Đang tải... (xem toàn văn)
Ngày nay với các tiến bộ của khoa học kỹ thuật thì mọi công việc hầu như đều có thể tiến hành trên máy tính một cách tự động hóa hoàn toàn hoặc một phần. Một trong những sự thay đổi lớn đó là cách thức chúng ta thu nhận và xử lý dữ liệu. Các công cụ nhập liệu như bàn phím hay máy scan dần bị thay thế bằng các thiết bị tiện lợi hơn như màn hình cảm ứng, camera… Hơn thế nữa, các máy tính để bàn không còn là công cụ duy nhất có thể hỗ trợ cho con người. Chúng ta bước sang thế kỷ 21 với sự phát triển mạnh mẽ của các thiết bị di động, giải trí cầm tay hay smartphone. Với kích thước ngày càng nhỏ gọn và hiệu suất làm việc thì không ngừng được cải tiến, các công cụ mini này hứa hẹn sẽ là một phần không thể thiếu trong xã hội hiện đại. Và do đó, phát triển các ứng dụng trên các thiết bị này cũng là một xu thế tất yếu.
MỞ ĐẦU Ngày với tiến khoa học kỹ thuật cơng việc tiến hành máy tính cách tự động hóa hồn tồn phần Một thay đổi lớn cách thức thu nhận xử lý liệu Các công cụ nhập liệu bàn phím hay máy scan dần bị thay thiết bị tiện lợi hình cảm ứng, camera… Hơn nữa, máy tính để bàn khơng cịn cơng cụ hỗ trợ cho người Chúng ta bước sang kỷ 21 với phát triển mạnh mẽ thiết bị di động, giải trí cầm tay hay smartphone Với kích thước ngày nhỏ gọn hiệu suất làm việc khơng ngừng cải tiến, công cụ mini hứa hẹn phần thiếu xã hội đại Và đó, phát triển ứng dụng thiết bị xu tất yếu Công nghệ nhận dạng công nghệ áp dụng cho thiết bị di động Nhận dạng bao gồm nhận dạng âm thanh, hình ảnh Các đối tượng nhận dạng có nhiều kiểu tiếng nói, chữ viết, khn mặt, mã vạch … biển báo giao thông số Chương trình nhận dạng biển báo giao thơng thường phức tạp cài đặt hệ thống có xử lý lớn, camera chất lượng cao Mục tiêu khóa luận cải tiến cơng nghệ nhận dạng mang cài đặt thiết bị di động, giúp phát biển báo nhận dạng cách nhanh Khóa luận “Xây dựng ứng dụng nhận dạng biển báo giao thông thiết bị di động” bao gồm tất chương Chương I - Giới thiệu: Giới thiệu khái qt khóa luận mục đích khóa luận Chương II - Nền tảng công nghệ: Giới thiệu đầy đủ kiến thức tảng cơng nghệ phần mềm sử dụng khóa luận bao gồm kiến thức xử lý ảnh, lý thuyết mạng noron, môi trường hệ điều hành dành cho di động Android, thư viện xử lý ảnh OpenCV Chương III - Xây dựng ứng dụng nhận dạng biển báo giao thơng: Trình bày mơ hình giải toán nhận dạng thiết bị di động, sơ đồ chức thiết kế giao diện chương trình Chương IV - Đánh giá kết kết luận: Tổng kết q trình thực khóa luận rút hướng phát triển sau LỜI CẢM ƠN Trong suốt thời gian thực khóa luận tốt nghiệp, chúng em nhận giúp đỡ, bảo tận tình thầy Trường ĐH CNTT – ĐHQGTPHCM Chúngem xin gửi lời cảm ơn sâu sắc đến quý thầy cô Đặc biệt xin chân thành cảm ơn cô Phan Nguyệt Minh – người trực tiếp hướng dẫn tạo điều kiện thuận lợi giúp đỡ chúng em hồn thành khóa luận Chúng em xin cảm ơn chân thành tới gia đình bạn bè, công ty tạo điều kiện, giúp đỡ động viên chúng em hồn thành khóa luận thời hạn Mặc dù cố gắng hết khả khóa luận khơng thể tránh khỏi thiếu xót Rất mong nhận góp ý quý báu q thầy để khóa luận hồn chỉnh Nhóm sinh viên thực Nguyễn Bá Chung – Tháng – 2012 NHẬN XÉT (Của giảng viên hướng dẫn) NHẬN XÉT (Của giảng viên phản biện) MỤC LỤC MỞ ĐẦU LỜI CẢM ƠN NHẬN XÉT NHẬN XÉT MỤC LỤC DANH MỤC BẢNG BIỂU DANH MỤC HÌNH VẼ 10 CHƯƠNG : GIỚI THIỆU 1.1 Giới Thiệu Đề Tài 1.2 Mục Tiêu Của Đề Tài CHƯƠNG : NỀN TẢNG VÀ CÔNG NGHỆ 2.1 Lý Thuyết Xử Lý Ảnh 2.1.1 Tổng quan xử lý ảnh 2.1.2 Một số phương pháp biểu diễn ảnh 2.1.3 Phương pháp phát biên ảnh 2.1.4 Phân vùng ảnh 12 2.1.5 Nhận dạng ảnh 17 2.2 Lý Thuyết Mạng Nơron 18 2.2.1 Tổng quan mạng nơron 18 2.2.2 Các thành phần mạng nơron nhân tạo 18 2.2.3 Mạng truyền thẳng thuật toán lan truyền ngược 26 2.3 Nền Tảng Android 31 2.3.1 Sự phát triển Android 31 2.3.2 Những đặc điểm khác biệt Android 33 2.3.3 Máy ảo Dalvik 34 2.3.4 Kiến trúc Android 34 2.3.5 Các thành phần dự án ứng dụng Android 37 2.4 Thư Viện Xử Lý Ảnh OpenCv 40 2.4.1 Vài nét Computer Vision 40 2.4.2 Một số thư viện xử lý ảnh tiêu biểu 41 2.4.3 Thư viện OpenCV 43 CHƯƠNG : ỨNG DỤNG NHẬN DẠNG BIỂN BÁO GIAO THÔNG 47 3.1 Mơ Tả Bài Tốn 47 3.1.1 Đặt vấn đề 47 3.1.2 Đối tượng toán 48 3.2 Mơ Hình Giải Quyết Bài Tốn 52 3.2.1 Mô hình tổng quát 52 3.2.2 Thu nhận hình ảnh (Capture Image) 53 3.2.3 Phát biển báo trích xuất vùng đặc trưng 54 3.2.4 Xử lý trước nhận dạng (Pre-recognized) 62 3.2.5 Quá trình nhận dạng (Recognized) 63 3.3 Thiết Kế Chương Trình 66 3.3.1 Yêu cầu phần mềm 66 3.3.2 Thiết kế Use-Case 69 3.3.3 Thiết kế sơ đồ lớp (mức phân tích) 74 3.3.4 Thiết kế liệu 81 3.3.5 Thiết kế giao diện 82 3.4 Thực Nghiệm 87 CHƯƠNG : ĐÁNH GIÁ KẾT QUẢ VÀ KẾT LUẬN 88 4.1 Đánh Giá Luận Văn 88 4.2 Đánh Giá Chương Trình 88 4.2.1 Kết đạt 88 4.2.2 Các hạn chế 88 4.3 Hướng Phát Triển 89 4.4 Kết Luận 89 TÀI LIỆU THAM KHẢO 90 DANH MỤC BẢNG BIỂU Bảng 3.1 – Danh sách yêu cầu chức 66 Bảng 3.2 – Danh sách yêu cầu hiệu 67 Bảng 3.3 – Danh sách yêu cầu tiện dụng 68 Bảng 3.4 – Danh sách yêu cầu tiến hóa 68 Bảng 3.5 – Danh sách Actor 69 Bảng 3.6 – Danh sách Use-Case 70 Bảng 3.7 – Danh sách lớp đối tượng quan hệ 75 Bảng 3.8 – Danh sách thuộc tính lớp Input 75 Bảng 3.9 – Danh sách thuộc tính lớp Hidden 76 Bảng 3.10 – Danh sách thuộc tính lớp Output 76 Bảng 3.11 – Danh sách phương thức lớp IbackPropagation 77 Bảng 3.12 – Danh sách thuộc tính lớp MLP 78 Bảng 3.13 – Danh sách phương thức lớp MLP 78 Bảng 3.14 – Danh sách thuộc tính lớp CaptureObjectLayer 78 Bảng 3.15 – Danh sách phương thức lớp CaptureObjectLayer 79 Bảng 3.16 – Danh sách thuộc tính lớp DetectObjectLayer 79 Bảng 3.17 – Danh sách phương thức lớp DetectObjectLayer 80 Bảng 3.18 – Danh sách thuộc tính lớp NeuralNetwork 80 Bảng 3.19 – Danh sách phương thức lớp NeuralNetwork .80 Bảng 3.20 – Danh sách hình 82 Bảng 3.21 – Chi tiết hình 83 Bảng 3.22 – Chi tiết hình phát biển báo tay 84 Bảng 3.23 – Chi tiết hình phát biển báo tự động 85 Bảng 3.24 – Chi tiết hình kết detect 86 Bảng 3.25 – Chi tiết hình kết nhận dạng 86 Bảng 3.26 – Bảng kết thực nghiệm 87 DANH MỤC HÌNH VẼ Hình 1.1 – Một số thiết bị hay sử dụng nhận dạng Hình 1.2 – Smartphone xu hướng phát triển giai đoạn Hình 1.3 – Những tảng sử dụng khóa luận Hình 2.1 – Các bước xử lý ảnh Hình 2.2 – Hướng điểm biên mã tương ứng Hình 2.3 – Minh họa xác định điểm biên 12 Hình 2.4 – Lược đồ rắn lượn cách chọn ngưỡng 13 Hình 2.5 – Minh họa khái niệm liên thông 15 Hình 2.6 – Đơn vị xử lý (Processing Unit) 18 Hình 2.7 – Hàm đồng (Identity function) 20 Hình 2.8 – Hàm bước nhị phân (Binary step function) 21 Hình 2.9 – Hàm Sigmoid 21 Hình 2.10 – Hàm sigmoid lưỡng cực 22 Hình 2.11 – Mạng nơron truyền thẳng nhiều lớp (Feed-forward neural network) 23 Hình 2.12 – Mạng nơron hồi quy (Recurrent neural network) 24 Hình 2.13 – Mơ hình Học có thầy (Supervised learning model) 25 Hình 2.14 – Mạng nơron truyền thẳng nhiều lớp 26 Hình 2.15 – Lịch sử phát triển Android 32 Hình 2.16 – Một số giao diện Android 33 Hình 2.17 – Bàn phím Android 33 Hình 2.18 – Kiến trúc Android 34 Hình 2.19 – Kiến trúc file XML 37 Hình 2.20 – Activity Stack 39 Hình 2.21 – Vịng đời Activity 40 Hình 2.22 – Ví dụ Computer Vision 41 Hình 2.23 – Tốc độ xử lý OpenCV so với LTI VXL 43 Hình 2.24 – Lịch sử phát triển OpenCV 44 Hình 2.25 – Cấu trúc thư viện OpenCV 45 Hình 3.1 – Bài tốn nhận dạng biển báo giao thông 48 75 | T r a n g 3.3.3.2 Danh sách lớp đối tượng quan hệ STT Tên lớp/quan hệ Loại Ý nghĩa/Ghi Input Public Lớp Input mạng noron Hidden Public Lớp Hidden mạng noron Output Public Lớp Output mạng noron IbackPropagation Public MLP Public CaptureObjectLayer Public DetectObjectLayer Public NeuralNetwork Public Interface bao đóng chức mạng noron Mạng noron truyền thẳng nhiều lớp MLP Chịu trách nhiệm thu lấy liệu từ camera thiết bị Đối tượng dùng để phát biển báo Mạng noron dùng để nhận dạng biển báo Bảng3.7 – Danh sách lớp đối tượng quan hệ 3.3.3.3 Mô tả chi tiết lớp đối tượng 3.3.3.3.1 Lớp Input: STT Tên thuộc tính Kiểu Truy cập Value double Public Weights double[] Public preDwt double[] Public Ý nghĩa/Ghi Giá trị output noron Mảng chứa trọng số ứng với noron Mảng chứa trọng số trước sửa lỗi Bảng3.8 – Danh sách thuộc tính lớp Input 3.3.3.3.2 Lớp Hidden: STT Tên thuộc tính Kiểu Truy cập Ý nghĩa/Ghi InputSum double Public Tổng trọng số Bias double Public Độ lệch noron 76 | T r a n g Độ lệch noron trước preBias double Public Output double Public Giá trị đầu noron Error double Public Giá trị lỗi Weights double[] Public preDwt double[] Public sửa lỗi Mảng chứa trọng số ứng với noron Mảng chứa trọng số trước sửa lỗi Bảng3.9 – Danh sách thuộc tính lớp Hidden 3.3.3.3.3 Lớp Output: STT Tên thuộc tính Kiểu Truy cập Ý nghĩa/Ghi InputSum double Public Tổng trọng số Bias double Public Độ lệch noron preBias double Public Output double Public Giá trị đầu noron Error double Public Giá trị lỗi Target double Public Value T Public Độ lệch noron trước sửa lỗi Giá trị đầu mong muốn Kiểu trị kiểu T tương ứng với đầu Bảng3.10 – Danh sách thuộc tính lớp Output 3.3.3.3.4 Lớp IbackPropagation: STT Tên phương thức Kiểu Truy cập Ý nghĩa/Ghi Lan truyền ngược lỗi backPropagate void Public hiệu chỉnh trọng số mạng f double Public Hàm tính giá trị kích hoạt cho noron 77 | T r a n g forwardPropagate void Public recognize void Public initializeNetwork void Public Lan truyền tính toán mạng Tiến hành nhận dạng mẫu Khởi tạo mạng noron Bảng3.11 – Danh sách phương thức lớp IbackPropagation 3.3.3.3.5 Lớp MLP: Truy STT Tên thuộc tính Kiểu InputNum int Private Số noron lớp Input HiddenNum int Private Số noron lớp Hidden OutputNum int Private Số noron lớp Output learningRate double Private Tỷ lệ thay đổi trọng số alpha double Private cập Ý nghĩa/Ghi Thông số alpha mạng noron Giá trị tính tốn gần OutputValueHight double Private với giá trị mong muốn MatchedHigh T Private Giá trị kiểu T tương ứng với OutputValueHight Giá trị tính toán gần OutputValueLow double Private xếp thứ so với giá trị mong muốn MatchedLow T Private 10 InputLayer Input[] Private 11 HiddenLayer Hidden[] Private Giá trị kiểu T tương ứng với OutputValueLow Mảng chứa noron lớp Input Mảng chứa noron lớp Hidden 78 | T r a n g 12 OutputLayer Output[] Private Mảng chứa noron lớp Output Bảng3.12 – Danh sách thuộc tính lớp MLP STT Tên phương thức Kiểu Truy cập reset void Public getMatchedHigh T Public getOutputValueHight double Public getMatchedLow T Public getOutputValueLow double Public Ý nghĩa/Ghi Khởi tạo lại tham số mạng Lấy kết kiểu T gần xác Lấy kết gần xác Lấy kết kiểu T gần xác thứ hai Lấy kết gần xác thứ hai Bảng3.13 – Danh sách phương thức lớp MLP 3.3.3.3.6 Lớp CaptureObjectLayer: Truy STT Tên thuộc tính Kiểu mCamera Camera Private Camera thiết bị mFrameWidth int Private Độ rộng Frame hình mFrameHeight int Private Độ cao Frame hình mFrame Byte[] Private Dữ liệu thu từ camera cập Ý nghĩa/Ghi Bảng3.14 – Danh sách thuộc tính lớp CaptureObjectLayer STT Tên phương thức Kiểu Truy cập processFrame Bitmap Public run Void Public Ý nghĩa/Ghi Xử lý ảnh thu từ camera Khởi chạy luồng phụ song song với luồng chính, liên 79 | T r a n g tục lấy liệu từ camera getFrameWidth int Public getFrameHeight int Public Lấy độ rộng Frame hình Lấy độ cao Frame hình Bảng3.15 – Danh sách phương thức lớp CaptureObjectLayer 3.3.3.3.7 Lớp DetectObjectLayer: Truy STT Tên thuộc tính Kiểu image Bitmap Private signList List Private boxList List Private cập Ý nghĩa/Ghi Chứa hình thu từ camera để xử lý Danh sách biển báo tìm Danh sách viền bao chữ nhật biển báo Bảng3.16 – Danh sách thuộc tính lớp DetectObjectLayer Truy STT Tên phương thức Kiểu getContoursRedMask List Public getContoursBlueMask List Public detectRedTriangleSign void Public detectBlueCircleSign void Public detectRedCircleSign void Public Tìm biển báo trịn đỏ getSignList List Public Lấy danh sách biển báo getBoxList List Public Lấy sanh sách đường bao cập Ý nghĩa/Ghi Lấy đường biên sau lọc mặt nạ màu đỏ Lấy đường biên sau lọc mặt nạ màu xanh Tìm biển báo tam giác đỏ Tìm biển báo tròn xanh 80 | T r a n g chữ nhật biển báo Bảng3.17 – Danh sách phương thức lớp DetectObjectLayer 3.3.3.3.8 Lớp NeuralNetwork: Truy STT Tên thuộc tính Kiểu neuralNet MLP Private Mạng MLP maximumError double Private Giới hạn tối đa lỗi maximumIteration int Private TrainingSet Hashtable cập Public Ý nghĩa/Ghi Số vòng lặp huấn luyện mạng Tập liệu huấn luyện mạng Bảng3.18 – Danh sách thuộc tính lớp NeuralNetwork Truy STT Tên phương thức Kiểu train void Public Huấn luyện mạng recognize Void Public Nhận dạng đầu vào saveNetwork void Public Lưu cấu hình mạng loadNetwork void Public Load cấu hình mạng cập Ý nghĩa/Ghi Bảng3.19 – Danh sách phương thức lớp NeuralNetwork 81 | T r a n g 3.3.4 Thiết kế liệu Do tích chất ứng dụng phần mềm nghiên cứu giải thuật phát nhận dạng biển báo giao thông nên sở liệu ứng dụng sử dụng cịn có phần đơn giản Nhóm sử dụng file XML để lưu cấu trúc mã, tên, nội dung hình ảnh biển báo giao thơng Hình 3.22 – Cấu trúc file liệu XML 82 | T r a n g 3.3.5 Thiết kế giao diện 3.3.5.1 Danh sách hình STT Tên hình Ý nghĩa/Ghi Màn hình Giao diện chính, cho phép người dùng chọn lựa thay đổi chế độ phát biển báo Phát biển báo tay Chế độ phát biển báo tay, cho phép người dụng tự lựa chọn khung cảnh chụp hình Phát biển báo tự động Chế độ tự động phát biển báo quét camera qua khung cảnh Màn hình kết detect Hiển thị kết phát được, khoanh vùng biển báo Màn hình nhận dạng Hiển thị kết nhận dạng biển báo theo nhu cầu Bảng3.20 – Danh sách hình 3.3.5.2 Mơ tả chi tiết hình 3.3.5.2.1 Màn hình chính: Hình 3.23 – Màn hình 83 | T r a n g STT Tên Loại Ý Nghĩa Kích hoạt Ghi Cho phép kéo cusZoomSlider CustomSlider trượt để zoom Drag hình ảnh imgFocusImage ImageView Focus hình ảnh btnCaptureButton ImageButton Chụp hình mItemManual MenuItem mItemAuto MenuItem Chọn chế độ phát tay Chọn chế độ phát tự động Click Click Click Bảng3.21 – Chi tiết hình [cusZoomSlider drag ] Thay đổi hình ảnh theo tỷ lệ Zoom thích hợp [btnCaptureButton click ] Chụp hình sau thơng báo kết quả: o Hiện thơng báo khơng có phát biển báo o Chuyển đến hình kết detect phát biển báo [mItemManual click ] Chuyển sang chế độ phát tay [mItemAuto click ] Chuyển sang chế độ phát tự động 84 | T r a n g 3.3.5.2.2 Màn hình phát biển báo tay: Hình 3.24 – Màn hình phát biển báo tay STT Tên Loại Kích Ý Nghĩa hoạt Ghi Cho phép kéo cusZoomSlider CustomSlider trượt để zoom Drag hình ảnh imgFocusImage ImageView Focus hình ảnh btnCaptureButton ImageButton Chụp hình Click Bảng3.22 – Chi tiết hình phát biển báo tay [cusZoomSlider drag ] Thay đổi hình ảnh theo tỷ lệ Zoom thích hợp [btnCaptureButton click ] Chụp hình sau thơng báo kết quả: o Hiện thơng báo khơng có phát biển báo o Chuyển đến hình kết detect phát biển báo 85 | T r a n g 3.3.5.2.3 Màn hình phát biển báo tự động: Hình 3.25 – Màn hình phát biển báo tự động STT Tên Loại tvFPS TextView imgFocusImage ImageView Ý Nghĩa Kích hoạt Hiển thị số Frame/giây Focus hình ảnh Bảng3.23 – Chi tiết hình phát biển báo tự động 3.3.5.2.4 Màn hình kết detect: Hình 3.26 – Màn hình kết detect Ghi 86 | T r a n g STT Tên Loại Ý Nghĩa Kích hoạt Ghi Hiện thị hình ảnh thu cam FrameViewLayer từ camera xử lý khoanh vùng biển báo Bảng3.24 – Chi tiết hình kết detect 3.3.5.2.5 Màn hình kết nhận dạng: Hình 3.27 – Màn hình kết nhận dạng STT Tên Loại Ý Nghĩa Hiện thị hình ảnh thu từ cam FrameViewLayer camera xử lý khoanh vùng biển báo Hiện thị kết nhận quickAction PopupMenu dạng tương ứng với biển báo chọn Bảng3.25 – Chi tiết hình kết nhận dạng Kích Ghi hoạt 87 | T r a n g 3.4 Thực Nghiệm Như trình bày phần cấu trúc mạng noron, tập huấn luyện dành cho mạng tập loại biển báo với tất 30 mẫu biến thể Mục đích việc thực nghiệm nhằm xác định số lượng noron lớp ẩn cách hợp lý, cho mạng có khả nhận biết cao nhất, khơng bỏ xót thơng tin thời gian huấn luyện mạng giới hạn cho phép Chúng ta sử dụng đại lượng trung bình bình phương lỗi tối thiểu số vịng lặp huấn luyện mạng để đo lường trình thực nghiệm, lựa chọn số noron lớp ẩn hợp lý Giới hạn trung bình bình phương tối thiểu 0.0001 số vòng lặp huấn luyện tối đa 500.000 vòng Số noron Số lượng mẫu Trung bình bình Số vịng lặp Kết huấn lớp ẩn huấn luyện phương lỗi tối thiểu huấn luyện luyện 10 0.317 500000 Thất bại 20 0.240 500000 Thất bại 30 0.237 500000 Thất bại 40 0.153 500000 Thất bại 45 0.0001 20882 Thành công 45 10 0.161 500000 Thất bại 50 10 0.0001 39388 Thành công 50 15 0.0001 59349 Thành công 50 20 0.0001 64497 Thành công 50 25 0.0001 111311 Thành công 50 30 0.407 500000 Thất bại 60 30 0.329 500000 Thất bại 70 30 0.089 500000 Thất bại 80 30 0.0001 47092 Thành công Bảng3.26 – Bảng kết thực nghiệm Qua kết thực nghiệm, mạng noron chọn số noron lớp ẩn 80 đại lượng ước lượng trung bình bình phương tối thiểu nhỏ 0.0001 88 | T r a n g CHƯƠNG : ĐÁNH GIÁ KẾT QUẢ VÀ KẾT LUẬN Chương trình bày vấn đề sau: 4.1 Đánh giá luận văn 4.2 Đánh giá chương trình 4.3 Hướng phát triển 4.4 Kết luận 4.1 Đánh Giá Luận Văn Báo cáo lý thuyết trình bày đầy đủ cụ thể điểm then chốt xử lý ảnh, mạng noron sức mạnh Ngồi báo cáo giới thiệu tảng di động dành cho nhà phát triển ứng dụng di động hệ điều hành Android Cùng với thư viện xử lý ảnh OpenCV, thư viện thường hay sử dụng làm việc với toán nhận dạng Về mặt áp dụng, khóa luận giải toán phát nhận dạng biển báo giao thơng Việt Nam Mơ hình giải tốn đơn giản, dễ cài đặt thích hợp với thị bị di động khơng cần địi hỏi q nhiều phần cứng 4.2 Đánh Giá Chương Trình 4.2.1 Kết đạt Chương trình tương đối hồn chỉnh cho phép người dùng thực chức sau: - Phát biển báo khung cảnh tay thơng qua thao tác chụp hình - Phát biển báo tự động quay phim khung cảnh - Nhận dạng biển báo phát dựa theo sở liệu có sẵn 4.2.2 Các hạn chế - Chương trình cịn mang tính học thuật cao, xem ứng dụng để tra cứu thơng tin biển báo tức thời chưa có 89 | T r a n g chức hệ thống nhận dạng tự cảnh báo cho người tham gia giao thơng để xử lý kịp thời tham gia giao thơng - Vì mang tính nghiên cứu nên hệ thống làm việc tập liệu thử nghiệm với loại biển báo khác - Ứng dụng bị hạn chế làm việc với số phần cứng không đáp ứng yêu cầu xử lý chất lượng camera - Ứng dụng chưa giải triệt để tốn xử lý lỗi góc nhìn (perspective projection) chụp ảnh, toán làm việc với biển báo điều kiện môi trường phực tạp ánh sáng yếu, che khuất… 4.3 Hướng Phát Triển Nâng cấp khả hệ thống, trở thành hệ thống nhận dạng đưa cảnh báo tức thời cho người tham gia giao thơng Để làm việc phát triển ứng dụng theo hướng client – server, kết nối thiết bị với camera phương tiện ô tô, tiếp nhận liệu từ camera ô tô sau đưa cảnh báo cho người điều khiển Cải thiện khả làm việc, giải triệt để vấn đề cịn mắc phải phát chưa xác điều kiện môi trường phực tạp, sửa lỗi góc nhìn quay phim, chụp hình… 4.4 Kết Luận Luận văn xây dựng thành công hệ thống phát nhận dạng biển báo giao thông thiết bị di động, kết hợp sức mạnh công nghệ xử lý ảnh với tảng di động tiên tiến, hứa hẹn hướng dành cho ứng dụng smartphone tương lai ... liệu bao gồm có nhận dạng âm nhận dạng hình ảnh Các đối tượng tốn nhận dạng phong phú, ví dụ nhận dạng khn mặt, tiếng nói, nhận dạng chữ viết tay, nhận dạng mã vạch … Biển báo giao thông số Đây...Chương III - Xây dựng ứng dụng nhận dạng biển báo giao thơng: Trình bày mơ hình giải toán nhận dạng thiết bị di động, sơ đồ chức thiết kế giao di? ??n chương trình Chương IV - Đánh... đoạn Ứng dụng công nghệ nhận dạng smartphone ý tưởng mà nhóm hướng tới thực khóa luận Bài tốn nhóm giải làm xây dựng hệ thống thông minh cho phép phát nhận dạng biển báo giao thông thiết bị di động