過濾後的三維樣本線段，我們可以看出其在監控區域中以一群一群的型式出 現，因此可以對每一個三維樣本線段的座標資訊進行分群。得到分群的三維樣本 線段之後，再將所有視角影像中每一個群集的軸線頂點座標進行加權平均的計算，
即可找出單獨代表人物的主軸，如圖 4.3 所示，並由此得到人物之高度及定位的 位置。
圖 4.3 由圖 4.2 的三維樣本像段進行分群後，透過加權平均計算的主軸。
23
第 五 章 實驗結果
5.
本章將透過第三章所述的方法，使用三段實際的實驗影片，並透過數據統計 來證實前面章節所提的方法，在整體定位的速度上能夠有所提升，而不損失其正 確性。其中實驗影片解析度為360×240，以frame rate為30的連續圖片來進行實驗。
實驗所用的硬體規格，CPU為2.53GHz，RAM為4GB，作業系統採用Windows 7。
第一段影片中的拍攝場景在室內進行，一共使用了四台攝影機的畫面，影片 中出現人物總共9人，圖5.1至圖5.4是四台攝影機同時拍攝的場景，以及前景建立 後用消失點劃分出來的樣本線段。樣本線段之間的間隔為4個單位。以下範例圖 片是採用圖片編號12451的畫面。
(a) (b)
圖 5.1 (a)為第一段影片中攝影機 1 號的畫面，(b)為透過消失點來對前景區域做取樣的樣本線段。
(a) (b)
圖 5.2 (a)為第一段影片中攝影機 2 號的畫面，(b)為透過消失點來對前景區域做取樣的樣本線段。
24
(a) (b)
圖 5.3 (a)為第一段影片中攝影機 3 號的畫面，(b)為透過消失點來對前景區域做取樣的樣本線段。
(a) (b)
圖 5.4 (a)為第一段影片中攝影機 4 號的畫面，(b)為透過消失點來對前景區域做取樣的樣本線段。
這些樣本線段先經過第二章所說明的方法，計算出攝影機彼此在對方畫面中 的二維位置，接著進行三章所介紹的分析，其中我們決定cross ratio的值以0為基 準，保留在±0.01差距的樣本線段配對，來認定為對定位有所幫助的樣本線段配 對。圖5.5所顯示的這些配對，是經過第四章所述的重建與確認之後，所獲得的 人物軸線，再對於群集的線段，依照4.3節的作法，找到該人物的身高及定位，
如圖5.6所示。而各個定位完成的人物我們也以外接長方體在圖5.1~圖5.4的攝影 機畫面中做標示，如圖5.7所示。
25
圖 5.5 每一條與實際的前景驗證過的人物軸線會群聚而集結出前景人物的雛形。
圖 5.6 從每一群的人物軸線集合找到各別的中心位置，即可對人物進行定位。
26
圖 5.7 第一段影片中，圖 5.1~圖 5.4 的攝影機畫面用外接長方體重繪的定位結果。
27
recall precision error avg
FPS avg 使用 CR 分析 691 5985 234 480 0.9623 0.9257 10.88 128.64
未使用 691 5934 285 372 0.9542 0.941 9.53 64.97
28
第二段影片和前一段影片的拍攝場景相同，一樣在室內進行，使用四台攝影 機，影片中出現人物總共9人，是四台攝影機同時拍攝的場景，以及前景建立後 用消失點劃分出來的樣本線段。與前者不同之處在於人物是隨機進行漫步，所以 發生人物遮蔽的情形會更加嚴重，也藉此測試此方法在嚴重遮蔽時的過濾效果以 及正確性。以下範例圖片圖5.8~圖5.11為採用圖片編號16616的畫面。
(a) (b)
圖 5.8 (a)為第二段影片中攝影機 1 號的畫面，(b)為透過消失點來對前景區域做取樣的樣本線段。
(a) (b)
圖 5.9 (a)為第二段影片中攝影機 2 號的畫面，(b)為透過消失點來對前景區域做取樣的樣本線段。
29
(a) (b) 圖 5.10 (a)為第二段影片中攝影機 3 號的畫面，
(b)為透過消失點來對前景區域做取樣的樣本線段。
(a) (b) 圖 5.11 (a)為第二段影片中攝影機 4 號的畫面，
(b)為透過消失點來對前景區域做取樣的樣本線段。
利用這些樣本線段進行cross ratio分析，其中cross ratio的值我們仍以0為基準，
保留±0.01差距的樣本線段配對，來認定是對定位有幫助的二維樣本線段配對，
重建三維模型，如圖5.12即為第二段影片中，利用第四章所述方法找出的人物軸 線，以及圖5.13所顯示的是透過4.3節所述的方法來進行人物定位。圖5.14則是第 二段影片中圖5.8~圖5.11的攝影機畫面，將所定位的人物用外接長方體標示的結 果。
30
圖 5.12 第二段影片中與實際前景對應驗證過的人物軸線。
圖 5.13 第二段影片中從人物軸線集合的中心位置對人物進行定位。
31
圖 5.14 第二段影片中，圖 5.8~圖 5.11 的攝影機畫面用外接長方體重繪的定位結果。
32
recall precision error avg
FPS avg 使用 CR 分析 775 6722 262 427 0.9624 0.9402 9.53 121.01
未使用 775 6588 396 355 0.9433 0.9488 9.68 60.182
33
為了增加人物的複雜度，此段影片中採用上一段影片的架構，並再增加人數，
使遮蔽的情況更加嚴重。本實驗影片使用四台攝影機，出現人物總共 12 人，在 偵測範圍內隨機進行漫步。以下範例圖片圖 5.18~圖 5.21 採用圖片編號 19312 的 畫面，是四台攝影機同時拍攝的場景，以及前景建立後用消失點劃分出來的樣本 線段。
(a) (b) 圖 5.15 (a)為第三段影片中攝影機 1 號的畫面，
(b)為透過消失點來對前景區域做取樣的樣本線段。
(a) (b) 圖 5.16 (a)為第三段影片中攝影機 2 號的畫面，
(b)為透過消失點來對前景區域做取樣的樣本線段。
34
(a) (b) 圖 5.17 (a)為第三段影片中攝影機 3 號的畫面，
(b)為透過消失點來對前景區域做取樣的樣本線段。
(a) (b) 圖 5.18 (a)為第三段影片中攝影機 4 號的畫面，
(b)為透過消失點來對前景區域做取樣的樣本線段。
35
圖 5.19 第三段影片中與實際前景對應驗證過的人物軸線。
圖 5.20 第三段影片中從人物軸線集合的中心位置對人物進行定位。
36
圖 5.21 第三段影片中，圖 5.15~圖 5.18 的攝影機畫面用外接長方體重繪的定位結果。
37
recall precision error avg
FPS avg 使用 CR 分析 271 3094 158 398 0.9514 0.886 10.33 85.36
未使用 271 3020 232 345 0.9287 0.897 10.4 45.879
38