狀態偵測

35

圖27、 LBP 數值 XOR 誤差表範例

演算法會依序將目前 LBP 影像的特徵點為中心建立樣板區塊，並依序從樣 板區塊中計算他們的 LBP 數值，透過查詢 XOR 誤差表中漢明距離為 0 的數值，

在搜尋區域內以直接定址表來取出與樣板區塊中所包含的每一個 LBP 數值的所 有可能對應位置對應的 LBP 數值位置，並於計算基準點後，在投票暫存器內投 票。

當樣板區塊內的數值皆完成投票動作後，檢查投票暫存器中，是否有基準點 的得票量超過本論文所設定的門檻值。若暫存器內的得票量都沒有超過門檻值，

則將漢明距離放寬加 1，重新再做投票，並將新的得票量再加入投票暫存器；若 暫存器內有一個點的數值超過門檻值，則將該點輸出做為匹配點；若暫存器內有 多個點超過門檻值，則使用 SAD 來做篩選，將輸出最小誤差者做為匹配點。

假設(𝑥₁, 𝑦₁)為在當前畫面中的一個特徵點位置，而(𝑥₂, 𝑦₂)為此特徵點在上 一畫面經上述區塊比對所得到的最佳對應點位置，則此特徵點的相對移動向量 (𝑢, 𝑣)即為𝑢 = 𝑥₁− 𝑥₂和𝑣 = 𝑦₁− 𝑦₂。

36

到重疊狀態，其位置逐漸逼近，必定發生接近狀態。

圖28、 物件間的位置變化狀態

每個物件具有各自的矩形輪廓描述，通常包含 4 項訊息 𝑥, 𝑦, 𝑤, 𝑕 ，其中 x 與 y 為此物件的左上角座標，而 w 與 h 為此物件的寬度與高度。為了追蹤的目 的，本論文定義三種矩形輪廓符號：𝑅_𝑡^𝑖指在 t 時刻之第 i 個物件的矩形輪廓，𝑂_𝑡為 在 t 時刻之追蹤物件的矩形輪廓，而𝐶_𝑡為在 t 時刻之非追蹤物件的矩形輪廓。為 了表示上的方便，假如 R 代表一個物件的矩形輪廓，則其中的 4 項訊息分別表 示為 R.x、R.y、R.w 和 R.h。

在追蹤過程中，本論文常將當前影像中的物件，逐一計算第 i 個物件矩形輪 廓𝑅_𝑡^𝑖與前一時刻的追蹤物件矩形輪廓𝑂_𝑡−1的疊合比例𝐵_𝑖。本論文定義𝐴𝑟𝑒𝑎(𝑂_𝑡−1) 為 t-1 時刻的追蹤物件的矩形面積，𝐴𝑟𝑒𝑎(𝑅_𝑡^𝑖)為在 t 時刻之第 i 個物件的矩形面

積，𝑋_{𝑙𝑒𝑓𝑡}、𝑋_{𝑟𝑖𝑔 𝑕𝑡}、𝑌_𝑡𝑜𝑝和𝑌_{𝑏𝑜𝑡𝑡𝑜𝑚}分別為第 i 個物件與 t-1 時刻追蹤物件之交集矩

形的最左、最右、最上和最下的位置數值，也就是 𝑋_{𝑙𝑒𝑓𝑡} = 𝑚𝑎𝑥 𝑂_𝑡−1. 𝑥, 𝑅_𝑡^𝑖. 𝑥

𝑌_𝑡𝑜𝑝 = 𝑚𝑎𝑥 𝑂_𝑡−1. 𝑦, 𝑅_𝑡^𝑖. 𝑦

𝑋_{𝑟𝑖𝑔 𝑕𝑡} = 𝑚𝑖𝑛 𝑂_𝑡−1. 𝑥 + 𝑂_𝑡−1. 𝑤, 𝑅_𝑡^𝑖. 𝑥 + 𝑅_𝑡^𝑖. 𝑤 𝑌_{𝑏𝑜𝑡𝑡𝑜𝑚} = 𝑚𝑖𝑛 𝑂_𝑡−1. 𝑦 + 𝑂_𝑡−1. 𝑕, 𝑅_𝑡^𝑖. 𝑦 + 𝑅_𝑡^𝑖. 𝑕

假如𝑋_{𝑙𝑒𝑓𝑡} > 𝑋_{𝑟𝑖𝑔 𝑕𝑡}或者𝑌_𝑡𝑜𝑝 > 𝑌_{𝑏𝑜𝑡𝑡𝑜𝑚}，代表此交集矩形為空集合，即𝑅_𝑡^𝑖與𝑂_𝑡−1沒 有相交。當𝑅_𝑡^𝑖與𝑂_𝑡−1有相交時，它們的疊合比例𝐵_𝑖計算方式為

𝐵_𝑖 = 𝑋_{𝑟𝑖𝑔 𝑕𝑡}− 𝑋_{𝑙𝑒𝑓𝑡} × (𝑌_{𝑏𝑜𝑡𝑡𝑜𝑚} − 𝑌_𝑡𝑜𝑝) 𝑚𝑎𝑥⁡ 𝐴𝑟𝑒𝑎(𝑅_𝑡^𝑖), 𝐴𝑟𝑒𝑎(𝑂_𝑡−1)

在所有物件中，本論文選擇具有最高疊合比例的物件𝑖^∗為當前時刻的追蹤物件，

也就是

𝑖^∗ = arg max

𝑖 𝐵_𝑖

37

在得到𝑖^∗之後，則以第𝑖^∗個物件的矩形輪廓來產生第 t 時刻的追蹤物件矩形輪廓，

即𝑂_𝑡=𝑅_𝑡^𝑖∗。另外，每一個非𝑖^∗的物件矩形輪廓均可作為非追蹤物件的矩形輪廓𝐶_𝑡。 本論文設計一種檢測方法，根據物件輪廓𝑅_𝑡^𝑖的大小，來建立其檢測範圍𝐷_𝑡^𝑖，用作 檢查物件間是否接近的判斷依據，其範圍如下式：

𝐷_𝑡^𝑖. = (𝑅_𝑡^𝑖. 𝑥 −𝑅_𝑡^𝑖. 𝑤

2 , 𝑅_𝑡^𝑖. 𝑦 −𝑅_𝑡^𝑖. 𝑕

2 , 2 × 𝑅_𝑡^𝑖. 𝑤, 2 × 𝑅_𝑡^𝑖. 𝑕)

檢測範圍建立後，便可藉由判斷追蹤物件的檢測範圍𝐷_𝑡^𝑖∗與非追蹤物件的檢測範 圍𝐷_𝑡^𝑖是否有發生重疊，來判斷物件間的狀態，下面將逐一介紹各種狀態的判斷方 法。

A. 分離狀態

當追蹤物件的檢測範圍𝐷_𝑡^𝑖∗與一個非追蹤物件的檢測範圍𝐷_𝑡^𝑖互不相交，即 𝐵_𝑖^∗_,𝑖 = 0，表示該追蹤物件與非追蹤物件為分離狀態，追蹤物件與該非追蹤物件 間保持著一定的距離。

B. 接近狀態

當追蹤物件的檢測範圍𝐷_𝑡^𝑖∗與一個非追蹤物件的檢測範圍𝐷_𝑡^𝑖發生疊合，即 𝐵_𝑖^∗_,𝑖 > 0的程度，此時則判斷為接近狀態，將如下圖 29 所示：

圖29、 物件間所定義的範圍示意

系統對其接近的非追蹤物件範圍𝐶_𝑡來建立分離模板，紀錄非追蹤物件上的紋

38

理資訊，可用與兩者發生重疊時進行特徵點分離之用；本論文設計一種警戒範圍 𝐴_𝑡，用於紀錄接近狀態中追蹤物件矩形輪廓𝑂_𝑡與非追蹤物件矩形輪廓𝐶_𝑡的於 t 時 刻整體範圍，也就是：

𝐴_{𝑙𝑒𝑓𝑡} = 𝑚𝑖𝑛 𝑂_𝑡. 𝑥, 𝐶_𝑡. 𝑥 𝐴_𝑡𝑜𝑝 = 𝑚𝑖𝑛 𝑂_𝑡. 𝑦, 𝐶_𝑡. 𝑦

𝐴_{𝑟𝑖𝑔 𝑕𝑡} = 𝑚𝑎𝑥 𝑂_𝑡. 𝑥 + 𝑂_𝑡. 𝑤, 𝐶_𝑡. 𝑥 + 𝐶_𝑡. 𝑤 𝐴_{𝑏𝑜𝑡𝑡𝑜𝑚} = 𝑚𝑎𝑥 𝑂_𝑡. 𝑦 + 𝑂_𝑡. 𝑕, 𝐶_𝑡. 𝑦 + 𝐶_𝑡. 𝑕

由於𝐴_{𝑙𝑒𝑓𝑡}、𝐴_𝑡𝑜𝑝、𝐴_{𝑟𝑖𝑔 𝑕𝑡}、𝐴_{𝑏𝑜𝑡𝑡𝑜𝑚}分別為警戒範圍的左邊、上邊、右邊以及下邊

的 座 標 數 值 ， 所 以 警 戒 範 圍 𝐴_𝑡 的 矩 形 輪 廓 表 示 為 (𝐴_{𝑙𝑒𝑓𝑡}, A_𝑡𝑜𝑝, 𝐴_{𝑟𝑖𝑔 𝑕𝑡}− 𝐴_{𝑙𝑒𝑓𝑡}, 𝐴_{𝑏𝑜𝑡𝑡𝑜𝑚} − 𝐴_𝑡𝑜𝑝)。警戒範圍會根據狀態的不同，所記錄 的範圍也不相同，當狀態由接近轉換為遠離時，兩物件間就不再需要警戒範圍；

當狀態由接近轉換為重疊時，即 t-1 時刻的追蹤物件𝑂_𝑡−1與某一非追蹤物件𝐶_𝑡−1 於 t 時刻發生了重疊，共同形成了一個重疊物件。在重疊狀態時，重疊物件由於 與前一刻的追蹤物件𝑂_𝑡−1有相當高的疊合比例，將被選為此時刻的追蹤物件，然 後記錄其矩形輪廓為𝑂_𝑡以及警戒範圍𝐴_𝑡。

C. 重疊狀態

重疊的判斷是依據 t 時刻追蹤物件𝑂_𝑡的矩形面積𝐴𝑟𝑒𝑎(𝑂_𝑡)與 t-1 時刻警戒範 圍𝐴_𝑡−1的矩形面積𝐴𝑟𝑒𝑎(𝐴_𝑡−1)之間的比例 OA 來做為判斷依據：

𝑂𝐴 = 𝐴𝑟𝑒𝑎_𝑂𝑡 𝐴𝑟𝑒𝑎_𝐴𝑡−1

由於警戒範圍的設計是用於紀錄追蹤物件與非追蹤物件間共同輪廓，則當重疊發 生時，追蹤物件的面積就是重疊物件的面積，因此與警戒範圍面積有極高的重疊 比例 OA；反之，若沒有發生重疊的情況，則追蹤物件的矩形面積將小於紀錄追 蹤物件與非追蹤物件的警戒範圍之面積。本論文這裡使用 0.7 來做為 OA 的門檻 參考值，若 OA 高於或等於 0.7 時，則判斷為重疊狀態。下圖 30 為狀態偵測的

39

演算流程：

圖30、 狀態偵測流程圖