Bài báo trình bày về việc sử dụng YOLOv7 để xử lý ảnh trong bài toán đếm phương tiện giao thông, nhận dạng các vật cản có thể gây sự cố giao thông và dùng Haar cascade để nhận diện đối tượng và tính toán đo tốc độ phương tiện. | KHOA HỌC CÔNG NGHỆ P-ISSN 1859-3585 E-ISSN 2615-9619 NGHIÊN CỨU CÁC KỸ THUẬT THỊ GIÁC MÁY TÍNH ỨNG DỤNG THEO DÕI PHƯƠNG TIỆN GIÁM SÁT GIAO THÔNG TRONG THỜI GIAN THỰC RESEARCH COMPUTER VISION TECHNOLOGY FOR TRAFFIC MONITORING AND VEHICLE TRACKING IN REAL-TIME Trần Xuân Kiên1 Đinh Xuân Trường2 Phạm Tuấn Thành3 Lê Minh Dương4 DOI https TÓM TẮT Bài báo trình bày về việc sử dụng YOLOv7 để xử lý ảnh trong bài toán đếm phương tiện giao thông nhận dạng các vật cản có thể gây sự cố giao thông và dùng Haar cascade để nhận diện đối tượng và tính toán đo tốc độ phương tiện. Kết quả dựa trên nền trí tuệ nhân tạo YOLOv7 có thể nhận dạng được chính xác trên 85 loại phương tiện 80 phương tiện và vật thể và các vật thể các loại 5 vật thể do người dùng thêm vào . Không những nhận dạng được mà còn bám sát theo dõi hướng di chuyển tạo vết ảnh trên màn hình để tiện theo dõi và giám sát. Kết quả đếm lưu lượng phương tiện chính xác gồm hai tham số là mật độ tham gia giao thông tại một nút và đếm tổng số các phương tiện trong một khoảng thời gian đảm bảo xác định mức độ tham gia giao thông tại mỗi nút giao thông. Dựa trên thuật toán xử lý ảnh trí tuệ nhân tạo Haar Cascade OpenCV xác định ước lượng tốc độ di chuyển của xe ô tô trên cao tốc. Giúp giám sát tốc độ của các phương tiện trực tiếp thời gian thực lưu được ảnh xe gắn với hiển thị tốc độ hiện tại. Hỗ trợ giám sát và quản lý phương tiện trên cao tốc. Từ khóa Hệ thống thị giác máy tính Open CV YOLOv7 nhận dạng đếm và đo tốc độ phương tiện giao thông. ABSTRACT This paper presents an advanced system for traffic monitoring and management which leverages YOLOv7 for image processing. The system is capable of accurately counting traffic identifying potential traffic hazards and detecting objects using the Haar cascade algorithm while also calculating vehicle speeds. By utilizing YOLOv7 the system can accurately identify over 85 types of vehicles and objects tracking their direction of movement and .
