實驗分析

由表 4.3 可以看出除了遠端夜間四線道、以及遠端夜間八線道外，在其它的情 況下系統的行人偵測成功率都在 70%以上，而行人偵測精確度在所有的影像序列 中則都在70%以上，由表 4.4 可以看出除了遠端夜間四線道、遠端日間八線道、遠 端傍晚八線道、以及遠端夜間八線道外，在其它的情形下系統的行人追蹤成功率 都在 80%以上。為了分析光源與行人穿越道長度對於系統效能的影響，我們對不 同時段的實驗結果以及不同場景的實驗結果分開作討論。圖 4.11(a)是近端行人偵 測成功率與時段的關係圖，雙線道、四線道、以及八線道場景的曲線都類似水平 線，顯示出近端行人偵測成功率不太受時段影響；圖 4.11(b)是近端行人偵測精確 度與時段的關係圖，該圖顯示出近端行人偵測精確度似乎不受時段影響；圖4.12(a) 是遠端行人偵測成功率與時段的關係圖，該圖顯示出四線道以及八線道場景在夜 間時段的遠端行人偵測成功率急遽變差；圖 4.12(b)是遠端行人偵測精確度與時段

的關係圖，該圖顯示出遠端行人偵測精確度不太受時段的影響；圖 4.13(a)是近端 行人偵測成功率與行人穿越道長度的關係圖，顯示近端行人偵測成功率與行人穿 越道長度似乎沒有相關性；圖 4.13(b)是近端行人偵測精確度與行人穿越道長度的 關係圖，顯示近端行人偵測精確度與行人穿越道長度之間似乎沒有相關性；圖 4.14(a)是遠端行人偵測成功率與行人穿越道長度的關係圖，該圖顯示出隨著行人穿 越道的長度變長遠端行人偵測成功率變得愈差；圖 4.14(b)是遠端行人偵測精確度 與行人穿越道長度的關係圖，顯示遠端行人偵測精確度與行人穿越道長度之間似 乎沒有相關性；圖 4.15 是行人追蹤效能與時段的關係圖，顯示四線道與八線道的 場景隨著光源變暗遠端行人追蹤成功率會變得愈差；圖 4.16 是行人追蹤效能與行 人穿越道長度的關係圖，顯示隨著行人穿越道的長度變長行人追蹤成功率變得愈 差。根據以上討論可以得知幾個較明顯的關係：當光源愈昏暗或是行人穿越道愈 長，則遠端的行人偵測成功率會愈低；當行人穿越道愈長，則不論近端或遠端的 行人追蹤成功率都會愈低；另外，由表4.3 以及 4.4 可以看出近端的行人偵測精確 度以及行人追蹤成功率大致上都比遠端的高。

(a) (b) 圖4.11 近端行人偵測效能與時段的關係。 (a) 行人偵測成功率；(b) 行人偵測

精確度。

(a) (b) 圖4.12 遠端行人偵測效能與時段的關係。 (a) 行人偵測成功率；(b) 行人偵測

精確度。

(a) (b) 圖4.13 近端行人偵測效能與行人穿越道長度的關係。 (a) 行人偵測成功率；(b)

行人偵測精確度。

(a) (b) 圖4.14 遠端行人偵測效能與行人穿越道長度的關係。 (a) 行人偵測成功率；(b)

行人偵測精確度。

(a) (b) 圖4.15 行人追蹤效能與時段的關係。 (a) 近端；(b) 遠端。

(a) (b) 圖4.16 行人追蹤效能與行人穿越道長度的關係。 (a) 近端；(b) 遠端。

系統偵測不出的行人主要可分成三類：1) 與背景或前景顏色相近的行人(如圖 4.17(a))；2) 被前面行人遮蔽的行人(如圖 4.17(b))；3) 沒有顯現正常人頭的行人，

例如拿傘的行人(如圖 4.17(c))，對於這類的行人未來必須再發展一個偵測的子系 統。系統偵測出的錯誤行人則是外形類似行人的物件，例如機車騎士(如圖 4.18(a) 的編號54)，這是實驗時最常出現的錯誤行人，另一種錯誤行人則是恰巧形成類似 行人的圖樣(如圖 4.18(b)的編號 12 以及 4.18(c)的編號 6)。在追蹤的部份，出現追 蹤失敗的情形主要有三類：1) 行人動作變化太大，例如行人突然轉頭或是突然轉 身(如圖 4.19 的編號 16)；2) 追蹤中的行人被其它前景持續遮蔽(如圖 4.20 的編號 61)；3) 光源變化太大，使得追蹤中的行人顏色變化太大導致追蹤失敗(如圖 4.21 的編號 5)。從實驗的觀察可以知道偵測出錯誤行人的一個主要原因是由機車騎士 所造成，追蹤失敗的原因則有追蹤目標被其它車輛遮蔽以及光源變化太大，為了 提升行人穿越道行人監控系統的行人偵測及追蹤的效能，未來必須增加偵測以及 追蹤車輛的能力，並且要能偵測光源變化以減少光源劇烈變化時對追蹤的影響。

(a)

(b)

(c)

圖4.17 系統偵測不出的行人。 (a) 與前景行人顏色相近的行人；(b) 被前面行人 遮蔽的行人；(c) 沒有顯現正常人頭的行人。

(a)

(b)

(c)

圖4.18 系統偵測出的錯誤行人。 (a) 機車騎士(編號 54)；(b) 近端形成類似行人 的圖樣(編號 12)；(c) 遠端形成類似行人的圖樣(編號 6)。

(a)

(b)

(c)

圖4.19 行人突然轉身導致行人追蹤失敗的例子(編號 16)。 (a) 幀 139；(b) 幀 163；(c) 幀 187。

(a)

(b)

(c)

圖4.20 追蹤中的行人被其它前景持續遮蔽導致行人追蹤失敗的例子(編號 61)。

(a) 幀 1786；(b) 幀 1816；(c) 幀 1870。

(a)

(b)

(c)

圖4.21 光源變化太大導致行人追蹤失敗的例子(編號 5)。 (a) 幀 598；(b) 幀 619；

(c) 幀 667。

為了顯示出目前的行人偵測及追蹤方法並不適用於行人穿越道場景，我們以 兩個較具代表性的方法與本論文提出的方法作比較，這兩個方法分別為以輪廓為 基礎的方法[8]以及以膚色為基礎的方法[9]，兩者的系統架構都是對每張輸入影像 偵測行人，再對由相鄰的輸入影像中偵測出的行人作匹配及追蹤，因此系統效能 的好壞主要是取決於行人偵測的效果，接下來我們會比較這兩個方法以及本論文 提出的方法的行人偵測結果。圖4.22(a)是測試用的輸入影像，行人偵測的範圍(即 人頭的可能位置)為兩條綠線之間，其中範圍內的行人數目共 29 人；圖 4.22(b)是 本論文提出的方法的結果，利用區域偵測、全域追蹤的作法，最後偵測到正確行 人的數目為21 人，偵測到錯誤的行人數目為 2 人；圖 4.22(c)是以輪廓為基礎的方 法的結果，偵測到正確行人的數目為6 人，偵測到錯誤的行人數目為 0 人；圖 4.22(d) 是以膚色為基礎的方法的結果，偵測到正確行人的數目為 4 人，偵測到錯誤的行 人數目為 1 人。在圖 4.22(c)中可以看出以輪廓為基礎的方法只能偵測出行人上半 身影像沒有與其它前景交疊在一起的行人，這是由於以輪廓為基礎的方法是利用 行人的外型偵測行人，這樣的行人大部分是在人群周圍的行人或是孤立的行人；

在圖 4.22(d)中可以看出以膚色為基礎的方法只能偵測人臉對著相機鏡頭的行人，

此外如果行人的影像太小則在消去膚色雜訊區塊時人臉的部份影像可能會被去除 而導致系統無法偵測出人臉，另外一個無法偵測出人臉的情況則是當衣服顏色與 膚色相近時，此時人臉與衣服之間不會產生邊緣，因此無法以下半橢圓形邊緣偵 測出人臉；由圖 4.22 的例子可以看出以輪廓為基礎的方法以及以膚色為基礎的方 法的確不適合用在行人影像交疊嚴重且行人影像太小的行人穿越道場景。

(a) (b)

(c) (d) 圖4.22 不同方法的行人偵測結果。 (a) 輸入影像；(b) 本論文提出的方法；(c) 以

輪廓為基礎的方法 [8]；(d) 以膚色為基礎的方法 [9]。

第五章