Trang chủ Sự kiện VCM 2016 Giải pháp hỗ trợ giữ xe thông minh

Giải pháp hỗ trợ giữ xe thông minh

1. Giới thiệu
Do mật độ dân số ở nước ta phân bổ khá đông tại các thành phố lớn trong khi các phương tiện giao thông công cộng còn chưa phát triển kịp nên đã bùng nổ các phương tiên giao thông cá nhân, đặc biệt là xe máy. Chính vì thế công tác quản lý, trông coi, kiểm soát xe máy, đặc biệt là phát hiện các hành vi của kẻ gian,.. tốn nhiều thời gian và công sức. Trong thực tế, đã có nhiều nhóm nghiên cứu và thương mại hóa bài toán xây dựng hệ thống hỗ trợ giữ xe (xem chi tiết trong [2]) tuy nhiên, các hệ thống này đa phần sử dụng camera để ghi lại hình ảnh và biển số xe của người gửi để hỗ trợ cho nhân viên giữ xe quan sát chứ chưa nhận dạng biển số tự động, và do vậy việc nhận dạng vẫn phải cần nhân viên thực hiện.

Bài viết này giới thiệu một giải pháp trong xây dựng “Hệ thống hỗ trợ giữ xe thông minh - Intelligent Parking Support System (IPSS)”. Nhằm tăng độ an toàn cho bãi xe, IPSS kết hợp các kỹ thuật nhận dạng gồm: Nhận dạng và rút trích biển số tự động (dùng giải thuật Boosting phân tầng cùng với đặc trưng Haar-like [1] và sau đó là giải thuật máy học SVM), nhận dạng mã vạch trên thẻ giữ xe. Bên cạnh phương pháp tự động, nhằm tăng độ an toàn tối đa, hệ thống này cũng hỗ trợ lưu trữ và truy xuất lại ảnh biển số xe, ảnh khuôn mặt của người gửi xe để nhân viên có thể so sánh đối chiếu.

2. Phương pháp nhận dạng và rút trích ký tự trong biển số xe

Quy trình nhận dạng và rút trích biển số qua các bước chính như mô tả trong Hình 1. Ở đó, sau khi hệ thống nhận được ảnh chụp từ camera, hệ thống sẽ định vị và trích ra vùng chứa biển số. Từ vùng chứa biển số này, thực hiện tương tự để trích ra ảnh các ký tự có trong vùng biển số đó. Các ảnh ký tự này sau đó được chuyển sang dạng nhị phân để làm đầu vào cho bộ phân lớp SVM. Sau cùng, giải thuật SVM sẽ phân loại các giá trị nhị phân này thuộc vào các ký tự tương ứng nào (0..9, A..Z) .

Định vị vùng biển số xe. Giai đoạn này sử dụng đặc trưng Haar-like và Boosting phân tầng (mỗi bộ phân lớp là một mô hình Boosting với bộ phân lớp yếu là Cây quyết định) để định vị vùng biển số xe, sau đó rút trích ảnh biển số. Giải thuật định vị này có sẳn trong thư viện EmguCV (www.emgu.com), vấn đề ta cần thực hiện là tiền và hậu xử lý ảnh để có được vùng biển số mong muốn.

Hình 1: Quy trình nhận dạng và phân lớp biển số xe

Định vị ký tự. Hoàn toàn tương tự như ở giai đoạn định vị biển số, ta thực hiện việc định vị và trích ảnh các ký tự trong biển số xe. Sau khi định vị được ảnh ký tự, tách và chuyển chúng về kích thước 20x48 pixels. Với mỗi ảnh ký tự thu được, chúng tôi đề xuất chuyển chúng về giá trị nhị phân để làm tập dữ liệu đầu vào cho bộ phân lớp SVM.

Chuyển ảnh ký tự sang dạng nhị phân. Ở bước này, chúng tôi chuyển các ảnh ký tự (20x48) thành giá trị nhị phân biểu diễn tương ứng cho ảnh. Giải thuật được chúng tôi sử dụng ở đây rất đơn giản là với mỗi điểm ảnh, nếu mức sáng (intensity) của nó lớn hơn một ngưỡng nào đó (ví dụ, trong nghiên cứu này chúng tôi sử dụng giá trị trung bình mức xám của mỗi ảnh để làm giá trị ngưỡng) thì sẽ chuyển thành 1, ngược lại là 0.  Sau khi chuyển ảnh ký tự sang dạng nhị phân, tùy theo bộ phân lớp (classification) được sử dụng mà ta sẽ chuyển thành định dạng đầu vào tương ứng của bộ phân lớp đó. Trong nghiên cứu này, chúng tôi sử dụng LibSVM (www.csie.ntu.edu.tw/~cjlin/libsvm) với định dạng dữ liệu đầu vào như sau: <label> <index1>:<value1> <index2>:<value2>…….

Xây dựng mô hình SVM. Sử dụng bộ dữ liệu thu được ở bước trước, huấn luyện mô hình SVM để phân loại các ký tự (10 ký tự số và 26 chữ cái).

3. Xây dựng hệ thống

Sau các bước huấn luyện các mô hình, công việc còn lại là xây dựng hệ thống hoàn chỉnh để tích hợp các mô hình này vào. Tương tự như bất kỳ một hệ thống thông tin quản lý nào, các chức năng chính trong hệ thống này bao gồm:

• Quản lý xe vào/ra (lưu trữ hình ảnh biển số, khuôn mặt của người gửi xe, lưu trữ các ký tự trong biển số xe sau nhận dạng, thời gian vào/ra..)

• Quản lý thẻ xe (tạo thẻ xe kèm mã vạch, in thẻ, báo mất, báo hư,..)

• Quản lý thông tin nhân viên (gồm lịch trực),

• Quản lý tài khoản hệ thống (quyền, nhóm..)

• Tìm kiếm xe theo các thông tin như biển số xe, thời gian vào/ra…

• Thống kê lưu lượng xe ra/vào, doanh thu, thời gian làm việc của nhân viên theo khoảng thời gian..

Mô hình tổng thể. Sơ đồ tổng thể của hệ thống được biểu diễn trong Hình 2. Ở đó, khi xe vào sẽ dừng tại vạch quy định, lúc này nhân viên sẽ quét mã vạch trên thẻ giữ xe để lưu lại số trên thẻ. Cùng lúc đó, camera thứ nhất chụp ảnh gương mặt của người gửi xe, camera thứ 2 sẽ chụp ảnh biển số xe, cả 2 ảnh này đều được hệ thống lưu lại. Ảnh biển số xe sẽ được nhận dạng và chuyển thành các ký tự tương ứng. Như vậy các thông tin quan trọng được hệ thống ghi lại là số thẻ xe, ảnh gương mặt người gửi xe, ảnh biển số xe, ký tự biển số, và thời gian vào/ra.

Hình 2. Sơ đồ tổng thể của hệ thống

Khi xe ra cũng dừng ngay vị trí quy định, nhân viên sẽ quét mã vạch trên thẻ nhận từ người gửi xe, hệ thống tự động truy xuất lại các thông tin khi xe vào để so sánh đối chiếu, nếu biển số giống nhau thì chương trình sẽ thông báo đúng và cho xe ra. Ngược lại sẽ cảnh báo để nhân viên so sánh đối chiếu các ảnh đã lưu. Tất cả các hình ảnh được lưu lại để tìm kiếm truy xuất khi có vấn đề xảy ra. Đối với xe đạp, do không có biển số nên thuộc tính này sẽ không được lưu lại. Các thông tin khác thì tương tự như trường hợp của xe máy.

Cài đặt và triển khai hệ thống. Hệ thống được xây dựng trên nền tảng .NET (VB.NET), hệ quản trị cơ sở dữ liệu SQL Server, thư viện EmguCV và LibSVM. Trong đó các thiết bị cần thiết gồm: 01 bộ máy tính (màn hình càng lớn càng tốt, ít nhất là 19”), 01 máy quét mã vạch, 04 camera (hay webcam độ phân giải cao), các rào chắn và thiết bị bảo vệ khác.

4. Kết quả minh họa

Độ chính xác của các mô hình. Thực nghiệm cho thấy kết quả nhận dạng khá tốt ở cả ba giai đoạn: Định vị biển số đạt độ chính xác 99% khi dùng 750 ảnh để huấn luyện và 243 ảnh để kiểm thử. Định vị ký tự chính xác 95.88% khi dùng 11866 ảnh cho huấn luyện và 4755 ảnh để kiểm thử. Phân loại ký tự bằng giải thuật SVM chính xác 98.99% khi sử dụng 2603 phần tử cho huấn luyện và 1550 phần tử cho đánh giá. Hệ thống đã được cài đặt hoàn chỉnh và có thể đưa vào ứng dụng trong thực tế.

Giao diện minh họa. Giao diện chính khi xe vào ra được minh họa trong Hình 3. Ngoài ra, hệ thống còn hỗ trợ nhiều tính năng khác tương ứng với 2 nhóm người dùng chính là admin và nhân viên. Nhóm nhân viên có các quyền như quản lý xe ra - vào, báo mất thẻ, báo hư thẻ, quản lý mật khẩu đăng nhập, tùy chọn camera,  tùy chọn thư mục lưu ảnh, tìm kiếm xe vào ra theo các tiêu chí, thống kê..; Nhóm admin có tất cả quyền của nhân viên và thêm các quyền như: cập nhật thông tin nhân viên, chấm công, quản lý giá tiền gửi cho từng loại xe, in thẻ xe..

Hình 3. Giao diện gửi/trả xe

TÀI LIỆU THAM KHẢO CHÍNH
[1] Paul A. Viola and Michael J. Jones, 2001. Rapid Object Detection using a Boosted Cascade of Simple Features. IEEE Conference on Computer Vision and Pattern Recognition, pages 511-518.
[2] Nguyen Thai-Nghe and Nguyen Chi-Ngon. 2014. An Approach for Building an Intelligent Parking
Support System. In Proceedings of the Fifth
Symposium on Information and Communication Technology (SoICT ‘14). ACM, New York, NY, USA. pp. 192-201. ISBN: 978-1-4503-2930-9

Nguyễn Thái Nghe1, Nguyễn Chí Ngôn2
1Khoa Công nghệ Thông tin Và Truyền thông, Trường Đại học Cần Thơ
2Khoa Công nghệ, Trường Đại học Cần Thơ  |  Email: {ntnghe,ncngon}@ctu.edu.vn


Newer news items:
Older news items:

 

Nhà tài trợ


Liên kết & Quảng cáo

 
 

 




 


 



Sửa biến tần

Mới cập nhật

Quảng cáo&Liên kết