第二章 人體區域偵測
2.1 前景物擷取與影子濾除
若直接對影像作人體偵測，只能以畫面中的輪廓特徵做分析，此方法不但耗 時且可能因複雜的背景而影響正確性。有鑑於此，我們預先建立監控環境的背景
輸入影像
人體區域與膚色區域 前景物擷取與影子濾除
前景物區域的膚色擷取
9
10
(c) PH(x,y)−BH(x,y) ≤TH
其中，PH (x, y)、PS (x, y)、PV (x, y)分別為目前影像座標(x, y)的 HSV 強度值，BH (x, y)、BS (x, y)、BV (x, y)則分別為背景模型座標(x, y)的 HSV 強度值，α、β、TH、TS
是手動指定之門檻值，經由參考文獻[17]實驗，設定其值分別為 0.45、1.0、32 和32。
(a) (b) (c)
圖2.2 以 RGB 絕對值差的和，偵測前、背景的結果：(a) 輸入影像，(b)、(c) 以 Tabs =145、90 代入(2.1)式得到前景物區域(綠色)，我們發現當 Tabs較大時，會因為前景物像素與背景
像素 RGB 顏色差異不夠大，而產生人體區域破損(紅圈)及影子區域(藍圈)。
(a) (b) (c)
圖2.3 對圖2.2 做影子濾除的結果：(a) 輸入影像，(b)、(c) 為圖 2.1(b)、(c)濾除影子後留下的 前景物區域(藍圈)。
由圖2.3 我們可以看到圖 2.2 腳附近，因為影子造成腳部相連的區域(藍圈)，
得以正確地被分開。為了加快運算速度，此方法只針對背景減去法後，被判定是 前景物的像素做影子偵測。但是以(2.1)式判別前景物，仍容易造成前景物的擷取
11
遺漏，使得前景物破損嚴重，及後續對前景物區域做顏色偵測的像素來源不足。
我們以另一個較穩定的方式，擷取前景物。
我們參考文獻[11]，以統計的方式，較穩定的偵測前景物及影子。首先在未 出現前景物的影像，建立背景模型。對新進輸入像素與對應背景模型像素，分別 定義兩個的元素： 亮度扭曲值α(brightness distortion)與色度扭曲值
CD(chromaticity distortion)，如圖 2.4。圖中 I 為輸入像素色彩向量(R,G,B)，E 為 期望的對應背景模型像素色彩向量。
E E I v
v ⋅v
α= (2.2)
E I
CD= v−αv (2.3)
圖2.4 以 RGB 色彩空間表示輸入像素 I 與背景像素 E 的亮度與色度扭曲[11]。
根據α和CD，可以將目前影像的像素 P 推類成以下四類：
1. 原始背景(Original Background，B)：當 P 與背景像素的亮度與色度都相似 2. 影子(Shadow，S)：當 P 與背景像素的色度相似，但亮度較暗
3. 明亮背景(Highlight Background，B)：當 P 與背景像素的色度相似，但亮度較 亮
4. 移動前景物(Moving Foreground，F)：當 P 與背景像素色度有明顯差異
12
我們設定色度扭曲與亮度扭曲的門檻值，來辨別像素的屬性。
F： CD >τCD or α<τα, else S： α< 1, else (2.4) B： otherwise
其中，以τCD及τα為色度扭曲及亮度扭曲的門檻值，本系統分別取τα為0.45，
取τCD為 10 至 25(若環境光較亮，適度地調低τCD值，減少前景物破損；若環 境光較暗，適度地調高τCD 值，減少誤判成前景物的雜訊及影子區域)。上述得 到的前、背景與影子區域如圖2.5，相較於圖 2.3，影子區域(藍色)較靈敏地被偵 測到，前景物也較完整地被偵測出來，後續我們只對前景物區域(綠色)做分析。
(a) (b)
圖2.5 以文獻[11]偵測前、背景與影子區域的結果：(a) 輸入影像，(b) 綠色像素表示人體(前景 物)區域，藍色像素表示影子區域，白色像素表示背景區域(上方是影像品質較好攝影機的 影像，背景較單純，τCD = 15，下方是網路攝影機的影像，背景稍複雜且衣著接近背景顏 色，τCD = 12)。
13