全域運動估測使用 PTZ 攝影機運動模型

為 了 估 計 PTZ 模 型 參 數 ， 所 使 用 的 方 法 為 “ 非 線 性 回 歸 ” （ Nonlinear Regression）。將圖 26 中 90 對“對應點”隨機分為 60 對與 30 對兩群，其中 60 對 的一群是做為估計攝影機參數使用，稱為訓練群（Training Set），而 30 對的一群 則是要驗證算出來的攝影機參數，稱為測試群（Testing Set）。把訓練群當作非線 性回歸的輸入，經過非線性回歸的計算，會求出表 7 的六個相機參數，用此六 個參數即可以描述圖 26 （a）與圖 26（b）之間的攝影機運動。

(a) 處理畫面

I

t (b) 參考畫面

I

t+1

圖 26：Zoom 影片中的手動標示點

假設圖 26 （a）中有一起點座標為（x , y）

，

對應到圖 26 （b）終點座標

（x′

, y′ ）

；若將起點座標與表 7 的六個運動參數帶入（5.1）式，可求得新的終

點座標（

x′

_n

, ′ ） y

_n 。距離誤差（5.2）式可用來計算所求得的終點座標（

x′

_n

, ′ ） y

_n 相對於手動標示座標（x′

, y′ ）之準確性，其誤差的單位為像素。表 8 統計出 60

對訓練群的終點誤差分佈情形，從表 8 可以看出經由攝影機參數所估得的終點 誤差都小於兩個像素以下。表 9 統計出 30 對測試群的終點誤差分佈情形，可以 看到誤差也在兩個像素以下。

err = |

x′

- x′ | + |

_n

y′ - ′ | （5.2） y

_n

表 7：圖 26 (a) 與圖 26 (b) 的攝影機參數

P

1

P

2

P

3

P

4

P

5

P

6

0.962542 -0.000416 -0.094951 0.176463 0 0.000026

表 8：訓練群終點誤差分佈（共 60 對）

在我們拍攝的第二段影片中，物體一樣都靜止不動，而攝影機除了縮小的動 作外還有往左傾斜攝影，圖 27（a）與圖 27（b）分別為影片中攝影機運動前與 攝影機運動後的兩張畫面。在圖 27 的兩張影像中標示了 44 對“對應點”，將 44 對“對應點”隨機分為訓練群 24 對與測試群 20 對，而誤差函數同樣使用（5.2）

式。訓練群與測試群的誤差結果統計在表 11 中，由表 11 可得知終點誤差也都 小於兩個像素，而誤差小於 1.5 像素的佔了全部的 91%，誤差小於 1 個像素的則 佔了 71%。

(a) 處理畫面

I

t (b) 參考畫面

I

t+1

圖 27：Pan、Tilt、Zoom 影片中的手動標示點

表 11：圖 27 (a) 與圖 27 (b) 所求得的終點誤差之統計(共 44 對)

0<err≦0.5 0.5<err≦1.0 1.0<err≦1.5 1.5<err≦2.0 2<err

Training set 5 12 5 2 0

Testing set 6 8 4 2 0

25% 46% 20% 9% 0%

圖 28 是MPEG 組織所提供的測試影片 Mobile 的手動標示點，本章節的實 驗會對圖 28（a）的畫面做切割。Mobile 影片的攝影機運動除了縮小以外，尚 會往左平移，因此，Mobile 影片的攝影機運動並不完全符合 PTZ 攝影機運動模 型，但是在此我們同樣用 PTZ 攝影機運動模型來近似其攝影機運動，並估計其

誤差。為了計算攝影機參數，分別在圖 28 兩張畫面中的背景部分手動標示了 35 對“對應點”，如圖 28（a）與圖 28（b）所示。將 35 對“對應點”隨機分為訓練 群 25 對與測試群 10 對，訓練群所求得的攝影機參數如表 12 所示，並且利用測 試群來驗證終點的誤差，誤差函數同樣使用（5.2）式。誤差的結果統計在表 13 中，由表 13 可得知終點誤差也都小於兩個像素，而誤差小於 1.5 像素的佔了全 部的 94%，誤差小於 1 個像素的則佔了 71%。全域運動估測流程如圖 29 所示，

而估計全域運動的方法總結如下：

1. 找到具有運動關係的對應點。

2. 輸入對應點並利用非線性回歸求得攝影機參數。

3. 將 I_t上起點座標與攝影機參數帶入（5.1）式，求出全域運動在 I_t+1上的 終點座標。

(a) 處理畫面

I

t (b) 參考畫面

I

t+1

圖 28：Mobile 影片中的手動標示點

表 12：圖 28 (a) 與圖 28 (b) 的攝影機參數

P

1

P

2

P

3

P

4

P

5

P

6

0.986704 0.000443 2.848848 0.155756 0 0

表 13：圖 28 (a) 與圖 28 (b) 所求得的終點誤差之統計(共 35 對)

0<err≦0.5 0.5<err≦1.0 1.0<err≦1.5 1.5<err≦2.0 2<err

Training set 5 12 6 2 0

Testing set 6 2 2 0 0

31% 40% 23% 6% 0%

圖 29：全域運動估測流程圖

在文檔中 利用階層分解之視訊壓縮 (頁 47-52)