第四章 第四章
第四章 車輛偵測 車輛偵測 車輛偵測 車輛偵測
在這一章會針對本論文是如何偵測出停車場中移動車輛的過程詳加介紹。在
4.1 節會先介紹使用的背景相減法，接著在 4.2 節會提出注意力區域的名詞並且加 以定義解釋以及注意力區域的尋找方法，緊接著 4.3 節會介紹如何找出現在時間
的背景邊緣影像，最後在 4.4 節使用水平集方法找出前景物，得到結果，流程圖
如下：
圖 4.1 車輛偵測流程圖
4.1 連續影像相減法連續影像相減法連續影像相減法 連續影像相減法
前景物擷取的技術，現在常見的方法有兩種，分別是背景相減法（Background Image Sequences
ROA Generation Edge Detection
Object Detection
Vehicles
減法在技術上是較為簡單的，但在實作上受到的限制也比較大，因為所建立出的
背景影像為固定的，當下面這些狀況發生時，就有可能會出現偵測出非欲偵測物
的錯誤資訊：
‧光線出現閃爍（例如：日光燈）或光源有變換（例如：白光變成黃光），
此時影像與建立的背景影像差異過大，會造成嚴重的錯誤資訊。
‧攝影機拍攝畫面中，出現與初始建立的背景影像不一樣的物體時，在影像
相減之後會被視為移動的物體，但實際上該物體應為背景的一部分。
‧在建立好背景影像後，攝影機因各種的因素造成拍攝的角度或是架設位置
出現偏移，拍攝得到的影像與起初架設時拍攝出的畫面有差異，此時若使用之前
建立的背景影像來進行背景相減的動作，會發生嚴重的錯誤。
為了解決背景相減法出現的這些問題，本研究使用的技術是連續影像相減
法，目的是為了隨時應付停車場中場景的變化，例如：停車場中原本已經停放的
車輛，會被認定做背景，假如使用背景相減法，會出現很大的問題；若使用適應
性背景相減法，雖然可以解決上述的問題，但因為過程中需要一段時間做修正，
對於本研究需要達到即時追蹤的目的，沒辦法立刻提供有效資訊可能造成追蹤失
敗。
4.2 注意力區域注意力區域注意力區域 注意力區域
為了提高偵測到物件的正確率，本研究使用連續影像相減法決定注意力區域
（Region of Attention, ROA）。所謂的注意力區域，就是指影像中車輛可能出現的
由 Erosion 及 Dilation 形成的 Opening 和 Closing 來去除雜點，最後可以得到一個
全新的注意力區域At（圖 4.5）。
{ ( , ) 1( , )}
t t t
A = D x y ∪T− x y （4.2）
圖 4.3 相減影像 圖 4.4 物件邊緣影像
圖 4.5 注意力區域
4.3 邊緣偵測邊緣偵測邊緣偵測 （邊緣偵測 （（（Edge Detection））））
4.3.1 背景邊緣建立背景邊緣建立背景邊緣建立背景邊緣建立
因為車輛與背景會出現強烈的邊緣對比，因此選擇使用邊緣偵測的方法來偵
測車輛，邊緣偵測的方法這邊採用 Canny Edge Detection。由於對車輛進行追蹤
前，必須要先找到影像中移動的車輛，為了要把這些移動的車輛抓出來，就必須
要先知道影像中哪些邊緣屬於車輛，哪些邊緣屬於背景。
首先對前一張影像It−1作 Canny 邊緣偵測得到邊緣影像Et−1（圖 4.6），利用
E x y otherwise
−
Et的像素周圍 5*5（pixel）區塊範圍內的背景邊緣Bt與場景邊緣的垂直及水平邊 緣比較差異程度。d是一個距離函數用來顯示差異的程度，假如距離小於一個門
檻值，即判斷此邊緣像素為背景邊緣，將此像素從Et中移除；反之則保留此資訊。
在執行車輛偵測的過程中，每次都必須要對輸入的整張影像進行運算，如此
會浪費許多不必要的時間，為了提高系統實作的效率，可以利用注意力區域At輔
助，來提高執行的效率。因為移動的車輛資訊只會存在於注意力區域中，也就是
不會在非注意力區域中出現，根據這個特性可以將邊緣影像Et中不屬於注意力區
域的像素皆從Et中移除，得到只剩車輛的資訊（圖 4.8）。
-1
Et Et
圖 4.8 物件邊緣影像
從圖 4.8 可以發現得到的邊緣可能會出現缺口，造成邊緣不連續的情形，為
了解決這個問題，必須對此不連續的邊緣進行邊緣收縮的動作，來得到移動車輛
的資訊，這邊提出使用水平集方法（Level Set Method）來達到邊緣收縮的效果。
4.4 水平集方法水平集方法水平集方法 水平集方法
水平集方法於 1980 年代由美國數學家 Stanley Osher 和 James Sethian 提出，
可應用在影像處理、計算機圖學、計算幾何、最佳化等方面，在這邊主要探討它
在影像處理上的應用。所謂的水平集方法是一種追蹤物件介面和形狀的接口技
術，這麼方法的優點在於可以輕易的解決物件形狀出現拓墣變化的問題（例如：
物件分裂成兩個、出現缺口…等）（圖 4.9）。
圖 4.9 水平集方法
在圖 4.9 中的第一列出現了物件分裂的情形，要以參數來描述這樣的形變是
接著在平面上定義一個符號距離函數ϕ（Signed Distance Function, SDF）（4.5）
0 if ( , )
在曲線上，此時水平集稱作零水平集（Zero Level Set），可以（4.6）表示。
{( , ) | ( , )x y ϕ x y 0}
水平集的狀態，此時得到的收縮邊界即為物件邊緣。為了要說明曲線的更新（運
動）過程，將水平集函數ϕ以 Chain Rule 的方式來推導ϕ的偏微分方程（Partial
Differential Equation）
( ) ( )
為 Hamilton-Jacobi Equation，亦為偏微分方程。
速度是有正負之分的，如果速度F為負，表示曲線的運動方向是朝外部的，
（2） 內部力（Internal Force）Fin：又稱作法向曲率力，將內部力以曲線的
曲度表示，（4.10）
Fin=α Γ′′ （4.10）
其中Γ′′表示Γ的二階導數，表示封閉曲線的曲度，（4.11）
(2 1) nin n n
Γ =′′ − ⋅ + （4.11）
nin表示在像素i鄰近範圍(2n+ ⋅1) (2n+1)內屬於Γin的像素點個數。α 為權重，當曲線向外凸出時，α>0（圖 4.10 中藍色箭頭處）；當曲線
向內凹陷時，α <0（圖 4.10 中紅色箭頭處）；可根據n來調整α。
（3） 圖像力（Image Force）Fimg：目的是為讓曲線可以被物件的邊界所吸
引，定義Fimg（4.12）
img obj
F =β E （4.12）
β為權重，當Fext+Fin >0時，β >0；當Fext+Fin<0時，β <0。Eobj
為物件的邊緣強度。為了避免曲線收縮時受到損毀，可固定β值為負。
圖 4.10 邊緣受力示意圖
實際的執行過程，將影像的像素分為兩個集合Γin和Γout，將Γin的像素
（ni∈ Γin）連接到Γout的像素（nj∈ Γext）計算速度方程式F，若F >0，則表示
ni會被移到曲線外部Γout，即Γin內的像素數量會變少，使得曲線向內收縮。
檢查每次曲線更新的結果，假如曲線的改變已趨於穩定，即表示曲線更新完
成。此時，封閉曲線內的像素點集合即為前景物，也就是車輛偵測的結果（圖 4.11）
（圖 4.12）。
圖 4.11 前景物黑白影像 圖 4.12 前景物彩色影像