第四章 資料前處理與特徵擷取
第二節 特徵擷取
本節將介紹五種 motion features，包含 motion strength (m )、motion concentration s (m )、motion strength entropy (c m )、motion orientation entropy (se m )和 action (act)oe 等五種特徵。
4.2.1 Motion strength
Motion strength 的數值高低代表畫面中觀眾的動作多寡。一段影片若具有較 高的 motion strength 即為畫面中出現較多的 motion，若以拍攝觀眾席的角度來看
，這象徵著觀眾的氣氛熱烈。例如賽場上的球員展現美技時，觀眾揮手狂歡的情 形，在這種觀眾情緒高昂情況下，由於興奮使然，動作會變多幅度會變大，motion strength 自然會較高。若一段影片的 motion strength 較小，則反映出觀眾平靜的態 度，也可能是賽況緊張的令人屏息，亦或是專注於講台上的演講者。因此 motion
33
4.2.2 Motion concentration
Motion concentration 代表 motion 發生區域的集中程度，在同樣 motion strength 值的情況下，motion 可能集中發生在畫面中的一個區域，也可能平均散佈在整個 component 處理，將 MHI 中 intensity 值不為0且相連的 pixel 當作一個區塊，因為 面積較大的區塊代表活動的區域較大，比起小幅度的動作，大範圍的運動較容易
34
4.2.3 Motion strength entropy
在4.2.1節所介紹的 motion strength 雖然能夠記錄整體的 motion strength，卻不 能從中分別得知每個 motion 區塊的 motion strength 差異。即使一張 MEHI 中有強 烈的m ，卻無法提供每個 motion 區塊的相對強弱關係。任何 motion 的表現方式s
，不論是整體或是相互關係都可能是影響運鏡和的景別的因素，例如各 motion 區塊的 motion strength 都差不多，極可能是一種整體觀眾的動作，而不再單是個 別觀眾的動作。整體觀眾的動作的意思是指由多位觀眾共同完成的動作，像是大 家一起拍手或是波浪舞一類的共同動作。如果各 motion 區塊間的 motion strength 差異大，則真正在發生的有效 motion 可能只有少數幾個，其餘強度較弱的 motion 多為雜訊。
在分析 motion strength 歧異度的部分，本研究選擇了 entropy 作為訂定歧異程 度的方法。Entropy 的概念源自於物理學，本用來表達熱力學系統的無序程度，
現今則廣泛應用於資訊科學上。Entropy 在資訊領域代表的意涵為對資料類別不 確定性的測量，當資料的類別越一致，entropy 將會越低，也代表資料大多屬於同 一類。
為求得 motion strength entropy，首先將m 值依照大小分為 k 類(s m1s~msk)，令 b 為 MEHI 做 connected component 處理後產生的 motion 區塊數量，p 為機率質量 函數，則m 如下式所示： se
4.2.4 Motion orientation entropy
不同的動作發生在觀眾席上具有不同的意義。當初不只是動作上的差異，有
35
Motion orientation entropy 的計算方式如下：首先計算 MHI 影像中每個 pixel 的運動方向，由於 MHI 影像紀錄了 motion 發生的時序關係，因此利用計算二維 況語句。每一個 motion feature 都對應到攝影師在決定運鏡時所考慮的因素，但是 由於表示法的差異而難以將攝影師的運鏡經驗納入本系統，造成模仿攝影師運鏡