Đang tải... (xem toàn văn)
Bài viết này là trình bày một số phương pháp biểu diễn đặc trưng ảnh phục vụ cho phát hiện và phân loại phương tiện giao thông từ video: trích chọn đối tượng chuyển động bằng phương pháp luồng quang học; biểu diễn hình dạng đối tượng; biểu diễn đường viền trên trường số phức, biểu diễn đường viền theo đỉnh hình dạng. Đề xuất một khung làm việc chung cho hệ thống phân loại và xác định mật độ phương tiện giao thông từ video trong vùng quan sát.
Nguyễn Văn Căn Tạp chí KHOA HỌC & CƠNG NGHỆ 128(14): 113 - 117 PHÂN LOẠI PHƯƠNG TIỆN GIAO THÔNG TRONG VIDEO DỰA TRÊN ĐẶC TRƯNG HÌNH DẠNG Nguyễn Văn Căn* Trường Đại học Kỹ thuật – Hậu cần CAND TĨM TẮT Bài viết trình bày số phương pháp biểu diễn đặc trưng ảnh phục vụ cho phát phân loại phương tiện giao thông từ video: trích chọn đối tượng chuyển động phương pháp luồng quang học; biểu diễn hình dạng đối tượng; biểu diễn đường viền trường số phức, biểu diễn đường viền theo đỉnh hình dạng Đề xuất khung làm việc chung cho hệ thống phân loại xác định mật độ phương tiện giao thông từ video vùng quan sát Từ khóa: luồng quang học, phân tích đường viền, phân loại phương tiện, xác định hình dạng GIỚI THIỆU* Bài tốn phân loại phương tiện giao thơng video có nhiều ý nghĩa thực tế quản lý giao thông, xác định chứng vi phạm luật giao thông, điều khiển giao thông, giải tranh chấp trường tai nạn Để đáp ứng điều kiện giao thông Việt Nam, mà giao thông đông đúc, đa dạng việc lựa chọn kỹ thuật, phương pháp biểu diễn mơ hình phương tiện quan trọng cho giải toán phân loại phương tiện giao thông từ video Các đặc trưng phương tiện chuyển động video chia thành mức tiếp cận: mức cục mức toàn cục Đặc trưng tiếp cận mức toàn cục: Vùng quan tâm; Video frame; Đối tượng chuyển động nền; Khối chuyển động; Đốm sáng; Đặc trưng tiếp cận mức cục bộ: Đối tượng chuyển động bóng nó; Độ dài ảnh; Hình dạng đối tượng; Mức xám khu vực đèn trước/sau xe; Mức xám đặc điểm khu vực biển số xe; Các đường biên ngang xe; Trên giới, nhiều cơng trình nghiên cứu quan tâm đến vấn đề Năm 2004, Yigithan Dedeoglu cộng [3] nghiên cứu hệ thống giám sát phân loại đối tượng chuyển động Hệ thống cho kết phân loại: người, nhóm người phương tiện giao thông tương ứng 84%, 66%, 79%.Năm 2007, Guohui Zhang cộng nghiên cứu hệ * Tel: 0986 919333 thống phát phân loại xe dựa video (VVDC) [6] phát triển cho hệ thống camera giám sát tầm rộng nhằm mục đích thu thập thơng tin xe tải Kết thu độ xác để phát xe lên đến 97%, tỷ lệ lỗi đếm xe tải thấp 9% ba lần thử nghiệm Tiếp cận theo hướng này, chủ yếu phát xe tải, xác định phân hoạch khác biệt 2-3 xe nối tiếp xe tải dài Chưa tiếp cận nói đến việc nhận dạng đếm số lượng xe máy, xe thô sơ người Năm 2009, Umesh Narayanan [5]đã phát triển hệ thống phân loại đếm số lượng phương tiện dựa thị giác máy tính thơng qua camera giám sát Phân loại xe qua sử dụng kích thước xe Độ xác thực nghiệm chứng minh khoảng 90%.Năm 2010, Chung-Cheng Chiu cộng [4], phát triển hệ thống giám sát giao thông thời gian thực, bao gồm phát hiện, nhận dạng theo dõi phương tiện từ ảnh chụp đường Tiếp theo, phương pháp biểu diễn hình dạng, biểu diễn đường viền, độ dài ảnh trình bày mục II; số kết áp dụng thực nghiệm trình bày mục III, kết luận hướng phát triển trình bày mục IV PHƯƠNG PHÁP Tính độ dài thực đối tượng từ ảnh Các tham số kích thước tơ quan trọng để nhận loại xe khác nhau.Chiều dài, chiều rộng ảnh kiểu xe để tiếp 113 Nguyễn Văn Căn Tạp chí KHOA HỌC & CƠNG NGHỆ cận với chiều dài chiều rộng thực tế xe; tất nhiên đề xuất phương pháp nhận dạng ô tô dựa chiều dài chiều rộng ảnh Hình mơ tả việc sử dụng quang hình học để tìm mối quan hệ chiều dài pixel R ảnh phẳng với chiều dài ảnh Dh1 đường Đường đứt nét F đường tâm camera, Dh1 chiều dài thị giác phương tiện phía đường đứt nét F R2 R1 chiều dài pixel ảnh phẳng, Rp kích thước điểm ảnh camera H độ cao camera, f tiêu điểm ống kính, θ góc camera với mặt đường Ta có: 128(14): 113 - 117 Véc tơ hóa hình dạng đối tượng Cho hình chứa đối tượng, với bố cục không phức tạp, dễ dàng phát biên đối tượng, trích chọn nội dung đối tượng để làm đặc trưng cho ảnh Phương pháp biểu diễn hình ảnh thơng qua lược đồ khoảng cách thực dựa hình đa giác trọng tâm đa giác, trước đối tượng biểu diễn thực tìm xấp xỉ hình dạng (thuộc tính hình học) (1) a) Đường tròn gốc b) Với 8điểm Hình Mơ tả hình dạng hình tròn Hình Chiều dài ảnh đối tượng chuyển động Chiều dài ảnh Dh1: Dh1 D2 D1 Rp H R2 R1 sin f sin R2 R p cos f sin R1 R p cos (2) Chiều dài ảnh: Dh D4 D3 Rp H R4 R3 sin f sin R4 R p cos f sin R3 R p cos (6) (3) Chiều rộng ảnh: Dw1 F Dh cos Dw1 Rw f H Rw D1 cos sin f H Rw D3 cos Dw F Dh cos sin Dw Rw f f (4) (5) Tính chiều dài chiều rộng ảnh trung bình xe khác kiểm thử liên tiếp Mặc dù chiều cao xe gây sai số không đáng kể việc ước lượng chiều dài, xác định xác loại xe đường nhờ sử dụng tham số nhà sản xuất 114 Hình cho thấy, số lượng điểm biên hình tròn tăng hình mơ tả gần giống hình ảnh gốc, điểm biên căng biên, đồng thời dây cung nối điểm tạo lên đường mơ hình dạng gốc Cơng việc xác định điểm thực cách, duyệt điểm ảnh biên theo thứ tự ngược chiều kim đồng hồ xuôi chiều kim đồng hồ Thu tổng số điểm ảnh biên đối tượng, sau chia theo số điểm cho trước theo công thức sau: với Lrounded khoảng cách điểm biên làm tròn, Lsum tổng chiều dài biên ảnh, N số lượng điểm cho trước Trọng tâm đa giác.Cho hình đa giác bất kỳ, có đỉnh (xi,yi) với i = 0,1,2,…n, x0=xn,y0=yn Hình Đa giác có n cạnh Nguyễn Văn Căn Tạp chí KHOA HỌC & CƠNG NGHỆ Diện tích đa giác: (7) Áp dụng định lý Green mặt phẳng, xác định tọa độ trọng tâm đa giác: 128(14): 113 - 117 cách tương ứng D1: (d11,d12,d13,…,D1n) Và D2: (d21,d22,d23,…,d2n), có độ tương tự tính theo khoảng cách ơ-clit: (12) (8) Khoảngcách điểm mẫu trọng tâm Nếu đa giác có chiều dài biên L i, tổng chiều dài tất biên Lsum số lượng điểm mẫu N số lượng điểm mẫu Ni: N (9) Khoảng cách từ điểm mẫu có tọa độ si = (xi,yi) trung tâm đa giác có tọa độ c=(xc,yc), tính theo công thức Ơclit: (10) Lược đồ khoảng cách Lược đồ cơng cụ miêu tả thuộc tính liệu Các điểm mẫu đặt cách biên đa giác, đặt khoảng cách hai điểm mẫu kề D, tổng độ dài biên Dmax, phân tách D thành nhiều phần thơng qua điểm mẫu Chuẩn hóa Gọi D[i] tập giá trị khoảng cách từ tâm C đến điểm mẫu biên Ta có tập DS (chuẩn hóa) chuẩn hóa: (11) Sau q trình chuẩn hóa, tất khoảng cách chuẩn hóa thu nằm khoảng [0,1] Bởi việc gán điểm mẫu dựa chiều dài biên, căng chúng biên, hai đa giác có kích thước khác hình dạng giống sinh giá trị khoảng cách chuẩn hóa Do đó, phương pháp bất biến tỷ lệ sau chuẩn hóa Đo độ tương tự Lược đồ khoảng cách đa giác mơ tả bằng: (d0,d1,d2,d3,…dn), n số lượng khoảng cách lược đồ di, i [0,n-1] số khoảng cách vùng khoảng cách Theo cho hai đa giác D1 D2 với lược đồ khoảng Biểu diễn hình dạng đối tượng theo trọng tâm khoảng cách từ tâm đến biên đối tượng, áp dụng tính chất bất biến quay, bất biến tỷ lệ mô-men mang đến khả nhận dạng phân loại đối tượng theo hình dạng Điều áp dụng phân loại phương tiện giao thơng đường trường hợp đơng đúc, có chồng lấp lên hình dạng sau thực phát khối chuyển động Trong điều kiện giao thông đô thị đông đúc, xe ô tô, xe máy, người đi sát tạo thành khối chuyển động có hình dạng phức tạp khó phân định phương pháp thông thường Để thực nhận dạng xác định số lượng đối tượng áp dụng thuật toán máy học Tạo tập huấn luyện khả có thể, sau đối sánh kết luận số lượng phương tiện chuyển động Biểu diễn đường viền theo véc tơ số phức Đường viền đường bao đối tượng, thường điểm ảnh, phân tách đối tượng với Phân tích đường viền (Contour Analysis - CA) cho phép mô tả, lưu trữ, so sánh tìm đối tượng biểu diễn dạng đường viền.CA cho phép giải hiệu toán nhận dạng mẫu – biến đổi, quay tỷ lệ ảnh đối tượng Phương pháp CA bất biến phép biến đổi[7] Trong CA đường viền biểu diễn dãy số phức Trên đường viền, điểm bắt đầu cần xác định Tiếp theo, đường viền quét (xoay theo chiều kim đồng hồ), véc tơ biểu diễn số phức a+ib Với a điểm trục x, b điểm trục y Các điểm biểu diễn Do tính chất vật lý đối tượng ba chiều, đường viềncủa chúng ln khép kín 115 Nguyễn Văn Căn Tạp chí KHOA HỌC & CƠNG NGHỆ 128(14): 113 - 117 khơng tự giao Nó cho phép xác định rõ ràng duyệt qua đường viền Vector cuối đường viền luôn dẫn đến điểm khởi đầu 0, nhận giá trị âm cho vector có hướng khác theo cách Tích vơ hướng chuẩn hóa (NSP): (15) Mỗi vector đường viền đặt tên vector sở (EV) Và chuỗi giá trị số phức gọi vectorđường viền (VC) Vectorđường viền, ký hiệu chữ Γ, vector sở ký hiệu Như vậy, vector đường viền Γ có độ dài k xác định là: |Γ| |N| - Tiêu chuẩn (chiều dài) đường viền tính cơng thức: (13) (16) NSP không gian phức số phức.Do vậy, tính đồng giá trị lớn chuẩn NSP đạt giá trị khi: (17) Với μ – Là số phức tùy chọn Đường viền μN giống với đường viền N, ngoại trừ xoay tỉ lệ Tỉ lệ hướng xoay định nghĩa số phức μ Dạng chuẩn NSP đạt giá trị max, đường viền Γ giống với đường viền N, xoay theo số góc tỉ lệj hệ số xác định Hình Biểu diễn đường viền véc tơ số phức Thao tác đường viền thao tác véc tơ số phức có chứa nhiều đặc tính tốn học mã biểu diễn khác Về bản, mã số phức gần với mã hai chiều mà đường viền định nghĩa phổ biến véc tơ tọa độ chiều Đường viền có số đặc tính như: Tổng EV đường viền kín 0; khơng phụ thuộc vào phép chuyển vị song song ảnh nguồn; Quay ảnh theo góc độ tương đương với quay EV đường viền góc độ Tích vơ hướng đường viền Hai số phức đường viền Γ N, tích vơ hướng (14) với k – kích thước VC, γn véc tơ sở đường viền Γ, νn véc tơ sở đường viền N Nếu tích lớn, góc nhỏ vector, vector gần Với vector vng góc, tích 116 Hình Tích vô hướng chuẩn đường viền Chuẩn NSP bất biến phép chuyển dịch, xoay tỉ lệ đường viền Nếu đường viền tương đồng nhau, NSP chúng cho giá trị đồng nhất, không phụ thuộc vào vị trí đường viền, hay độ xoay góc tỉ lệ chúng Tương tự, đường viền khác nhau, NSP bị giới hạn nhỏ 1, độc lập không gian, độ xoay tỉ lệ.Chuẩn đưa giá trị đo đường viền tham số NSP – đưa góc xoay đường viền THỰC NGHIỆM VÀ BÀN LUẬN Thực nghiệm phương pháp phân loại xe ô tô theo độ dài ảnh Hệ thống cài đặt thử nghiệm cho kết tốt độ xác, phản ứng tốt với điều kiện thời tiết, không gian, thời gian Tham số chiều rộng, Nguyễn Văn Căn Tạp chí KHOA HỌC & CƠNG NGHỆ chiều dài trung bình số loại xe nhà sản xuất Kết phát ô tô hệ thống nhiều điều kiện thời tiết khác nhau, với điều kiện trời nắng ban ngày cho độ xác tốt KẾT LUẬN VÀ BÀN LUẬN Bài báo trình bày tổng quan số phương pháp phân loại phương tiện dựa đặc trưng hình dạng Đề xuất số phương pháp biểu diễn đặc trưng Bao gồm: Phương pháp biểu diễn hình dạng, đường viền phương tiện tập phương tiện dính liền thành khối phân giải phân loại Tham số độ dài ảnh kết hợp với tham số độ dài thực đối tượng phân loại nhanh loại đối tượng, phân giải loại đối tượng Áp dụng số phương pháp biểu diễn phương tiện trình bày cho số hệ thống nhận dạng phân loại phương tiện video giao thông Mặc dù, tất đề xuất nghiên cứu làm việc tốt số trường hợp, mơ hình dễ bị lỗi tốn thời gian Chúng tơi tin nghiên cứu tiếp tục cải thiện hiệu suất xác định mật độ phương 128(14): 113 - 117 tiện dựa hệ thống thị giác máy tính giảm tỷ lệ sai số TÀI LIỆU THAM KHẢO Trần Thanh Việt, Trần Công Chiến, Huỳnh Cao Tuấn, Nguyễn Hữu Nam, Đỗ Năng Toàn, Trần Hành (2011), “Một kỹ thuật bám đối tượng ứng dụng” Hội thảo quốc gia lần thứ 14, Cần Thơ Nguyễn Quang Quý (2012), Phát đối tượng đột nhập camera theo dõi, Đại học Thái Nguyên Xue Mei (2007), “Integrated Detection, Tracking and Recognition for IR Video-based Vehicle Classification”, Journal of computers (Vol.2, No.6) Chung-Cheng Chiu(2010), Automatic Traffic Surveillance System for Vision-Based Vehicle Recognition and Tracking Chung Cheng Institute of Technology National, Defense University Taoyuan, Taiwan G S K Fung, (2003), “Close range Camera calibration” Opt Eng SPIE, vol 42, no 10, pp 2967–2977 C C C Pang (2004), “A novel method for resolving vehicle occlusion in a monocular trafficimage sequence” IEEE Trans Intell Transp Syst., vol 5, no 3, pp 129–141 Nguyễn Văn Căn, Nguyễn Đăng Tiến, Phạm Việt Trung “Phương pháp biểu diễn đường viền trường số phức, áp dụng cho tốn phân loại phương tiện giao thơng” Tạp chí Khoa học Công nghệ quân (Tháng 08/2014) SUMMARY VEHICLE CATEGORY BASED VIDEO FEATURED IN SHAPE Nguyen Van Can* College of Engineering - Logistics People's Police The purpose of this paper is to present some methods of performing imaging characteristics serve to detect and classify vehicles from video: select extract moving objects with optical flow method; Performing object shape; performing contour on the complex numbers, the top performers according to the shape contour Propose a general framework for the classification system and determine the density of vehicles in the area of video observation Keywords: Optical Flow, Contour Analysis, Car Counting, Shape Detection, Vehicle Classification Ngày nhận bài:01/8/2014; Ngày phản biện:25/8/2014; Ngày duyệt đăng: 25/11/2014 Phản biện khoa học: PGS.TS Ngô Quốc Tạo – Viện Hàn lâm KHCN Việt Nam * Tel: 0986 919333 117 ... số phương pháp phân loại phương tiện dựa đặc trưng hình dạng Đề xuất số phương pháp biểu diễn đặc trưng Bao gồm: Phương pháp biểu diễn hình dạng, đường viền phương tiện tập phương tiện dính liền... theo hình dạng Điều áp dụng phân loại phương tiện giao thông đường trường hợp đông đúc, có chồng lấp lên hình dạng sau thực phát khối chuyển động Trong điều kiện giao thông đô thị đông đúc, xe... thành khối phân giải phân loại Tham số độ dài ảnh kết hợp với tham số độ dài thực đối tượng phân loại nhanh loại đối tượng, phân giải loại đối tượng Áp dụng số phương pháp biểu diễn phương tiện trình