Xử lý vi phạm vượt đèn đỏ và dừng đỗ sai dựa trên học sâu

##plugins.themes.academic_pro.article.main##

Author

  • Huỳnh Hữu Hưng, Nguyễn Văn Phú, Nguyễn Tường

Tóm tắt

Công cụ phát hiện lỗi vi phạm giao thông được xây dựng có thể tự động phát hiện các lỗi vi phạm như: Vượt đèn đỏ, đi sai làn hay là dừng đỗ xe. Công cụ cũng áp dụng những thuật toán trí tuệ nhân tạo, các kỹ thuật xử lý ảnh giúp cho công cụ có khả năng phát hiện và nhận dạng các phương tiện được huấn luyện thông qua tập dữ liệu với hơn hàng ngàn bức ảnh về phương tiện giao thông. Để xác định các lỗi vi phạm, công cụ sử dụng các quy định của luật giao thông đường bộ. Thông qua việc thử nghiệm công cụ trên nhiều video, nhiều góc quay của camera giám sát sẽ giúp chung tôi đánh giá chủ quan được phần nào về chất lượng của các camera. Qua đó chúng ta có thể đề xuất điều chỉnh các yêu cầu kỹ thuật về camera như: chất lượng hình ảnh, góc quay hay độ phân giải… đó là mục tiêu mà công cụ hướng đến.

Tài liệu tham khảo

    [1] Aaron Christian P. Uy, Ana Riza F. Quiros, Rhen Anjerome Bedruz, Alexander Abad, Argel Bandala, Edwin Sybingco, Elmer P. Dadios; “Automated Traffic Violation Apprehension System Using Genetic Algorithm and Artificial Neural Network”; 2016 IEEE Region 10 Conference (TENCON); Singapore.
    [2] Aaron Christian P. Uy, Rhen Anjerome Bedruz, Ana Riza Quiros, Argel Bandala, Elmer P. Dadios; “Machine Vision for Traffic Violation Detection System through Genetic Algorithm”; 2015 International Conference on Humanoid, Nanotechnology, Information Technology, Communication and Control, Environment and Management (HNICEM); Phillipines.
    [3] Xiaoling Wang, Li-Min Meng, Biaobiao Zhang, Junjie Lu, K.-L. Du; “A Video-based Traffic Violation Detection System”; Proceedings 2013 International Conference on Mechatronic Sciences, Electric Engineering and Computer (MEC); Shengyang, China.
    [4] Julien A. Vijverberg, Nick A.H.M de Koning, Jungong Han, Peter H.N. de With, Dion Cornelissen; “High-Level Traffic-Violation Detection for Embedded Traffic Analysis”; 2007 IEEE International Conference on Acoustics, Speech and Signal Processing - ICASSP '07; Honolulu, USA.
    [5] Jakub Špaňhel, Jakub Sochor, Aleksej Makarov; “Detection of Traffic Violations of Road Users Based on Convolutional Neural Networks”; 2018 14th Symposium on Neural Networks and Applications (NEUREL); Belgrade, Serbia.
    [6] Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi; “You Only Look Once: Unified, Real-Time Object Detection”; 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR); Las Vegas, NV, USA.
    [7] Trung tâm vi mạch Đà Nẵng; “Hệ thống camera giám sát thông minh”; http://camera.centic.vn
    [8] “Common Object In Context”; http://cocodataset.org/.
    [9] Ayoosh Kathuria; “What’s new in YOLO v3?”; http://towardsdatascience.com
    [10] J. Redmon; “Darknet”; https://github.com/pjreddie/darknet
    [11] Jonathan Hui; “Real-time Object Detection with YOLO, YOLOv2 and now YOLOv3”; http://medium.com/@jonathan_hui/
Xem thêm

##plugins.themes.academic_pro.article.sidebar##

Đã Xuất bản

May 31, 2020
Download
PDF
Cách trích dẫn
Huynh Huu Hung, Nguyen Van Phu, Nguyen Tuong. “Xử Lý Vi phạm vượt đèn đỏ Và dừng đỗ Sai dựa Trên học sâu”. Tạp Chí Khoa học Và Công nghệ - Đại học Đà Nẵng, vol 18, số p.h 5.1, Tháng Năm 2020, tr 101-5, https://jst-ud.vn/jst-ud/article/view/3097.

##plugins.themes.academic_pro.article.details##