第六章 實驗結果與比較
6.2 影像資料庫
6.2.1 靜態資料庫
CBCL PEDESTRIAN DATABASE 提供了 924 張大小為 64x128，原始檔案格式 為 PPM(Portable Pix Map)。其行人影像較為單純，只有正面與背面，且 CBCL 沒 有提供非人樣本(負樣本)，所以我們使用從 INRIA Person Dataset 所提供的非人影 像經過切割後做為此樣本實驗所使用的負樣本，切割出的負樣本大小均為 64x128。
INRIA Person Dataset 一共提供包含各種解析度的 1218 張訓練用非人影像與 453 張 測試用非人影像。從 INRIA Person Dataset 提供的 1218 張訓練用非人影像，前 1038 張每張以隨機位置切割出 1 張，共得到 1038 張用於訓練階段的負樣本。從 INRIA Person Dataset 提供的 453 張測試用非人影像，每張以隨機位置切割出 3 張，共得 到 1359 張測試用的負樣本。並且在樣本總數量與負樣本不變的情形之下，透過調
96
整正樣本，整理出 CBCL_V1~CBCL_V4 共四組樣本集。其中四組樣本集的訓練樣 本一共使用 1500 張，測試樣本一共使用 1821 張。如圖 6-2 為挑選完的 CBCL 樣 本集示意圖。
CBCL_V1：
從 CBCL 924 張正樣本中挑選前一半，即 462 張作為訓練階段正樣本，剩下的 462 張做為測試階段正樣本。
CBCL_V2：
從 CBCL 924 張正樣本中挑選前一半，即 462 張作為測試階段正樣本，剩下的 462 張做為訓練階段正樣本。
CBCL_V3:
將 CBCL 924 張正樣本使用奇偶數的方式切一半，奇數的 462 張作為訓練階段 正樣本，偶數的 462 張做為測試階段正樣本。
CBCL_V4:
將 CBCL 924 張正樣本使用奇偶數的方式切一半，奇數的 462 張作為測試階段 正樣本，偶數的 462 張做為訓練階段正樣本。
圖 6-2 CBCL 樣本集示意圖
CVC Virtual Pedestrian Datasets 有提供多種不同類型的資料庫，我們使用的是 CVC-03 Virtual-World Pedestrian Dataset(Using Half-Life 2 Graphics Engine)。該資料
97
庫正樣本提供 1678 張虛擬行人與對應的水平鏡像圖片，共有 3356 張，解析度大 小為 48x96，我們將其放大至 64x128 使用。非人影像則提供 2048 張無人的虛擬背 景圖，解析度大小大致上為 640x480，但有 7 張例外。我們從每張非人影像中各切 割出 2 張，共切割出 4096 張大小為 64x128 的訓練與測試階段負樣本候選。訓練 樣本一共使用 1897 張，從 3356 張虛擬行人中挑選出 571 張作為訓練階段正樣本，
從 4096 張負樣本候選中挑選出 1326 張作為訓練階段負樣本。測試樣本一共使用 2619 張，從 3356 張虛擬行人中挑選出 571 張作為測試階段正樣本，從 4096 張負 樣本候選中挑選出 2048 張作為測試階段負樣本。並且訓練階段與測試階段所挑選 的樣本不重複。如圖 6-3 為挑選完的 CVC 樣本集示意圖。
圖 6-3 CVC 樣本集示意圖
INRIA Person Dataset 提供 2416 張解析度為 96x160 的正樣本與 1218 張非人影 像於訓練階段使用。提供 1132 張解析度為 70x134 的正樣本與 453 張非人影像於 測試階段使用。我們將正樣本進行切割至大小比例為 1:2 並且縮小至 64x128 使用，
另外將每張非人影像以位置不重複的方式各切割出 4 張做為負樣本使用。如圖 6-4 為挑選完的 INRIA 樣本集示意圖。
98
圖 6-4 INRIA 樣本集示意圖
CBCL PEDESTRIAN DATABASE 整理出 4 組樣本集，CVC Virtual Pedestrian Datasets 與 INRIA Person Dataset 各整理出 1 組樣本集，所以在靜態資料庫共會有 6 組樣本集的實驗結果，其所使用的樣本數量如表 6-2 所示。
表 6-2 靜態資料庫樣本數量
DataSets Training/
Testing CBCL
V1~V4
CVC
Training
Training
Negative Samples 1038
(INRIA)Positive Samples
462
571 1326
Testing
Testing
462
571 2048
1359
(INRIA)Total 1500
1897 2619 1821
INRIA
Training 2416 4872 Testing 1132 1812
7288
2944
99