軟體架構

系統的軟體程式是在Visual Studio.Net的開發環境下來執行。透過凌華所提供的擷取 程式Sample，將我們所開發的程式與其結合，並在介面上修改成符合我們的研究需要，

如圖2.1所示。

依照各個影像處裡的技術，整個系統的執行流程如圖2.2所示。

圖2.1 系統執行介面

6

圖 2.2 系統執行流程圖

7

第三章 物件粹取與物件追蹤

在交通監控系統中，舉凡車流計算、車速估測、車輛追蹤、車牌辨識或是意外偵測 等等相關的研究，最主要的部分都是藉由分析影像中的物件，來獲得所要的資訊，因此，

對於長時間不會有大改變的背景而言，如何有效的將其分離出來，是一個非常重要的議 題。

3.1 背景的獲得

在此研究中，我們提出了一個針對於靜態背景有高效率(High Efficient)且具有即時 處裡(Real-Time)能力的方法，我們的影像取自於固定的 CCD 攝影機，並且是用彩色影 像來取代傳統的灰階影像，所考量的就是能獲取更多的資訊。由於在同一串畫面裡面，

相同位置的背景點之間具有很微小的變化，或甚至不變，我們藉由統計此特性，來獲得 背景的資訊，接著便能利用此背景來更有效率且更完整的得到移動物件。我們所提出的 理論，優於漸進式背景擷取的地方在於，我們可以藉由機率值的選取，來快速地獲得有 用的背景。

3.1.1 統計法

從固定的CCD 攝影機所擷取的影像是由背景與移動物件所組成的，而所謂背景是 指那些沒有移動的部份，因此其像素的顏色資訊紅(R)、綠(G)與籃(B)應該都會相似或是 一樣；相對的，移動物件就會擁有相異於背景部份的色彩值。因此，在相同的座標上，

背景的彩色資訊所出現在連續畫面中的機率值將會是最高的。於是我們便利用統計來分 析各個像素的R、G、B 值，並遴選了擁有最高機率值的的色彩值來當作是背景點的顏 色資訊。然而，就算是看起來很相似的像素，其三個色彩元素值也不盡相同，因此我們

8

其中CF(Current Frame)表示現在的圖像。此外，我們亦定義了一門檻值，TH1，來 與D 比較，用以決定應該將該像素歸入哪一個類別內。當找到第 n 類滿足 D 不大於 TH1，

在做 Cluster 動作的同時，除了要增加 Cluster 的個數，我們還必須要更新(Update) 該類別的顏色資訊。為了得到 Cluster 的顏色資訊的正確性，我們採用權重(Weighting)

9

的方式來獲得經 Cluster 後，該像素該類更新的顏色資訊，(3.2)便是我們所採用 Update 的方法 一個旗標(Flag)，後續進來的影像，遇到旗標便不再執行 Cluster 與 Classify，如此在越 後面的影像，便越節省運算量。然而要注意的是，隨著一連串影像的統計，固定的TH2 可能會造成影像無法全部都收斂成背景點，就算收斂了，也會耗費許多時間，因此如何 避免出現無法收歛的情形，我們將在下個小節提出我們解決的方法。

10

圖3.1 背景粹取的流程圖

11

3.1.2 機率值的定義與調整

由我們所定義的法則來看，判定為背景點的，是指在 Cluster 過程中，個數最多的 類別，其擁有較高的機率值，因此如果有百分之百的機率值，也就表示該位置的點從初 始到CF 的所有彩色資訊全部都 Cluster 在同一類中，當然直覺性地我們可以把這點歸類 為背景點且進而收斂。然而由於統計上的特性，假使某位置的點在一連串的影像中同時 有背景與前景(移動物件)的特性，也就是說該點有移動物體經過，那麼在短時間內，該 點內最大類別的機率值並不能提升至很高的位置，但是該類卻依舊擁有背景的特性，所 以此時，為了要讓背景能夠快速且正確的收斂完整，我們必須要適當的調整門檻值 TH2。在計算較前面的影像時，我們會先設定一個較大的 TH2 值，隨著時間的增加，我 們會自動將TH2 的數值降低，透由多組的實驗，我們找出了一組調整 TH2 的式子，如 表一，可以幫助我們達到快速收歛，且能獲得不錯的背景表現。

3.2 移動物件的切割

在獲得初始背景圖像(Bint)之後，我們便藉由計算各個像素之間，CF 與背景影像的 差異性，來著手於移動動物件的切割，流程圖如圖 3.2。而在計算過程中，我們同樣分 別有三個差值，△R (x, y) , △G (x, y)和 △B (x, y)，分別描述顏色訊息的差別。而 DFB

定義為△R (x, y) , △G (x, y)和△B (x, y)三者的總和，如(3.3)所示

12

13

3.2.1.1 固定的門檻值 V.S. 電子快門(AES, Auto Electric Shutter)

在先前的實驗過程中，我們透過多組的影像，來找到用於辨別移動物體與背景之 間，最合適FB_th 值的範圍，透過選擇在此範圍之內的定值，可以幫助我們獲得良好的 移動物體訊息。

使用上述的定值，一般情況下都可以讓我們正確地切割出移動物體，但是當畫面中 出現了光線過亮的情形時，電子快門(AES, Auto Electric Shutter)將會啟動，用以使光線 變的較暗，而這樣將會使的整張畫面的色彩值隨之改變，而電子快門的功用，就是用來 調整CCD 曝光時間的長短，讓顯示的畫面不會太暗或是太亮，目前市售的攝影機幾乎 全部都內建有電子快門的功能，有些攝影機是將其內建成無手動調整開關，有些則是具 有手動調整的功能，後者的優點在於，使用者可以根據自己拍攝的環境做調整。

圖3.3 表示了一串用來說明 AES 現象的影像，每張影像相隔了 0.5 秒。從一開始的 正常畫面圖 3.3(a)，到圖 3.3(b)時就可以隱約的發現畫面已經有變暗的趨勢，而這個趨 勢在圖3.3(c)中，表現的最為明顯，可以看到道路表面都已經調整成很暗的狀態，這是 因為公車一大片白色的車頂，啟動了AES 機制的緣故，圖 3.3(d)與圖 3.3(e)顯示了此制 會一值啟動，直到白色車頂離開畫面中，才會又讓 AES 因判斷畫面過暗，又將亮度調 整回原始的狀態，圖 3.3(f)。因此，我們發現了，當有移動物體其具有大區域純白的顏 色時，CCD 本身便會判定是光線過亮，而透過 AES 來將畫面調暗，由於 CCD 的這個 特性，我們實驗所設定的FB-th 固定值，將無法正確的將移動物體給切割出來，相對的，

固定的FB-th 值很可能將整張影像都判定成移動物體，這將會影響到我們後續針對移動 物體的處裡。雖然可以藉由手動來將 AES 的功能關掉，用以解決此問題，但是針對一 般來說，交通監控勢必要做長期測試，而在這長時測試的環境中，CCD 不可能維持固 定的進光量，更不可能隨時去依照當時的環境亮度，來手動調整攝影機快門，因此為了 能讓AES 開關不影響交通監控的執行，我們提出了一個方法,來解決 CCD AES 造成的 問題。

14

圖3.3 經 AES 調整的連續影像

我們的方法便是利用CF 與 Bint 兩者之間，差值取絕對值的統計圖來分析。統計方 法(3.4)所示，在一般的情形下，畫面中屬於背景的部分應該是佔了整個畫面的絕大部 分，因此我們所得到的統計圖，應該在△R , △G 和△B 為零的附近，各會形成一個很 大的高峰，可是當遇到 CCD 自動調整後的影像，出現峰值的地方將會有一個明顯的

(a) (b)

(c) (d)

(e) (f)

15

Shift，因此，我們將整張影像做了反 Shift 的調整，再透過選取的固定 FB_th 值來切割 移動物體，便還是可以有效的將經過光線調整後的影像，其中的移動物體切割出來。 入一個如(3.5)式的低通濾波器(Low Pass Filter)，來平滑所得到的曲線，因為我們所要找 的點，是屬於曲線中曲率較大的，因此利用三次微分的(3.6)式，來確保找到的點是屬於

16

f(x 2)-3f(x 1) 3f(x)-f(x -1) x

f

3

3 = + + +

∂

∂ (3.6)

一般的CCD 除了有 AES 的功能外，尚有一個很普遍的功能，就是背光補償(BLC, Back Light Compensation)？BLC 就是指把背光的部份變亮(例如把站在室內門窗旁的人 臉變亮變清楚)，但整體的亮度會一起變亮,所以原本較亮的區域會有過度曝光情況(如窗 外會變得太亮而看不清楚)目前幾乎所有的監視攝影機都具有背光補償的功能,所以當我 們拿監視攝影機拍窗戶附近的區域時(窗戶和窗戶附近的區域都有拍攝到)，窗外日光較 亮,所以站在窗旁的人臉會變成一團黑(因為人所站的位置背光了)，此時監視攝影機感應 到有背光的情況,便會自動啟動背光補償功能，將人臉變亮變清楚，同時窗外也會跟著 一起變亮，因此窗外會有曝光的感覺。目前市售監視攝影機幾乎全部都有內建背光補償 的功能，但市售每支監視攝影機背光補償的功能、程度、原始設定不同，有的監視攝影 機具有背光補償(BLC)的手動調整開關，有些監視攝影機則沒有背光補償的開關，雖無 開關,但本身有內建此功能。有 BLC 開關的優點是，使用者可根據自己的拍攝環境作調 整，大部份的環境是適合開啟背光補償(BLC)功能的，但在某些情況時，將背光補償(BLC) 功能切到OFF 關掉，反而效果會比較好(避免補償到太亮了)但其實大部份的環境都是適 合開啟背光補償功能，所以監視攝影機背後的 BLC 開關預設值都是 ON，而沒有 BLC 開關的攝影機，則也都內建了背光補償的功能(因為關掉 BLC 的機會並不大，所以省略 做此開關的成本。經過實驗，我們可以證實，我們的動態門檻值選取的方法，亦能處裡 當 BLC 發生，造成畫面補償後變亮，無法正確獲得移動物體的狀況，不過一般針對交 通監控的畫面來說，應該比較少會有BLC 發生，我們這是額外的應用。

17

3.2.2 連通分量的標記

在物件切割之後，後續的流程圖如圖3.4 所示。其中，連通分量(Connected Component) 的標記是移動物體追蹤處理的一個非常耗時的部份。因此，我們在平面上的兩個維度都 採取降低取樣(Down-Sampling)來用以減少處理的資料。因為就本研究的應用上，移動 車輛是我們主要針對的對象，而車輛的大小通常不是很小，因此Down-Sampling 對於下 列各項處理將不會造成影響。

在討論快速連通分量的標示方法之前，我們必須提及何謂連通性(Connectivity)與連 通分量。要判斷兩個像素是否連通，必須要確定它們是否在某種意義上鄰接(是否為 4-，

在討論快速連通分量的標示方法之前，我們必須提及何謂連通性(Connectivity)與連 通分量。要判斷兩個像素是否連通，必須要確定它們是否在某種意義上鄰接(是否為 4-，