Báo cáo Phát hiện và nhận dạng một số biển báo giao thông ðường bộ nguy hiểm tại Việt Nam (Phần 1)

Nội dung text: Báo cáo Phát hiện và nhận dạng một số biển báo giao thông ðường bộ nguy hiểm tại Việt Nam (Phần 1)

1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH CÔNG TRÌNH NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG PHÁT HIỆN VÀ NHẬN DẠNG MỘT SỐ BIỂN BÁO GIAO THÔNG ÐƯỜNG BỘ NGUY HIỂM TẠIS K C VIỆT0 0 3 9 5 9 NAM MÃ SỐ: T2014-42 S KC 0 0 5 5 0 1 Tp. Hồ Chí Minh, 2014
2. TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO TỔNG KẾT ĐỀ TÀI KH&CN CẤP TRƢỜNG PHÁT HIỆN VÀ NHẬN DẠNG MỘT SỐ BIỂN BÁO GIAO THÔNG ĐƢỜNG BỘ NGUY HIỂM TẠI VIỆT NAM Mã số: T2014-42 Chủ nhiệm đề tài: Trần Tiến Đức Thành viên đề tài: Trần Tiến Đức TP. HCM, 11/2014
3. DANH SÁCH THÀNH VIÊN THAM GIA NGHIÊN CỨU ĐỀ TÀI 1. Trần Tiến Đức ĐƠN VỊ PHỐI HỢP CHÍNH 2. Khoa Công Nghệ Thông Tin – Đại họ c Sư Phạm Kỹ Thuật TP. Hồ Chí Minh
4. MỤC LỤC  Mục lục Danh mục viết tắt Danh mục bảng và hình Thông tin kết quả nghiên cứu PHẦN MỞ ĐẦU 3 CHƢƠNG 1: TỔNG QUAN VỀ CÁC PHƢƠNG PHÁP PHÁT HIỆN BIỂN BÁO GIAO THÔNG VÀ NỀN TẢNG OPENCV 11 1.1Phương pháp phát hiện biển báo giao thông. 12 1.2 Giới thiệu thư viện mã nguồn mở OpenCV 12 1.2.1 Lịch sử OpenCV 13 1.2.2 Kiến trúc của OpenCV 14 1.3. Tiểu kết 15 CHƢƠNG 2: GIỚI THIỆU PHƢƠNG PHÁP NHẬN DẠNG BIỂN BÁO GIAO THÔNG 16 2.1 Khái quát phương pháp nhận dạng biển báo giao thông sử dụng trong đề tài. 17 2.2 Xác định vùng đặc trưng chứa biển báo giao thông 18 2.2.1 Đặc trưng Haar-like 18 2.2.2 Thuật toán tăng tốc Adaboost 20 2.2.2.1 Tiếp cận Boosting 20 2.2.2.2 AdaBoost 21 2.3 Giới thiệu phương pháp phân tích thành phần chính. 23 2.3.1 Giới thiệu. 23
5. 2.3.2 Thuật toán PCA 25 2.4 Nhận dạng biển báo dùng bộ phân lớp Support Vector Machine (SVM) 28 2.4.1 Phân lớp tuyến tính (Linear classifier) 28 2.4.2 Phân lớp phi tuyến (Nonlinear classifier) 32 2.5 Tiểu kết 33 CHƢƠNG 3: THIẾT KẾ VÀ XÂY DỰNG CHƢƠNG TRÌNH 34 3.1 Chức năng của chương trình 35 3.2 Xây dựng chương trình 35 3.2.1 Xây dựng cơ sở dữ liệu ảnh biển báo 35 3.2.1.1 Nguồn ảnh 35 3.2.1.2 Phân loại ảnh 36 3.2.2 Huấn luyện phát hiện biển báo trong ảnh 36 3.2.2.1 Chuẩn bị dữ liệu 37 3.2.2.2 Lấy mẫu dữ liệu huấn luyện 38 3.2.2.3 Huấn luyện máy học (Machine Learning) 40 3.2.3 Huấn luyện nhận dạng biển báo 45 3.2.4 Chương trình nhận dạng. 49 3.2.4.1 Sơ đồ hoạt động của chương trình 49 3.2.4.2 Giao diện và cách sử dụng 51 3.3 Tiểu kết 53 CHƢƠNG 4: ĐÁNH GIÁ KẾT QUẢ CHƢƠNG TRÌNH 54 4.1 Đánh giá kết quả. 55 4.1.1 Các môi trường thử nghiệm đánh giá 55 4.1.2 Đánh giá các sai số 63 4.2 Ưu và nhược điểm của chương trình 64
6. 4.2.1 Ưu điểm 64 4.2.2 Nhược điểm 64 4.3. Tiểu kết 65 PHẦN KẾT LUẬN 66 TÀI LIỆU THAM KHẢO
7. DANH MỤC VIẾT TẮT  Từ viết tắt Từ đầy đủ AVI Audio Video Interleave BMP Bitmap Portable CPU Central Processing Unit GB Gigabyte HSI Hue – Saturation – Intensity IPP Intergrated Performance Primitives JPG Joint Photographic Experts Group MB Megabyte ML Machine Learning OpenCV Open Computer Vision ORC Optical Character Recognition PCA Principle Components Analysis PGM Portable Graymap RGB Red – Green – Blue SVM Support Vector Machine
8. DANH MỤC BẢNG VÀ HÌNH  DANH MỤC HÌNH Hình 1. Mô hình xử lý nhận dạng biển báo giao thông của bài báo “A Road Sign Recognition System Based on Dynamic Visual Model” [10] . 5 Hình 2. Mô hình xử lý nhận dạng biển báo giao thông của bài báo “A System for Traffic Sign Detection, Tracking, and Recognition Using Color, Shape, and Motion Information” [8]. 6 Hình 3. Mô hình phát hiện biển báo giao thông của bài báo “Color-Based Road Sign Detection and Tracking” [14]. 6 Hình 4. Mô hình tác giả đề nghị [5]. 7 Hình 5. Tổng quan thuật toán [2]. 8 Hình 1.1Lịch sử phát triển của OpenCV [12, Trang 7]. 14 Hình 1.2Kiến trúc cơ bản của OpenCV [12, Trang 13]. 14 Hình 2.1. Đặc trưng theo cạnh 18 Hình 2.2. Đặc trưng theo đường 18 Hình 2.3. Đặc trưng theo xung quanh tâm 18 Hình 2.4 Đặc trưng theo đường chéo 18 Hình 2.5 Cách tính Integral Image của ảnh 19 Hình 2.6 Cách tính tổng giá trị pixel vùng cần tính. 20 Hình 2.7 Boosting[ 3, Trang 16 ]. 21 Hình 2.8 Phép chiếu lên các trục tọa độ khác nhau có thể cho cách nhìn khác nhau về cùng một dữ liệu. 24 Hình 2.9 Tìm các trục tọa độ mới sao cho dữ liệu có độ biến thiên cao nhất 24
9. Hình 2.10 Tách hai phân lớp tuyến tính với một mặt siêu phẳng. 29 Hình 2.11 Tách hai phân lớp tuyến tính với hai mặt siêu phẳng 29 Hình 2.12 Ví dụ minh họa về độ lớn của lề (margin) 30 Hình 2.13 Minh họa các mẫu được gọi là Support Vector. 32 Hình 2.14 Một mặt phân chia phi tuyến có thể trở thành một siêu phẳng trong không gian lớn hơn 32 Hình 3.1 Tập ảnh Positive trong thư mục “rawdata” 37 Hình 3.2 Tập ảnh Negative trong thư mục “negative” 38 Hình 3.3 Nội dung file “inforfile.txt” sau khi chạy file “create_list.bat” 38 Hình 3.4 Chương trình ObjectMaker trong thư mục “positive”. 39 Hình 3.5 Đánh dấu đối tượng trong trình ObjectMaker 39 Hình 3.6 Nội dung file “info.txt”. 40 Hình 3.7 Nội dung file “samples_creation.bat” 40 Hình 3.8 Nội dung file “haarTraining.bat” 41 Hình 3.9 Kết quả phân tầng 42 Hình 3.10 Nội dung file “convert.bat” 43 Hình 3.11 Cấu trúc của một tập tin XML 43 Hình 3.12Kết quả ảnh biển số 201a nhận được. 44 Hình 3.13 Kết quả ảnh biển số 210 nhận được. 44 Hình 3.14Một số mẫu huấn luyện nhận dạng. 44 Hình 3.15Một phần nội dung file “eigen.txt. 44 Hình 3.16 Một phần nội dung file “psi.txt”. 48 Hình 3.17 Một phần nội dung file “svmtrained.xml” 48 Hình 3.18Giao diện chính của chương trình 51 Hình 3.19 Giao diện chọn ảnh 51
10. Hình 3.20 Giao diện chọn video clip 51 Hình 4.1 Một số kết quả thử nghiệm trong môi trường chuẩn. 56 Hình 4.2 Một số kết quả thử nghiệm trong môi trường ban đêm. 57 Hình 4.3 Một số kết quả thử nghiệm trong môi trường nhiều mây, yếu ánh sáng và có mưa nhỏ 58 Hình 4.4 Kết quả thử nghiệm biển bị che khuất bởi cây 59 Hình 4.5 Kết quả thử nghiệm với biển bị bong tróc sơn. 59 Hình 4.6 Kết quả thử nghiệm với biển bị bẩn bởi sơn. 60 Hình 4.7 Kết quả thử nghiệm với biển cũ bị phai màu 60 Hình 4.8 Kết quả thử nghiệm với ảnh bị các tờ quảng cáo dán lên. 61 Hình 4.9 Kết quả thử nghiệm với biển báo nghiêng bên phải trên ảnh tĩnh. 61 Hình 4.10 Kết quả thử nghiệm với biển báo bị nghiêng bên trái trên ảnh tĩnh. 62 Hình 4.11 Khoảng cách từ lúc nhận dạng đến biển báo. 62 DANH MỤC SƠ ĐỒ Sơ đồ 2.1Trình tự các bước trong phương pháp nhận dạng biển báo giao thông nguy hiểm. 17 Sơ đồ 3.1 Sơ đồ huấn luyện phát hiện biển báo trong ảnh. 45 Sơ đồ 3.2 Sơ đồ huấn luyện nhận dạng biển báo 49 Sơ đồ 3.3 Sơ đồ hoạt động chương trình. 50 DANH MỤC BẢNG Bảng 3.1 Một số biển báo giao thông đường bộ. 36 Bảng 4.1Kết quả nhận dạng biển báo giao thông 63
11. - 1 - TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM THÀNH PHỐ HỒ CHÍ MINH Độc lập - Tự do - Hạnh phúc KHOA CNTT Tp. HCM, ngày 10tháng11năm 2014 THÔNG TIN KẾT QUẢ NGHIÊN CỨU 1. Thông tin chung: - Tên đề tài: Phát hiện và nhận dạng một số biển báo giao thông đƣờng bộ nguy hiểm tại Việt Nam - Mã số: T2014-42 - Chủ nhiệm: Trần Tiến Đức - Cơ quan chủ trì: Đại học Sư phạm Kỹ thuật Thành Phố Hồ Chí Minh - Thời gian thực hiện: Từ tháng 08 năm 2013 đến tháng 11 năm 2014 2. Mục tiêu: Nhận dạng biển báo giao thông là vấn đề quan trọng vì nó hỗ trợ người tài xế ý thức và chủ động hơn trong việc xử lý các tình huống nguy hiểm tiềm ẩn khi điều khiển phương tiện lưu thông.Mục tiêu của đề tài là xây dựng chương trình phát hiện và nhận dạng một số biển báo giao thông đường bộ nguy hiểm tại Việt Nam. 3. Tính mới và sáng tạo: Đề tài kết hợp phương pháp dựa trên đặc trưng Haar-like và bộ tăng tốc Adaboost để nâng cao khả năng phát hiện đồng thời dùng thuật toán phân tích thành phần chính PCA để làm giảm bớt số chiều của ảnh xám làm số liệu đầu vào cho bước sử dụng thuật toán SVM để nhận dạng. 4. Kết quả nghiên cứu: Chương trình phát hiện và nhận dạng 10 biển báo giao thông đường bộ nguy hiểm thông dụng tại Việt Nam. 5. Sản phẩm: Phần mềm phát hiện và nhận dạng 10 biển báo giao thông đường bộ nguy hiểm thông dụng tại Việt Nam 01 bài báo đăng trên Web Khoa. 6. Hiệu quả, phƣơng thức chuyển giao kết quả nghiên cứu và khả năng áp dụng: Đề tài là nguồn tài liệu học tập cho môn Xử lý ảnh và Nhận dạng. Kết quả đề tài là phần mềm nhắc nhở tài xế lưu ý một số biển báo giao thông đường bộ nguy hiểm
12. - 2 - Ứng dụng cho các xe ô tô có trang bị camera và phần cứng chuyên dụng có thể cài đặt và chạy chương trình. - Trƣởng Đơn vị Chủ nhiệm đề tài
13. - 3 - PHẦN MỞ ĐẦU Lý do chọn đề tài Song hành cùng với sự phát triển của các thành tựu khoa học kỹ thuật hiện đại, sự năng động trong cơ chế kinh tế thị trường, sự chăm chút bồi bổ nâng cao đời sống văn hóa thì vấn đề về giao thông cũng từng bước được cải thiện và phát triển mạnh mẽ góp phần vào sự phát triển chung của toàn xã hội. Giao thông Việt Nam luôn là một trong những vấn đề nóng của xã hội. Nóng từ quy mô phát triển đến chất lượng cơ sở hạ tầng và hơn hết chính tình hình tai nạn giao thông đường bộ. Theo số liệu mới nhất từ Ủy ban An toàn giao thông quốc gia, chỉ trong 8 tháng đầu năm 2012, Việt Nam có hơn 7000 vụ tai nạn giao thông [20], dân số mất đi hơn 6000 người. Đây là những mất mát quá lớn xảy ra trong một đất nước hòa bình đáng để mọi thành phần trong xã hội cùng quan tâm và suy xét. Nguyên nhân phần lớn các vụ tai nạn giao thông đường bộ là do tài xế lái xe không làm chủ tốc độ, không chấp hành hiệu lệnh giao thông, không quan sát hoặc không kịp nhận ra các loại biển báo và tín hiệu giao thông có thể vì tài xế mệt mỏi, thiếu tập trung và chịu nhiều yếu tố tác động khác. Các hệ thống cảnh báo hỗ trợ tài xế hiện vẫn đang trong giai đoạn được các trung tâm nghiên cứu của thế giới, các hãng xe ô tô thử nghiệm, đánh giá và vẫn chưa chính thức đưa vào sử dụng trong thực tế. Hơn nữa việc ứng dụng công nghệ cao trong việc tạo ra các loại xe tự hành là xu hướng thiếtyếu của xã hội phát triển. Từ những lý do trên, với mong muốn góp phần hạn chế những tai nạn giao thông và giảm thiểu hóa những hậu quả sau tai nạn, chúng tôilựa chọn đề tài: “Phát hiện và nhận dạng một số biển báo giao thông đường bộ nguy hiểm tại Việt Nam”để nghiên cứu. Lịch sử nghiên cứu Vấn đề xây dựng một hệ thống nhận dạng biển báo giao thông là một vấn đề lớn và có nhiều hướng tiếp cận để giải quyết bài toán. Vấn đề này được các quốc gia phát triển về ngành tự động hóa quan tâm từ sớm và cũng đã cho nhiều kết quả khả
14. - 4 - quan. Tuy nhiên hiện tất cả vẫn đang được tiếp tục đầu tư nghiên cứu nhằm mục đích xây dựng một sản phẩm tối ưu và hoàn chỉnh hơn. Trên thế giới Bài báo“A Road Sign Recognition System Based on Dynamic Visual Model” (C. Y. Yang, C. S. Fuh, S. W. Chen, P. S. Yen,CVPR'03 Proceedings of the 2003 IEEE computer society conference on Computer vision and pattern recognition, Pages 750- 755, 2003). Nhóm tác giả nghiên cứu mong muốn thúc đẩy, thay đổi nhận thức, cung cấp những thông tin cần thiết để hỗ trợ người lái xe và nâng cao độ an toàn trong giao thông. Bài báo đề xuất một mô hình, gọi là mô hình trực quan động (Dynamic Visual Model) để phát hiện và nhận dạng các biển báo giao thông trên đường. Đồng thời cũng trình bày những khó khăn trong việc nhận dạng biển báo như: Màu sắc của biển báo bị phai mờ dưới ảnh hưởng của ánh nắng mặt trời, sơn biển báo bị bong tróc, mất đi những thông tin cần thiết của biển báo. Không khí bị ô nhiễm và các điều kiện về thời tiết cũng làm giảm khả năng nhận dạng
15. - 5 - Hình 1.Mô hình xử lý nhận dạng biển báo giao thông của bài báo “A Road Sign Recognition System Based on Dynamic Visual Model” [10] . Bài báo “A System for Traffic Sign Detectiona, Tracking, and Recognition Using Color, Shape, and Motion Information”, (C. Bahlmann, Y. Zhu, V. Ramesh, M. Pellkofer, T. Koehler Proceedings. IEEE Intelligent Vehicles Symposium,2005). Bài báo mô tả một hệ thống thị giác máy tính (Computer Vision) xử lý việc phát hiện, theo vết và nhận dạng các biển báo giao thông dựa trên màu sắc, hình dạng và thông tin trong thời gian thực. Phương pháp tiếp cận được trình bày trong bài báo gồm hai thành phần. Đầu tiên sử dụng các đặc trưng Haar kết hợp với bộ tăng tốc Adaboost để phát hiện biển báo. Sau khi phát hiện và theo vết biển báo thì biển báo được phân loại bằng mô hình Bayes. Kết quả được thực nghiệm theo bài báo là có thể phát hiện và phân loại được một số biển báo giao thông với tỉ lệ chính xác cao trong điều kiện 10frames/1 giây.
16. - 6 - Hình 2.Mô hình xử lý nhận dạng biển báo giao thông của bài báo “A System for Traffic Sign Detection, Tracking, and Recognition Using Color, Shape, and Motion Information” [8]. Bài báo“Color-Based Road Sign Detection and Tracking” (Luis David Lopez and Olac Fuentes,Computer Science Department University of Texas, El Paso 79902, USA, 2007) bài báo trình bày một nền tảng chung cho việc nhận dạng và theo vết các biển báo giao thông chỉ sử dụng duy nhất một thông tin màu sắc. Phương pháp tiếp cận gồm hai thành phần.Phần đầu sử dụng một tập phân phối Gauss để phát hiện đường và các biển báo giao thông. Phần thứ hai là theo vết đối tượng đã được xác định ở bước trước đó. Kết quả thử nghiệm cho thấy rằng hệ thống đề xuất nhận dạng trung bình 97% trong thời gian thực với các đối tượng ở gần. Hình 3.Mô hình phát hiện biển báo giao thông của bài báo “Color-Based Road Sign Detection and Tracking”[14].
17. - 7 - Trong nƣớc Đề tài “Phát hiện và phân loại biển báo giao thông dựa trên SVM trong thời gian thực” (Lê Thanh Tâm, Trần Thái Sơn, Seichii Mita, Tuyển tập Công trình Nghiên cứu Công nghệ Thông tin và Truyền thông, 2009). Đây là một module nằm trong dự án hệ thống lái xe tự động của học viện Công Nghệ Toyota được tài trợ bởi tập đoàn ô tô Toyota. Cách tiếp cận được giới thiệu là sử dụng đặc trưng màu trên SVM (Support Vector Machine) để phát hiện vùng ứng cử cho biển báo giao thông trong thời gian thực (xem hình 4). Hình 4.Mô hình tác giả đề nghị [5]. Đề tài “Phát hiện biển báo giao thông dùng đặc trưng cục bộ (local features)” của tác giả Nguyễn Duy Khánh, Lê Đình Duy, Dương Anh Đức được báo cáo tại Hội thảo Fair 2011 tại Trường Đại học Lạc Hồng. Đề tài dùng đặc trưng cục bộ và bộ phân lớp SVM (Support Vector Machine) để phát hiện biển báo giao thông. Tổng quan thuật
18. - 8 - toán được tác giả trình bày như theoHình 5. Kết quả của đề tài dừng lại ở việc xác định biển báo và phân lớp chúng thành các nhóm biển cấm, nguy hiểm, chỉ dẫn. Hình 5.Tổng quan thuật toán [2]. Mục tiêu nghiên cứu Xây dựng chương trình phát hiện và nhận dạng biển báo giao thông đường bộ từ video thu về và hiển thị thông tin cảnh báo dưới dạng hình ảnh và âm thanh. Đối tƣợng nghiên cứu và phạm vi nghiên cứu - Đối tượng nghiên cứu : Biển báo giao thông đường bộ ở Việt Nam - Phạm vi nghiên cứu : Nghiên cứu bộ biển báo giao thông đường bộ nguy hiểm tại Việt Nam. Phƣơng pháp nghiên cứu - Khảo sát, tìm hiểu và thu thập tài liệu, hình ảnh về biển báo giao thông, đề tài đã nghiên cứu trước đây. - Tìm hiểu các bước phát hiện biển báo giao thông: gồm phương pháp máy học dựa trên đặc trưng Haar-like kết hợp với bộ tăng tốc Adaboost. - Tìm hiểu các bước nhận dạng biển báo giao thông: Gồm quá trình phân tích thành phần chính Principal Components Analaysis (PCA), và huấn luyện Support Vector Machine(SVM) để nhận dạng biển báo giao thông.
19. - 9 - - Kế thừa những phương pháp đạt kết quả tốt và phù hợp với nội dung cần đạt được của đề tài. - Phát triển và cải tiến phương pháp đã có ở những đề tài trước để xây dựng chương trình hướng tới kết quả tốt hơn. - Tìm ra một hướng đi mới trong mỗi bước cần làm của đề tài, đặc biệt là trong giải thuật nhận dạng. Những đóng góp mới của đề tài - những vấn đề mà đề tài chƣa thực hiện đƣợc - Đề tài kết hợp phương pháp dựa trên đặc trưng Haar-like và bộ tăng tốc Adaboost để nâng cao khả năng phát hiện đồng thời dùng thuật toán phân tích thành phần chính PCA để làm giảm bớt số chiều của ảnh xám làm số liệu đầu vào cho bước sử dụng thuật toán SVM để nhận dạng. - Tạo tiền đề cho việc xây dựng hệ thống nhận dạng biển báo giao thông đầy đủ và hoàn chỉnh hơn. - Đề tài dừng lại ở mức độ nghiên cứu nên số lượng biển báo nhận dạng được rất hạn chế. Kết cấu của đề tài Báo cáo này được trình bày thành ba phần chính: Phần mở đầu, phần nội dung và phần kết luận. Phần mở đầu Giới thiệu sơ lược về lý do chọn đề tài, lịch sử nghiên cứu, mục tiêu nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, những đóng góp và những vấn đề tồn tại của đề tài để từ đó đem lại cho mọi người một cái nhìn tổng quan nhất về đề tài. Phần nội dung Chƣơng 1: Tổng quan về phương pháp phát hiện biển báo giao thông và nền tảng opencv. Chƣơng 2: Giới thiệu phương pháp nhận dạng biển báo giao thông.
20. - 10 - Trình bày nội dung về trình tự các bước trong quá trình phát hiện và nhận dạng biển báo giao thông. Trình bày chi tiết các thuật toán hỗ trợ trong việc phát hiện và nhận dạng gồm: Đặc trưng Haar, bộ tăng tốc Adaboost, phân tích thành phần chính PCA, và bộ phân lớp SVM. Chƣơng 3: Thiết kế vàxây dựng chương trình. Trình bày các bước xây dựng chương trình phát hiện và nhận dạng biển báo giao thông. Chƣơng 4: Đánh giá kết quả chương trình. Đánh giá độ chính xác của phương pháp. Phần kết luận
21. - 11 - CHƢƠNG 1: TỔNG QUAN VỀ CÁC PHƢƠNG PHÁP PHÁT HIỆN BIỂN BÁO GIAO THÔNG VÀ NỀN TẢNG OPENCV Nội dung chính 1.1 Các phƣơng pháp phát hiện biển báo giao thông. 1.2 Giới thiệu thƣ viện mã nguồn mở OpenCV. 1.3 Tiểu kết.
22. S K L 0 0 2 1 5 4