Ứng dụng xử lý ảnh và thuật toán levenberg marquardt trong việc phát hiện, nhận dạng biển báo giao thông

Nội dung text: Ứng dụng xử lý ảnh và thuật toán levenberg marquardt trong việc phát hiện, nhận dạng biển báo giao thông

1. ỨNG DỤNG XỬ LÝ ẢNH VÀ THUẬT TOÁN LEVENBERG MARQUARDT TRONG VIỆC PHÁT HIỆN, NHẬN DẠNG BIỂN BÁO GIAO THÔNG ROAD SIGN DETECTION AND SHAPE ANALYSIS USING IMAGE PROCESSING AND LEVENBERG MARQUARDT ALGORITHM (1)Ngô Anh Tuấn , (2)Lê Chí Thông (1)Đơn vị phần mềm chiến lược số 11, Công ty phần mềm FPT (2)Phòng đào tạo, Trường Đại Học Bách Khoa Thành Phố Hồ Chí Minh TÓM TẮT Biển báo giao thông mang những thông tin quan trọng vì nó hỗ trợ người lái xe ý thức và chủ động hơn trong việc xử lý các tình huống nguy hiểm tiềm ẩn và giúp thuận tiện hơn trong việc điều khiển phương tiện lưu thông. Về cơ bản, một hệ thống nhận dạng biển báo giao thông bao gồm hai giai đoạn chính: giai đoạn phát hiện và giai đoạn nhận dạng. Trong bài báo này, tôi đề xuất một giải thuật dùng để phát hiện và nhận dạng (hình dạng) các biển báo giao thông đuờng bộ trên thời gian thực. Biển báo ban đầu được phát hiện thông qua phân ngưỡng màu sắc (đỏ hay xanh), sau đó hình dạng của biển báo đó được nhận dạng và tái tạo bằng đường cong Gielis. Quá trình phát hiện biển báo giao thông được thực hiện thông qua nhiều quá trình như: chuyển đổi không gian màu RGB sang không gian màu IHLS, phân ngưỡng NHS, loại nhiễu, loại bỏ các thành phần dư thừa, tăng cường ảnh, xác định biên, xác định bao lồi ảnh, xác định tâm và khối tái tạo hình dạng (áp dụng thuật toán Levenberg Marquardt trong việc xác định hình dạng của biển báo giao thông từ tập hợp các điểm trên biên). Phương pháp phát hiện và nhận dạng biển báo giao thông đã nêu cho phép phát hiện các biển báo giao thông với hình dạng phổ biến như hình tròn, tam giác, lục giác bằng một giải thuật duy nhất mà không phải thông qua các bước huấn luyện như các phương pháp nhận dạng khác. Đề tài sử dụng các kỹ thuật thu thập dữ liệu với camera nhúng, các kỹ thuật xử lý ảnh cùng một số hàm của thư viện thị giác máy tính mã nguồn mở OpenCV để xử lý hình ảnh thu nhận. Luận văn là sự kết hợp của những kiến thức về xử lý ảnh số, lập trình C++ để xử lý và mô tả thuật toán, lập trình nhúng(ngôn ngữ lập trình python) và camera nhúng. Từ khóa: Xử lý ảnh; OpenCV; lập trình nhúng; giải thuật Levenberg-Marquardt. ABSTRACT Road signs (traffic signs) give important information for every road user in order to maintain the safety and efficiency of our transportation facilities. Basically, a road sign recognition system consists of two main stages: the detection and the recognition. In this paper, I recommend an optimal algorithm that may detect and recognize traffic signs from the real time image of road side. At first, road signs are located in images based on color segmentation (red & blue), and their corresponding shape is detected using a shape representation. An automatic systems for traffic signs detection is designed and applied in various image-processing operations like RGB color space to IHLS color space conversion, NHS segmentation, image filtering, noise removal, object elimination, post processing, contour extraction, convex hull extraction, ROI extraction and shape reconstruction. The optimization method that we are using in this paper is the Levenberg Marquardt algorithm. The contribution of the proposed method is that the shape reconstruction technique which permits to recognize any common road sign shape, i.e. circle, triangle, rectangle and octagon, at a distance by a single formula without any training phase. This paper applies the scientific and technical achievements of embedded camera that are available today; combined with image processing techniques in computer vision library open source OpenCV to process the images that obtained. Moreover, my paper is a combination of the knowledge of digital image processing, C + + programming language to process image and demonstrate the algorithm, embedded programming language (python programming language) and embedded camera. Key words: Image processing; OpenCV; embedded programming; Levenberg-Marquardt Algorithm.
2. I. GIỚI THIỆU hiện biển báo giao thông bằng cách phân Vấn đề xây dựng một hệ thống phát hiện ngưỡng màu sắc (màu đỏ hay xanh) và các và nhận dạng biển báo giao thông là một bước xử lý ảnh để lấy được vùng ảnh quan tâm vấn đề lớn và đã có nhiều hướng tiếp cận để có chứa biển báo giao thông. Sau đó, phần ảnh giải quyết bài toán. Vấn đề này được các quan tâm được phân tích hình dạng với đường quốc gia phát triển về ngành tự động hóa cong Gielis [8] để xác định hình dạng của biển quan tâm từ sớm và cũng đã có nhiều công báo giao thông (hình tròn, hình tam giác, hình trình nghiên cứu khả quan. Tuy nhiên hiện vuông, hình bát giác). Điểm nổi bật của nay các hệ thống cảnh báo hỗ trợ tài xế hiện phương pháp này là không cần phải thu thập vẫn đang trong giai đoạn được các trung dữ liệu, do đó có thể bỏ qua giai đoạn huấn tâm nghiên cứu của thế giới, các hãng xe ô luyện mẫu. Đặc điểm này khác với các phương tô thử nghiệm, đánh giá và vẫn chưa chính pháp nhận dạng đã được công bố trước đây, thức đưa vào sử dụng trong thực tế. Để phát mở ra hướng nghiên cứu mới để giải quyết vấn hiện, nhận diện và cảnh báo, đảm bảo tính đề, có tính tổng quát, linh động và phạm vi chính xác thì bắt buộc hệ thống cần phải có ứng dụng cao hơn. Hơn nữa, phuơng pháp đề tốc độ xử lý nhanh, chính xác, tin cậy hoạt xuất có thể phát hiện nhiều loại biển báo trong động ổn định trong thời gian thực, ngoài ra ảnh và không bị ảnh huởng bởi kích thước của hệ thống phải có khả năng mở rộng và nâng biển báo xuất hiện trong ảnh. cấp thêm. Đó là các yếu tố rất quan trọng Bài báo được chia làm bốn phần như sau: trong việc xây dựng và phát triển hệ thống. phần 2 giới thiệu về đuờng cong Gielis và Một hệ thống phát hiện và nhận dạng phương pháp phát hiện và xác định hình dạng biển báo giao thông bao gồm hai giai đoạn của biển báo giao thông. Phần 3 trình bày về chính là: phát hiện và nhận dạng. Phát hiện thiết kế hệ thống nhúng hướng tới việc phát biển báo giao thông từ ảnh hay video ngõ hiện và nhận dạng biển báo giao thông. Phần 4 vào có thể dựa vào thông tin về màu sắc trình bày kết quả đạt được. Cuối cùng, kết luận hay hình dạng. Thông thuờng các bộ phát được trình bày trong phần 5. hiện hay phân loại đều dựa vào mạng nơron, II. PHƯƠNG PHÁP PHÁT HIỆN VÀ sữ dụng đặc trưng màu trên trên SVM NHẬN DẠNG HÌNH DẠNG CỦA BIỂN (Support Vector Machine) [1] [2], sữ dụng BÁO GIAO THÔNG đặc trưng Haar-like kết hợp với bộ tăng tốc Công thức đường cong Gielis được giới Adaboost [3] hay sữ dụng mô hình trực thiệu bởi Gielis [8] có thể được sử dụng để mô quan động (Dynamic Visual Model) [4]. tả nhiều hình dạng và đường cong phức tạp mà Xác định biển báo giao thông dựa trên chúng ta có thể gặp trong cuộc sống. thông tin về màu sắc là phương pháp phổ Để mô tả một hình dạng bất kỳ, điều quan biến để tìm vùng ảnh có màu sắc đặc trưng trọng là có thể lượng tử các hình đó về các của biển báo bằng cách sữ dụng phân thông số, sau đó từ các thông số này ta có thể ngưỡng màu. Phương pháp này phụ thuộc xử lý để đạt được mục đích nhận dạng. Đường vào các điều kiện thu thập hình ảnh như cong Gielis có mô tả như công thức (1). điều kiện ánh sáng, điều kiện môi trường, biển báo bị hư hại hay biến dạng. Mặc khác, (1) phuơng pháp phát hiện biển báo dựa trên hình dạng phổ biến nhất là sữ dụng phép Đường cong Gielis có sáu tham số (a, b, m, biến đổi Hough [5] hay các phương pháp n1, n2, và n3). Trong đó a, b, ni là các số mở rộng của biến đổi Hough như nghiên nguyên dương (a, b, ni . a, b là các tham cứu của Loy và Barnes [6], nghiên cứu này số kéo dài dọc theo các trục. m là số đối xứng dựa trên phép biến đổi đối xứng xuyên tâm xoay của hình dạng. n1, n2, n3 là hệ số hình. nhanh. Ngoài ra, một hướng tiếp cận khác Sơ đồ khối của phương pháp phát hiện và là tìm hình dạng đặc trưng dựa trên bộ phát nhận dạng biển báo giao thông được đề xuất hiện góc và sau đó tìm vị trí của đa giác đều như hình 1: bằng cách quan sát mối liên hệ giữa các góc như nghiên cứu của Paulo và Correia [7]. Trong bài báo này, phương pháp phát
3. +Lọc trung vị (Median filter): đây là bộ lọc Ảnh ngõ vào phi tuyến, dùng để loại bỏ nhiễu xuất hiện trong ảnh (như nhiễu muối tiêu). +Áp dụng các toán tử hình thái (Morphological Operations): các toán tử này Khối phân ngưỡng màu sắc được sử dụng để có được một đường bao thích hợp của hình dạng biển báo và giảm thiểu các ảnh hưởng đến biến dạng trong quá trình xử lý Khối xử lý ảnh biển báo. Các kỹ thuật chính liên quan đến bước này là giãn ảnh (bổ sung điểm ảnh vào đường bao của các đối tượng), và co ảnh (loại bỏ các điểm ảnh). Đây là kỹ thuật đóng ảnh Khối xử lý biên giúp khôi phục những đường nét của các đối tượng được quan tâm trong ảnh, giúp tránh những biến dạng trong quá trình xử lý để xử lý Khối quay Offset đối tượng chính xác hơn. - Loại bỏ các đối tượng nhỏ và không quan tâm: loại bỏ các đối tượng không phải là vùng ảnh quan tâm được thực hiện theo hai quy tắc Khối tái tạo hình dạng biển báo sau. giao thông + Xem xét kích thước của đối tượng đó hoặc + Xem xét tỉ lệ (hệ số giữa chiều rộng và chiều cao) của đối tượng được đề cập. Ảnh ngõ ra Nếu một đối tượng có số lượng điểm ảnh ít Hình 1: Sơ đồ khối của phát hiện và hơn 1/1500 kích thước tổng thể của ảnh, hoặc nhận dạng biển báo giao thông. tỉ lệ giữa chiều rộng và chiều cao của đối Khối phân ngưỡng màu sắc dùng để tìm tượng nằm bên ngoài phạm vi 0,5 đến 1,03 , các điểm ảnh trong hình có khả năng thuộc chúng ta bỏ qua và không xử lý đối tượng đó. về biển báo đường bộ theo phân khúc màu - Xác định biên và các điểm bao lồi: Mục sắc, tức là tìm kiếm trong ảnh ngõ vào tiêu của khối này là để lấy các điểm bao lồi những đối tượng là biển báo giao thông (có (convex hull) và các điểm trên biên (contour) viền mùa đỏ hay xanh). Để làm điều này, của đối tượng. Thông qua các điểm bao lồi và ảnh ngõ vào RBG được chuyển sang không tập hợp các điểm trên biên này, ta có cơ sở để gian màu IHLS để ít bị ảnh hưởng với xử lý và nhận dạng đối tượng tại các bước tiếp những thay đổi trong độ sáng theo [9] và theo. sau đó nó được phân ngưỡng theo màu sắc Khối xử lý biên là để tránh những biến H (Hue) và độ bão hòa S (Saturation) để lọc dạng trên đường biên của biển báo có thể xảy ra vùng ảnh cần quan tâm dựa trên một ra, mục đích cuối cùng là có được một đường bảng tra. biên tốt nhất để xử lý tại các khối tiếp theo. Khối xử lý ảnh loại bỏ nhiễu xuất hiện Khối góc quay Offset: các góc quay offset trong ảnh cũng như các đối tượng không (Rotational Offset - RO) là một thông số rất phải thuộc về biển báo. Ngoài ra, các đường quan trọng để khôi phục đường cong Gielis. Vì bao và các điểm lồi (convex hull) của đối các đối tượng trong thực tế sẽ bị lệch đi so với tượng cũng sẽ được xác định, là cơ sở cho hình dạng chuẩn của đường cong Gielis. việc phát hiện xử lý ảnh cho các bước tiếp Khối tái tạo hình dạng biển báo giao thông theo. Khối xử lý ảnh bao gồm các buớc sau: là tối ưu hóa các thông số đường cong Gielis 1.Tăng cường ảnh, 2. Loại bỏ các đối tượng để có được những đường cong phù hợp nhất nhỏ và không quan tâm và 3. Xác định biên với các điểm đường biên thu được. Phương và các điểm bao lồi. pháp tối ưu hóa được đề xuất là thuật toán - Khối tăng cường ảnh: ảnh ngõ vào Lavenberg-Marquardt [10] và [11], để tối ưu được loại bỏ mờ do các tác nhân nhiễu hay hóa các hàm giá trị của đường cong Gielis. các tác động. Tăng cường ảnh bao gồm các Hàm giá trị là giá trị bình phương của khoảng bước sau: cách của một điểm đến đường cong Gielis.
4. Ngoài sáu tham số của đường cong Gielis như đã nêu, các thông số khác như là Tx, Ty và tương ứng với vị trí của đối tượng trong hình và góc quay offset của nó được dùng để biểu diễn đường cong Gielis tại kết quả nhận dạng cuối cùng. Hình 4: Module cảm biến siêu âm SRF05. Định nghĩa hàm F(x) để thể hiện vị trí Khối thu nhận hình ảnh : Sử dụng Camera tương đối của đường cong Gielis và các dành cho Raspberry Pi có độ phân giải 5MP, điểm trên biên của biển báo sao cho F(x) quay video ở chất lượng HD 1080p với 30fps. dương khi x nằm trong biên, F(x) âm khi x Có chức năng tiếp nhận hình ảnh từ môi nằm ngoài biên và F(x) = 0 nếu x nằm trên trường xung quanh và đưa về bộ xử lý trung biên của đối tượng. Hàm F(x) dùng để xây tâm để xử lý. dựng hàm giá trị. Và mục đích cuối cùng dùng giải thuật Levenberg-Marquardt để tìm giá trị cực tiểu của hàm giá trị, giải thuật được mô tả như hình 2. Hình 5: Camera thu nhận hình ảnh. Khối xử lý trung tâm : Sử dụng kit nhúng Raspberry PI phiên bản B,sử dụng bộ xử lý ARM11, tốc độ xử lý 700Mhz, Ram 512Mb, 1 Hình 2: Giải thuật Levenberg-Marquardt để cổng ethernet, 2 cổng usb, 26 chân GPIO cực tiểu hàm giá trị. (General Purpose I/O). III. THIẾT KẾ THỰC HIỆN HỆ THỐNG Một hệ thống nhúng hướng tới việc phát hiện và nhận dạng biển báo giao thông gồm 4 khối cơ bản chính như thể hiện ở hình 3 bao gồm : khối cảm biến khoảng cách, khối camera thu nhận ảnh đầu vào, khối xử lý trung tâm và khối hiển thị. Khối cảm Khối thu biến khoảng nhận hình cách ảnh Hình 6: Kit nhúng Raspberry PI B và các khối cơ bản trên kit Khối hiển thị Khối xử lý trung tâm Khối hiển thị: sử dụng màn hình LCD để hiển thị kết quả đã xử lý Hình 3: Hệ thống phát hiện và nhận dạng biển báo giao thông. Khối cảm biến khoảng cách: dùng module siêu âm SRF05 để đo khoảng cách giữa hệ thống và biển báo bằng sóng siêu âm.
5. Khối Khối xử Bảng 2: Một số kết quả phát hiện và nhận dạng cảm biến lý trung biển báo giao thông với giải thuật đề xuất. khoảng tâm cách Hình Hình Hình Hình Hình dạng tròn tam vuông bát giác giác Hình ban đầu Khối Phân camera ngưỡng thu nhận màu ảnh Tăng Hình 7: Mạch thi công phần cứng cường IV. KẾT QUẢ ảnh Kết quả phát hiện và nhận dạng biển báo Xử lý giao thông được tóm tắt tại bảng 1 và một biên số ví dụ thử nghiệm cụ thể được trình bày tại bảng 2. Từ 170 hình có biển báo, 143 hình phát hiện chính xác biển báo giao Tái tạo thông, và 122 hình nhận dạng chính xác đường hình dạng của biển báo. Các trường hợp cong phát hiện sai (27 hình), nguyên nhân là những đối tượng có cùng hình dạng và màu Phát hiện và nhận dạng nhiểu biển báo sắc với biển báo giao thông xuất hiện trong trong các điều kiện thời tiết, ánh sáng, quang ảnh. Lưu ý là những biển báo ở khoảng cảnh trên đường khác nhau như sau: cách quá xa (biển báo xuất hiện quá nhỏ Phát hiện và nhận dạng nhiều biển báo giao trong hình) thì hệ thống không nhận dạng thông và nhiều loại trong cùng một hình do đã được thống nhất bỏ qua trong khối tiền xử lý (cụ thể là khối loại bỏ các đối tuợng nhỏ và không quan tâm). Một số trường hợp nhận dạng sai do góc chụp quá lệch, không rõ hình dạng như hình 12c. Ngoài ra hệ thống cũng không thể nhận dạng biển báo bị biến dạng, bị che chắn, dạng biển báo quá đặc biệt như hình 12a,b. Hình 8 : Phát hiện và nhận dạng nhiều biển báo trong Bảng 1 : Tóm tắt kết quả phát hiện và nhận một hình. dạng biển báo giao thông Phát hiện và nhận dạng biển báo giao thông Phát hiện (%) Nhận dạng trong điều kiện ban đêm, có các ánh sáng (%) ngược từ các thiết bị chiếu sáng. Thử nghiệm Phát Không Nhận Nhận trong môi trường có mưa nhẹ, có sương mù và hiện phát dạng dạng ảnh bị nhoè do ghi hình ở tốc độ cao. hiện đúng sai Biển báo 84.5 15.5 85.8 14.2 viền đỏ Biển báo 82.1 17.9 82.6 17.4 viền xanh Tổng 83.3 16.7 84.2 15.8 cộng Hình 9 : Kết quả thử nghiệm trong môi trường ban đêm, thiếu ánh sáng.
6. nhất trên kít nhúng. Các chương trình, hệ thống phát hiện khá chính xác vùng ảnh biển báo giao thông và hình dạng của nó. Đề tài cũng đã tập trung vào tất cả hình dạng của biển báo giao thông trên đường hiện có (hình tròn, hình tam giác, hình chữ nhật, hình tám cạnh đều) và hai màu sắc viền cơ bản của biển báo (màu xanh và màu đỏ) trong các điều kiện môi Hình 10 : Kết quả thử nghiệm trong môi trường, khí hậu và cảnh quan khác nhau. trường có sương mù và mưa nhẹ. - Đây là bước đầu để phát triển bài toán phát hiện và nhận dạng biển báo giao thông hoàn chỉnh sau này Điểm nổi bật của phương pháp này là không cần phải thu thập dữ liệu, do đó có thể bỏ qua giai đoạn huấn luyện mẫu. - Về chương trình demo chạy trên máy tính, Hình 11 : Kết quả thử nghiệm với ảnh được sau khi thử nghiệm trong các điều kiện môi ghi hình ở tốc độ cao. trường khác nhau (mưa, nhiều mây, ánh sáng Các trường hợp nhận dạng sai: yếu),môi trường chiếu sáng khác nhau (ban ngày và ban đêm), điều kiện của biển báo (bị che khuất, bị phai mờ, bong tróc, bị bẩn bởi sơn, bụi ở mức độ ít), chương trình đạt kết quả tốt, xuất ảnh ngõ ra, thông tin ảnh, tham số qua từng khối. - Về chương trình chạy trên kit nhúng, hệ (a)Ảnh bị che chắn bởi đối tượng khác thống hoạt động ổn định và chính xác, có thể hoạt động một cách hoàn toàn tự động. Tuy nhiên do tốc độ của kit còn chậm hơn so với máy tính, nên thời gian xử lý ảnh chưa đạt yêu cầu xử lý thời gian thực. (b)Biển báo đặc biệt (c)Góc chụp ảnh quá lệch nên không thể nhận dạng rõ ràng hình dạng Hình 12 : Các trường hợp nhận dạng sai V. KẾT LUẬN Bài báo ứng dụng các kỹ thuật xử lý ảnh, thuật toán tối ưu Levenberg-Marquardt vào bài toán xây dựng, thiết kế một hệ thống hướng tới việc phát hiện và nhận dạng hình dạng các biển báo giao thông đuờng bộ. Đề tài đã xây dựng được chương trình thực thi trên máy tính với phương pháp đề xuất, đồng thời chuơng trình này là tiền đề, cơ sở nghiên cứu để xây dựng hệ thống tối ưu
7. TÀI LIỆU THAM KHẢO [1] L. T. Tâm, T. T. Sơn and S. Mita, "Phát hiện và phân loại biển báo giao thông dựa trên SVM trong thời gian thực," Tuyển tập Công trình Nghiên cứu Công nghệ Thông tin và Truyền thông, 2009. [2] N. D. Khánh, L. Đ. Duy and D. A. Đức, "Phát hiện biển báo giao thông dùng đặc trưng cục bộ (local features)," in Hội thảo FAIR (Fundamental And Applied IT Research) lần V, Tháng 08-2011. [3] C. Bahlmann, Y. Zhu, V. Ramesh, M. Pellkofer and T. Koehler, "A System for Traffic Sign Detection, Tracking, and Recognition Using Color, Shape, and Motion Information," Proceedings. IEEE Intelligent Vehicles Symposium, 2005. [4] C. Y. Yang, C. S. Fuh, S. W. Chen and P. S. Yen, "A Road Sign Recognition System Based on Dynamic Visual Model," CVPR’03 Proceedings of the 2003 IEEE computer society conference on Computer vision and pattern recognition, pp. Pages 750-755, 2003. [5] Ballard, "Generalizing the hough transform to detect arbitrary shapes," Pattern Recognition, pp. 111-112, 1981. [6] G. Loy and N. Barnes, "Fast shape-based road sign detection for a driver assistance system," in Intelligent Robots and Systems, 2004. (IROS 2004). Proceedings. 2004 IEEE/RSJ International Conference, vol. 1, 2004, pp. 70-75. [7] C. Paulo and P. Correia, "Automatic Detection and Classification of Traffic Signs," Image Analysis for Multimedia Interactive Services, 2007. WIAMIS '07. Eighth International Workshop on, pp. 11-11, 2007. [8] J. Gielis, "A Generic Geometric Transformation that Unifies a Wide Range of Natural and Abstract Shapes," American Journal of Botany, p. 333–338, 2003. [9] H. Fleyeh, "Color detection and segmentation for road and traffic signs," Cybernetics and Intelligent Systems, 2004 IEEE Conference on , vol. vol.2, pp. pp.809,814, 2004. [10] A. de la Escalera, J. Armingol, J. Pastor and F. Rodriguez, "Visual sign information extraction and identification by deformable models for intelligent vehicles," Intelligent Transportation Systems, IEEE Transactions on, vol. vol.5, p. 68, June 2004. [11] K. Levenberg, "A Method for the Solution of Certain Non-Linear Problems in Least Squares," The Quarterly of Applied Mathematics, pp. 164-168, 1944. [12] D. Marquardt, "An algorithm for least-squares estimation of nonlinear parameters," Journal of the Society for Industrial and Applied Mathematics, pp. 431-441, 1963. Thông tin liên hệ: Họ và tên: Ngô Anh Tuấn Đơn vị: Đơn vị phần mềm chiến lược số 11, nhóm 5, công ty phần mềm FPT Điện thoại: 091.800.7277 Email: tuan.ngoanh.ute@gmail.com Tp. Hồ Chí Minh, ngày tháng năm 20 Giảng viên hướng dẫn
8. BÀI BÁO KHOA HỌC THỰC HIỆN CÔNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ Bài báo khoa học của học viên có xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn Bản tiếng Việt ©, TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH và TÁC GIẢ Bản quyền tác phẩm đã được bảo hộ bởi Luật xuất bản và Luật Sở hữu trí tuệ Việt Nam. Nghiêm cấm mọi hình thức xuất bản, sao chụp, phát tán nội dung khi chưa có sự đồng ý của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. ĐỂ CÓ BÀI BÁO KHOA HỌC TỐT, CẦN CHUNG TAY BẢO VỆ TÁC QUYỀN! Thực hiện theo MTCL & KHTHMTCL Năm học 2016-2017 của Thư viện Trường Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh.