NHẬN DẠNG VÀ ĐẾM LƯỢT XE RA VÀO CỔNG TRƯỜNG SỬ DỤNG THỊ GIÁC MÁY TÍNH

Abstract

Trong bối cảnh số lượng phương tiện giao thông ngày càng gia tăng, việc quản lý và giám sát phương tiện ra vào tại các cổng trường học trở nên cần thiết nhằm đảm bảo an ninh và hỗ trợ công tác quản lý giao thông. Tuy nhiên, phương pháp quan sát và ghi nhận thủ công thường tốn nhiều thời gian, công sức và dễ xảy ra sai sót. Vì vậy, việc ứng dụng các công nghệ hiện đại để tự động hóa quá trình giám sát và thống kê phương tiện là một hướng nghiên cứu có ý nghĩa thực tiễn cao. Đề tài “Nhận dạng và đếm lượt xe ra vào cổng trường sử dụng thị giác máy tính” tập trung nghiên cứu và xây dựng một hệ thống có khả năng tự động phát hiện, theo dõi và đếm số lượng phương tiện ra vào cổng trường thông qua dữ liệu video từ camera giám sát. Hệ thống được phát triển dựa trên các kỹ thuật thuộc lĩnh vực thị giác máy tính kết hợp với các mô hình học sâu để phát hiện đối tượng trong ảnh và video. Trong nghiên cứu này, mô hình phát hiện đối tượng YOLO được sử dụng để nhận dạng các phương tiện giao thông như xe máy và ô tô trong từng khung hình video. Đồng thời, thuật toán theo dõi đối tượng DeepSORT được áp dụng nhằm gán định danh cho từng phương tiện và theo dõi chuyển động của chúng qua nhiều khung hình liên tiếp. Dựa trên thông tin theo dõi này, hệ thống thiết lập một đường ảo trong khung hình để xác định thời điểm phương tiện đi qua và thực hiện việc đếm số lượt xe ra và vào cổng. Kết quả nghiên cứu cho thấy hệ thống có khả năng phát hiện và theo dõi phương tiện trong video giám sát với độ chính xác tương đối cao, đồng thời thực hiện việc đếm phương tiện theo thời gian thực. Hệ thống có thể được ứng dụng trong việc hỗ trợ quản lý giao thông tại các cổng trường, khu dân cư hoặc các khu vực cần giám sát lưu lượng phương tiện. In recent years, the increasing number of vehicles has created significant challenges in managing and monitoring traffic flow at school entrances. Traditional manual observation and recording methods are time-consuming, labor-intensive, and prone to human errors. Therefore, applying modern technologies to automate the monitoring and counting of vehicles has become an important research direction with high practical value. This thesis, titled “Vehicle recognition and counting at campus gates using computer vision”, focuses on developing a system capable of automatically detecting, tracking, and counting vehicles entering and exiting a school gate based on surveillance video data. The proposed system is developed using techniques from the field of Computer Vision combined with deep learning models for object detection in images and videos. In this study, the object detection model YOLO is utilized to identify vehicles such as motorcycles and cars in each video frame. In addition, the object tracking algorithm DeepSORT is employed to assign unique identities to detected vehicles and track their movement across consecutive frames. Based on the tracking results, a virtual line is defined within the frame to determine when a vehicle crosses the designated area, allowing the system to count the number of vehicles entering and exiting the gate. Experimental results show that the proposed system can effectively detect and track vehicles in surveillance videos with relatively high accuracy while performing vehicle counting in real time. The system has potential applications in traffic monitoring and management at school entrances, residential areas, and other locations requiring vehicle flow analysis.