Nguyên lý hoạt động camera AI đếm hành khách xe buýt chính xác 99%

Camera AI đếm hành khách (passenger counting) là hệ thống tích hợp cảm biến stereo vision 3D và deep learning, lắp trên trần xe buýt để tự động đếm số người lên xuống với độ chính xác lên đến 99%. Công nghệ này đang được các đơn vị vận tải hành khách công cộng tại Việt Nam triển khai nhằm tối ưu lộ trình, quản lý doanh thu và nâng cao hiệu quả vận hành.

Passenger counting xe buýt là gì?

Passenger counting xe buýt là hệ thống tự động đếm số lượng hành khách lên và xuống tại mỗi điểm dừng, sử dụng camera AI kết hợp cảm biến stereo 3D. Dữ liệu được ghi nhận theo thời gian thực, giúp nhà quản lý biết chính xác lượng khách trên từng tuyến, từng chuyến.

Hệ thống bao gồm camera gắn trên trần xe, bộ xử lý nhúng AI và phần mềm quản lý trung tâm. Camera ghi lại luồng di chuyển, phân tích chiều sâu và hình dạng để xác định đối tượng là người, sau đó đếm số lần vượt qua vùng đếm (counting line) ảo. Kết quả được truyền về server qua 4G hoặc Wi-Fi, tích hợp với phần mềm quản lý đội xe để báo cáo realtime.

Cấu tạo và nguyên lý của camera stereo 3D trong đếm hành khách

Camera stereo 3D sử dụng hai ống kính đặt cách nhau một khoảng cố định, mô phỏng thị giác hai mắt của con người. Bằng cách so sánh sự khác biệt giữa hai hình ảnh (disparity), hệ thống tính toán bản đồ chiều sâu (depth map), từ đó xác định chính xác vị trí và kích thước của từng đối tượng.

Nguyên lý này cho phép phân biệt người với vật thể phẳng như ba lô, túi xách hoặc ghế trống — vốn là nguyên nhân gây sai số lớn ở camera 2D thông thường. Camera stereo 3D hoạt động ổn định trong điều kiện thiếu sáng hoặc ngược sáng nhờ đèn hồng ngoại chủ động, đảm bảo độ chính xác passenger counting lên đến 99% kể cả khi xe đông khách.

Thuật toán deep learning phát hiện và theo dõi hành khách

Mạng nơ-ron tích chập (CNN) được huấn luyện trên hàng triệu hình ảnh hành khách ở các tư thế, độ tuổi và trang phục khác nhau. Thuật toán phát hiện vùng đầu-vai (head-shoulder detection) và theo dõi quỹ đạo di chuyển (tracking) để xác định hướng lên-xuống.

Các bước xử lý chính:

1. Frame đầu vào từ camera stereo được đưa qua mạng CNN để phát hiện vùng chứa người (bounding box).
2. Thuật toán SORT (Simple Online and Realtime Tracking) gán ID duy nhất cho từng đối tượng và theo dõi chuyển động giữa các frame.
3. Khi đối tượng vượt qua vùng đếm ảo (counting line) theo hướng vào hoặc ra, bộ đếm tương ứng tăng lên 1.
4. Bộ lọc nhiễu (noise filter) loại bỏ các tín hiệu giả do hành khách cúi người, xoay người hoặc trẻ em chạy nhảy.

Phân biệt người lớn và trẻ em — thách thức và giải pháp

Phân biệt người lớn và trẻ em dựa trên chiều cao và kích thước vùng đầu-vai từ bản đồ chiều sâu. Trẻ em thường có tỷ lệ đầu/thân lớn hơn và chiều cao thấp hơn so với người lớn, giúp CNN phân loại với độ chính xác trên 95%.

Thách thức lớn nhất là khi trẻ em được bế trên tay hoặc đứng sát người lớn. Giải pháp là sử dụng kỹ thuật phân đoạn theo chiều sâu (depth segmentation): nếu hai đối tượng có khoảng cách chiều sâu chênh lệch từ 15-30 cm, hệ thống tách thành hai thực thể riêng biệt. Dữ liệu này hữu ích cho việc tính vé ưu đãi, thống kê lượng khách theo nhóm tuổi.

Bảng tóm tắt so sánh công nghệ đếm hành khách

Công nghệ	Nguyên lý	Độ chính xác	Ưu điểm	Nhược điểm
Camera stereo 3D + AI	Depth map + CNN	95-99%	Phân biệt người/vật, hoạt động trong tối	Chi phí cao hơn
Camera 2D + AI	Xử lý ảnh 2D	85-92%	Chi phí thấp, dễ triển khai	Sai số khi đông người, thiếu sáng
Cảm biến hồng ngoại	Beam cắt	70-80%	Đơn giản, giá rẻ	Không phân biệt người/vật, dễ nhiễu
Cảm biến áp lực bậc thang	Trọng lượng	60-75%	Bền, không phụ thuộc ánh sáng	Sai số do nhiều người cùng lúc, khó bảo trì

Tích hợp dữ liệu passenger counting vào hệ thống quản lý đội xe

Dữ liệu từ camera được gửi về server trung tâm qua giao thức MQTT hoặc HTTP, sau đó đồng bộ với phần mềm quản lý vận tải (Fleet Management System). Hệ thống có thể xuất báo cáo realtime và lịch sử theo tuyến, theo chuyến, theo khung giờ.

Ứng dụng thực tế:

• Tối ưu lộ trình: nếu tuyến A giờ cao điểm luôn quá tải, điều chỉnh tăng tần suất hoặc bổ sung xe.
• Tính doanh thu vé: so sánh lượng khách thực tế với số vé bán ra để phát hiện thất thoát.
• Dự báo nhu cầu: dựa trên dữ liệu lịch sử, hệ thống gợi ý lịch trình cho các ngày lễ, sự kiện.
• Báo cáo KPI: đánh giá hiệu suất từng tài xế, từng tuyến dựa trên lượng khách trung bình.

Việt Đức Trí Group cung cấp giải pháp tích hợp sẵn với các phần mềm phổ biến tại Việt Nam, giúp doanh nghiệp vận tải dễ dàng áp dụng mà không cần phát triển lại từ đầu. Tham khảo thêm về Giải pháp camera đếm người heatmap dwell time TTTM toàn diện để hiểu rõ hơn về ứng dụng mở rộng.

Sai lầm thường gặp khi triển khai passenger counting xe buýt

Nhiều đơn vị vận tải mắc sai lầm khi chỉ dùng camera 2D thông thường hoặc lắp đặt sai vị trí, dẫn đến độ chính xác thấp. Dưới đây là các lỗi phổ biến và cách khắc phục:

Câu hỏi thường gặp

Để được tư vấn giải pháp passenger counting xe buýt phù hợp với đội xe của bạn, hãy liên hệ ngay với Việt Đức Trí Group qua hotline 0935 295 337 hoặc email [email protected]. Chúng tôi cung cấp khảo sát miễn phí, demo thiết bị và báo giá chi tiết trong 24 giờ.