研究動機

一、 緒論

1.1 研究動機

在電腦視覺的領域中，為了達到減少計算量的目的，許多的方法希望能先 在影像中找出需要做進一步處理的區域，再作接下來的處理。例如在安全監控相 關應用下的監視系統，就需要做人體姿態的辨識，以判斷監視場景中存在的人物 是否有可疑的行為。但是企圖在整張影像中作人體姿態辨識容易有很高的false alarm，更會大大地增加所需的計算時間。因此如果能事先提供一個精準的方法，

過濾掉與前景物（例如人體）不相關的背景區域，僅僅留下前景物所在的像素，

讓整個辨識的方法只需要專注在切割出來的前景物，而非連背景環境也一起加入 考慮，如此便能為接下來的辨識過程省去極為可觀的時間。

對於靜態的攝影機，現今之高斯混合模型已經能夠有效率地處理前景背景 分割的問題，但前提是攝影機必須要是靜態的，如此才能夠正確地切割出前景物，

即使攝影機只稍微移動了一段很短的距離，也足以造成嚴重的錯誤。由於這個條 件大大地限制了整個前景背景分割的實用性，因此我們希望發展一個能被應用於 動態式攝影機的前景背景分割方法。此方法之一種可能的應用是指定物體的追蹤，

而且追蹤的範圍非常大，超過一台靜態式攝影機可以拍攝的範圍，因此追蹤的工 具由靜態式攝影機轉變成動態式攝影機，甚至是裝設在自動車上的攝影機。在這 種應用下，一個常見的問題是被追蹤物體本身的位置在兩張連續的影像中有可能 差非常多，有些假設被追蹤物體在連續影像中不可移動過多的方法，例如[1]，

自然就無法處理這樣的問題。另有一種可行的方法為在影像中找出與被追蹤物體 具有相似特徵的區塊，這些特徵可能是顏色或是形狀等資訊，再進一步地判斷該 區塊是被追蹤物的可能性有多高，或是特徵有多相似，最後再找出一個最可能或 是最相似的區塊，將其當成被追蹤的物體。這樣的追蹤法，例如[2]，必須要在

2

整張影像中尋找特徵點，才有辦法做進一步的判斷，但是尋找特徵點這一步必然 會花費非常多的時間，且接下來的特徵點配對一樣是非常花費時間的步驟，因為 其特徵點來自於整張影像。所以針對這種問題，最好能夠事先提供一個有效的動 態式攝影機下的前景背景分割法，先過濾出前景物出現的區域，讓追蹤的方法需 要檢視的可能特徵點存在區域減到最少，以增進整體追蹤方法的效率。

有鑑於以上的需求，本論文希望藉由維護一張純粹只有背景環境的背景影 像（在本論文中稱此背景影像為重建的背景影像，且此重建的背景影像由背景高 斯混合模型提供），之後當有新進影像要做前景背景分割時，先找出新進影像與 重建的背景影像之間的移動向量，之後利用此移動向量將背景高斯混合模型對齊 新進影像，再進一步地找出哪些像素是原來就存在且沒有移動過的背景像素，以 及哪些像素是有移動過的前景像素。如此，在能夠對齊高斯混合模型與新進影像 的情況下，就能夠達到動態式攝影機下前景背景分割的目的。至於找出移動向量 的方法，可以藉由配對新進影像與重建的背景影像之間重複出現的區域或是特徵 點（例如角點），來計算移動向量。圖1.1表示藉由配對區域與角點以對齊影像，

再切割出前景物的想法。圖1.1(a)為一重建的背景影像，圖1.1(b)為一新進影像，

我們在重建的背景影像中找出區域和角點，如圖1.1(c)中紅色的圈圈和矩形分別 表示一個重建的背景影像中的角點和區域，而該角點和區域的質心座標分別為

（144, 28）、（169, 76），同時我們也在新進影像中找出區域和角點，如圖1.1(d) 表示一個在新進影像中找到的角點和區域，該角點和區域的質心座標為（66, 106）、

（91, 154），之後將這兩個角點的座標相減或是兩個區域的質心座標相減就可得 到重建的背景影像相對於新進影像的移動向量（-78, 78）。接著將重建的背景影 像根據找到的移動向量移動到正確的位置以對齊新進影像，意即我們將重建的背 景影像（即圖1.1(a)）往左移動78個像素後再往下移動78個像素，移動後的結果 如圖1.1(e)所示，其中黑色的區域表示原來不存在重建的背景影像中的區域，因 此新進影像位在黑色區域的部分將無從判斷是否有前景物，本論文將該部分的新 進影像通通視為背景。在對齊新進影像和重建的背景影像後，就可以利用任何一

個靜

4

但是因為將影像間的運動僅用一個移動向量來表示，所以本論文的方法不 適合應用在攝影機有前進後退、透式投影的影響強烈以及像素間景深差異太大的 情況，因為以上三種情況會造成影像間的運動無法僅用一個移動向量來表示，因 此本論文所提出的方法就不能夠有效的解決這三種情況。

本論文提出的方法除了解決攝影機移動的問題外，同時也加入了Gaussian Mixture Models的觀念（即高斯混合模型，以下簡稱GMM），以處理場景中有規 律運動現象的背景物，例如吊鐘的鐘擺、較規律的樹影晃動或甚至是其他更複雜 但有規律的運動。且GMM亦可解決光影變化的問題，對真實環境下場景因光影 變化造成影像不穩定時做前景背景分割的幫助相當大。但GMM的缺點是無法直 接應用在動態式攝影機的環境下，因此我們希望藉由估算出重建的背景影像相對 於新進影像（由於加入了GMM，所以重建的背景影像就來自於GMM，詳細的方 法請參考2.2節）的移動向量，再利用此移動向量對齊GMM與新進影像，達到前 景背景分割的目的。