混合模型的改變，希望能改善高斯混合模型的方法，並可套用在可移動的攝影機 上。
由於紅外線影像資料格式常已大於十個位元來表示一個像素，在紅外線影像 的顯示上，必須要用到一些灰階轉換的方法，才能轉變成我們能看見的影像。一 般常見的轉換的方法有 Min-max contrast stretch、Histogram equalization （HE）[1]、
Binary occupied histogram projection （BOHP）[2]，然而這三個轉換方法都有其 優點跟缺點，為了能讓影像中的一些細節能更好的顯示，我們是採用本實驗室所 發展的一個影像對比強化的方法[3]，讓我們的紅外線影像顯示上較可以看的出物 體明暗層次的分別。
1.2 相關研究
在電腦視覺中物體的偵測的方法多半需要建立良好的背景模型，才能有好的結 果。在物體即時監控上，最常被使用的是高斯混合模型（Gaussian mixture model, GMM）[4][5]之技術，圖 1-1 為高斯混合模型的示意圖，這方法利用數學機率的概 念去對彩色影像每一個像素建立數個高斯模型（μ ，1 σ ，1 μ ，2 σ ，…），之後2 的每一張影像都會與已經建立的模型去做比對，如果像素值有在 2.5σ 範圍內的 話，就會更新高斯模型，否則就會新增模型，如果模型數量已經滿了，就會把出 現頻率最小的高斯模型予以取代。最後取一個物體偵測門檻值，取出最有可能的 背景模型後，前景也跟著被切割出來。雖然物體偵測最後的結果看起來很穩定，
但缺點是前景物如果存在模型中很久的話，有可能會被視為背景，除此之外高斯 混合模型不適用於移動式的攝影機。
圖 1-1 高斯混合模型示意圖
文獻[6]利用動態偵測及膚色分析實現人臉的偵測。一開始會先把兩張連續影 像相減，並且設定一個閥值，當兩影像的差值大於此閥值為 1，否則為 0。得到差 值的影像後，再利用膚色特徵在群集（grouping）的範圍裡面判斷此區域是否為人 臉，雖然此方法結合了動態及膚色可以快速找出人臉，不過一但光線是在不理想 的情況下，造成膚色有所偏差的話，此方法就有可能會失敗。為了得到良好的差 值影像，同樣的此方法也只能適用於固定式的攝影機。
文獻[7]中利用背景影像跟他其影像相減，得到前景的部份，藉由形態學
（ morphology ） 提 取 前 景 的 邊 界 （ boundary ） ， 再 利 用 連 通 區 域 （ connected component）對連結的邊界群分別給予標記（labeling）[8]。接著配合透視轉換
（perspective transformation）判斷邊界的形狀是否跟人體的形狀有類似，就可以判 斷是否是我們想要的前景物體。
文獻[9]提出的方法，考慮到使用移動式攝影機來做偵測，利用高斯混合模型 與馬可夫隨機域，來達到攝影機移動下物體能準確追蹤。首先他們假設可以知道 攝影機的移動量，知道移動量便能推斷相鄰影像的前景物是否一樣，而利用高斯 混合模型對所有的場景建立背景模型，之後就能對前景做切割，兩個方法互補來 達到移動式攝影機的物體偵測。
文獻[10]利用三種方法來做移動物體的偵測，首先利用高斯混合模型找出前
景，再利用光學流動方法判斷物體的移動是否一致，最後利用時間差的方法，利 用相鄰兩張影像前景與背景的移動差異不同，找出移動中的物體。結合三種方法 之目的，則為提升物體偵測的準確率。
在紅外線的偵測方面，文獻[11][12]利用一個 4*4*3 的三維空間，這三維是時 間 T 跟空間 X 及 Y 位置資訊，來對連續的影像做處理。在這個區域所擁有的三維 資料必須先做 PCA 處裡，把資料量減少，以降低計算量。這些資料就會當成一個 向量，每隔一段時間便會把同一區塊位置中的多個向量，計算出物體的移動量，
如果移動距離很短就可能是背景，距離很長的可能為前景，但也有可能距離都差 距不大，造成前景跟背景很難分辨。但由於紅外線影像的雜訊比一般可見光影像 多，使用這個方法可以不受雜訊的影響。
1.3 系統流程
在本論文中的系統，主要的場景是在室內環境中進行拍攝，由於我們另外會 用到移動式攝影機的影像，所以場景會隨著攝影機變動，如圖 1-2 所示，前景物 體會從圖 1-2（a）所示場景走到如（b）所示之靠近門口區域。利用拍攝出來的紅 外線影像，我們會先對沒有前景物的起始影像建立背景模型，之後的每一張紅外 線影像都會在 5×5 的範圍內對建立好的背景模型去做比對動作，來找出前景物 體，最後會做更新把前一張的模型跟現在的模型依比例結合，整個系統的流程如 圖 1-3 所示。
（a） （b）
圖 1-2 （a）起始場景,（b）最終背景。
Next frame
Output Update model Intensity matching
Model matching
Combine remaining pixels
Connected component labeling
GMM First frame
圖 1-3 系統流程圖。
1.4 各章簡介
本論文全部共分為五章，除了本章序論之外，第二章將會介紹起始的背景影 像的建立，利用不同的方法，期望能將背景的物體各自擁有自己的模型。第三章 則是介紹對已經建立好的背景，我們如何利用它來處裡連續的紅外線影像，最後 得到處裡後的結果，是希望能將前景與背景有很大的區分。第四章就是動態攝影 機跟靜態攝影機所拍的紅外線影像的實驗結果。第五章為結論並說明未來研究的 方向。