Khảo sát bài toán nhận diện phương tiện và đo tốc độ phương tiện tham gia giao thông

Bài viết này được thực hiện nhằm khảo sát và phân loại những phương pháp và hướng tiếp cận phổ biến hiện nay đối với 2 bài toán nhận diện và đo tốc độ phương tiện tham gia giao thông, hướng đến việc xây dựng mô hình giám sát giao thông thông minh trong tương lai.
Nội dung trích xuất từ tài liệu:
Khảo sát bài toán nhận diện phương tiện và đo tốc độ phương tiện tham gia giao thông Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), Nha Trang, ngày 8-9/10/2020 DOI: 10.15625/vap.2020.00171 KHẢO SÁT BÀI TOÁN NHẬN DIỆN PHƯƠNG TIỆN VÀ ĐO TỐC ĐỘ PHƯƠNG TIỆN THAM GIA GIAO THÔNG Trần Hoàng Lộc, Nguyễn Khắc Ngọc Khôi, Phan Đình Duy, Vũ Đức Lung Trƣờng Đại học Công nghệ thông tin Đại học Quốc gia Thành phố Hồ Chi Minh locth@uit.edu.vn, 15520386@gm.uit.edu.vn, duypd@uit.edu.vn, lungvd@uit.edu.vn TÓM TẮT: Giám sát giao thông là bài toán được quan tâm trong những năm vừa qua. Với tín hiệu báo động từ các vụ tai nạn giao thông và những hành vi phạm tội liên quan đến giao thông, phát triển hệ thống giám sát giao thông thông minh là một trong những nhu cầu cấp thiết hiện nay, trong đó 2 bài toán căn bản của hệ thống này là nhận diện phương tiện tham gia giao thông và đo tốc độ phương tiện tham gia giao thông. Bài báo này được thực hiện nhằm khảo sát và phân loại những phương pháp và hướng tiếp cận phổ biến hiện nay đối với 2 bài toán nhận diện và đo tốc độ phương tiện tham gia giao thông, hướng đến việc xây dựng mô hình giám sát giao thông thông minh trong tương lai. Các bộ dữ liệu thường được sử dụng để huấn luyện và đánh giá hệ thống cũng được tổng hợp để làm cơ sở cho các nhóm nghiên cứu có thể đánh giá công trình nghiên cứu của mình. Từ khóa: Học sâu, nhận diện vật thể, hiệu chuẩn camera, đo tốc độ phương tiện giao thông. I. GIỚI THIỆU Trong những năm vừa qua, một trong những vấn đề xã hội nhức nhối ở Việt Nam chính là tình trạng tai nạn giao thông vẫn đang ở mức cao và gây ra nhiều thiệt hại cả về mặt xã hội và kinh tế. Theo tổng cục thống kê, số lƣợng tai nạn giao thông năm 2019 là 12.626 vụ, trong đó có 22.152 ngƣời bị thƣơng và 7624 ngƣời chết, con số này trong 7 tháng đầu năm năm 2020 lần lƣợt là 7996 vụ tai nạn, 5850 ngƣời bị thƣơng và 3791 ngƣời chết 1. Nguyên nhân chính của những vụ tai nạn giao thông này thƣờng là chạy vƣợt quá tốc độ, chạy sai làn đƣờng quy định hoặc vi phạm các quy tắc lƣu thông đƣờng bộ khác. Để khắc phục tình trạng này, nhà nƣớc đã thực hiện nhiều biện pháp khác nhau, trong đó có tăng cƣờng lắp đặt các camera giám sát giao thông với mục đích theo dõi tình trạng giao thông cũng nhƣ xử phạt nguội các trƣờng hợp vi phạm. Bản chất của việc theo dõi tình trạng tham gia giao thông là tận dụng những video thu đƣợc từ các camera và trích xuất các thông tin mà nhận diện các phƣơng tiện tham gia giao thông là yếu tố cốt lõi. Bài toán xác định phƣơng tiện tham gia giao thông không phải là bài toán mới, tuy nhiên vẫn còn đó những thách thức, đặc biệt là đối với tình trạng giao thông phức tạp của Việt Nam nhƣ thành phần tham gia giao thông là xe máy, lƣu lƣợng tham gia giao thông tăng nhanh tại một số thời điểm, điều kiện thời tiết xấu, góc đặt máy quay đa dạng,… Bên cạnh đó, để có thể phát hiện những trƣờng hợp chạy vƣợt quá tốc độ quy định, nhiều tuyến đƣờng đã trang bị các máy bắn tốc độ sử dụng laser. Thiết bị này có chi phí rất đắt đỏ và việc trang bị số lƣợng lớn trên nhiều tuyến đƣờng là không khả thi, thay vào đó, tận dụng hình ảnh thu đƣợc từ các video giám sát giao thông từ đó sử dụng các phƣơng pháp xử lý ảnh để phân tích tốc độ xe đang là giải pháp đƣợc nhiều nhà nghiên cứu quan tâm. Tóm lại, để tăng cƣờng khả năng giám sát giao thông qua các camera giám sát đang đƣợc trang bị với số lƣợng lớn trên khắp cả nƣớc, hƣớng tiếp cận sử dụng các kỹ thuật xử lý ảnh để nhận diện và đo tốc độ các phƣơng tiện tham gia giao thông là cần thiết và khả thi với mức chi phí hợp lý. Vấn đề mà bài báo này hƣớng đến đƣợc chia thành hai bài toán nhỏ là: (1) nhận diện phƣơng tiện và (2) đo tốc độ di chuyển của phƣơng tiện. Đầu vào của cả 2 bài toán trên đều là video thu đƣợc từ các camera giám sát. Đầu ra của bài toán (1) là bounding box của phƣơng tiện kèm theo nhãn hay nói cách khác là phƣơng tiện đó thuộc loại gì: xe máy, xe đạp, xe bus, xe tải, xe ô tô con,… Nhƣ vậy, bài toán nhận diện phƣơng tiện bao gồm 2 bài toán con đó là bài toán xác định vị trí - localization và bài toán phân loại - classification. Đầu ra của bài toán (2) chính là tốc độ của từng phƣơng tiện trong video. (a) (b) (c) Hình 1. Đầu vào (a) của bài toán nhận diện phƣơng tiện tham gia giao thông là video giám sát giao thông, đầu ra (b) của bài toán là ảnh có các bounding box xác định vị trí, nhãn và độ tin cậy của các phƣơng tiện và đầu ra (c) của bài toán đo tốc độ phƣơng tiện tham gia giao thông là tốc độ của từng phƣơng tiện Trong những năm vừa qua, hƣớng tiếp cận xử lý và phân tích video giám sát giao thông dựa trên các đặc trƣng hình ảnh, video đã thu hút nhiều nhà nghiên cứu cả trong và ngoài nƣớc [1], [2]. Đối với bài toàn nhận diện phƣơng 1 https://www.gso.gov.vn/default.aspx?tabid=621&idmid=&ItemID=19701 216 KHẢO SÁT BÀI TOÁN NHẬN DIỆN PHƢƠNG TIỆN VÀ ĐO TỐC ĐỘ PHƢƠNG TIỆN THAM GIA GIAO THÔNG tiện tham gia giao thông, Seenouvong và các đồng nghiệp [3] đã đề xuất mô hình nhận diện phƣơng tiện giới hạn trong một khu vực ảo đƣợc xác định trên không gian ảnh. Phƣơng pháp này bao gồm trích xuất tiền cảnh (foreground), nhận diện, trích xuất đặc trƣng và phân loại phƣơng tiện. Để nhận diện phƣơng tiện, nhóm tác giả [3] đã sử dụng mô hình Gaussian Mixture (GMM), sau đó thực hiện thêm một vài phép tính khác để lấy đƣợc các vật thể chính trong ảnh. Sau cùng, bƣớc phân loại đƣợc thực hiện bằng cách sử dụng bộ phân loại k-nearest neighbor. Audebert và các đồng nghiệp [4] đã ...