Nhận dạng đối tượng xuất hiện vào vùng nguy hiểm phía trước xe ôtô có lắp đặt hệ thống thị giác máy tính
Email tác giả liên hệ:
halm@hmute.edu.vnTừ khóa:
Máy học, đặc trưng kênh tổng hợp, kỹ thuật mắt chim, nhận dạng làn đường, nhận dạng ngườiTóm tắt
Ngày nay, sự phát triển bùng nổ của khoa học công nghệ đã đưa máy móc đến gần và hỗ trợ con người trong các ứng dụng cụ thể trong cuộc sống hằng ngày. Trong đó, đã có rất nhiều ứng dụng có kết quả khả quan, đặc biệt là lĩnh vực xe tự hành, cảnh báo tai nạn. Trong bài báo này, tác giả đề xuất phương pháp sử dụng hệ thống thị giác máy tinh gắn trên xe ôtô đang di chuyển trên đường để nhận biết những đối tượng phía trước như oto, xe máy khác xuất hiện trong vùng nguy hiểm phía trước có khả năng gây va chạm. Phương pháp đề xuất dựa trên đặc trưng kênh tổng hợp (Aggregate Channel Features – ACF) để nhận dạng đối tượng xe máy và ô tô trong quá trình tham gia giao thông trên các tuyến đường khác nhau trong môi trường đô thị. Bên cạnh đó tác giả cũng kết hợp kỹ thuật xử lý ảnh để phát hiện làn đường bằng phép biến đổi mắt chim (Bird’s-Eye View transformation) và ước lượng khoảng cách từ camera đến vật thể để hỗ trợ cho việc cảnh báo va chạm phía trước. Kết quả cho thấy phương pháp đề xuất hiệu quả trong việc nhận dạng với thuật toán đơn giản và tốc độ xử lý nhanh.
Tải xuống: 0
Tài liệu tham khảo
Yongzheng Xu, Guizhen Yu, Yunpeng Wang, Xinkai Wu, and Yalong Ma, “A Hybrid Vehicle Detection Method Based on Viola-Jones and HOG + SVM from UAV Images”, Sensors, 2016.
Nur Shazwani Aminuddin, Masrullizam Mat Ibrahim, Nursabillilah Mohd Ali, Syafeeza Ahmad Radzi, Wira Hidayat Mohd Saad & Abdul Majid Darsono, “A new approach to highway lane detection by using HOUGH transform technique”, Faculty of Electronic and Computer Engineering - Universiti Teknikal Malaysia Melaka, Malaysia, 2017.
Zhaojin Zhang, Cunlu Xu and Wei Feng, “Road Vehicle Detection and Classification based on Deep Neural Network”, IEEE, 2016.
Jeffrey de Deijn, “Automatic Car Damage Recognition using Convolutional Neural Networks”, Vrije Universiteit Amsterdam, 2018.
Qingpeng Li, Lichao Mou, Qizhi Xu, Yun Zhang and Xiao Xiang Zhu, “R3-Net: A Deep Network for Multi-oriented Vehicle Detection in Aerial Images and Videos”, IEEE, 2018.
Daniel Neumann, Tobias Langner, Fritz Ulbrich, Dorothee Spitta and Daniel Goehring, “Online Vehicle Detection using Haar-like, LBP and HOG Feature based Image Classifiers with Stereo Vision Preselection”
Bin Yang, Junjie Yan, Zhen Lei, Stan Z. Li, “Aggregate Channel Features for Multi-view Face Detection”, Center for Biometrics and Security Research & National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences, China.
Piotr Doll, Ron Appel, Serge Belongie, and Pietro Perona. “Fast Feature Pyramids for Object Detection, Submission to IEEE transactions on Pattern Analysis and Machine Intelligence.
Ruyi Jiang, Mutsuhiro Terauchi, Reinhard Klette, Shigang Wang, and Tobi Vaudrey, “Low-level Image Processing for Lane Detection and Tracking”, Shanghai Jiao Tong University, Shanghai, China, Hiroshima International University, Japan, The University of Auckland, Auckland, New Zealand, pp. 3-7, 2009.
Piotr Dollar, Ron Appel, Serge Belongie, and Pietro Perona. “Fast Feature Pyramids for Object Detection”, IEEE, pp. 9-10, 2014.
Tải xuống
Đã Xuất bản
Cách trích dẫn
Số
Chuyên mục
Categories
Giấy phép
Tác phẩm này được cấp phép theo Giấy phép quốc tế Creative Commons Attribution-NonCommercial 4.0 .
Bản quyền thuộc về JTE.
