Bãi giữ xe thông minh

Chia sẻ: Lý Mân Hạo | Ngày: | Loại File: PDF | Số trang:5

Thêm vào BST

Báo xấu

24
lượt xem 3
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết này giới thiệu về bãi giữ xe thông minh hay còn được biết đến là một hệ thống quẹt thẻ nhằm mục đích đảm bảo an toàn cho những người đang sử dụng phương tiện cá nhân để di chuyển không bị lấy nhầm xe hay bị lấy mất bởi những kẻ gian, nhằm đảm bảo an toàn tuyệt đối cho mọi người. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bãi giữ xe thông minh

BÃI GIỮ XE THÔNG MINH Nguyễn Thành Tâm, Võ rường Thạnh, Trần Cả Phú Khoa Công nghệ Thông tin, Trường Đại học Công nghệ TP. Hồ Chí Minh GVHD: ThS. Nguyễn Đô P ươ TÓM TẮT Hiện nay, có rất nhiều bãi giữ xe thông minh đang được áp dụng ngoài xã hội, đặc biệt là những nơi công cộng, công viên, khu vui chơi giải trí, cao ốc,… đã và đang áp dung bãi giữ xe thông minh. Vậy bãi giữ xe thông minh là gì? Bãi giữ xe thông minh hay còn được biết đến là một hệ thống quẹt thẻ nhằm mục đích đảm bảo an toàn cho những người đang sử dụng phương tiện cá nhân để di chuyển không bị lấy nhầm xe hay bị lấy mất bởi những kẻ gian, nhằm đảm bảo an toàn tuyệt đối cho mọi người. Hay còn có thể giải quyết được vấn đề nan giải cho việc thiếu diện tích để xe do nhu cầu đi lại của mỗi người. Nhưng chừng đó là chưa đủ vì khi diện tích của bãi giữ xe quá lớn và một số bãi giữ xe chưa áp dụng được công nghệ và còn quá lạc hậu thì việc tìm kiếm vị trí xe còn trống và vị trí của xe đã để ở đâu khi lấy làm cho chúng ta rất tốn thời gian tìm kiếm thay vì thời gian mà ta loay hoay tìm kiếm chỗ trống hay vị trí xe khi lấy thì ta có thể làm những việc quan trọng hơn. Vì nhu cầu giữ xe của mọi người tăng, nhu cầu giữ xe được an toàn và đảm bảo được vị trí an toàn của xe và không bị thất lạc, nên việc bãi giữ xe thông minh mọc lên nhiều cũng là điều cần thiết cho mọi người. Vì còn quá lạc hậu trong khâu quản lý xe cộ đi lại của mọi người, công nghệ hiện đại phát triển và cần quản lý chính xác trong phương tiện của mọi người sử dụng. 1 GI I THIỆU Ý ƯỞNG Mong muốn các công nhân và bảo vệ đỡ phải lao động bằng tay chân, thay vào đó chúng ta có thể áp dụng máy móc, trí tuệ nhân tạo của máy móc để làm thay cho con người, công nghệ hiện đại 4.0, máy móc có thể làm thay con người mà con người đỡ phải làm việc mệt mỏi và áp lực quá nhiều trong công việc. Áp dụng trí tuệ nhân tạo để tìm kiếm chính xác vị trí xe đã để ở vị trí nào trong bãi giữ xe khi con người quên mất đã không nhớ vị trí mình để xe ở nơi đâu hoặc do thiết bị báo hiệu của xe bị hết pin hoặc hư hỏng không thể sử dụng được thì đến lúc này phần mềm của nhóm nghiên cứu sẽ thay thiết bị báo hiệu của xe để tìm vị trí xe bằng cách nhập mã code đã in sẵn trên thẻ để nhằm mục đích tìm ra chiếc xe đã để ở vị trí nào trong bãi giữ xe và camera sẽ là thiết bị dò tìm vị trí của xe trong bãi giữ xe đấy để gửi đến màn hình của thiết bị đấy và từ thiết bị đó có thể tìm ra đúng được vị trí của cột và số ô của xe đang đỗ trong bãi giữ xe. Sử dụng thẻ từ để quẹt và camera xác định biển số xe một cách chính xác nhằm mục đích cho việc ra vào trong bãi giữ xe. Sử dụng camera trong bãi giữ xe để liên tục quan sát vị trí chỗ trống trong bãi giữ xe hay để kiểm soát và xác định chính xác của vị trí xe đang để ở vị trí nào nhằm mục đích chống thất lạc xe và mất trộm xe. 71
2 NHỮNG CÔNG VIỆC LIÊN QUAN Năm 1905 Công ty Gatsometer BV của Hà Lan do tay đua đường trường Maurise Gatsonides, sau đó cũng với sự đóng góp các dãy tần mang tên X band(10.525 Ghz +/- 50Mhz and 24.150 Ghz+/- 100Mhz), day tần K band(24.150Ghz+/-100Mhz and 24.050-24.250 Ghz, thành viên cuối cùng là dĩa tần Ku band(0.70-12.75 Ghz+/-100 Mhz) đã cho ra đời camera bắn tốc độ với độ chính xác cực cao. Camera bắn tốc đọ được chia thành 3 loại chính: di động, cố định và tầm trung. Ở đây điều ta muốn bàn luận đến là camera tầm trung còn biết được với cái tên camera nhận diện biển số tự động (ANPR). Nguyên tắc hoạt động: Biết khoảng cách từ điểm A đến điểm B cũng như thời gian khởi hành của chiếc xe đồng nghĩa với việc xác định vận tốc trung bình giữa hai điểm, sử dụng tia hồng ngoại, và cơ sở dữ liệu của phương tiện hệ thống sẽ nhận diện được biển số để biết được chiếc xe. 3 GI I THIỆU KỸ THUẬT Convolutional Neural Network Convolutional Neural Network (CNNs – 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. Như hệ thống xử lý ảnh lớn như Facebook, Google hay Amazon đã đưa vào sản phẩm của mình những chức năng thông minh như nhận diện khuôn mặt người dùng, phát triển xe hơi tự lái hay drone giao hàng tự động. Hình 3.1. Convolutional Neural Network Fast R-CNN Khoảng 1.5 năm sau đó, Fast R-CNN được giới thiệu bởi cùng tác giả của R-CNN, nó giải quyết được một số hạn chế của R-CNN để cải thiện tốc độ. Hình 3.2. Regions with CNN features 72
Faster R-CNN Faster R-CNN không dùng thuật toán selective search để lấy ra các region proposal, mà nó thêm một mạng CNN mới gọi là Region Proposal Network (RPN) để tìm các region proposal. Hình 3.3. Kiến trúc mới Faster R-CNN 4 QUÁ TRÌNH THỰC HIỆN 4.1 Dữ liệu đầu vào Xe chạy vào bãi giữ xe ngay trước vạch dừng xe và vào khung hình của camera nhận diện. 4.2 Cách giải quyết vấn đề Sau khi đã load được hình ảnh ta chuyển ảnh về dạng ảnh xám sau đó sử dụng Morphogoly open (open là erosion sau đó dilation) mục đích là giảm egde nhiễu, egde thật thêm sắc nhọn bằng cv2.morphologyEx. Đưa ảnh về trắng đen tách biệt background và region interesting và sử dụng thuật toán Canny để nhận biết egde bằng cv2.Canny Hình 4.1. Ảnh trắng đen tách biệt background và region interesting và Sử dụng thuật toán Canny để nhận biết egde bằng cv2.Canny 73
Đến đây ta thấy image của chúng ta đã tách được các egde ra khỏi image ban đầu. Để ý là biển số xe có hình chữ nhật nên ta sẽ dùng contour để lấy nó ra khỏi image. Sau khi tách được biển số xe ta bắt đầu nhận diện các ký tự trên biển số sử dụng Tesseract là thư viện OCR nổi tiếng do độ chính xác cao hơn hẳn các thư viện khác. Tesseract có thể chạy độc lập hoặc tích hợp với OpenCV đều được. Nếu chạy độc lập thì Tesseract sử dụng thư viện leptonica để đọc hình ảnh. Sau đó chúng ta tạo id trên thẻ xe. Thẻ xe có 2 loại: thẻ dành cho khách cư trú tại bãi giữ xe và loại thẻ dành cho khách vãng lai. Hình 4.2. Kết quả nhận diện kí tự trên biển số xe Còn về phần bãi đỗ vẫn sử dụng thư viện hỗ trợ openCV để nhận diện khoảng trống, đưa ra ưu tiên vị trí hợp lý để đậu xe cho hành khách. Khi khách hàng lấy xe ra khỏi bãi thì chỉ cần quẹt thẻ và tự động mở barrier ra sau đó loop detecter sẽ điều khiển barrier đóng lại khi có xe đi qua. 5 KẾT QUẢ Hình 5.1. Kết quả tách được biển số xe sau khi đã nhận diện được ký tự Camera bắt đầu ghi hình biển số xe và đưa vào hệ thống nhận diện, sau đó hệ thống nhận diện bắt đầu tách biển số xe. 74
Sau khi tách được biển số xe ta bắt đầu nhận diện các kí tự trên biển số và chúng thảnh id trên thẻ xe. Thẻ xe có 2 loại: thẻ dành cho khách cư chú tại bãi giữ xe và loại thẻ dành cho khách vãng lai. Còn về phần bãi đỗ, bắt dầu nhận diện khoảng trống trong bãi đậu và đưa ra ưu tiên vị trí hợp lí đê đậu xe cho hành khách. Khi khách hàng lấy xe ra khỏi bãi thì chỉ cần quẹt thẻ và tự động mở barrier ra sau đó loop detecter sẽ điều khiển barrier đóng lại khi có xe đi qua. 6 KẾ HOẠCH VÀ Ư NG PHÁT TRIỂN Định hướng tương lai sẽ phát triển mô hình một cách đầy đủ nhất. Nhưng cơ bản giai đoạn đầu tiên là xây dựng hệ thống nhận diện biển số xe số xe một cách hoàn chỉnh, sau đó sẽ phát triển mô hình to hơn là phát triền nhận diện khoảng trống cho bãi đậu xe và nhập biển số xe trên hệ thống để tìm vị trí xe một cách nhanh chống. TÀI LIỆU THAM KHẢO [1] Kim, Y. (2014). Convolutional Neural Networks for Sentence Classification. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP 2014), 1746– 1751. [2] LeCun Y, Bengio Y, Hinton G (2015) Deep learning. Nature 521:436–444. [3] Krizhevsky A, Sutskever I, Hinton GE (2012) ImageNet classification with deep convolutional neural networks. Adv Neural Inf Process Syst 25. Available online at: https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural- networks.pdf. Accessed 22 Jan 2018 [4] Tesseract documentation. https://tesseract-ocr.github.io/tessdoc/ImproveQuality. Accessed: 2020-6-12. [5] Qiuhau Lin Tong Zhang and Derek Ma. Mobile camera based text detection and translation. IEEE, 7(2):87–105, 2020. 75