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 huấn l i đường viền. rong một bức số đỉnh đồng ện) sẽ sử dụn viền vector N k. Nếu một đ V. Hình 4 dư n sau khi đơn heo thuật toá hu vi hay diệ chứng minh i g iện ỜNG VIỀN g viền, bất khác nhau (8) hể coi một quát được ảnh. Điều uyện cũng ảnh thực, nhất. Quá g trong hệ với độ dài ường viền ới đây chỉ giản hóa n Douglas n tích của trong công Nguyễn Văn Căn, Nguyễn Tiên Hưng, Dương Phú Thuần, Nguyễn Đăng Tiến 585 Pha huấn luyện. Chuẩn bị cơ sở dữ liệu Template (Thực hiện thủ công). Input: Hình ảnh (Image), ngưỡng đường viền (ThresoldContour), số đỉnh đường viền (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 cá