二、 文獻探討
文獻探討會根據本研究所使用的相關概念或方法在此章節做討論。首先本研究先以 W. Hu [1]等人所提出的對監控影像中，對人物的運動行為做調查為出發點去延伸等相關 概念，其中由 Z. Zhang [2]提出在追蹤主要目標人物的過程時，遇到遮蔽物阻擋或重疊 等情形作探討並能持續追蹤其目標，而 S. McKenna 等人[3]提出在監控影像中對多人物 經過時同樣能準確追蹤並且不受互相遮蔽等影響還能持續追蹤，在 N. Paragios 等人[4]
提出的方法採用輪廓式追蹤，透過框出目標物件後，透過對目標物邊緣做緊縮等概念能 框出人體運動過程軌跡，並能持續追蹤其輪廓移動。以上對人體追蹤對本研究而言須達 到持續追蹤並能描繪出其人體輪廓即為我們的一個研究目標。
圖 2.1 影像追蹤示意圖，圖片來源[2]。
對於姿態辨識上的相關研究不在少數，以 Y. M. Liang[5]提出一種以改良式馬可夫 模型作為動作動作辨識庫訓練達到動作辨識的目的，而 S. Ji 等人[6]利用 3D 神經網路 概念去建立一個動作訓練模型，產生一個動作辨識庫並以此模型達到在監控影像中辨識 動作的目的，然後以 Parameswaran 等人[7] 提出以平面人體各骨幹關節動作模型透過各 關節移動軌跡進行追蹤與辨識其行為動作的方法，近年來以 M. Barnachon 等人[8]提出 以 3D 人體各關節連續動作模型，能夠更細部去判斷出一個人根據其關節持續進行下辨
同樣對動作辨識上做更多探討，在 Kinect 機器的問世 Z. Ren 等人[10]與 O. Patsadu 等人 [11]透過 Kinect 的鏡頭與多功能函式庫使用，同樣能達到人體動作辨識等相關應用，最 後以 A.A. Chaaraoui 等人[12]提出一種詞袋的概念，利用特徵搜尋與分群演算法將連續 動作圖做訓練後建立一個動作資料庫，便能達到動作辨識的目的，以上都是針對動作姿 態辨識上常見的使用模型或訓練資料庫等方法來執行。
圖 2.2 骨幹關節動作模型示意圖，圖片來源[7]。
圖 2.3 3D 動作模型示意圖，圖片來源[8]。
接著針對本研究所使用到的相關方法做更多探討，針對背景相減部分由 C.Stauffer 等人[13]提出適應性背景模型概念，針對影像背景的變化上能夠更不受背景影響問題達 到分離前背景的方法，而 Z. Zivkovic[14]結合高斯混和模型方法改良了適應性背景，能 夠更準確去分離出前景與背景，再由 Z. Zivkovic 等人[15]提出在高斯混和背景模型下，
三、 研究方法
在動作辨識這部分本研究曾試過用詞袋(bag of words)的概念，是一種將各個動作序 列歸類成一個動作訓練出很多不同動作，形成一個字典一樣的動作辨識庫，能對所要辨 識的影像判斷是否為同樣動作序列達到辨識目的，但其缺點才訓練的樣本與時間上皆要 花費許多時間，不符合我們追求的快速辨識的辦法，因此我們採用動作能量圖的概念對 人體輪廓軌跡進行對齊疊加，而形成的一個動作軌跡疊合圖，而我們為了去判斷這個
MEI 圖上的軌跡動作為何種類型動作，我們採用快速的模板匹配方法，給定幾個基本樣 式作為辨識模版圖，就能去找尋圖像中是相似於哪個動作模板，因此得到一個辨識動作 的效果，其整體研究方法順序流程圖如圖(3.1)所示：
圖 3.1 研究方法流程圖。