自動區域運動估測與手動全域運動估測

圖 29：全域運動估測流程圖

5.3 自動區域運動估測與手動全域運動估測

圖 30 為自動區域運動估測與手動全域運動估測之視訊切割架構圖，為了對 圖 28（a）的Mobile 畫面做切割，首先使用 16×16 大小的區塊比對方法求得圖 28

（a）I_t與圖 28（b）I_t+1間的區域運動向量，因為Mobile 為 325×288 的影像，所 以一張影像共可切割成 396 個 16×16 的區塊。對於影像中的每一個區塊都必須使 用區塊比對求得一個區域運動向量，所以對於一張畫面共有 396 的區域運動向

量。區域運動向量的起點為 I_t畫面中現在處理區塊的左上角點座標，比對到 I_t+1 畫面中，區塊的左上角座標則為終點，以（

x′

,

（a）參考圖 28（b），利用區塊比對後所找出的 396 個區域運動向量。

圖 30：自動區域運動估測與手動全域運動估測之視訊切割架構圖

PTZ 攝影機運動模型已經在 5.2 小節驗證過其準確性，為了攝影機參數之 正確性，我們仍然使用手動標示的對應點所求出攝影機參數。此參數已經在 5.2 小節求出，列於表 12 中。由於區域參數之估測是以區塊大小為基礎，所以全域 運動之估測亦以區塊大小為基礎，每一個區塊只需求得一個全域運動向量。在計 算全域運動向量時，起點同樣為 I_t畫面中現在處理區塊的左上角點座標，而全域 運動向量之終點求法即是將起點座標帶入（5.1）式求出，It+1畫面中上的全域運 動終點座標以（

x′ ,

y′ ）表示，圖 31（b）即為圖 28（a）參考圖 28（b）

(a) 區域運動向量 (b) 全域運動向量

圖 31：區域運動向量與全域運動向量

圖 32 為以區塊為基礎的區域運動向量與全域運動向量之示意圖，每一個區 塊皆會有一個全域運動向量與區域運動向量，兩個向量的起點皆為同一個，而終 點則會依照其差異程度而有遠近的關係，定義兩個向量的差異程度使用（5.3）

式估計:

d

= | x′ -

x′ | + |

y′ -

其中（

x′ ,

y′ ）代表全域運動終點座標，

x′ ,

示區域運動向量與全域向量的差異程度，單位為像素。當 d_motion越大時，物體不 同於攝影機運動的機率越高，也就是說實際上物體本身是在運動的，此時就可被 劃分為前景；當 d_motion越小，物體相似攝影機運動的機率越高，此時真正的物體 是靜止不動的，物體看起來會運動的原因是因為攝影機的運動。由於區域運動估 計是以區塊為單位，所以後續的切割均是以區塊為單位。

圖 32：16×16 區塊之區域運動向量與全域運動向量

對於圖 28（a）所求出的 396 個 dmotion值如圖 33 所示，縱座標為區塊總個 數，每個橫軸 d_motion值所統計的是具有相同 d_motion值的區塊個數，從圖 33 可以 發現大多數的區塊集中在 dmotion為 1 與 dmotion為 5 附近，這表示畫面中有一群區 塊的區域運動向量與全域運動向量差異很小，而另外一群則差異很大。在切割影 像時，只要訂定一個 dmotion的臨界值即可對影像作切割，當 dmotion小於臨界值即 判斷為背景，d_motion 大於臨界值則判斷為前景。圖 34 為使用自動區域運動估測

與手動全域運動估測之切割結果，圖 34（a）為取臨界值 1.4，圖 34（b）為取 臨界值 3.4，圖中紅色方塊所遮罩的地方是被判斷為前景的區塊；在 Mobile 影 片中會自行運動的物體即月曆、球與火車，從圖中的結果可以看到有相當不錯的 初步切割，然而在前景和背景部分各有一些被誤判的地方，這是因為區域運動估 計之偏差所造成，在後續的章節我們會將雜訊去除而使得切割更加完整。圖 34

（a）與圖 34（b）雖然只有顯示臨界值 1.4 與 3.4 的結果，但是其實介於 1.4 與 3.4 間的臨界值之切割結果亦相當不錯。

Motion Difference Distribution

0 5 10 15 20 25 30 35

0.1 0.8 1.5 2.2 2.9 3.6 4.3 5 5.7 6.4 7.1 7.8 8.5 9.2 9.9 10.6 11.3 12 dmotion ( pixel )

# of Block

圖 33：Mobile 畫面之自動區域運動估測與手動全域運動估測 dmotion值

(a) threshold 1.4 (b) threshold 3.4 圖 34：Mobile 畫面切割結果之一