第一章 簡介
1.1 研究目的
智慧型運輸系統ITS (Intelligent Transportation Systems)為當前世界發展的潮流與趨 勢，也是孕育二十一世紀的新興整合性重要產業的契機。交通運輸系統對於一個國家的 發展與進步，扮演著舉足輕重的角色。隨著國內科技進步與消費能力的向上提升，國人 擁有車輛的比率是越來越高，根據一份自 97 到今年的調查報告顯示，這幾年國內房車 的購買量，幾乎年年都達到30 萬台以上，雖然只有 01 年未到達這個數字，但是也有達 到 26 萬的高銷售量。如此高需求量卻隨之出日漸嚴重的市區交通壅塞問題，對於交通 管制的技術改進，有日漸增加需求的趨勢。而發展ITS 的目標可以分為增進交通安全、
降低環境衝擊、改善運輸效率、以及提昇經濟生產力等四個目標。而交通的壅塞問題，
以及交通控管的技術則是屬於改善運輸效率的這一環，因此，在於輛辨識、車輛計數以 及交通意外偵測等等相關的研究，已經越來越受到重視。
在傳統交通監測系統中，大多是利用埋設於路面底下的磁圈檢測器作為資料的來 源，用以偵測車速以及車流量。這種方式，在埋設時必須破壞既有的路面建設且耐用度 不高，維修時更是得二次破壞路面建設才能進行。同時在資訊的取得上相當有限，因此，
以這種感應器為主的系統在功能上，發展空間非常有限。隨著科技的發達與進步，已經 有許多的調查研究著手於以視覺基礎的技術，應用在自動交通監控與控制上[1-6]。不同 於以往的感應式偵測方式，影像監控系統具有許多勝於傳統磁圈偵測器的優點，例如，
影像技術所提供的資訊更為彈性、更為有效，尤其是在於交通監控的相關研究領域中，
依照所需的資訊特徵，從影像中擷取出來，作深入分析與探討，以達到目的。其可發展 的系統包括了車種辨識、車牌偵測與辨識、交通流量監測、車輛速度偵測…等等，相當 多樣化。再者，攝影鏡頭對於安裝環境比較沒有破壞性，且價格相對低廉。有些系統還
2
使用3D 模式來表示車輛出現的消息和交通現場的幾何模擬，這樣的系統能獲得如車輛 尺寸、形狀、方向與路徑等更準確的資訊，但是相對的會耗費上較多的時間[5]。
在交通參數估測方面，諸如計算行車量、車速、行車路徑、車流率、車子本身的大 小與形狀等等，都是把影像技術導入交通監控的應用。有些相關研究是使用影像與影像 間的差異性作為偵測依據，有些是以特徵為主，專注於物件的辨識與分類。另外，利用 物體移動偵測來獲得交通資訊也是影像處理的優勢之一。
由於在自動監控系統的快速發展，除了在學術界與工業界，引起高度注意與興趣 外，現代社會在這方面的強烈的需求也加深自動化監控議題的討論，其目的是除了增強 交通系統本身的監控功能，更考慮到如家庭保全、銀行防搶以及軍事科技等多方面的應 用與防護。我們的研究，便是應用影像分析，來發展一套適用於市區與高速公路交通監 控的系統，有效的獲得交通參數，並提供使用者一個低耗資的解決方案。
1.2 相關研究
交通監控相關的研究有許多，我們大概提出幾個主要的如：[10, 12]所提的背景擷取 法(Background Extraction method)，必須要事先建立一個背景影像，方法一般有統計法[11, 13]以及漸進法[7]兩種，取得背景後，再藉由輸入影像與所建立的背景之間的差值，來 獲得影像中移動物體的資訊，這種方法可以簡單又快速地獲得連續影像中的背景部分，
但是缺點在於背景訓練的時候，如果前景物移動緩慢的話，將會耗費許多時間才能得到 完整的背景[15]。
[8,9,14]的時態差異法(temporal difference method)，是針對連續影向來做彼此相減 的動作，再藉由差值來得到影像的前景部分，也由於是相近影像的差值處理，計算簡單 與抵抗光線變化的能力強，是其優點，但是對於移動緩慢的物體，就比較不具效用。[20]
所提的光流法(optical flows)則是在計算運動向量(motion vector)，再將移動向量相類似的 區域結合，與temporal difference method都是適合在偵測移動物體部分，但是對於靜態的
3
物體則不適用。大部分而言，影像中物體的所獲得的是以區塊為主(region based)的方式，
這時候移動物體間的遮蔽(occlusion)問題，會是影響追蹤移動物體的關鍵，[16, 19]提出 了主動輪廓(active contours)的方法，先針對一單獨車輛做輪廓確認，如此後面影像即使 發生遮蔽問題，仍可由前面資訊來獨立出車子；[23]則用了雙攝影機造成的視差效果，
來判斷車輛間遮蔽的問題。
在陰影去除方面，我們可將陰影分成靜態與動態的兩種，靜態的是屬於道路上固定 的東西所造成的陰影，如電線桿與行道樹，這一類的陰影大致上來說不會有較大的變 化，比較不會影響交通監控的品質。值得注意的是動態陰影部分，這是隨著移動物體本 身所造成的，動態陰影不只會造成我們對車輛資訊的誤判，如大小與形狀，更會因為陰 影連接了兩台車，造成了追蹤上面的誤判。[17]針對局部的光線強度將影像分成區塊，
並藉由區塊的平均值來當成門檻值用以分離陰影，理論簡單，且物件型態獨立，缺點則 是必須有均勻的背景；[18]統計像素的特性來分辨陰影，優點為與不受物件總數的影響，
且適用於室外，但是卻需要有一平滑的道路表面，且還必須有太陽相對於攝影機的位置 資訊；[21, 22]建構了像素的亮度、彩度與其在HSV或RGB色彩空間的失真，使用了許多 的門檻值來定義前景、背景、高亮點與陰影，好處在於適用於平滑表面上微弱的陰影，
光源必須為白色，且當陰影與非陰影部分有類似的彩度，將會無法去除黑色陰影，是其 缺點。
本論文所提出的基於彩色影像之即時交通監控系統，可以透過影像處理的技術，提 供給駕駛人許多即時、有用的交通資訊。在影像技術的開發上，包括了背景擷取技術、
物件切割技術、物件追蹤技術，都有針對實際應用上所遇到的瓶頸問題，提出創新且有 效的解決方案，並經過實際測試驗證，得到相當好的成效。
1.3 論文架構
本論文的章節安排如下：
第一章為研究目的與相關研究。
4
第二章為系統架構之說明。
第三章為即時交通監控系統的影像處理相關技術，包含了背景統計的法則、物件粹 取的方法，同時針對電子快門以及背光補償的攝影機參數，提出可以不受這 些因為光線問題而自動調整的參數影響的強健影像處理法則。有了這些背景 與物件資訊，最後提出物件追蹤的方法，完成車輛追蹤的目的。
第四章為本論文提出的交通監控系統實地驗證。其中包括許多關鍵判斷值的模擬分 析與實際長時測試結果。
第五章為成果與未來展望。對於論文中所提出的方法，在其他非交通監控方面的應 用。
5