quả nghiên cứu đã công bố Năm 2012 G.
SalviAn [12] dựa trên phân tích Blob để tính xe tự động trong hệ thống giám sát giao thông. Phương pháp thực hiện là trừ nền, phát hiện Blob, phân tích Blob dùng phương pháp k-means clustering, theo vết Blob và tính số phương tiện. Hệ thống cho kết quả chính xác cao và đảm bảo tính thời gian thực. Tuy nhiên hạn chế của hệ thống này là chưa phân loại được xe (xe máy, xe tải, xe ôtô ) di chuyển trên đường.
Năm 2012 Pejman Niksaz [13] đã nghiên cứu và thực thi hệ thống ước lượng mật độ phương tiện trên đường cao tốc dùng xử lý ảnh. Phương pháp nghiên cứu là chuyển ảnh RGB thành ảnh xám, tăng cường ảnh và xử lý hình thái. Phương pháp này được thực thi trên phần mềm Matlab nên chi phí thấp nhưng vẫn cho kết quả chính xác ở tốc độ cao. Ưu điểm của phương pháp này là không sử dụng cảm biến.
Tuy nhiên nhược điểm lớn nhất của nó là rất nhạy với ánh sáng. HVTH: Thiều Đoàn Quang Huy Trang 4 GVHD: PGS.TS Nguyễn Thanh Hải Luan van Luận Văn Thạc Sĩ: “Phân Loại Và Đếm Lưu Lượng Xe Lưu Thông” Năm 2015 Mrs. Muth Sebastian, Anisha Ann Sam và một số cộng sự [14] cũng đã thảo luận phương pháp để giảm được tần suất tai nạn ở những đoạn đường quanh co bằng cách chỉ ra số lượng xe và tốc độ các xe đang đến gần trên màn hình. Phương pháp được sử dụng là mô hình Gaussian hỗn hợp (GMM), lọc nhiễu cho mô hình GMM, phát hiện Blob, phân tích Blob, tính số phương tiện và tốc độ của nó.
Trong đó tốc độ được giám sát bằng cách phát hiện vị trí của xe di chuyển và vị trí điểm tham chiếu, giá trị này được so sánh với số khung đã biết trước. Năm 2013 Dolley Shukla [15] cùng với cộng sự đã nghiên cứu và xây dựng hệ thống xác định tốc độ di chuyển của các xe, phương pháp được sử dụng là thuật toán Lucas- Kanade, ước tính tốc độ di chuyển của xe từ các khung hình của video. Xe di chuyển thì được phát hiện và được theo dõi theo tất cả các khung hình. Dựa vào quỹ tâm của các xe sẽ xác định được khoảng cách di chuyển của xe trong tất cả các khung hình.
Khi đó tốc độ trung bình các xe sẽ được xác định từ các khung hình trước đó. Năm 2015 Jyotsna Tripathi [16] cùng với cộng sự đã nghiên cứu xây dựng hệ thống tự động đếm và phân loại các phương tiện giao thông trên các tuyến đường trong thành phố và đường cao tốc hệ thống này có ý nghĩa quan trọng trong việc theo dõi và quản lý giao thông. Phương pháp thực hiện phân đoạn, sử dụng bộ lọc, phương pháp hình thái, Phát hiện blob. Số xe đươc đếm sẽ được hiển thị và được phân loại qua từng ngày.
Về phần cứng sử dụng các cảm biến để cảnh báo, tuy nhiên cảm biển bị ảnh hưởng bởi điều kiện thời tiết. Malathilatha [24] cũng đã đề xuất để thực thi một hệ thống đèn giao thông thông minh trong thời gian thực dùng xử lý ảnh. Phương pháp thực hiện là trừ nền, cập nhật nền, phương pháp phát hiện biên và tính số phương tiện dùng thuật toán Moore-neighborhood. Kết quả cho thấy phương pháp phát hiện biên HVTH: Thiều Đoàn Quang Huy Trang 5 GVHD: PGS.TS Nguyễn Thanh Hải Luan van Luận Văn Thạc Sĩ: “Phân Loại Và Đếm Lưu Lượng Xe Lưu Thông” Canny cho kết quả tốt hơn so với hai phương pháp phát hiện biên khác là Boolean và Marr-Hildreth.
Qua những nghiên cứu đã trình bày ở trên ta có thể nhận thấy rằng hầu hết các bài báo đều phát hiện xe bằng phương pháp trừ nền.