T 2
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 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, mạng 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 truyền theo thời
gian thực về trung tâm điều hành. Camera giám sát được lắp đặt ở độ cao khoảng từ 12m trở

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 điều khiển, điều hành và
giám sát giao thông.
Phần mềm giám sát giao thông băng xử lý ảnh (TrafficSP) có nhiệm vụ tính toán tốc độ và
quỹ đạo các xe chạy qua vung quan sát. Trên cơ sở đó phát hiện các xe vi phạm luật giao thông
và cung cấp thông tin về vị trí của chúng trong vùng giám sát, giúp điều khiển camera chụp hình
ghi được hình ảnh rõ ràng của xe vi phạm. Đồng thời cảnh báo người điều 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 đến các thành phần 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 đưa ảnh về định dạng thuận lợi
4
Hình 1. Hệ thống giám sát giao thông bằn
xử lý ảnh
T 2
cho các phép xử lý tiếp sau [3]. Hình 2 mô tả một trong số các chức năng của 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 nền
chứa các đối tượng không chuyển động trong đó quan trọng nhất là mặt đường, ảnh tiền cảnh
chứa các xe chuyển động. Như vậy ảnh của các xe có thể được tách ra bằng cách thực hiện phép
trừ nền. Nếu ảnh nền tham chiếu hoàn toàn trùng khớp với ảnh nền hiện tại 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 nền tham chiếu. Khi sự khác
nhau này vượt quá giới hạn cho phép sẽ dẫn đến sai số trong phép tách ảnh tiền cảnh. Vấn đề

B
−=
[2]
Trong đó:
I(x,y) là cường độ sáng của pixel có tọa độ x,y thuộc ảnh cần xử lý,
I
B
(x,y) là cường độ sáng của pixel có tọa độ x,y trên ảnh nền,
D(x,y) là chênh lệch cường độ sáng giữa ảnh nền và ảnh cần xử lý tại pixel(x,y). Giá trị của
D(x,y) được so sánh với ngưỡng T, nếu D(x,y) > T có nghĩa pixel(x,y) là một điểm trên ảnh của
vật chuyển động.
Gọi M là mặt nạ chuyển động, có nghĩa là nếu pixel(x, y) là một điểm trên ảnh vật 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]



<
≥
=
y)T(x, )y x,D(0
y)T(x, )y x,D( 1
)y x,M(
If
If
[3]
Để đảm bảo mặt nạ chuyển động M được xác định chính xác, giá trị T được tính cho từng
pixel, thuật toán tính T đảm bảo có thể phán ánh các thay đổi về cường độ sáng tại thời điểm
tính mặt nạ. Cụ thể ngưỡng T(x,y) của pixel(x,y) được tính trên cơ sở phân tích thống kê các giá
trị I(x,y) tại thời điểm hiện tại và trong quá khứ theo tài liệu [1].

C
T 2
quá tốc độ được so sánh với súng bắn tốc độ theo nguyên lý rada, sai số của phầm mềm so với
súng là 5%.
(a)
(b)
Hình 6. a. Phát hiện xe vượt quá tốc độ, b. Phát hiện xe chuyển làn trái phép
8
T 2
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
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