HỆ THỐNG GIÁM SÁT GIAO THÔNG ỨNG DỤNG CÔNG NGHỆ XỬ LÝ ẢNH

Chia sẻ: Dq Thach | Ngày: | Loại File: DOC | Số trang:7

Thêm vào BST

Báo xấu

419
lượt xem 80
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Quốc lộ và đường cao tốc là nơi có lưu lượng giao thông lớn, các phương tiện chạy ở vận tốc cao do đó nếu có tai nạn xảy ra thì hậu qủa sẽ rất nghiêm trọng. Thực tế cho thấy một tỷ lệ không nhỏ các vụ tại nạn trên đường cao tốc và quốc lộ xuất phát từ nguyên nhân tài xế không tuân thủ luật giao thông, phóng nhanh vượt ẩu.

Chủ đề:

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

Lưu

Nội dung Text: HỆ THỐNG GIÁM SÁT GIAO THÔNG ỨNG DỤNG CÔNG NGHỆ XỬ LÝ ẢNH

HỆ THỐNG GIÁM SÁT GIAO THÔNG ỨNG DỤNG CÔNG NGHỆ XỬ LÝ ẢNH (TRAFFIC SUPERVICE SYSTEM USING IMAGE PROCESSING) ThS. Đặng Quang Thạch, PGS.TS. Lê Hùng Lân Bộ môn Điều khiển học, Khoa Điện – Điện tử Tóm tắt: Quốc lộ và đường cao tốc là nơi có lưu lượng giao thông lớn, các phương tiện chạy ở vận tốc cao do đó nếu có tai nạn xảy ra thì hậu qủa sẽ rất nghiêm trọng. Thực tế cho thấy một tỷ lệ không nhỏ các vụ tại nạn trên đường cao tốc và quốc lộ xuất phát từ nguyên nhân tài xế không tuân thủ luật giao thông, phóng nhanh vượt ẩu. Điều này dẫn đến nhu cầu cần tăng cường giám sát để phát hiện và xử lý kịp thời các hành vi gây mất an toàn giao thông, hạn chế tai nạn và nâng cao ý thức chấp hành luật giao thông. Bài báo nay xin giới thiệu một giải pháp cho vấn đề trên, đây là giải pháp ứng dụng công nghệ xử lý ảnh để tự động phát hiện và ghi nhận các tình huống vi phạm luật giao thông. Giải pháp này đã được xây dựng và thử nghiệm trong khuôn khổ để tài KHCN cấp Nhà nước mã số KC.03.05/06-10 do Trường Đại học GTVT chủ trì. Summary: On highway, traffic volume is large, and vehicle runs at high speed, so if the accident occurs, the consequences will be very serious. In fact not a small percentage of accidents on highways cause comes from the driver does not comply with traffic laws. This leads T2 to the need to strengthen surveillance to detect and treat promptly any unsafe acts that cause traffic accidents, and enhance the awareness of observance of traffic laws. This article introduce a solution to above problem, this solution is applied image processing technology to automatically detect and record situations of violations of traffic laws. This solution has been built and tested within the the State level of Science and Technology Project with code KC.03.05/06-10 executed by the University of Transport and Communication. 1. CẤU TRÚC TỔNG THỂ HỆ THỐNG GIÁM SÁT GIAO THÔNG DÙNG CÔNG NGHỆ XỬ LÝ ẢNH Hệ thống bao gồm các thành phần: camera giám sát, camera chụp hình, m ạng truyền thông, Video server, phần mềm xử lý ảnh và cơ sở dữ liệu (Hình 1). Camera quan sát có nhiệm vụ ghi lại hình ảnh quá trình giao thông sau đó truy ền theo thời gian thực về trung tâm điều hành. Camera giám sát đ ược lắp đ ặt ở đ ộ cao kho ảng t ừ 12m trở lên, vùng quan sát có chiều dài tối thiểu 30m. Các thông s ố lắp đ ặt trên nh ằm đ ảm bảo trong điều kiện giao thông bình thường (không tắc đường) hình ảnh các xe không b ị chồng lấp lên nhau, với camera có tốc độ ghi 24hình/s, ta có thể ghi đ ược t ối thiểu 24 khung hình của xe chạy tốc độ 100km/h (27m/s) khi nó đi qua vùng quan sát. Hình ảnh c ủa camera 3
giám sát được xử lý để xác định tốc độ và qũy đạo của từng xe trong dòng giao. Trên c ơ s ở đó phát hiện các tình huống vi phạm luật như chạy quá tốc độ, chuyển làn trái phép. Camera chụp hình xe vi phạm có nhiệm vụ ghi lại hình ảnh của xe vi phạm làm căn cứ cho việc xử lý tài xế sau này. Camera chụp hình được lắp đặt ở độ cao khoảng 5m, ngược chiều với hướng chuyển động của xe, vị trí và thời điểm ghi hình của camera này được điều khiển bởi phần mềm giám sát. Để truyền tín hiệu video chất lượng cao cần mạng truyền thông có băng thông lớn, ngoài ra khoảng cách từ vị trí đặt camera về trung tâm thường rất xa nên cáp quang là phương tiện truyền dẫn phù hợp nhất để kết nối camera và các hệ thống tại trung tâm. Số lượng camera được kết nối với trung tâm thường rất nhiều nên cần một hệ thống lưu trữ có dung lượng ổ đĩa cứng lớn, ngoài ra còn cần đến các thiết bị lưu trữ dự phòng ra băng từ, đĩa quang... Hệ thống chuyển mạch hoạt động ở tốc độ cao, thuận tiên cho người C sử dụng. Các màn hình lớn có thể đồng thời T2 hiển thị hình ảnh từ nhiều camera. Hình 1. Hệ thống giám sát giao thông bằn xử lý ảnh Cơ sở dữ liệu dùng lưu các số liệu về hệ thống giao thông trong đó có kết quả của phần mềm xử lý anh. Các số liệu này sẽ được sử dụng cho các chức năng đi ều khiển, đi ều hành và giám sát giao thông. Phần mềm giám sát giao thông băng xử lý ảnh (TrafficSP) có nhiệm v ụ tính toán t ốc đ ộ và quỹ đạo các xe chạy qua vung quan sát. Trên cơ sở đó phát hiện các xe vi ph ạm lu ật giao thông và cung cấp thông tin về vị trí của chúng trong vùng giám sát, giúp đi ều khi ển camera chụp hình ghi được hình ảnh rõ ràng của xe vi phạm. Đồng thời cảnh báo ng ười đi ều hành, ghi nhận lưu trữ, xử lý thông tin về các tình huống vi phạm luật. 2. CÁC MODULE CHÍNH TRONG PHẦN MỀM XỬ LÝ ẢNH 2.1. Thu nhận ảnh và tiền xử lý ảnh: video giao thông truyền từ camera giám sát về Video Server qua mạng cáp quang, từ đây hình ảnh được chuyển tiếp đ ến các thành ph ần lưu trữ, hiển thị và phần mềm xử lý ảnh qua mạng cụ bộ. Module tiền xử lý thực hiện các phép lọc ảnh và chuyển đổi cần thiết để nâng cao chất lượng của ảnh và đ ưa ảnh v ề đ ịnh 4
dạng thuận lợi cho các phép xử lý tiếp sau [3]. Hình 2 mô t ả m ột trong s ố các ch ức năng c ủa bước tiền xử lý ảnh, trong đó ảnh màu ban đầu được chuyển về ảnh xám sau đó vùng ảnh không cần quan tâm được cát bỏ, phần còn lại được đưa tới đầu vào của các bước xử lý tiếp theo. Hình 2. Kết quả tiền xử lý ảnh 2.2. Khởi tạo và cập nhật ảnh nền: Ảnh cần xử lý được chia thành 2 phần: ảnh nền (Background) và ảnh tiền cảnh (Forceground). Trong ảnh chụp quá trình giao thông, ảnh n ền chứa các đối tượng không chuyển động trong đó quan trọng nh ất là m ặt đ ường, ảnh tiền cảnh chứa các xe chuyển động. Như vậy ảnh của các xe có thể được tách ra b ằng cách th ực hiện phép trừ nền. Nếu ảnh nền tham chiếu hoàn toàn trùng kh ớp v ới ảnh n ền hi ện t ại thì hiệu của phép trừ chính là ảnh của các xe. Nhưng trong thực tế, do ảnh hưởng của ánh sáng, thời tiết mà ảnh nền có thể thay đổi theo thời gian và không còn đồng nhất với ảnh n ền tham chiếu. Khi sự khác nhau này vượt quá giới hạn cho phép sẽ d ẫn đến sai s ố trong phép tách ảnh tiền cảnh. Vấn đề đặt ra là phải cập nhật ảnh n ền tham chiếu để đ ảm b ảo s ự đ ồng T2 nhất giữa ảnh nền tham chiếu và ảnh nền hiện tại. Hình 3 minh hoạ quá trình khởi tạo và nhập nhật ảnh n ền, mô hình ảnh n ền đ ược xây dựng trên cơ sở lý thuyết xác suất được trình bày chi tiết trong tài liệu tham khảo [1], [3]. Đ ể tạo ra ảnh nền hệ thống cần xử lý 100 khung hình đầu tiên, sau đó trong quá trình ho ạt đ ộng ảnh nền tiếp tục được cập nhật theo biểu thức [1]. True Khởi tạo ảnh nền Cập nhật ảnh nền 100 Khung False hình đầu tiên Hình 3. Khởi tạo và cập nhật ảnh nền I B(i+1) (x, y) = (1 − α .)I B(i) ( x, y ) + α .I( x, y ) [1] Trong đó: I(x,y) là cường độ sáng của pixel(x,y) trên ảnh cần xử lý, 5
IB(i)(x,y) là cường độ sáng của pixel(x,y) thuộc ảnh nền cũ, IB(i+1)(x,y) là cường độ sáng của pixel(x,y) trên ảnh nền mới, α là trọng số của pixel(x,y), 0 ≤ α ≤ 1, giá trị cụ thể của α phụ thuộc vào xác suất để cường độ sáng của pixel(x,y) trên ảnh nền nhận giá trị I(x,y). 2.3. Module phát hiện chuyển động: có nhiệm vụ xác định có hay không các đối tượng chuyển động trong một khung hình, sau đó tách ảnh đối tượng chuyển đ ộng kh ỏi ảnh nền. Việc tách ảnh vật chuyển động được thực hiện bằng kỹ thuật trừ ảnh n ền theo bi ểu thức [2] D ( x, y ) = I ( x, y ) − I B ( x, y ) [2] Trong đó: I(x,y) là cường độ sáng của pixel có tọa độ x,y thuộc ảnh cần xử lý, IB(x,y) là cường độ sáng của pixel có tọa độ x,y trên ảnh n ền , D(x,y) là chênh lệch cường độ sáng giữa ảnh nền và ảnh cần xử lý t ại pixel(x,y). Giá tr ị của D(x,y) được so sánh với ngưỡng T, nếu D(x,y) > T có nghĩa pixel(x,y) là m ột đi ểm trên ảnh của vật chuyển động. Gọi M là mặt nạ chuyển động, có nghĩa là nếu pixel(x, y) là m ột điểm trên ảnh v ật chuyển động thì M(x, y) = 1 và ngược lại pixel(x,y) thuộc ảnh nền thì M(x, y) = 0. Khi đó M được xác định bằng biểu thức [3] C T2 1 If D( x, y ) ≥ T(x, y) M( x, y ) =  [3] 0 If D( x, y ) < T(x, y) Để đảm bảo mặt nạ chuyển động M được xác định chính xác, giá trị T đ ược tính cho từng pixel, thuật toán tính T đảm bảo có thể phán ánh các thay đổi về cường đ ộ sáng t ại th ời điểm tính mặt nạ. Cụ thể ngưỡng T(x,y) của pixel(x,y) được tính trên cơ s ở phân tích th ống kê các giá trị I(x,y) tại thời điểm hiện tại và trong quá khứ theo tài liệu [1]. 6
Moving Object Detector Hình 4. Tính mặt nạ chuyển động 2.4. Module phát hiện, phân loại, ghi nhận các tình huống vi phạm luật giao th ông Mặt nạ chuyển động là dữ liệu đầu vào của 3 module con : Entering Vehicle Detector (EVD), Passed Vehicle Detector (PVD) và Vehicle Tracker (VT). Danh sách xe Danh sách xe mới E ntering Vehicle vi phạm và Detector Mặt nạ các thông tin chuyển liên quan động Trajectory Vehicle Tracker P rocessor Passed Vehicle T2 Detector Danh sách xe cũ Danh sách xe Và Quỹ đạo tươ ng ứ ng Hình 5. Module phát hiện xe vi phạm Module EVD có nhiệm vụ phân tích mặt nạ chuyển động để phát hiện các xe vừa xu ất hiện trong khung hình[5]. Các xe này được đưa vào danh sách xe m ới đ ể chuy ển cho module VT tiếp tục xử lý. Module PVD tìm và loại bỏ khỏi danh sách các xe đã ra khỏi vùng giám sát. Đây là các xe trong danh sách hiện tại nhưng không tìm thấy ảnh trong mặt nạ chuyển động. VT Thực hiện giám sát quá trình di chuyển của xe. Mỗi lần x ử lý m ột khung hình, module VT xác định được toạ độ mới của các xe, vị trí này được lưu lại trong m ột dãy các điểm theo thời gian. Như vậy đầu ra của module VT là danh sách xe cùng v ới quy đ ạo chuyển động tương ứng của từng xe. Kết quả này được chuyển cho module Trajectory Processor (TP) tiếp tục xử lý. 7
Module TP phân tích quỹ đạo chuyển động của từng xe để phát hiện các tình hu ống vi phạm luật giao thông. Khi phát hiện xe vi phạm một trong các l ỗi: ch ạy quá t ốc đ ộ và chuyển làn trái phép phần mềm sẽ ghi các thông tin về hành vi vi ph ạm vào c ơ s ở d ữ li ệu, cảnh báo người điều hành bằng cách đánh dấu vào ảnh của xe vi ph ạm đ ồng th ời hi ển th ị hành trình của xe vi phạm trên màn hành. Các ảnh từ hai camera ch ụp đ ược trong quá trình vi phạm sẽ được lưu lại làm cắn cứ xử lý lái xe. Thông tin lưu trong CSDL s ẽ cho bi ết xe vi phạm lúc nào, ở đâu và vi phạm lỗi gì. 3. KẾT QUẢ THỬ NGHIỆM HỆ THỐNG Hệ thống giám sát giao thông dùng công nghệ xử lý ảnh giới thiệu trong bài báo này hiện đang được thử tại km 192+422 đường cao tốc Pháp Vân. Trong điều kiện ánh sáng ban ngày và lưu lượng giao thông bình thường hệ thống cho k ết quả khá t ốt. Để đánh giá sai s ố chức năng phát hiện xe chuyển làn trái phép, kết qu ả tính toán b ằng máy đ ược so sánh v ới kết quả quan sát bằng mắt thường, theo cách này độ chính xác của ph ần m ềm là 97%. K ết quả phát hiện xe chạy quá tốc độ được so sánh với súng bắn t ốc độ theo nguyên lý rada, sai số của phầm mềm so với súng là 5%. C T2 (a) 8
(b) Hình 6. a. Phát hiện xe vượt quá tốc độ, b. Phát hiện xe chuyển làn trái phép Tài liệu tham khảo [1]. Lê Hùng Lân và các cộng sự (2010), Thuyết minh đề tài NCKH cấp Nhà nước KC.03.05/06-10 , Hà T2 Nội. [2]. Dimitri Van De Ville, Mike Nachtegael, Dietrich Van der Weken, Etienne E. Kerre, Wilfried Philips, and Ignace Lemahieu (2003), “Noise Reduction by Fuzzy Image Filtering”, IEEE RANSACTIONS ON FUZZY SYSTEMS, VOL. 11, NO. 4, pp. 429-436 [3]. J. Stauder, R. Mech, and J. Ostermann (1999), “Detection of moving cast shadows for object segmentation,” IEEE Transactions on Multimedia, vol. 1, no. 1, pp. 65–76. [4]. Rita Cucchiara, Massimo Piccardi, and Paola Mello (2000), “Image Analysis and Rule-Based Reasoning for a Traffic Monitoring System”, IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, VOL. 1, NO. 2. pp. 119-130 [5]. Surendra Gupte, Osama Masoud, Robert F. K. Martin, and Nikolaos P. Papanikolopoulos (2002), “Detection and Classification of Vehicles”, IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, VOL. 3, NO. 1. pp. 37-46 9