調整高斯混合模型之參數以用於感應式照明設施環境

(a) 感應式照明功能啟動前 (b) 感應行人後啟動照明功能 圖 3.3 感應式照明設施環境

3.3.1 調整高斯混合模型之參數以用於感應式照明設施環境

以高斯混合模型進行夜間感應式照明環境之物體偵測，因照明設施啟動與關 閉時會造成背景劇烈改變，而此情況多發生於前景出現於畫面中重要位置，因此 使用高斯混合模型經常會使監控影片中關鍵影像畫面皆呈現錯誤的偵測結果。

為行人經過時照明設備開啟之影像及其使用高斯混合模型判斷之結果，其中 圖 3.4 (a)(c)(e)(g)(i)為不連續之原始影像，其高斯混合模型進行的前背景偵測結 果影像分別為圖 3.4(b)(d)(f)(h)(j)。圖 3.4(a)為照明設施開啟前之影像，此時畫面 中沒有前景物體，其偵測結果如圖 3.4(b)。由於照明設施完全開啟需約四個影像 畫面，而圖 3.4(c)為照明設施開啟後第一張影像，仍非燈光穩定之畫面，因此將 偵測出亮度有變化的像素點為前景如圖 3.4(d)。由於我們的高斯混模型學習開燈 後環境之背景需要約略3 秒之時間，如圖 3.4(i)為照明設施開啟後第九十張影像，

我們的模型已更新背景並只偵測前景部分如圖 3.4(j)。雖然 3 秒的時間很短暫，

但在許多監控場景下已足夠讓目標前景物體由監控畫面中之重要位置離開甚至 離開整個監控畫面，而此過程中的偵測結果皆錯誤，如圖 3.4(e)(g)為燈光已經穩 定且行人位於重要監控位置（出入口正下方）之畫面，然而其偵測結果皆不理想 如圖 3.4(f)(h)，因此使用一般高斯混合模型的更新速度是不足以應付此感應式照 明環境的。

(a) 照明設施開啟前影像 (b) (a)經高斯混合模型處理後之前景影像

(c) 照明設施開啟後第一張影像 (d) (c)經高斯混合模型處理後之前景影像

(e) 照明設施開啟後第三十張影像 (f) (e)經高斯混合模型處理後之前景影像

(g) 照明設施開啟後第四十張影像 (h) (g)經高斯混合模型處理後之前景影像 圖 3.4 使用高斯混合模型進行感應式照明環境之物體偵測

35

(i) 照明設施開啟後第九十張影像 (j) (i)經高斯混合模型處理後之前景影像 圖3.4 （續）

基於高斯混合模型更新速度太慢造成監控影片中之關鍵影像畫面的偵測結 果不正確，我們試著調整高斯混合模型的學習速度參數，期望此方式足以應付感 應式照明環境之背景劇烈改變問題。本實驗之高斯混合模型之學習速度參數預設 值為 0.01，如果為了增加背景更新速度，將此參數調整為 0.03 來進行實驗。高 斯混合模型在調整此參數以後，其學習開燈後環境之背景需要約三十個影像畫面，

約略為1 秒，圖 3.5(a)為此時之偵測結果，相較於圖 3.4(f)之結果，可看出提高 新速度之參數能使高斯混合模型更快速的學習開啟照明設施後之背景，因此能將 監控畫面中之部分重要監控位置（出入口正下方）影像保留。加快學習速度雖然 將監控畫面中之部分重要影像保留，卻可能因畫面更新速度過快導致移動較慢的 部分前景區域被判斷為背景，如圖 3.5(b)為開燈後第四十個影像畫面，其中人之 影子部分區域由於行徑過程中重疊存在時間過長，造人影的中間區域被更新為背 景。

(a) 圖 3.4(e)經處理後之前景影像 (b) 圖 3.4(g)經處理後之前景影像 圖 3.5 調整學習速度參數之高斯混合模型進行感應式照明環境之物體偵測