การพัฒนาโปรแกรมตรวจจับการฝ่าฝืนสัญญาณไฟแดงและการสวมหมวกนิรภัยโดยใช้กล้องวงจรปิด
คำสำคัญ:
พฤติกรรมการฝ่าฝืนสัญญาณ, ไฟแดง, การสวมหมวกนิรภัย, อุบัติเหตุทางถนน, ระบบตรวจจับอัตโนมัติบทคัดย่อ
บทความวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาโปรแกรมตรวจจับการฝ่าฝืนสัญญาณไฟแดงและการไม่สวมหมวกนิรภัยของผู้ขับขี่รถจักรยานยนต์ด้วยกล้องวงจรปิด เพื่อเพิ่มประสิทธิภาพในการบังคับใช้กฎหมายของเจ้าหน้าที่ตำรวจ โปรแกรมที่พัฒนาขึ้นนี้สามารถนำภาพวิดีโอแต่ละเฟรมจากกล้องมุมกว้าง (Overview camera) มาใช้เพื่อการตรวจจับการฝ่าฝืนสัญญาณไฟจราจรแบบอัตโนมัติ โดยมีหลักการทำงานคือ โปรแกรมจะตรวจสอบสีของดวงโคมสัญญาณไฟจราจร เมื่อสัญญาณไฟจราจรเปลี่ยนเป็นสีแดง โปรแกรมจะตรวจสอบรถที่วิ่งข้ามเส้นหยุดเข้าพื้นที่ทางแยก ซึ่งจะถือว่าเป็นการฝ่าฝืนสัญญาณไฟแดง กล้องป้ายทะเบียนจะจับภาพป้ายทะเบียนรถคันดังกล่าวแล้วทำการบันทึกภาพเหตุการณ์และภาพป้ายทะเบียนแบบเวลาจริง ข้อมูลภาพทั้งสองจะถูกบันทึกลงในฐานข้อมูลพร้อมข้อมูลอื่นๆ ที่จำเป็นสำหรับการนำมาออกใบสั่งภายหลัง ผู้วิจัยใช้ภาษา C++ ในการพัฒนาโปรแกรมร่วมกับไลบรารี Open CV (Open Source Computer Vision) ในการจัดการและประมวลผลภาพวิดีโอ และใช้ MySQL เป็นตัวจัดการฐานข้อมูล (DBMS) นอกจากนี้โปรแกรมยังช่วยตรวจจับผู้ไม่สวมหมวกนิรภัยได้โดยผู้ใช้จะทำการตรวจสอบภาพที่ได้จากกล้องมุมกว้างที่บันทึกไว้ในฐานข้อมูล เมื่อพบผู้ขับขี่รถจักรยานยนต์ที่จอดรอสัญญาณไฟจราจร หรือขับขี่รถจักรยานยนต์เข้าทางแยกที่ไม่สวมหมวกนิรภัย ก็บันทึกภาพวีดีโอเป็นภาพนิ่ง จากนั้นจะตรวจสอบภาพป้ายทะเบียนจากกล้องจับภาพป้ายทะเบียน พร้อมทั้งบันทึกภาพเหตุการณ์ทั้งหมดลงในฐานข้อมูล ผลการประเมินประสิทธิภาพของโปรแกรม พบว่าโปรแกรมสามารถตรวจจับรถที่ฝ่าฝืนสัญญาณไฟแดงได้ร้อยละ 85 ของรถที่ฝ่าฝืนทั้งหมด สามารถตรวจจับยานพหานะได้เกือบทุกประเภท ทั้งในช่วงกลางวันและกลางคืน ผลตรวจสอบความถูกต้องของโปรแกรม พบว่า โปรแกรมมีความเที่ยงตรงในการตรวจจับรถที่ฝ่าฝืนสัญญาณไฟแดงถึง ร้อยละ 96.3 นอกจากนี้โปรแกรมดังกล่าวยังสามารถประยุกต์ใช้ในการตรวจจับการไม่สวมหมวกนิรภัยได้โดยมีความเที่ยงตรงในการตรวจจับผู้ไม่สวมหมวกนิรภัยร้อยละ 96.3
เอกสารอ้างอิง
2. Jantosut P, Kumphong J, Wonghabut P, Satiennam W, Satiennam T, Ung-arunyawee R.The Evaluation of CCTV
camera enforcement to reduction of red-light running and increase of a helmet use. 13th Thailand road safety seminar:
Invest for sustainable road safety 2017: 73–74. Thai.
3. Stauffer C, Grimson WEL. Adaptive background mixture models for real-time tracking. Proceedings of the 1999 IEEE Computer Vision and Pattern Recognition. 1999; 2: 246 –252.
4. Silva R, Aires K, Veras R. Helmet detection on motorcyclists using image descriptors and classifiers. 27th SIBGRAPI Conference on graphics, patterns and images 2014: 141–148.
5. Solomon C, Breckon T. Fundamentals of Digital Image Processing. A practical approach with examples in Matlab. Wiley-Blackwell: West Sussex; 2011.
6. OpenCV Developers Team: itseez. OpenCV [Online], from http://opencv.org. 2013.