Ứng dụng kỹ thuật học sâu giám sát lưu lượng phương tiện giao thông theo thời gian thực

Abstract

Giám sát giao thông luôn là mối quan tâm lớn đối với các đô thị hiện nay, chủ đề này thu hút nhiều nỗ lực của các nhà nghiên cứu. Do vậy, chúng tôi nghiên cứu áp dụng kỹ thuật học sâu đề xuất mô hình giám sát lưu lượng giao thông nhằm hỗ trợ quản lí hệ thống giao thông đường bộ trở nên hiệu quả hơn. Để xây dựng và huấn luyện mô hình, chúng tôi sử dụng bộ cơ sở dữ liệu tự xây dựng bằng video thực tế ở các tuyến đường trên thành phố Đà Nẵng, dữ liệu bao gồm 8463 hình ảnh với hơn 20000 nhãn đối tượng giao thông với nhiều kích thước khác nhau để đa dạng hoá dữ liệu. Các kết quả đánh giá định lượng và thực tế cho thấy hệ thống có thể phát hiện, phân loại tốt các phương tiện xe máy, xe ô tô, xe tải với độ chính xác nhận dạng đến 88% khi sử dụng mô hình SSD và đến 95% khi sử dụng mô hình YOLOv4, trên cơ sở đó bài báo thực hiện kết hợp mô hình YOLOv4 với thuật toán Deep SORT theo dõi giám sát giao thông theo thời gian thực.