系統架構

此系統的架構如圖 5.1 中所示，在欲進行人潮監控的地點，以垂直視角的方 式架設攝影機。一個或多個攝影機的訊號，連接至中央監控室的 PC，經由我們 所設計的人群計數程式，分析各個攝影機所拍攝到的影像。一旦發現人數超過我 們所設定的危險值，則發出警告訊息至警報系統。再由警報系統通知車站的管理 人員，來進行進一步的處理。以上的過程為全自動化，完全不需人工的介入。

車站月台

中央監控室 警報系統

程式分析影像中 收到警報後

人潮擁擠程度 通知管理人員

拍攝影像

圖 5.1 自動化人潮監控系統架構圖

整個判斷人潮擁擠程度的流程如圖 5.2 所示。每隔固定時間，我們的人群計 數程式便擷取攝影機的影像，先經由前景偵測，得到其前景影像。此處所使用的 前景偵測方式與第四章中所述不同，而是經由本實驗室改良，更為精確的前景偵 測方法，此方法的詳細介紹可參見[16]。得到前景部分的影像後，判斷前景部分 在整張影像中所占百分比。若前景部分的百分比小於 70%，則必定不是擁擠的狀 態，直接跳至結束。若大於 70%，則對於前景部分進行人頭的偵測。由於人頭偵 測只能偵測到頭部出現在影像畫面中的人，對於頭部不在影像中的人則無法偵測 到。故人頭偵測部份所得到的人數，我們將其稱為畫面中的人數。

為了處理頭部不在影像畫面中的人，我們將所偵測到的人頭位置，利用三 度空間的關係，計算出其可能的身體部份，並將這些部份從前景中扣除。再統計 剩餘的前景像素數量，並以一固定比例換算成人數(如 10000 像素/人)。這個換算 的步驟，同時也可以減少因人頭偵測上的遺漏，所造成的人數誤差。經由換算前 景像素所得到的人數，我們稱為畫面外的人數。

最後，我們將畫面中與畫面外的人數相加，得到一總人數。若此人數超過 某一人數臨界值P_cr，即認為是擁擠，並且累計其連續次數。若一旦判斷為不擁擠，

則此次數即歸零，重新開始累計。之所以要累計其次數的原因是，由於列車進站 時，可能引發短時間的人潮擁擠，但這樣的人潮可能隨即自月台消失，造成危險 的可能性較小。故我們希望預警的是月台上長時間的擁擠，而非短時間內的上下 車人潮，避免使管理人員疲於奔命。若擁擠的累計次數超過一定值X，即在一段 時間內人潮均是擁擠的，則將警告訊息發出至警報系統，再由警報系統通知管理 人員，進行進一步的管理或疏散。

開始

前景偵測 影像

前景影像 No 比例>70%

Yes

圖 5.2 人潮擁擠程度的判斷流程圖

我們共架設了四台攝影機，而各個攝影機所架設的位置，與本論文 4.1 中所 描述的相同。由於每個攝影機所在位置的人潮密集程度不同，故我們對每個攝影 機設定不同的 P 值，如表 5.1 所示。我們每 10 秒擷取一張影像，X 則定為 9 次，

即一分半鐘。

人頭偵測

人數過多?

扣除人所在的前景

剩餘像素換算 人頭

位置

結束

Yes 次數累計 No

畫面中 人數

總人數

剩餘前景像素 畫面外

人數

次數歸零

次數過多? Yes 發出警報

No

次數歸零

表 5.1 各個攝影位置的P_cr值 Camera Pcr

1 12 2 14 3 14 4 14