本章內容將依照前一章所提及的臨界值化、區域生長和等高線圖等三 個人體切割的方法，以及頭部偵測的方法，利用程式實驗其結果，而程式 的部分主要是利用Microsoft Visual C++ 6.0 及 MFC 做開發。本實驗將測試 人體處於不同環境時，是否能夠被正確的分割出來。再利用人體切割的結 果，測試頭部是否能夠正確的被找出來。
4.1 人體切割
首先，我們先來看環境溫度為攝氏 22 度，畫面中僅有 1 人時的人形 偵測結果，如圖 24。從圖 24中的實驗結果來看，三個方法偵測人體的結 果大致上都相當都不錯。但是，我們發現到區域生長演算法所偵測出來的 人形，容易受到溫度擴散的影響。在圖 24（e）中特別明顯，人體背部的 黃色區域，就是受到溫度擴散影響，而生成的錯誤區域。
（a）臨界值化 （b）區域生長 （c）等高線圖
（d）臨界值化 （e）區域生長 （f）等高線圖
（g）臨界值化 （h）區域生長 （i）等高線圖
（j）臨界值化 （k）區域生長 （l）等高線圖
（m）臨界值化 （n）區域生長 （o）等高線圖 圖 24 環境溫度為攝氏 22 度的結果
（a）臨界值化 （b）區域生長 （c）等高線圖
（d）臨界值化 （e）區域生長 （f）等高線圖
（g）臨界值化 （h）區域生長 （i）等高線圖
（j）臨界值化 （k）區域生長 （l）等高線圖
（m）臨界值化 （n）區域生長 （o）等高線圖 圖 25 環境溫度為攝氏 25 度的結果
再來，我們來看環境溫度為攝氏 25 度，畫面中仍僅有 1 人時的人體 切割的實驗結果，如上一頁中的圖 25。從圖 25的實驗結果來看，在環境 溫度為攝氏 25 度時偵測人體的結果，依然相當穩定。但是，若將紅外線 攝影機設定在這個拍攝角度，很難保證在畫面上方的 1/N處不會出現人手 等高溫物體的干擾。因此，我們調整紅外線攝影機的位置以及角度，確保 畫面上方的1/N處，在一般的情況下，絕對不會受到干擾。
在紅外線攝影機調整過位置以及角度之後，我們再來看偵測1 人和多 人的人體切割實驗結果。在圖26中，畫面上方 1/N處很難會有高溫或者低 溫的物體干擾，而畫面中出現的人數仍然是限制1 人。
在圖 26中的前四組實驗結果，也都還算不錯。但是在圖 26（j）中，
出現了一小塊較明顯的破碎區域。可是，使用區域生長方法的結果，並無 此現象，如圖26（k）。而使用等高線圖方法的結果，雖然較臨界值化的結 果好，但卻依然存在著些許破碎的區域，如圖26（l）。在圖 26中的第五組 實驗結果，圖 26（m）臨界值化和圖 26（o）等高線圖兩種演算法對穿著 外套的人體，其偵測結果出現較多破碎的區域。但是，圖 26（n）使用區 域生長演算法的結果，卻能大大降低這種破碎的情況。
（a）臨界值化 （b）區域生長 （c）等高線圖
（d）臨界值化 （e）區域生長 （c）等高線圖
（g）臨界值化 （h）區域生長 （i）等高線圖
（j）臨界值化 （k）區域生長 （l）等高線圖
（m）臨界值化 （n）區域生長 （o）等高線圖 圖 26 重新設定紅外線攝影機位置以及角度後的結果
（a）臨界值化 （b）區域生長 （c）等高線圖
（d）臨界值化 （e）區域生長 （f）等高線圖
（g）臨界值化 （h）區域生長 （i）等高線圖
（j）臨界值化 （k）區域生長 （l）等高線圖
（m）臨界值化 （n）區域生長 （o）等高線圖 圖 27 多人的人體切割結果
接著，我們將測試影像中有多人的情況下，人體切割的實驗結果，如 上一頁中的圖27。在圖 27中，依然是因為是衣物遮蔽的情況下，影響著 分割結果的好壞。在人體沒有穿外套的時候，分割出的結果大部分都相當 良好；若人體有外套遮蔽時，被遮蔽的部分溫度下降至和環境溫度相差1 度左右，造成被外套遮蔽的身體有某些區域無法偵測出，如圖27（g）、（i）、
（j）、（l）、（m）。而區域成長演算法，較能夠應付此種狀況，如圖 27（h）、
（k）。
臨界值化和等高線圖兩個演算法的結果較為接近，對於衣物有遮蔽的 情況，較無法正確的偵測出人體。但是，等高線圖演算法所產生的區域，
是由高溫處開始往低溫處成長。因此，我們能由結果中的生長順序，清楚 分辦出物體溫度分佈的狀況。
區域生長演算法的結果，是三種方法中能夠對付較多種狀況的一個。
在衣物遮蔽的情況之下，依然能夠較正確的分割出人體，但是其區域生長 的順序，並非像等高線圖演算法中，是由高溫處往低溫處成長。這是因為 區域生長的初始點，雖然是尋找畫面中較高溫的點，但是在生長的過程 中，區域的平均溫度一直在改變，所以並不保證，越先生長出來的區域平 均溫度越高。
4.2 頭部偵測
在本節中，區塊比對所使用的遮罩大小皆是使用40 × 40。首先，我們 來看圖26的單人人體分割結果，使用頭部大小比例以及區塊比對方法的頭
部偵測結果，如圖 29。在圖 28和圖 29中的實驗，不論是在人體正面或者 是側面對著攝影機時的分割結果，其通過質心所在的y軸，也都有通過頭部 的所在。而頭部大小比例方法以及區塊比對方法的結果也都相當不錯。即 使在圖29（m）、（o），人體切割結果並不好的情況下，依然能相當正確的 找出頭部的所在。但是，在圖 28（g）、（h）、（i）的情況之下，手部高舉 的姿勢影響到頭部大小比例方法所偵測出來的結果；在圖29（g）、（h）、（i）
中，區塊比對方法能較正確的找出頭部位置。
再來，我們利用圖 27的多人人體分割結果，再做進一步頭部偵測的結 果，如圖30和圖 31。
（a）臨界值化 （b）區域生長 （c）等高線圖
（d）臨界值化 （e）區域生長 （f）等高線圖
（g）臨界值化 （h）區域生長 （i）等高線圖
（j）臨界值化 （k）區域生長 （l）等高線圖
（m）臨界值化 （n）區域生長 （o）等高線圖 圖 28 單人時頭部大小比例方法的結果
（a）臨界值化 （b）區域生長 （c）等高線圖
（d）臨界值化 （e）區域生長 （f）等高線圖
（g）臨界值化 （h）區域生長 （i）等高線圖
（j）臨界值化 （k）區域生長 （l）等高線圖
（m）臨界值化 （n）區域生長 （o）等高線圖 圖 29 單人時區塊比對方法的結果
（a）臨界值化 （b）區域生長 （c）等高線圖
（d）臨界值化 （e）區域生長 （f）等高線圖
（g）臨界值化 （h）區域生長 （i）等高線圖
（j）臨界值化 （k）區域生長 （l）等高線圖
（m）臨界值化 （n）區域生長 （o）等高線圖 圖 30 多人時頭部大小比例方法的結果
（a）臨界值化 （b）區域生長 （c）等高線圖
（d）臨界值化 （e）區域生長 （f）等高線圖
（g）臨界值化 （h）區域生長 （i）等高線圖
（j）臨界值化 （k）區域生長 （l）等高線圖
（m）臨界值化 （n）區域生長 （o）等高線圖 圖 31 多人時區塊比對方法的結果
在圖 30及圖 31中，即使在人體切割結果並不好的情況下，如 圖 30
（g）、（i）和圖 31（g）、（i），依然能相當正確的找出頭部的所在。但是，
如果人體有重疊時，頭部偵測的結果有可能會漏掉其中一個人，如圖 31
（j）、（k）、（l）、（m），甚至是偵測到錯誤的位置，如圖30（j）、（k）、（l）、
（m）、（n）、（o）以及圖 31（n）、（o）。所以，此偵測頭部的方法並無法 使用於，人體和人體之間有重疊時的情況。