Ứng dụng kỹ thuật điều khiển thông minh trên hệ thống giữ xe tự động

Bài viết xây dựng chương trình mô phỏng hệ thống giữ xe tự động bằng cách sử dụng kỹ thuật xử lý hình ảnh để nhận dạng ký tự từ biển số xe. Phương pháp phân tích thành phần chính để trích xuất đặc trưng của ảnh khuôn mặt, giúp gia tăng tốc độ xử lý, độ chính xác; sử dụng mạng Neural Network để phân loại, gán nhãn cho các ảnh khuôn mặt cần nhận dạng bị nhiễu. Để nắm chi tiết nội dung nghiên cứu mời các bạn cùng tham khảo bài viết.
Nội dung trích xuất từ tài liệu:
Ứng dụng kỹ thuật điều khiển thông minh trên hệ thống giữ xe tự động  nhieân ta khoâng theå loaïi boû caùc ñaëc tröng moät caùch ñöôïc caùc troïng soá toái öu cho moãi lôùp Nô - ron cuûa Nô - ron. chaäm quaù trình xöû lyù cuûa maïng Nô - ron. Nhöng taêng toác ñoä xöû lyù cuûa maïng Nô - ron. Tuy nhieân, Hieän töôïng naøy ñöôïc goïi laø söï aûnh höôûng cuûa caùc chieàu ñaëc tröng, ñöôïc theå hieän nhö hình 4. 18 Internal Scientific Journal – Viet Nam Aviation Academy, Vol 1, Dec 2018 5000 pixels v�a phân t�ch đư�c đ�phân d�ng c� c đi� m d�li� u v� o s�thu đư�c m�tt� p d�li� u cho hai h� ng k�t�bi� n s�v�sau đ�l�tr� ch xu� t m�i. Cơ s�= d�li� u khuôn m� t đ�hu� n luy� n mạng nơ-ron l�c� c� nh 2-D c�k� ch thư� 320 pixels x 320 pixels. Trư�c khi s�d� ng PCA, các �nh trong t� p� nh hu� n luy� n đư� chuy� n đ�i thành các vector hàng 1x3202 . Các vector hàng trong t� p hu� n luy� n sau đ�đư� x� p chung trong m�t t� p h�é gọi l�không gian khuôn m� t. Sau đ�c� c eigenvector (vector đ� c trưng) thu�c không gian khuôn m� t trên đư�c tr� ch xu� t. V�eigenvector tr� ch xu� t t�không gian vector bao g� m nh�ng � nh khuôn m� t đư�c gh� p lại, nên c�th�coi đ�l�c� c eigenface. Theo c� ch nh� n n� y, eigenface quan trọng nh� t s�ch�a c� c đ� c trưng c� a m�t gương m� t c� nam v�n�trung b� nh. C� c eigenface ti� p theo (�t quan trọng hơn) s�mô t�nh�ng đ� c đi� m chung kh� c c�a gương m� t ngư�i. C� c eigenvector s�h�u c� c thu�c t� nh, c� th�đư�c x� c đ�nh ch�b�i ma tr� n vuông, c�n eigenvector (v�eigenvalue tương �ng) trong m�t n x n ma tr� n, t� t c�c� c eigenvector đ� u tr�c giao v�i nhau. V� y, t�m h�cơ s�tr�c chu� n m�i đ�thu Hình 5. Chương tr� nh nh� n dang bi� n s�k� t đư�c m�t t� p eigenface ch� nh l� đi t� m h�p khuôn m� t eigenvector v�eigenvalue trong không gian khuôn m� t. đư�c c� c k�t�. C� c d�li� u m�i sau khi đư�c chi� u v� o h� Cu�ic�ng, t� c gi�đ�ichi� u c�c v�ng ch�a cơ s�tọa đ�m�i n� y s�đư�c đưa qua mạng c�c k�t�đư�c t� ch v�i m� u c�c k�t�trong cơ neuron đ�hu� n luy� n mạng t� m ra ma tr� n trọng s�d�li� u đ�nh� n dạng. Chu�i k�t�bi� n s�xe s�t�i ưu. sau khi nh� n dạng ti�p t�c đư�c so s� nh v�ibi�n H�th�ng s�gán m�i khuôn m� t cho bi� n s�xe c� a ngư�i s�d� ng tương �ng. s�đăng k�trư� tương �ng. �ú i khi c�xe đ� n Trong k�thu� t PCA, m� c đ�ch ch�nh l�t� m c�ng, th�c hi� n x�l�, nh� n dạng bi� n s�v� h�cơ s�tọa đ�m�i sao cho cu�ic�ng khi chi� u khuôn m� t. Sau đ�ti� n h� nh so s� nh bi� n s�v� Hình 6. C� c bư�c trong k�thu� t PCA  duïng. Töø ñoù coù theå phaùt trieån thaønh caùc phaàn toác ñoä xöû lyù nhanh vaø ñoä chính xaùc cao. Beân