Page 86 - Tạp chí Giao thông Vận Tải - Số Tết Dương Lịch

Số 12/2024 (748) KHOA HỌC CÔNG NGHỆ
Tập 64
4
Tập
6
Phát hiện phương tiện giao thông

từ dữ liệu ảnh máy bay không người lái

dựa vào mô hình học sâu

n ThS. NGUYỄN CHÍ TRUNG; TS. VƯƠNG XUÂN CẦN ; ThS. VŨ TRỌNG THUẬT; NGÔ TRANG LINH
(*)
Trường Đại học Giao thông vận tải
Email: vuongcan@utc.edu.vn
(*)

1. ĐẶT VẤN ĐỀ
TÓM TẮT: Phát hiện và nhận dạng phương tiện giao Cùng với sự phát triển của kinh tế - xã hội, phương
thông là một trong những nhiệm vụ quan trọng để tiện giao thông, nhất là phương tiện cá nhân tăng lên qua
xây dựng một hệ thống cảnh báo giao thông. Với từng năm. Phương tiện giao thông đã trở thành một phần
sự ra đời và phát triển của máy bay không người lái không thể thiếu trong các chuyến đi của người dân. Tuy
(UAV), việc cảnh báo các điểm “nóng” giao thông nhiên, sự phát triển cơ sở hạ tầng giao thông không bắt
trở nên vượt trội so với các hệ thống dùng camera kịp với sự phát triển của phương tiện giao thông nên ùn tắc
cố định. Nghiên cứu này ứng dụng một mô hình sử giao thông xảy ra thường xuyên hơn ở các đoạn đường, nút
dụng YOLOv8 (You Only Look One) để phát hiện giao thông có nhu cầu giao thông quá cao ở các đô thị lớn
và nhận dạng phương tiện giao thông trong dòng của Việt Nam. Để giải quyết vấn đề này cần các giải pháp
xe hỗn hợp từ dữ liệu ảnh UAV. Mô hình YOLOv8 đồng bộ xem xét đến các ứng dụng của hệ thống giao
được huấn luyện, kiểm chứng và đánh giá trên tập thông thông minh.
dữ liệu của 3.274 ảnh về bối cảnh giao thông. Kết Phát hiện phương tiện giao thông là một phần quan
quả đánh giá đạt được độ chính xác trung bình trọng trong các hệ thống thông minh như hệ thống thu
mAP50 trên 0,95. Đây là một kết quả cao khi nhận thập thông tin giao thông, hệ thống cung cấp thông tin
dạng phương tiện từ UAV và minh chứng rằng mô cho người tham gia giao thông, hệ thống xử lý vi phạm
hình này có thể được sử dụng cho các bài toán pháp luật giao thông đường bộ, hệ thống điều khiển giao
phân tích và cảnh báo trạng thái giao thông trong thông... Hiện nay, việc phát hiện phương tiện giao thông
điều kiện giao thông hỗn hợp ở nước ta. ở nước ta vẫn chủ yếu thực hiện trên các camera tĩnh (lắp
TỪ KHÓA: Phát hiện phương tiện giao thông, máy đặt cố định trên đường) hoặc camera động (lắp đặt trên
bay không người lái, mô hình học sâu, YOLO. các thiết bị di động, trên xe...), chưa quan tâm đến việc lợi
dụng hình ảnh máy bay không người lái (Unmanned Aerial
ABSTRACT: Detecting and identifying vehicles Vehicle, UAV). So với camera tĩnh, UAV cho phép thu thập
is one of the important tasks in building a traffic bối cảnh giao thông lớn hơn và linh hoạt hơn. Tuy nhiên,
warning system. With the advent and development kích thước của phương tiện sẽ nhỏ dần khi chiều cao bay
of unmanned aerial vehicles (UAV), warning of tăng lên, độ ổn định của máy chịu ảnh hưởng của điều kiện
traffic hotspots has become more advanced than khí hậu và kinh nghiệm của người lái, do đó việc phát triển
systems using fixed cameras. This study applies các hệ thống nhận dạng phương tiện giao thông trong
a model using YOLOv8 (You Only Look One) to điều kiện dòng giao thông hỗn hợp sử dụng UAV vẫn còn
detect and identify vehicles in mixed traffic flows là một thách thức lớn.
from image data of UAVs. The YOLOv8 model Học sâu, một nhánh nghiên cứu của học máy dựa
is trained, verified and evaluated on a dataset of trên mạng nơ-ron nhân tạo, đang trở thành một trong
3,274 images of traffic scenes. The evaluation những công cụ cốt lõi của cuộc cách mạng công nghiệp
results achieved a mAP50 of 0.95. This is a high 4.0. Ở nước ta hiện nay, việc phát triển các mô hình phát
result of vehicle detection from UAV images and hiện phương tiện giao thông sử dụng các kỹ thuật học sâu
demonstrates that this model can be used for còn chưa nhiều, nhất là đối với dữ liệu từ UAV. Vì vậy, trong
traffic analysis and warning problems in mixed nghiên cứu này, chúng tôi sẽ ứng dụng một mô hình mạng
traffic conditions in Vietnam. nơ-ron sâu YOLO (You Only Look Once) cho nhận dạng

KEYWORDS: Detection of Vehicle, Unmanned phương tiện giao thông từ hình ảnh UAV làm cơ sở phát
Aerial Vehicle, Deep Learning, YOLOv8. triển các thuật toán của hệ thống cảnh báo trạng thái giao
thông, cũng như hệ thống quản lý giao thông thông minh.

85