以高斯混合模型進行人物偵測之實驗結果

本部分我們將以不同夜間監控場景為我們實驗的環境，並套用我們的人物偵 測系統進行測試。首先以夜間室內環境亮度穩定之場景進行偵測，如圖 4.2 為一 場景之實驗結果，取樣頻率為每1.5 秒一次，圖 4.2(a)為純背景影像，於此實驗 的過程中，行人外接矩形在第四次取樣（圖 4.2(d)）之偵測結果時受到地板反光 之影響，而第五次取樣（圖 4.2(e)）之偵測結果受到牆壁反光的影像，其餘偵測 結果的外接矩形皆穩定。

(a) (b) (c)

(d) (e) (f)

圖 4.2 高斯混合模型用於夜間室內環境亮度穩定之場景之前景偵測

首先，如圖 4.3 所示，我們先對同場景之近紅外光照射強度做調整後再進行 多個前景之偵測且每 1.5 秒取樣一次，圖 4.3(a)是純背景之影像，由第四（圖 4.3(d)）、五（圖 4.3(e)）次取樣之偵測結果可知當前景物體於影像中無重疊

（occlusion）時，本系統可正確地分割前景物體。如圖 4.3(b)(c)(f)，當前景物重 疊時，本系統則會將兩個前景物體視為一個，至於如何正確地偵測並標示出重疊 之前景物亦為未來的研究議題之一。

53

(a) (b) (c)

(d) (e) (f)

圖 4.3 高斯混合模型用於夜間室內環境亮度穩定之場景之複數前景偵測

其次，如圖 4.4 所示，我們對室內、外交接之場景進行本實驗之偵測且每 1.5 秒取樣一次，由第五次取樣（圖 4.4(e)）之偵測結果可知，前景與背景的灰 階值相似會造成前景物體被切割破碎的情形，而如何對外接矩形之不理想結果進 行修復亦為未來一個值得研究的議題。

(a) (b) (c)

(d) (e) (f)

圖 4.4 高斯混合模型用於夜間室內、外交接口環境之場景之複數前景偵測

接著，如圖 4.5 所示，我們對室外場景作實驗測試並在前景物出現後之每 1.5 秒取樣一次。其中第六次取樣（圖 4.5(f)）之偵測結果因為前景與背景的灰 階值幾乎相同，因此造成前景偵測產生破碎的情形，此問題主要是因為近紅外線 攝影機在擷取影像時，其所接收之近紅外光超過一定強度時，畫面即呈現泛白情 形，沒有辦法透過自動白平衡、自動曝光獲得較之影像。

(a) (b) (c)

(d) (e) (f)

圖 4.5 高斯混合模型用於夜間室外場景之前景偵測

最後，如圖 4.6 所示，我們對使用雙模式高斯混合模型於感應式照明環境進 行人物偵測並擷取其中六張偵測結果影像。其中，圖 4.6(b)(c)(d)為感應式照明 燈關閉情形下的偵測結果，圖 4.6(e)(f)為感應式照明燈開啟情況下的偵測結果。

原本的高斯混合模型無法處理光源迅速變化的環境（如圖 4.6(d)至圖 4.6(e)），

經過我們的方法處理後確實能夠得到較理想的偵測結果。除此之外，如圖 4.6(e)(f)，我們使用掃描線濾除人影的方法，確實能使我們的系統得到理想且不 包含陰影的人類外接矩形。最後，我們將人影資訊回饋至雙模式高斯混合模型，

系統在更新背景時才不會學得錯誤的背景資訊。

55

(a) (b) (c)

(d) (e) (f)

圖 4.6 雙模式高斯混合模型用於感應式照明環境之前景偵測

第五章 結論與未來工作

在本篇論文中，我們針對夜間環境下之近紅外線影像作處理，主要利用時空 域雙向濾波器進行雜訊濾除以及高斯混合模型進行前景偵測。近紅外線影像之畫 面常會有雜訊點，造成影片播放時背景影像不穩定。本研究使用的雙向濾波器能 改善此雜訊強烈的情形，並增加使用者觀看影片的舒適感，以及系統人物偵測的 穩定性。除此之外，本研究之雙模式高斯混合模型除了能對一般夜間環境進行人 物偵測外，亦特別針對感應式照明設備環境進行處理，我們透過照明設施開、關 的偵測進行背景模式的切換。由於開燈環境下，物體之光影現象更為強烈，本研 究亦提出掃描線偵測人類立足點的方式濾除人物的影子。因此，即使在環境光源 驟變且前景物體影子強烈的情況下，本系統亦能偵測出理想的前景外接矩形。

雙向濾波器能改善雜訊強烈的情形，但是需要耗費大量的運算時間。若要將 此雜訊濾除方式以軟體的形式執行，將無法應用於即時系統中。然而，近紅外線 影像之雜訊較一般影像嚴重，部分使用者會期望能有更加的視訊品質，因此即使 本雜訊濾除方式適用於非即時系統，提供使用者較清晰與穩定之影像還是有其存 在的必要性。由於雙向濾波器處理過程中，其輸入與輸出的資訊可平行化程度極 高，因此可平行地進行每一個像素點之處理，未來若能將本濾波器以圖形處理單 元（Graphics processing unit）的方式平行化處理，則可用於即時系統中。此外，

利用時空域雙向濾波器進行雜訊濾除時，其所參考的空間鄰近像素點數量為一個 預設值，然而，使用固定大小之空間區域作運算，其結果容易受影像區塊

（segmentation）影響。未來若能先將一張純背景影像依其內容進行影像區塊切 割，再依其切割結果分析並制定空間域雙向濾波器內每一個像素點之鄰近區域的 大小，其雜訊濾除的結果將更為顯著，至於如何依切割結果制定此大小亦是一個 值得研究的議題。

本系統之高斯混合模型只對前景物體進行偵測並標記出外接矩形，然而由於