第二章 蒐集之資料、文獻分析
第二節 人流計數技術
壹、閉路監控發展
閉路電視(Closed-Circuit Television；CCTV)為針對特定地區進行視訊的傳輸，緣起為 1913 年英國對被監禁的婦女參政權論者進行秘密攝影開始[18]，到 1961 年倫敦運輸 火車站第一次公開安裝視頻監控系統，因此英國不但是 CCTV 應用的發源地，也是監 控產業最發達的國家，英國人已經對於街道上、商舖中的攝影機不以為意，並習以為 常。
隨著科技的進步，使得智慧型監控系統越來越普及化，一組快速而且計算量低的 即時人形辨識偵測系統，其用途為在影像監視系統中提供人與非人物體之判別，我們 結合背景建構及動態自動調適的更新方式來分割視訊物件，再依照各個物件的區域位 置，預測其移動範圍，建立各個物件的完整移動路徑，再將此路徑加以追蹤，判定在 整個影像序列中是否發生了滯留事件，且利用截取出之視訊物件輪廓，計算其最小距 離轉換值，以建立一多元搜尋樹，並建構成人形資料庫。
近年來，數位監視錄影系統漸漸取代傳統的監視器，不但提升錄影品質增加遠端 監看及保全等功能，更方便歷史資料查詢及管理，並已進入新的應用領域。由於全球 寬頻網路的建設更趨完善，且數位儲存媒體之技術大幅改進，而智慧型監控系統受到 十分之關注。
現今影像監視系統大多使用單一階層系統，它必須維持工作狀態，因此它非常沒
有工作效率，隨時隨地的在消耗功率。而期望之後應用無線感測網路(Wireless Senor Network , WSN)在影像監視系統中，一個含影像攝影鏡頭它必需隨時攝影而為了將影 像傳至主機端，影像必須經過壓縮程序才能達到省時或節省頻寬，壓縮過程必須經過 複雜計算而消耗功率。
貳、人群辨識分析
現今社會科技非常發達，可將一截取到的影片作定格，使一連續動作分隔為數張 圖片，然後對於變動較小背景物，會因為圖片的相減而被忽略，而當有物體經過圖片 相減必會出現有差異部份。
人形辨識通常依據影片中人物活動時外形的可能範圍，然後從此範圍內獲取規律 性之資訊，這些資訊可以指出這張影像中人的姿態。這個方法的優點為其可以處理其 色彩分成不明顯之人形。人形偵測的問題可以被視為在一個二維資料的特徵空間資料 搜尋的問題。
本研究運用物體移動之慣性特性，將前一張影像所取得之物件加上個別物件之運 動向量，即可預估在目前影像畫面上各物件所應出現之位置，再依靠各預估位置尋找 與原質心最小距離之物件，若物件實際的質心位置與預估位置十分靠近則視為匹配成 功，又因物件有可能相互遮蔽，所以遺失之視訊物件必須額外加以追蹤。
一個新的人形追蹤演算法，並且以此演算法配合一主動式攝影機，發展出一套即 時的人型追蹤系統。人形辨識可區分為兩部分：人形偵測辨識以及人形追蹤。在人形 偵測辨識部分，可使用時間差異（Temporal Differencing Method）在場景中切割出移動 的物件，然後根據移動物件的外型以及膚色等特徵，來判斷所偵測到移動物件是否為 人型。而在多人環境部分，再藉由顏色的特徵來進行多人的辨識，此一部份所採用的 技術是根據人體的比例，擷取出人體中軀幹的部位，把上半身的色彩資訊記錄下來，
並將其當成特徵，用來區隔出不同的人，假設當有兩個以上的人出現在鏡頭中時，即 可以利用這個特徵，來區別出不同的人，以便系統可以鎖定某一個特定的人來進行追 蹤。在人形追蹤部分，本研究使用了卡曼濾波器(Kalman filter)，配合攝影機的動作控 制，包含了上下、左右移動，來對人物進行追蹤，並且控制鏡頭的倍率，取得人臉的
特寫照片。
此人形辨識系統有以下優點：(1)改良了傳統式的監視系統，讓監視系統智慧化，
不需有人員在現場監控。(2)進行人形偵測辨識動作，只對人形進行紀錄，避免不必要 的背景干擾。(3)使用主動式攝影機，會跟隨著人形來追蹤，並將臉部特寫照片儲存下 來。(4)可使用於複雜的環境，像是多人環境或者是戶外環境，都可正常動作。
人形計數的部份，是利用上述所建之資料庫，先辨識物件是否為人形，之後再加 以統計。實際監視系統測試，人形辨識的正確辨識率達 89%，誤判率低於 8% ，其識 別技術比較如圖 2-1 與圖 2-2。
圖 2- 1 人群影像說明
（a）走道間入口影像（b）在中華大學的擁擠場景（c）測試視訊檔中之人群遮蔽景象 (資料來源： 本研究自行繪製)
圖 2- 2 技術辨識比較
（a）測試視訊檔中人群遮蔽景象（b）blob-based background subtraction 方法的前 景偵測（c）採用 point-based 目標偵測和追踪，每種顏色代表個別目標 (資料來源：本研究自行繪製)
在本研究中，為了在建築物各區域中偵測個別的目標物以及分析群體移動所產生 的軌跡資訊，本研究規劃透過在擁擠環境中偵測、追蹤個別的目標物，以及將群體運 動軌跡進行偵測分類。本研究提出的方法為利用 corner 特徵點為基礎發展一項從粗糙 到細緻的目標物分割技術以解決在人群中的目標偵測及追蹤技術。在此演算法中，首 先利用 Kanade-Lucas-Ttomasi (KLT)演算法尋找 corner 特徵點，再利用 C-Means 演算 法將特徵點做粗略的分群，最後運用 corner 特徵點繼承的概念來追蹤所有移動個體目 標物，在以下針對 KLT 光流法與模糊 C-means 分群法作介紹：
1. KLT(Kanade-Lucas-Tomasi) 光流法[15]
KLT(Kanade-Lucas-Tomasi) 光流法是對向量 x 做的一個正交變換 y=Φx，目的是 變換到 y 後除去數據相關性。Φ是 x 特徵向量組成的矩陣，滿足 ΦTΦ=I，當 x 都是實 數時，Φ就是正交矩陣。
光流的概念是 Gibson 在 1950 年首先提出來的[13]。它是空間運動物體在觀察成 像平面上的圖元運動的瞬時速度，是利用圖像序列中圖元在時間域上的變化，以及相 鄰幀之間的相關性來找到上一幀跟當前幀之間存在的對應關係，從而計算出相鄰幀之 間物體的運動資訊的一種方法。一般而言，光流是由於場景中前景目標本身的移動、
相機的運動，或者兩者的共同運動所產生的。其計算方法可以分為三類：
（1）基於區域或者基於特徵的匹配方法；
（2）基於頻域的方法；
（3）基於梯度的方法；
簡單來說，光流的研究是利用圖像序列中的圖元強度資料時域變化和相關性，來 確定各自圖元位置的“運動”。研究光流場的目的就是為了從圖片序列中，近似得到 不能直接得到的運動場。
光流法的前提假設：
（1）相鄰幀之間的亮度恆定；
（2）相鄰視頻幀的取幀時間連續，或者，相鄰幀之間物體的運動比較“微小”；
（3）保持空間一致性；即，同一子圖像的圖元點具有相同的運動
由此可見，做了 KLT 變換之後，Σy 成為對角陣，也就是對於任意 i≠j，有 cov(yi,yj)=0，而 i=j，有 cov(yi,yj)=λi，所以說除去了數據相關性。最後，yi 的方差與 x 協方差矩陣的第 i 個特徵值相等，即𝜎𝑖2 = 𝜆𝑖。
2. 模糊 C-means 分群法[16]
模糊 C-means 分群法（fuzzy C-means clustering）簡稱 FCM，乃是一種根據 C-means algorithm 衍生而來的分群法，Bezdek 在 1973 年首先提出該方法[14]，透過模糊邏輯的 概念，希望能進一步提升分群的效果。 燈也智能。倫敦市市長 Boris Johnson 公開宣佈這種智慧交通信號燈可以通過攝影機來
監測人行橫道上的行人數量，當系統檢測到目前有許多人正在十字路口等待準備穿過 馬路，該智慧信號燈就會自動調整延長綠燈的時間，讓更多的行人有更加充足的時間 安全穿過馬路，如圖 2-3。
圖 2- 3 智慧型交通信號燈
(資料來源：http://3smarket-info.blogspot.tw/2014/03/blog-post_800.html)
國外大型商場超市安防監控防盜技術探討：人流監控，每天的下班時間和週末往 往是大型超市人流比較多的時候，超市必須根據超市內人流情況，做出適當的安排並 進行人流的疏導，以避免因為人潮而發生不必要的意外。利用遠端視頻監看系統，能 使超市管理部門即時瞭解顧客數量與分佈的情況，並據此進行疏導等必要的工作。
在國內，便利商店的數量逐漸增高，工研院設計了一款便利商店智慧型空調省電 控制器:人流監控，提高空調設定溫度是超商節能容易施行的方法之一，然而，提高溫 度有降低舒適度的隱憂，尤其是原本就較高的室溫，在大量人潮湧入時，溫度勢必再 提升，使室內溫度舒適程度大為降低。因此，SPSC 強調在不違反舒適度前提下，依據 超商外溫及人流多寡，動態調整冷氣設定溫度，於尖峰時段提供高舒適度；於離峰時 段，執行省能模式，經實際驗證，可節省夏季 20%以上之冷氣耗能。依據超商外溫及 人流多寡，動態調整冷氣設定溫度。應用於便利商店、電影院、餐廳、飯店等需要冷 氣空調之場所。尖峰時段提供高舒適度；離峰時段，執行省能模式。
人流偵測監控即時完成其從人流計數所獲取的偵測資料，資訊供給商業智能，有 效管理智慧，可依使用者的需求以天或週為單位錄影，匯出數據至後端整合系統作進 一步分析，作為相關產業的商業智能(Business Intelligence)參考之用，亦能結合滿景資 訊的智慧型性別偵測功能，即時就人臉特徵判別，瞭解顧客的消費結構，適用於零售 業及娛樂場所，如零售業者可善用此資訊，來瞭解顧客的消費行為，進而提升顧客的
服務滿意度，或規劃商場的動線安排等，達到加乘的行銷效果。