PHÁT HIỆN PHƯƠNG TIỆN GIAO THÔNG VÀ NGƯỜI ĐI BỘ DỰA VÀO THUẬT TOÁN HỌC SÂU Ở CÁC HỆ THỐNG HỖ TRỢ LÁI THÔNG MINH

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Hồng Sơn Vũ

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Khoa học & Công nghệ - Trường Đại học Công nghiệp Hà Nội, 2023

Mô tả vật lý: tr.38

Bộ sưu tập: Metadata

ID: 341422

Thêm vào giỏ Liên kết toàn văn

Để phát triển một hệ thống giao thông thông minh và an toàn, việc đầu tiên chúng ta cần quan tâm là xây dựng hệ thống trợ lái thông minh ADAS. Hệ thống trợ lái ADAS thường yêu cầu các ràng buộc cực đại về tốc độ xử lý nhanh và hiệu suất phát hiện chính xác. Tuy thế mà có nhiều các ràng buộc đang đặt ra cho hệ thống, cụ thể là: do những biến đổi về ánh sáng nền, cấu trúc, tình trạng bị tắc nghẽn từng phần (có nhiều phần xuất hiện trong cùng ngữ cảnh), đối tượng và camera cùng di chuyển, và ở các ngữcảnh phức tạp... Ngoài ra, một thử thách cực đại cho hệ thống là yêu cầu đáp ứng thời gian thực. Để cải thiện các ràng buộc cực đại này, chúng tôi đề xuất một mô hình sử dụng thuật toán học sâu. Trước tiên, bài báo sử dụng mô hình YOLO (You Only Look One), ngoài ra để bổ sung cho tập dữ liệu đào tạo, chúng tôi đã phân loại và thu thập tập dữ liệu mẫu phù hợp với giao thông Việt Nam. Sau đó, máy tính nhúng NVIDIA Jetson TX2 đã được sử dụng để thực hiện các thí nghiệm. Các kết quả đạt được đã chứng minh rằng, công việc đề xuất có khả năng tăng tốc độ xử lý ít nhất 1,6 lần với tỷ lệ phát hiện đạt 90% cho hệthống camera tĩnh
và tăng tốc độ ít nhất 1,36 lần với tỷ lệ phát hiện đạt 90% cho hệ thống camera độngvới các ảnh có độ phân giải cao 1280x720 pixel.In order to build a traffic safety system, we first need to develop ADASs. These systems normally require real-time and reliable detection performance. However, moving vehicles and pedestrian detection is critical requirement due to their challenges in the real-world environments such as complicated background, shadow, partial occlusion, articulation and illumination variations. Besides, one of the most important challenges in ADASs is real-time requirement. This paper proposes a model using deep-learning algorithm in order to increase accuracy and processing time for ADASs. Accordingly, we first propose the YOLO (You Only Look One) model, moreover in order to improve detection performance we add sample datasets for traing model. Experimental results are then conducted in a NVIDIA Jetson TX2 embedded computer. Achievable results prove that the proposed work can speed up processing time of at least 1.6x with detection rate of 90% for static cameras
and speed up processing time of at least 1.36x with detectionrate of 90% in high resolution images (1280x720 pixel) for moving cameras.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR