Phương pháp phân loại nhanh phương tiện giao thông dựa trên đường viền

Kỷ yếu Hội nghị Quốc gia lần thứ VIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR); Hà Nội, ngày 9-10/7/2015 
DOI: 10.15625/vap.2015.000197 
PHƯƠNG PHÁP PHÂN LOẠI NHANH PHƯƠNG TIỆN GIAO THÔNG 
DỰA TRÊN ĐƯỜNG VIỀN 
Nguyễn Văn Căn, Nguyễn Tiên Hưng, Dương Phú Thuần, Nguyễn Đăng Tiến 
Trường Đại học Kỹ thuật – Hậu cần CAND 
cannv@truongt36.edu.vn, hungnt.bca@gmail.com, thuanktt36@gmail.com, dangtienT36@gmail.com 
TÓM TẮT - Mục đích của bài viết này là trình bày phương pháp biểu diễn đường viền của đối tượng trong ảnh nhị phân 
bằng vector số phức; phân tích một số tính chất của vector số phức để áp dụng cho bài toán nhận dạng; so sánh mẫu trên cơ sở 
đường viền; xây dựng lược đồ chung cho việc nhận dạng và phân loại đối tượng bằng phương pháp đường viền vector. Chúng tôi 
đã tiến hành thử nghiệm nhận dạng và phân loại các tập ảnh có mức độ phức tạp về xe máy, xe ô tô cho kết quả chính xác và tốc độ 
tính toán nhanh. 
Từ khóa: Contour Analysis, Car Recognition, complex vector, Vector Contour 
I. GIỚI THIỆU 
Phân loại ảnh là một bài toán đã và đang thu hút được sự quan tâm của các nhà nghiên cứu và phát triển, được 
ứng dụng rộng rãi nhiều ứng dụng hữu ích như: tìm kiếm ảnh, nhận dạng, theo dõi và phát hiện đối tượng... Trong giám 
sát đối tượng chuyển động từ video chẳng hạn như giám sát phương tiện giao thông, thì phân loại ảnh là bài toán kế 
tiếp sau bài toán phát hiện đối tượng chuyển động [15]. Cách tiếp cận phổ biến của bài toán phân loại ảnh là đối sánh 
ảnh, tức là tìm ra những vùng giống nhau trên hai ảnh dựa trên những điểm đặc trưng. Khi đó bài toán đối sánh ảnh sẽ 
quy về bài toán so sánh các đặc trưng trích chọn [3], [7], [8], [9], [13]. Các đặc trưng cho phép biểu diễn ảnh đã được 
nghiên cứu bao gồm đường biên vùng ảnh, điểm ảnh đặc trưng, lược đồ xám,... 
Có hai vấn đề cơ bản thường đặt ra trong bài toán đối sánh ảnh: i) làm sao có thể biểu diễn thông tin một cách hiệu 
quả nhằm thực hiện việc đối sánh hai ảnh nhanh nhất có thể; ii) làm thế nào để giải pháp đối sánh vẫn hoạt động hiệu quả 
khi có sự thay đổi của môi trường: nhiễu trong quá trình thu nhận ảnh, sự thay đổi về ánh sáng, sự che khuất,... 
Các phương pháp đối sánh ảnh dựa trên đối sánh các điểm đặc trưng được đề xuất rất nhiều và đạt được sự 
thành công đáng kể [9], [12], [14]. Tuy nhiên để đạt được một độ chính xác nhất định, các phương pháp này đều đòi 
hỏi rất nhiều thời gian tính toán. Trong những ứng dụng thời gian thực như giám sát giao thông tự động, việc đưa ra 
một phương pháp đối sánh ảnh thực hiện trong thời gian thực là một công việc cần thiết [2], [4], [5], [6], [10], [11]. 
Nghiên cứu này trình bày và giới thiệu một phương pháp tiếp cận phân loại mạnh mẽ đối với ô tô và xe máy 
trong ảnh giao thông. Đóng góp cơ bản trong bài báo này là đề xuất một phương pháp biểu diễn đường viền đối tượng 
bằng đường viền vector trên trường số phức [1], phân tích và áp dụng tính chất của một số phép toán trên trường số 
phức, áp dụng cho việc nhận dạng và phân loại đối tượng. 
Trong các phần tiếp theo của bài báo này, chúng tôi trình bày chi tiết các nội dung về phương pháp tiếp cận của 
chúng tôi. Mục II, trình bày phương pháp biểu diễn đường viền đối tượng trên trường số phức và áp dụng cho thuật 
toán phân loại đường viền. Mục III, trình bày các kết quả thực nghiệm và bàn luận đánh giá. Mục IV là kết luận và 
hướng phát triển. 
II. PHƯƠNG PHÁP BIỂU DIỄN ĐƯỜNG VIỀN ĐỐI TƯỢNG BẰNG SỐ PHỨC 
A. Biểu diễn đường viền theo vector 
Phân tích đường viền (Contour Analysis - CA) cho phép mô tả, lưu trữ, so sánh và tìm ra các đối tượng biểu 
diễn dưới dạng đường viền. Đường viền chứa thông tin cần thiết về hình dạng đối tượng. Không quan tâm nhiều đến 
các điểm bên trong của đối tượng, nhưng quan tâm nhiều về thể hiện đường viền bên ngoài thì cho phép chuyển về 
không gian đường viền, từ đó cho phép giảm thời gian tính toán và độ phức tạp tính toán. CA cho phép giải quyết hiệu 
quả các bài toán cơ bản của nhận dạng mẫu – biến đổi, quay và tỷ lệ của ảnh đối tượng. Phương pháp CA là bất biến 
đối với phép biến đổi. 
Đường viền là đường bao của đối tượng, thường là các điểm ảnh, phân tách đối tượng với nền. Trong các hệ 
thống thị giác máy tính, một vài định dạng mã hóa đường viền được sử dụng như mã hóa Freeman, mã hóa 2 chiều, mã 
hóa đa giác thường được sử dụng nhất. Nhưng tất cả những định dạng này thường không sử dụng trong CA. 
Định nghĩa 1. Đường viền Vector[16] 
Đường viền Vector là đường viền được biểu diễn bằng một dãy các số phức. Trên một đường viền, điểm bắt đầu 
cần được xác định. Tiếp theo, đường viền sẽ được quét (xoay theo chiều kim đồng hồ), và mỗi vector được biểu diễn 
bằng một số phức a+ib. Với a là điểm trên trục x, b là điểm trên trục y. Các điểm được biểu diễn kế tiếp nhau (Hình 1). 
Do tính chất vật lý của các đối tượng ba chiều, đường viền của chúng luôn khép kín và không tự giao nhau. Nó 
cho phép xác định rõ ràng một duyệt qua một đường viền (để trong một hướng - hoặc ngược chiều kim đồng hồ). 
Vector cuối cùng của một đường viền luôn luôn dẫn đến điểm khởi đầu. 
5l
γ
n
v
v
v
s
b
h
0
g
h
đ
tr
đ
82 
Mỗi ve
à đường viền 
VC ký 
1,..., γk-1). 
Khi biể
hiều đặc tính
iền được định
ector đối với 
Định n
Hai số p
với k – 
Tích vô
Chú ý r
ectors cơ sở t
Tích vô
ở EV như mộ
So sánh
- Kết qu
- Phần 
ao gồm tích v
Theo đ
ướng bằng vớ
. Ngược lại, t
Những 
óc càng nhỏ 
ơn nữa có th
ặc tính tương
Mệnh đ
1. Cho 
2. Cho 
3. Quay
4. Việc
ước đó, điều 
ầu từ điểm kh
5. Thay
ctor của một đ
vector (VC). 
hiệu bằng chữ
u diễn đường
 toán học hơn
 nghĩa phổ b
số phức là kh
ghĩa 2. Tích v
hức của 2 đư
kích thước củ
 hướng của cá
ằng trong mộ
rong đường v
 hướng của cá
t vector đơn, 
 công thức nà
ả tích vô hướ
thực của tích 
ô hướng vect
ại số tuyến tí
i tích của độ
ích của vector
đặc tính này c
giữa các vect
ể nhận giá trị 
 tự. 
ề 1. Đặc tính
Γ=(γ0, γ1,..., γ
I1 là ảnh nguồ
 ảnh theo mộ
 thay đổi điểm
này rõ ràng l
ởi đầu. 
 đổi tỷ lệ ảnh 
PHƯƠN
ường viền đư
 cái Γ, và EV
Hình
 viền bằng V
 là các mã bi
iến bằng vecto
ác nhau. Trườ
ô hướng của
ờng viền Γ và
a VC, γn là ve
c số phức đư
(a+ib
t tích vô hướn
iền là trùng nh
c vector thườ
tích vô hướng
y với công th
ng của các ve
vô hướng củ
or. 
nh, để xác đị
 dài vector củ
 thẳng hàng s
ủa tích được 
or, thì các ve
âm cho nhữn
 của đường v
k-1), tổng các E
n, Γ1 thuộc I1
t góc độ nào đ
 khởi đầu tiế
à thay đổi điể
nguồn có thể
G PHÁP PHÂN
ợc gọi vector
 ký hiệu là γ
 1. Biểu diễn đ
C thì thao tá
ểu diễn khác
r cơ bản tron
ng hợp này c
 đường viền
 N, tích vô hư
ߟ ൌ ሺΓ,ܰሻ
ctor cơ sở củ
ợc tính bằng c
,c+id)=(a+ib
g CA chỉ có 
au. 
ng và tích vô
 của chúng sẽ
((a,b),(
ức (2) chú ý r
ctors là một s
a các số phức
nh được chín
a góc cosin ở
ẽ cho giá trị t
sử dụng như 
ctor này sẽ cà
g vector có h
iền 
V là S, ta có
; I2 là I1 tịnh t
ó tương đươn
n hành theo 
m khởi đầu, t
 được coi là p
 LOẠI NHANH
 cơ sở EV (El
. Như vậy, đ
ường viền bằng
c trên đường 
. Về cơ bản, m
g tọa độ 2 ch
ũng ưu tiên ch
[16] 
ớng của nó là
ൌ ∑ ሺߛ௡, ߥ௞ିଵ௡ୀ଴
a đường viền 
ông thức: 
)(c+id)=ac+bd
một đường vi
 hướng của cá
 là: 
c,d))=ac + bd 
ằng: 
ố thực. Và kế
 trùng với tíc
h xác chiều v
 giữa. Tức là 
ích vô hướng 
một cách để đ
ng gần nhau.
ướng khác nh
: S= SUM(γ0, 
iến theo một p
g với quay m
vòng tròn VC
rình tự của m
hép nhân của 
 PHƯƠNG TIỆN
ementary Vec
ường viền ve
 vector số phức
viền như là t
ã số phức là
iều. Nhưng sự
o các phương
௡ሻ
Γ, νn là vector
+i(bc+ad)
ền vector VC
c số phức là k
t quả tích của
h vô hướng c
ật lý và các 
2 vector vuôn
tối đa. 
o lường độ g
 Với những v
au theo cách
γ1,..., γk-1)=0, 
hương p, Γ2 t
ỗi EV của đư
. Vì các EV 
ột EV sẽ là n
mỗi EV của đ
 GIAO THÔNG
tor). Và chuỗ
ctor Γ có độ 
hao tác trên 
 gần với mã 
 khác biệt giữ
 pháp CA. 
 cơ sở của đư
 của chiều đồ
hác nhau: Nế
 các số phức l
ủa các vector
đặc tính của 
g góc sẽ luôn
ần của các ve
ector vuông g
 này. Tích vô
S là tầm thườ
huộc I2;, thì Γ
ờng viền trên 
được mã hóa 
hư nhau, nhưn
ường viền vớ
 DỰA TRÊN ĐƯ
i giá trị các s
dài k xác địn
vector số phứ
hai chiều khi 
a thao tác tỷ
ờng viền N. 
ng nhất. Do v
u ta nhân mộ
à một số phứ
 phù hợp. Tíc
tích vô hướn
 có tích vô h
ctor. Nếu tích
óc, tích này 
 hướng (1) cũ
ng khi k=1. 
2 = Γ1. 
cùng góc độ 
liên quan đến
g EV đầu tiê
i một hệ số tỷ
ỜNG VIỀN 
ố phức gọi 
h là Γ=(γ0, 
c có chứa 
mà đường 
lệ của các 
(1) 
(2) 
ậy một số 
t vector cơ 
(3) 
c. 
h số phức 
g. Tích vô 
ướng bằng 
 càng lớn, 
bằng 0, và 
ng có các 
đó. 
 các điểm 
n sẽ là bắt 
 lệ. 
Nđ
v
g
c
c
v
n
m
n
n
t
đ
c
Đ
guyễn Văn Căn,
Bắt ngu
ỉnh cao nhất,
ector này bằn
Định n
Tích vô
|Γ| và |N
Mệnh đ
Dạng ch
óc và tỉ lệ bở
Thật vậ
huẩn NSP (Th
hỉ khi: 
Với μ –
Khi nhâ
ới đường viền
Ví dụ, t
Nếu đế
hận giá trị NS
ột góc giữa c
Tương 
Theo m
Do vậy
hau cả về độ 
Chuẩn 
hau, NSP của
ỉ lệ của chúng
ộ xoay và tỉ l
Chuẩn 
ủa một NSP (
Định n
Hàm tư
Trong đ
ộ lớn của chu
 Nguyễn Tiên Hư
ồn từ cách b
 quay theo ch
g 0. Bằng trự
ghĩa 3. Tích v
 hướng chuẩn
| - Chuẩn (ch
ề 2. NSP cực
uẩn của NSP
i một hệ số xá
y, do NSP tr
eo bất đẳng t
 Là một số p
n các số phứ
 N, ngoại trừ
a coi một tích
m một NSP c
P=0+I, xoay
ác đường viề
tự, nếu ta tăng
ệnh đề 1 ta có
, chuẩn của tí
xoay và tỉ lệ. 
NSP là bất bi
 chúng sẽ luô
. Tương tự, n
ệ. 
của NSP là ph
bằng atan(b/a
ghĩa 4. Hàm 
ơng quan ICF
ó N(m): là đườ
ẩn tối đa giữ
ng, Dương Phú T
iểu diễn đườn
iều kim đồng
c quan hóa hìn
ô hướng chu
 hóa (NSP) củ
iều dài) của 
 đại [16] 
 đạt giá trị lớn
c định. 
ong không gi
hức Cauchy-B
hức tùy chọn.
c, độ dài của 
 xoay và tỉ lệ.
 vô hướng củ
ủa một vector
 một góc 180
n, và chuẩn củ
 một VC với 
 tích vô hướn
ch vô hướng c
Mặt khác chu
Hì
ến trong phé
n cho giá trị đ
ếu các đường
ép đo độ gần
)) – đưa ra mộ
tương quan c
 của 2 đường
ng viền nhận
a các giá trị củ
huần, Nguyễn Đ
g viền bằng 
 hồ, chúng ta
h học, dễ dàn
ẩn hóa [16]
a hai đường 
ߟ
đường viền đư
|Γ| ൌ ሺ
 nhất, chỉ kh
an phức cũng
unyakovsky
Γ
chúng được n
 Tỉ lệ và hướn
a một đường 
 với chính nó
 độ nhận giá t
a NSP luôn b
một hệ số thự
g NSP thì bất
huẩn hóa của
ẩn của NSP s
nh 2. Tích vô h
p chuyển dịch
ồng nhất, khô
 viền khác nh
 của các đườn
t góc xoay củ
ủa 2 đường 
 viền: 
τ(m) = (Γ,N
 từ N bởi vòn
a ICF: 
ăng Tiến
số phức, giả
 có vector số
g chứng min
viền vector Γ
ൌ ሺ୻,ேሻ|୻||ே|
ợc tính bằng 
∑ |ߛ௡|ଶ௞ିଵ௡ୀ଴ ሻ
భ
మ
i đường viền Γ
 là một số p
Schwarz): |ab
ൌ ߤܰ
hân, và các g
g xoay được 
viền với chính
, ta sẽ nhận g
rị NSP=-1. D
ằng 1. 
c nào đó, ta s
 biến đối với 
 đường viền c
ẽ bị giới hạn 
ướng chuẩn trê
, xoay và tỉ 
ng phụ thuộc
au, NSP sẽ b
g viền. Chuẩ
a đường viền
viền [16] 
(m)), m=0,...,
g dịch chuyển
sử có 8 hướn
phức {1, 1-i, 
h được đặc tín
và N được xá
công thức: 
 giống với đư
hức, tính đồn
| <= |a||b|, và
óc được cộng
định nghĩa bở
 nó, nhưng xo
iá trị NSP=1
o vậy, phần t
ẽ nhận giá trị
phép dịch chu
ho giá trị đồn
ít đồng nhất h
n đường viền 
lệ của đường 
 vào vị trí của
ị giới hạn nhỏ
n đưa ra giá t
. 
k-1
 bởi vector c
g cơ bản của
-i, -1, -1+i, 1
h 2,3 và các đ
c định bằng c
ờng viền N, 
g nhất là giá
 chỉ có thể đạ
 lại với nhau
i một số phức
ay một góc n
. Nếu xoay m
hực của một N
NSP=1 (Có th
yển, xoay và 
g nhất chỉ kh
ơn. 
viền. Nếu 2 
 đường viền,
 hơn 1, và độ
rị đo của một
ơ sở EV của c
 đường viền, 
+i}. Rõ ràng 
ặc tính còn l
ông thức: 
nhưng xoay th
 trị lớn nhất 
t được giá trị 
. Đường viền
 μ. 
hất định: 
ột đường viền
SP sẽ cho ta
ể thấy ở công
tỷ lệ của đườ
i 2 đường viền
đường viền tư
 hay độ xoay 
c lập trong k
 đường viền v
hính nó trên 
583 
bắt đầu từ 
ta có tổng 
ại. 
(4) 
(5) 
eo một số 
có thể của 
này khi và 
(6) 
 μN giống 
 90 độ, sẽ 
 cosin của 
 thức (4)) 
ng viền. 
 này bằng 
ơng đồng 
của góc và 
hông gian, 
à tham số 
(7) 
m phần tử. 
5b
c
đ
B
m
q
n
đ
tr
th
k
b
r
(
P
đ
tr
84 
Từ việc
iến với việc d
Định n
ACF là
ủa điểm khởi 
Nếu đư
ường viền AC
. Thuật toán
Phân lo
inh họa tron
uan trọng ở đ
hư pha phân l
Như đã
ường viền có
ình này gọi l
ống nhận diệ
. Và có thể c
an đầu cần th
a ý nghĩa của 
Trong h
đường màu c
eucker [17]. 
ường viền mớ
ình [17] về ứ
 xác định một
ịch chuyển, x
ghĩa 5. Hàm 
 hàm tương q
đầu được tính
ờng viền có n
F là một đặc
 phân loại dự
ại dựa trên đư
g hình 3. Các
ây là tính toá
oại cần phải t
 trình bày ở 
 độ dài bất kỳ
à quá trình câ
n, ký hiệu là 
ó 2 biến thể, h
iết để được sắ
sự cân bằng h
ình 4, bên tr
am, đậm); bê
Với d là số đ
i sẽ đảm bảo
ng dụng của t
PHƯƠN
߬௠
 NSP và một 
oay, tỉ lệ và s
tự tương qua
uan khi N=Γ.
 theo công th
hiều đối xứn
 tính của hình
a trên đường
Hình 3.
ờng viền đư
 khối tăng cư
n đặc trưng củ
hực hiện phép
trên về phươn
. Do đó việc 
n bằng. Đầu t
k. Sau đó với 
oặc đường v
p xếp bởi EV
óa hay còn gọ
ái mô tả đườ
n phải mô tả 
ỉnh của đườn
 phải xấp xỉ 
huật toán Dou
Hình 
Tìm đ
Cơ sở 
Tính
Ph
G PHÁP PHÂN
௔௫ ൌ ݉ܽݔ ቀఛ|୻
ICF, có thể th
ự thay đổi điể
n (ACF) [16]
 Tích vô hướn
ức: 
υ(m) = (Γ,Γ
g để xoay thì
 dạng của đườ
 viền 
 Sơ đồ khối tổn
ợc chia thành
ờng ảnh, tìm 
a đường viền
 cân bằng hó
g pháp CA, 
tìm kiếm và 
iên sẽ cố địn
mỗi đường vi
iền ban đầu c
, ta sẽ quan t
i là đơn giản
Hình 4. X
ng viền gốc 
hình tượng p
g viền sau kh
với đường viề
glas Peucker
mẫu phương 
ường viền hợ
dữ liệu đường
 toán đặc trư
a huấn luyện
 LOẠI NHANH
ሺ௠ሻ
||ே|ቁ ,݉ ൌ 0,
ấy τmax là gi
m khởi đầu.
g của đường
 (m)), m=0,...,
 ACF của chú
ng viền. 
g quát phân loạ
 2 pha: Pha h
đường viền á
. Tuy nhiên đ
a đường viền 
cần xác định 
so sánh đường
h số đỉnh của 
ền A mới đượ
ó số đỉnh lớn
âm tới thành 
 hóa đường vi
ấp xỉ hóa đườn
(đường màu 
hương pháp đ
i đơn giản hó
n ban đầu. Đ
. 
tiện 
p lý 
 viền
ng 
 PHƯƠNG TIỆN
 , ݌ െ 1
á trị đo lường
 viền trên ch
k-1
ng sẽ có đối 
i theo đường v
uấn luyện và 
p dụng các th
ể chuẩn hóa đ
hay còn gọi là
độ dài của đ
 viền, tất cả 
VC chuẩn (ở
c tạo ra, ta tạ
 hơn số k hoặ
phần N như t
ền. 
g viền 
đen, mỏng) v
ơn giản hóa 
a, hình dáng 
iều này được 
Ảnh
Tă
Tìm
Tính
Kết luậ
Pha
 GIAO THÔNG
 sự giống nha
ính nó tại các
xứng tương t
iền 
Pha phân loạ
uật toán đã c
ường viền ở 
 xấp xỉ độ dà
ường viền. T
chúng cần có 
 pha huấn luy
o một đường 
c nhỏ hơn số
ổng của các E
à đường viề
đường cong t
đường viền, c
thực hiện và 
 cần phân loạ
ng cường ảnh
 đường viền
 toán đặc trưn
So khớp 
n về phương t
 phân loại 
 DỰA TRÊN ĐƯ
u của 2 đườn
 dịch chuyển 
ự nhau. Có t
i. Sơ đồ khái 
ó trong xử lý
cả pha ... n (d) 
Output: Template (Tập mẫu) 
Nội dung thuật toán: 
 1. Chuẩn hóa về độ phân giải mong muốn 
 Image ← ChuanHoaDoPhanGiai(Imange) 
 2. Tìm các đường viền 
 n ← SoDuongVien(Image) 
 Contour(i) ← TimDuongVien(Image), i=1..n 
 3. Chuẩn hóa các đường viền 
For i=1 to n {//Áp dụng thuật toán đơn giản hóa 
 Contour(i) ←DonGianHoa(Contour(i), d)} 
 For i=1 to n {//Tính chu vi 
ChuVi(i) ← TinhChuVi(Contour(i))} 
For i=1 to n {//Loại đường viền quá nhỏ 
 j←i 
 if ChuVi(i)> ThresoldContour then { Countour(j) ← Countour(i); j++}} 
m=j; //m là số đường viền sau khi loại bỏ đường viền nhỏ 
 4. Tìm đặc trưng các đường viền 
For i=1 to m {//Tính toán tham số đặc trưng 
 CV(i) ← Chuvi(Contour(i)) 
DT(i)←DienTich(Contour(i)) 
for j=1 to d {//Tính góc tại các đỉnh 
 goc(i,j)=TinhGoc(Contour(i),j) 
} 
 5. Cập nhật Template 
 For i=1 to m { 
Template ← CV(i), DT(i) 
For j=1 to d 
Template ←goc(i,j) 
 } 
 6. Retrurn Template 
Pha phân loại. Nhận dạng trên các tập ảnh thực tế (Thực hiện online – thời gian thực): 
 Input: Video/Ảnh 
 Output: ImageCountour (Ảnh có chứa đường viền phương tiện) 
Nội dung thuật toán: 
 1. Thu nhận và Xử lý sơ bộ ảnh (Làm mịn, lọc nhiễu, tăng độ tương phản) 
 Image ← Capture(Video) 
 Image ← ChuanHoaAnh(Image) 
 2. Tìm các đường viền 
 n ← SoDuong Vien(Image) 
 Contour(i) ← TimDuongVien(Image), i=1..n 
 3. Chuẩn hóa các đường viền 
For i=1 to n {//Áp dụng thuật toán đơn giản hóa 
 Contour(i) ←DonGianHoa(Contour(i), d)} 
 For i=1 to n {//Tính chu vi 
ChuVi(i) ← TinhChuVi(Contour(i))} 
For i=1 to n {//Loại đường viền quá nhỏ 
 j←i 
 if ChuVi(i)> ThresoldContour then { Countour(j) ← Countour(i); j++}} 
m=j; //m là số đường viền sau khi loại bỏ đường viền nhỏ 
 4. Tìm đặc trưng các đường viền 
For i=1 to m {//Tính toán tham số đặc trưng 
 CV(i) ← Chuvi(Contour(i)) 
DT(i)←DienTich(Contour(i)) 
for j=1 to d {//Tính góc tại các đỉnh 
52
t
đ
n
C
T
m
v
x
p
c
v
c
t
c
c
n
v
86 
 5. So 
 6. Re
Mệnh đ
Giả sử b
 chiều, do đó 
Giả sử 
ạp ước tính là
Thuật t
ầu là một số k
Vấn đề
ghĩa bởi một 
òn giá trị k n
Mặc dù
rong việc thể
Việc ki
ột kết quả kh
ới các kích th
ác đã được c
hép xử lý vid
Thực n
ủa phân tích 
à tìm kiếm cá
Lớp Co
ân bằng hóa, 
Lớp Te
ính của đường
Lớp Te
ủa lớp này là
ạnh đó Found
Dự án t
hận dạng. Đồ
iện OpenCV 
}
sánh đường v
For each đ
C
C
S
turn 
ề 3. Độ phức
ức ảnh đã đư
độ phức tạp t
k là độ dài đư
 O(n2k2t). 
oán này thực 
 nhỏ. Ta thêm
 là cần chọn g
vùng ứng dụn
hỏ cần ít thôn
 những giới h
 hiện các đối 
ểm nghiệm ph
á tốt. Và kết 
ước khác nha
ải thiện và tố
eo trong chế đ
ghiệm được th
đường viền, t
c mẫu. 
ntour tạo ra 
chuẩn hóa và 
mplate được 
 viền ban đầu
mplateFinder
 FoundTemp
TemplateDes
hứ 2, Contou
ng thời nó cũ
(EmguCV .NE
PHƯƠN
goc(i,
iền với Temp
ường viền ph
họn vùng chi
họn vùng diệ
o sánh sự đồn
 tạp ước tính
ợc nhị phân h
ương ứng là O
ờng viền, t là
là phức tạp, đ
 vào phép nộ
iá trị k. Vậy 
g cụ thể. Mặ
g tin, độ chín
ạn trên, phươ
tượng trong n
ương pháp C
quả này chứa
u (từ 400*40
c độ nhanh h
ộ thời gian th
iết kế trên 2 
ạo được viền,
và lưu trữ các
đánh giá quan
dùng để tạo c
, chuẩn của đ
 thực hiện việ
lateDesc, chứ
c chứa tỉ lệ tư
rAnalysisPro
ng chứa các c
T wrapper) đ
G PHÁP PHÂN
j)=TinhGoc(C
late. 
át hiện { 
 vi để đối sán
n tích để đối 
g dạng giữa 2
 của thuật to
óa có kích th
(n2). 
 số các đườn
ặc biệt với độ
i suy và coi l
giá trị nào là 
t khác, độ dài
h xác của việc
III. THỰC N
ng pháp CA 
ền tương phản
A bằng cách 
 một số lượng
0 tới 1280*96
ơn. Bên cạnh
ực. 
dự án. Dự án
 tích vô hướn
Hình 5. H
 đường viền. 
g phổ, đánh g
ác mẫu cơ bản
ường viền. Đ
c tìm kiếm n
a đường viền
ơng tự, góc x
cessing , chứa
ông cụ để tự 
ể xử lý ảnh.
 LOẠI NHANH
ontour(i),j) 
h 
sánh 
 đường viền}
án phân loại
ước n*n pixel
g viền có tron
 dài của một 
à giá trị xấp x
 tối ưu nhất? 
 lớn k có ngh
 nhận dạng cũ
GHIỆM VÀ
vẫn được chú
 và ít nhiễu, C
kiểm thử cho 
 các ảnh đọc 
0) trong vòng
việc nhận dạ
 đầu tiên là C
g của đường 
ệ thống thực ng
Chứa các vận
iá ACF, ICF
. Lớp này lưu
ồng thời lớp m
hanh các mẫu
 ban đầu và m
oay và tỉ lệ đ
 các phương 
động tạo ra cá
 PHƯƠNG TIỆN
 dựa trên VC
s, tìm đường 
g ảnh. Thuật
số k lớn. Tuy
ỉ. 
Câu trả lời ch
ĩa là tiêu tốn 
ng giảm và v
BÀN LUẬN
 ý với những 
A sẽ thực hi
ra kết quả 90
xấu của các p
 30 giây. So 
ng các ảnh tĩn
ontourAnalys
viền, cân bằn
hiệm 
 hành cơ bản
. 
 trữ các đườn
ẫu này có tên
 của đường v
ẫu được ph
ường viện, cá
pháp để xử lý
c mẫu cho vi
 GIAO THÔNG
viền bằng các
 toán so sánh
 nhiên trong 
o vấn đề này
một lượng ph
iệc nhận dạng
sự thực hiện 
ện tốt việc nh
% phương tiệ
hương tiện. D
sánh với kết q
h, thực hiện 
is - thực hiệ
g hóa, đánh g
 cho đường v
g viền, bộ mô
 được dùng t
iền cho sẵn. K
át hiện bởi đư
c liên hệ mẫu
 sơ bộ ảnh, c
ệc nhận dạng 
 DỰA TRÊN ĐƯ
h duyệt qua to
 đường viền c
thực tế, đườn
 là hoàn toàn 
í lớn vào việc
 nhiễu tăng lê
đơn giản và t
ận dạng. 
n được nhận d
o đó CA xử 
uả trong [14
tốc độ cao củ
n các chức nă
iá ICF và AC
iền, tích vô hư
 tả ACF, tham
rong giá trị nh
ết quả của sự
ờng viền cho
. 
họn đường v
các loại xe, sử
ỜNG VIỀN 
àn bộ ảnh 
ó độ phức 
g viền ban 
được định 
 đánh giá. 
n. 
ốc độ cao. 
iện. Đó là 
lý 249 ảnh 
], độ chính 
a CA cho 
ng cơ bản 
F, so sánh 
ớng, tỉ lệ, 
 số tuyến 
ận dạng. 
 vận hành 
 sẵn. Bên 
iền, lọc và 
 dụng thư 
NI
l
đ
Đ
p
đ
m
n
ô
n
n
th
đ
n
tr
h
k
n
đ
n
đ
guyễn Văn Căn,
Lớp Im
mageProcesso
iệt kê danh sá
ường viền. 
Các tha
ộ dài đường 
ixel; Độ phân
Cơ sở 
ường viền kh
áy được tập 
ửa trên người
Trong q
 tô), 2xm (hai
Phương
hận dạng ra n
hau trong ảnh
Giải thu
ực. Độ chính
ường ở Việt N
Trong q
ghiên cứu tiếp
- Hạn c
úc rời rạc nh
ợp: Có một s
hông thể có đ
hững nhân tố
ồng với đườn
hư một ô tô: 
ường viền nà
 Nguyễn Tiên Hư
ageProcessor
r nhận ảnh ở
ch đường viề
m số trong t
viền nhỏ nhấ
 giải ảnh đầu 
dữ liệu mẫu:
ác nhau từ cá
trung lưu trữ 
 đi xe máy. Đ
a)
 c)
uá trình nhận
 xe máy), 2ot
a) Nhận dạn
b) Nhận dạn
c) Nhận dạn
 pháp được th
hanh một xe
. 
ật hoạt động 
 xác của giải
am. 
uá trình thực
 tục như sau
hế đầu tiên có
ất định. Tuy 
ố lượng lớn c
ường biên rõ
 trên dẫn tới 
g bao của đối
đường viền k
y trong cùng m
ng, Dương Phú T
 được sử d
 đầu vào. Kết
n được nhận 
hực nghiệm:
t (Min contou
vào: 640 x 48
 Thực nghiệm
c hình dạng 1
toàn bộ hình 
ối với ô tô, tậ
 Một xe máy 
 Một ô tô thông q
 dạng, gán nh
o (hai ô tô), 1
a) 
g được 2 đường v
g được 3 xe máy.
g được một ô tô v
Hình
ực nghiệm v
 máy, 1 ô tô, 
với tốc độ 10
 thuật đã đượ
 nghiệm, chú
: 
 liên quan tới
nhiên các đối
ác đường viền
 ràng, có thể n
việc đường v
 tượng. Mặt k
ính trước, đườ
ột đối tượng
huần, Nguyễn Đ
ụng để xử lý
 quả xử lý liệ
diện FoundT
 Kích thước n
r length) = 3
0 pixel. 
 đã thực hiện
 xe máy, 1 xe
dạng đường 
p mẫu tạo ra b
ua kính trước 
Hình 6. Ví d
ãn cho đường
xm1oto (một 
 b
iền, gán nhãn ch
 Trong đó có 2 x
à 1 xe máy đi gầ
 7. Ví dụ kết qu
ới các ảnh tự
2 xe máy dín
-14Hz trên m
c kiểm nghiệ
ng tôi thấy r
 vấn đề lựa ch
 tượng này đư
 liên quan và
hận diện dựa
iền không thể
hác, trên thực
ng viền gươn
 cũng cần phả
ăng Tiến
 ảnh. Đồng 
t kê các đườn
emplates. Lớp
gưỡng khối t
0 pixel; Diện 
 tạo ra một c
 ô tô, 2 xe má
viền bao quan
ằng cách lưu
ụ về tập mẫu để
 viền phát hiệ
xe máy kèm m
) 
o mỗi xe một nhã
e nhận dạng theo
n nhau. 
ả nhận dạng xe
nhiên và tron
h liền nhau, 2
áy tính Pentiu
m thông qua v
ằng còn có m
ọn đường viề
ợc thể hiện t
 không liên qu
 trên độ sáng
 được lựa chọ
 tế một đối tư
g quan sát hậ
i đặt ra. 
thời lưu trữ
g viền được p
 ImageProce
hích nghi (Ad
tích đường vi
ơ sở dữ liệu t
y, 2 ô tô, 1 xe
h xe máy. Th
 trữ khung đư
d) Một ô tô v
 so sánh 
n được tương
ột ô tô). 
n là 1xm. 
 đường viền toàn
 ô tô và xe máy
g bài toán đếm
 ô tô dính liề
m IV, 2.6GH
iệc đối sánh 
ột số những 
n trên ảnh. Đ
rong môi trư
an đến đối tư
 hoặc màu sắc
n hoặc được
ợng có thể có
u, đường viề
 mẫu. Phươn
hát hiện Ima
ssor chứa cà
aptive Threso
ền nhỏ nhất (
ập mẫu các đ
 máy 1 ô tô. 
êm một số m
ờng viền của 
b) Hai xe má
à một xe máy 
 ứng là 1xm (
c) 
 bộ, 1 xe nhận dạ
 phương tiện
n nhau, 1 ô t
z phù hợp vớ
ảnh giao thôn
hạn chế của 
ường viền đư
ờng thực có t
ợng nhận dạn
 so với nền, c
 chọn không 
 nhiều đường
n hai đèn trướ
g thức Proc
geProcessor.s
i đặt cho việc
ld block size)
Min contour 
ường viền gồ
Đường viền m
ẫu về đường
kính trước ô t
y 
một xe máy),
ng theo phần trê
 giao thông, 
ô và 1 xe máy
i các ứng dụn
g chụp tại m
phương pháp
ợc giới hạn v
hể xảy ra nhữ
g; Đối tượng
ó thể bị nhiễ
chính xác, kh
 viền tồn tại, 
c xe,... Việc 
587 
essImage() 
amples và 
 tìm kiếm 
 = 5 pixel; 
area) = 10 
m 50 mẫu 
ẫu của xe 
viền phần 
ô. 
, 1oto (một 
n xe. 
so sánh và 
 dính liền 
g thời gian 
ột số cung 
, cần phải 
ới một cấu 
ng trường 
 trong ảnh 
u Tất cả 
ông tương 
chẳng hạn 
tổ hợp các 
588 PHƯƠNG PHÁP PHÂN LOẠI NHANH PHƯƠNG TIỆN GIAO THÔNG DỰA TRÊN ĐƯỜNG VIỀN 
- Hạn chế thứ hai, gây phức tạp cho phương pháp CA có liên quan tới các quy tắc của phân tích đường viền. 
Phương pháp CA giả sử rằng đường viền mô tả khung của các đối tượng và không quan tâm đến các phần phía sau 
hoặc các phần nhìn thấy không hoàn toàn của đối tượng. Do đó CA có độ ổn định kém trong các trường hợp nhiễu, 
không hỗ trợ sự giao cắt hoặc các phần nhìn thấy của đối tượng. 
IV. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 
Trong bài báo này, đề xuất phương pháp phân loại dựa trên đường viền, có khả năng ứng dụng vào các bài toán 
đối sánh ảnh đòi hỏi thời gian thực. Đóng góp chính: 1) một phương pháp biểu diễn đường viền đối tượng bằng đường 
viền vector trên trường số phức; 2) một số phép toán xử lý trên đường viền vector số phức, xấp xỉ đường viền số phức 
bằng đa giác; 3) sử dụng giải thuật phân tích đường viền, tìm kiếm độ dài đường viền để thực hiện tìm kiếm và đối 
sánh hai đường viền. 
Hướng phát triển tiếp theo là: 1) loại bỏ nhanh một số lỗi bằng cách xem xét kích thước chiều dài, chiều rộng 
đối tượng, ngưỡng xấp xỉ hình dạng đường viền mịn hơn, sau đó thử nghiệm giải thuật đối sánh ảnh trong một hệ thống 
giám sát giao thông thời gian thực; 2) xem xét đến trường hợp một đối tượng có nhiều đường viền để tăng độ chính xác 
và khả năng nhận dạng đối tượng đa dạng hơn. 
V. TÀI LIỆU THAM KHẢO 
[1] Kasana, H. S. (2005), Complex Variables: Theory And Applications (2nd ed.), PHI Learning Pvt. Ltd, 
p. 14, ISBN 81-203-2641-5. 
[2] S. Benhimane and E. Malis (2007), Homography based 2d visual tracking and servoing. Int. Jounal of Computer 
Vision, 2007. Special UJCV/IJRR issue on vision for robots. 
[3] H. Tran, A. Lux (2004), A method for ridge extraction. In Proc. of Asean Conference on computer vision 
ACCV05, Volume 1, Pages 96-111, Jeju, Korea. 
[4] A. I. Comport, E. Marchand, and F. Chaumette(2004), Robust model-based tracking for robot vision. In IEEE/RSJ 
Int. Conf. on Intelligent Robots and Systems, IROS'04, volume 1, pages 692.697, Sendai, Japan, September 2004. 
(extended version version published in Advanced Robotics, 16(10):1097.1013, december 2005 (special issue on 
Selected paper from IROS'04). 
[5] A. I. Comport, E. Marchand, and F. Chaumette (2006), Statistically robust 2d visual servoing. IEEE Trans. on 
Robotics, 22(2):415.421. 
[6] A. I. Comport, E. Marchand, M. Pressigout, and F. Chaumette (2006), Realtime markerless tracking for 
augmented reality: the virtual visual servoing framework. IEEE Trans. on Visualization and Computer Graphics, 
12(4):615.628. 
[7] H. Tran (2006), Etude des lignes d'intérêt naturelles pour la représentation d'objets en vision par ordinateur. Ph.D 
dissertation (in french). 
[8] E. Rosten and T. Drummond (2005), Fusing points and lines for high performance tracking. In IEEE Int. Conf. on 
Computer Vision, pages 1508-1515, Beijing, China. 
[9] K. Mikolajczyk, T. Tuytelaars, C. Schmid, A. Zisserman, J. Matas, F. Schaffalitzky, T. Kadir, and L. Van Gool 
(2005), A comparison of affine region detectors. Int. Journal of Computer Vision, 65:43.72. 
[10] E. Marchand, F. Spindler, and F. Chaumette (2005), ViSP for visual servoing: a generic software platform with a 
wide class of robot control skills. IEEE Robotics and Automation Magazine, 12(4):40.52, December 2005. Special 
Issue on "Software Packages for Vision-Based Control of Motion", P. Oh, D. Burschka (Eds.). 
[11] E. Marchand and F. Chaumette (2005), Feature tracking for visual servoing purposes. Robotics and Autonomous 
Systems, 52(1):53.70. Special issue on Advances in Robot Vision., D. Kragic, H. Christensen (Eds.). 
[12] D. Lowe (2004), Distinctive image features from scale-invariant keypoints. Int. Journal of Computer Vision, 
60(2):91.110. 
[13] V. Lepetit and P. Fua (2006), Keypoint recognition using randomized trees. IEEE Trans. on Pattern Analysis and 
Machine Intelligence, 28(9):1465.1479. 
[14] A. J. Lipton and at al (1998), Moving target classification and tracking from real-time video. In Proc. of Workshop 
Applications of Computer Vision, pages 129–136. 
Bảng kết quả của nghiên cứu trong [14] 
Target Tot. Unclass. Misclass Correct 
Vehilce 319 10.7% 2.5% 86.8% 
Human 291 11.0% 6.2% 82.8% 
False 4 
[15] Ngô Quốc Tạo, Nguyễn Văn Căn, Huỳnh Văn Huy (2014), Nghiên cứu phương pháp đếm xe ô tô sử dụng mô 
hình hỗn hợp Gaussian và luồng quang học. Kỷ yếu hội nghị Fair 2014. 
Nguyễn Văn Căn, Nguyễn Tiên Hưng, Dương Phú Thuần, Nguyễn Đăng Tiến 589 
[16] Rohit Kolar, Akshay Thakar, Muzaffar Shabad (2014), Image Segmentation for Text Recognition using Boundary 
Analysis. International Journal of Emerging Technology and Advanced Engineering. ISSN 2250-2459, ISO 
9001:2008 Certified Journal, Volume 4, Issue 2, February 2014) 294. 
[17] Wu, Shin-Ting and Márquez (2004), Mercedes R. G (2004), A non-self-intersection Douglas-Peucker Algorithm, 
Proceedings of Sibgrapi. © 2004 IEEE. 
FAST METHOD CLASSIFICATION BASED ON TRANSPORTATION 
CONTOURS 
Nguyen Van Can, Nguyen Tien Hung, Duong Phu Thuan, Nguyen Dang Tien 
ABSTRACT - The purpose of this paper is: first, the present method of performing contour of the object in a binary image using 
complex numbers vector. Monday analyzing some properties of the complex vector to apply to problem identification, comparison 
on the basis of contour form. Construction general scheme for the identification and classification of objects by means of vector 
contours. We have conducted experiments to identify and classify the photo with the complexity of motorcycles and cars for accurate 
results and fast calculation speed.