Xây dựng hệ thống đo mật độ lưu thông xe cộ trên các tuyến đường chốt giao thông thông qua tiếp cận nhận diện thực thể và xử lý ảnh

Báo cáo "Xây dựng hệ thống đo mật độ lưu thông xe cộ trên các tuyến đường chốt giao thông thông qua tiếp cận nhận diện thực thể và xử lý ảnh" nhằm mục đích nghiên cứu và xây dựng một hệ thống nhằm hỗ trợ tính toán mật độ giao thông trên các tuyến đường hay các chốt giao thông một cách tự động, thông qua nhận diện thực thể và xử lý ảnh. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Xây dựng hệ thống đo mật độ lưu thông xe cộ trên các tuyến đường chốt giao thông thông qua tiếp cận nhận diện thực thể và xử lý ảnh XÂY DỰNG HỆ THỐNG ĐO MẬT ĐỘ LƯU THÔNG XE CỘ TRÊN CÁC TUYẾN ĐƯỜNG/CHỐT GIAO THÔNG THÔNG QUA TIẾP CẬN NHẬN DIỆN THỰC THỂ VÀ XỬ LÝ ẢNH Ngô Hoàng Phúc*, Phạm Minh Hiếu, Phan Thanh Tùng, Trần Như Huỳnh, Huỳnh Trần Nhật Nam Khoa Công nghệ Thông tin, Trường Đại học Công nghệ Thành phố Hồ Chí Minh GVHD: ThS. Nguyễn Hữu Trung, TS. Phạm Thế Anh Phú TÓM TẮT Bài báo cáo này, chúng em có mục đích nghiên cứu và xây dựng một hệ thống nhằm hỗ trợ tính toán mật độ giao thông trên các tuyến đường hay các chốt giao thông một cách tự động, thông qua nhận diện thực thể và xử lý ảnh. Trong quá trình nghiên cứu, chúng em sử dụng mô hình YOLOv8 để làm nền tảng cho việc xây dựng thuật toán phát hiện các phương tiện giao thông trên các tuyến đường và kết hợp với việc đếm và tính toán mật độ giao thông tại một số thời điểm cụ thể. Vẽ các khung bao quanh phương tiện được phát hiện trong hình ảnh với thuật toán DeepSort để theo dõi đối tượng, sau đó đếm và tính toán mật độ giao thông. Tập dữ liệu được sử dụng trong nghiên cứu là tập dữ liệu COCO có khoảng 330K hình ảnh được gắn nhãn và chia thành 80 lớp đối tượng khác nhau, cùng với khoảng 2,5M đối tượng được gắn nhãn. Nghiên cứu được thử nghiệm trên các tệp dữ liệu được quay lại bằng camera ở các vị trí cầu vượt đường bộ, kết quả thử nghiệm cho thấy thuật toán đề xuất hoạt động ổn định và hiệu quả với độ chính xác cao khoảng 95% với ô tô và trên 80% với xe máy, kết quả có phần vượt trội hơn so với các phương pháp khác. (What is COCO?, n.d.) Từ khóa: Đo mật độ lưu thông, nhận diện thực thực thể, xử lý hình ảnh 1. GIỚI THIỆU Ý TƯỞNG Khi nhu cầu đi lại của con người ngày càng cao thì tình trạng ách tắc giao thông/kẹt xe là một vấn đề quan trọng. Do sự phát triển nhanh chóng của mật độ dân cư tại các thành phố lớn, dẫn đến việc các cơ sở hạ tầng và hệ thống giao thông hiện nay chưa đáp ứng đủ nhu cầu. Hiện tượng ách tắc giao thông xảy ra thường xuyên tại các tuyến đường lớn, đặc biệt là trong các giờ cao điểm. Năm 2022, ùn tắc giao thông ở Thành phố HCM so với năm 2021 có chiều hướng tăng lên. Cuối năm 2022, 3/18 điểm nguy cơ ùn tắc giao thông có chuyển biến tốt, 8/18 điểm có chuyển biến nhưng còn phức tạp, 7/18 điểm không chuyển biến. Ngoài ra còn phát sinh 6 điểm ùn tắc giao thông mới. Từ thực trạng này, một hệ thống đo mật độ lưu thông của phương tiện tham gia giao thông đã được chúng em nghiên cứu. Với dữ liệu từ các camera giám sát giao thông, phần mềm sẽ thực hiện những thuật toán để nhận dạng và đo mật độ lưu thông của các phương tiện tham gia giao thông trên đường, nhằm mục đích phát triển tối ưu mạng lưới đường bộ với lưu lượng giao thông hiệu quả và giảm thiểu tắc nghẽn giao thông. (Hiệp, 2023) 2 2. GIỚI THIỆU KỸ THUẬT Artificial Neural Network (ANN) ANN là một nhánh của AI, bao gồm rất nhiều các lớp nơ-ron (neuron layer), hay còn gọi là các tầng ẩn (hidden layer), và số lượng tầng ẩn này sẽ được điều chỉnh tùy theo độ phức tạp của bài toán. Một ANN đơn giản sẽ có 3 thành phần, lần lượt tên là lớp đầu vào (input layer), các tầng ẩn (hidden layer) và lớp đầu ra (output layer). Mỗi tầng ẩn chứa một số lượng nơ-ron nhất định, mỗi tầng ẩn sẽ nối tiếp nhận thông tin đầu ra của tầng trước đó tính toán/chuyển đổi nó thành một giá trị mới ở đầu ra - dựa trên cấu trúc cũng như hàm kích hoạt (activation function) mà tầng ẩn đó được cài đặt. (What is a neural network?, n.d.) Cách thức hoạt động: - Tiền xử lý dữ liệu: để giảm thiểu nhiễu và chuẩn hóa dữ liệu. - Khởi tạo trọng số: cần được khởi tạo ngẫu nhiên để tránh tình trạng cố định ở một điểm và dẫn đến kết quả không tốt. - Tính toán độ lỗi: Sử dụng đầu ra của mạng và giá trị mong đợi, tính toán độ lỗi - Backpropagation: Độ lỗi được truyền ngược qua mạng neural để cập nhật lại trọng số. - Kiểm tra mô hình: trên tập dữ liệu kiểm tra để đánh giá độ chính xác và sự khớp của nó với dữ liệu mới. - Điều chỉnh mô hình: Nếu mô hình không đạt được kết quả tốt, ta cần điều chỉnh lại kiến trúc của mạng, cập nhật lại trọng số và thử lại. Convolutional Neural Network Mạng CNN là một tập hợp các lớp Convolution chồng lên nhau và sử dụng các hàm nonlinear activation để kích hoạt các trọng số trong các node. Mỗi một lớp sau khi thông qua các hàm kích hoạt sẽ tạo ra các thông tin trừu tượng hơn cho các lớp tiếp theo. (Thuật toán CNN là gì? Cấu trúc mạng Convolutional Neural Network, n.d.) (Wood, n.d.) Các lớp cơ bản của CNN: - Convolutional (Conv) Layer: lớp tích chập – chịu trách nhiệm chính cho việc thực hiện các tác vụ trích xuất các đặc trưng (features) từ ảnh. - Pooling Layer: lớp gộp/tổng hợp, đảm nhận nhiệm vụ tổng hợp các đặc trưng đã được trích xuất trong các tầng tích chập trước đó – bên cạnh đó quá trình tổng hợp còn giúp giảm bớt số lượng các tham số từ các tầng ẩn trước truyền đến nó – nhưng vẫn đảm bảo giữ lại được các đặc trưng quan trọng – tầng tổng hợp/pooling có thể được cài đặt với cơ chế tổng hợp khác nhau, ví dụ: max pooling, average pooling, v.v. - Fully Connected (FC) Layer: lớp kết nối toàn diện - thường sẽ được sử dụng để giải quyết và đưa ra các kết quả cho các bài toán cụ thể nào đó, ví dụ như phân lớp, phân vùng ảnh, ... - Activation Layer (Lớp kích hoạt): Lớp kích hoạt sử dụng các hàm kích hoạt, chẳng hạn như hàm 3 ReLU, để đưa các giá trị đầu ra của các lớp trước đó vào phạm vi giá trị mong muốn. Object Tracking (OT) Object Tracking là thuật toán theo dõi chuyển động của một hoặc nhiều đối tượng. OT có nhiệm vụ ước tính hoặc dự đoán vị trí và các thông tin liên quan khác của đối tượng chuyển động trong video. Object Tracking liên quan đến quá trình phát hiện đối tượng. S ...