第四章 基於異質攝影機之目標物定位
4.2 取得目標物位置
取得攝影機所拍攝的影像後，由於近紅外線只拍攝定位特徵點所發出的亮光，
中紅外線影像我們以高溫物體當作感興趣的對象，所以系統設定一個閥值來進行 前景、背景分割，並對切割出的前景使用連通物件法找出影像中的目標物區塊。
由於人所穿的鞋子以及褲子下擺與衣服不同，溫度較低，容易把鞋子和褲子的一 部分當成背景(如圖 4-6)，若是把閥值降低，又容易使背景區域誤判成前景(如圖 4-7)。我們將在 4.2.1 節提出改良[11]所提出的溫度等高線圖演算法，把每個目標 物周圍與目標物溫度接近的像素也當成目標物的一部分。在 4.2.2 節介紹得到較 完整的目標物後，計算出目標物在影像中具代表的位置，進而執行後續目標物之 定位。
(a) (b)
圖 4-6. (a)為拍攝人的中紅外線影像，(b)為用閥值進行前景、背景分割的結果。
圖 4-7. 以較低的閥值進行前景、背景分割的結果。
4.2.1 以溫度等高線圖演算法得到完整目標物
此演算法是利用一個區塊其溫度平均值 Avei，尋找溫度介於 Avei和 Avei - Tsim
的像素，形成新的區塊，其中 i 代表區塊的編號，Tsim為相差一定數值內為相近 溫度的閥值。為了避免區塊無限制地成長，我們以低於臨界值 TThr的溫度當作是 環境溫度，低於環境溫度的像素必定為背景像素，然而針對單一環境所最佳化後 的 TThr，無法適用於其他環境。所以我們計算影像中的背景區域的平均值當成是 環境溫度，如此一來就算環境溫度有所變化，也能將 TThr做最佳化。
溫度等高線圖演算法的步驟：
(a) 將影像以 5 × 5 mask 計算每個像素的區塊平均值後，將每個目標物的初始溫 度平均值 Avei設定為整個目標物區塊的平均值。
(b) 將目標物周圍被當成背景的部分，且溫度和平均值與 Avei的差異小於臨界值 Tsim2的像素找出來，當成此目標物區塊中的一部分。
(c) 用新加入的點更新 Avei的值。
(d) 重複步驟(b)和(c)，直到步驟(b)中沒有找到任何點，或是(c)中 Avei的值小於 臨界值 TThr。
在步驟(a)中，計算計算每個像素的區塊平均值是因為不想因雜訊的干擾，
造成像素在判斷是否為目標物時的錯誤。而找出溫度介於 Avei和 Avei - Tsim的像 素當成目標物，是因為我們希望每次找出的像素與目標物的溫度相近，且影像中 前景物與背景因有一段溫度差，若是溫度差大於 Tsim，我們就判斷這是前景與背 景的交界點。使用溫度等高線圖演算法後，我們會有圖 4-8 的結果，可以發現鞋 子的部分有比較完整的找出來。
圖 4-8. 以溫度等高線圖演算法找出的前景。
4.2.2 取得目標物在影像中與地板的交界點
得到目標物區塊在影像中的資訊後，由於近紅外線影像的目標物不大(約 10 個像素)，我們取目標物的質心位置當作是定位特徵點在影像上的座標。而中紅 外線影像中的目標物並非整個都在地板上，我們取一些站立點來代表目標物與地 板交界的點，並利用座標轉換，把站立點的座標轉換到近紅外線影像中，再用同 樣是在地板上的定位特徵點做定位。經由觀察可以發現，如圖 4-9 目標物在影像 中最下方的點通常會和地板接觸，但只使用最下方的點有時會發生站立點消失的
情況，如圖 4-10，當原本圖 4-9 分開的雙腳連一起時，站立點會由兩個變成一個，
(a) (b)
圖 4-10. 紅圓圈為目標物的站立點位置，(a)中紅外線影像，(b)二質化影像。
圖 4-11 用區域最低點演算法所找到的站立點。