行人頭髮灰階值偵測

第三種行人偵測方法是利用行人頭髮灰階值的資訊做偵測，如流程圖 3-19 所示，降階之後統計行人頭髮灰階值最常出現的數值，針對這些灰階值範圍做物 件連通物件的動作，搜尋頭髮灰階值的區域，再把這些區塊符合頭部的寬度和高 度資訊加入，寬度和高度在門檻值之外的錯誤資訊刪除，接著利用行人的高度去 做比對，適合行人高度的頭髮區塊就認定是偵測結果，用頭髮區域把正確的行人 位置框選出來。

圖 3-19 頭髮灰階偵測流程圖

影像原始的灰階值有 256 個，為灰階值 0 到 255，把 256 個灰階值降階成所 需要的 16 階。圖 3-20(a)中為灰階值 0 到灰階值 255 的情況，圖 3-20(b)可以發現 由左至右有漸層的變化，總共分成 16 個灰階值，由左至右的灰階值為 0、16、

32、48、64、80、96、112、128、144、160、176、192、208、224 與 240。降階 後的灰階值 0 包含原本的未降階的灰階值範圍 0 到 15；降階後的灰階值 16 包含 原本未降階的灰階值範圍 16 到 31；之後以此類推。

(a)由左至右的灰階值為 0 到 255 (b)256 個灰階值降階成 16 個灰階值 圖 3-20 灰階值降階前後示意圖

首先要知道的行人頭髮灰階值落在降階成 16 階的哪幾種灰階值，經過長時 間統計，得到頭髮灰階值落在灰階值 16、32、48、64、80 五種灰階值。圖 3-21

中分成兩種灰階值狀態說明，上半部為灰階值 0 到 255，下半部為灰階值降階為 16 階，箭頭所指的範圍代表頭髮灰階值設定的範圍。

圖 3-21 頭髮灰階值範圍

圖 3-22 中有四個人的頭髮區域在 ROI 範圍中，使用頭髮擷取的結果有兩個 成功抓取，頭髮位置的小紅色方框為擷取結果，最左邊的行人因為頭的方向和攝 影機拍攝方向相反，影像中頭髮區域範圍比較小，造成不能成功的做出頭髮區域 擷取。最下面的行人，因為行人的穿著影響到頭髮擷取，衣服的灰階值和頭髮灰 階值相似，會認定頭髮和衣服是屬於同一種灰階物件，框選出的範圍就會過大，

錯誤的範圍就會被刪除。圖 3-23 中有三個行人頭髮被框選，最右邊的行人是女 性，頭髮擷取的結果並不是包含住整個頭髮區域，主要是整個頭髮灰階值並不相 同，不同區域的頭髮在光線影響下有不同的灰階值。因為擷取的範圍合乎設定高 度和寬度，還是成功的擷取頭髮區域。

圖 3-22 頭髮偵測結果一 圖 3-23 頭髮偵測結果二

有行人的頭髮資訊，配合行人高度做行人偵測，利用 3.1.2 節的行人群的移 動物件區域和非移動物件區域的資訊，分成四種符合行人高度的條件：

δ 是動態行人高度，ε是高度誤差範圍的門檻值，ε設定為 5。HT 是抓取到 行人頭髮區域的上邊界。圖 3-24 是單一行人的情況，配合公式(3-17)，符合行人 高度範圍就認定是正確的行人頭髮區域。圖 3-25 是多人的情況，配合公式(3-17)，

下方行人頭髮區域的上邊界，和底部高度有符合行人高度範圍就認定是正確的行 人頭髮區域。圖 3-26 配合公式(3-18)，因為有 BL 的存在，利用 BL 上邊界到頭 髮上邊界的高度，符合行人高度範圍就認定是正確行人頭髮區域。同理，圖 3-27 配合公式(3-19)也有相同結果。

1,

(3-17) 0, otherwise

1,

(3-18) 0, otherwise

1,

0, otherwise (3-19)

圖 3-24 行人頭髮和行人高度示意圖(1) 圖 3-25 行人頭髮和行人高度示意圖(2)

圖 3-26 行人頭髮和行人高度示意圖(3) 圖 3-27 行人頭髮和行人高度示意圖(4) 圖 3-28 中，綠色方框是行人擷取的位置。上面兩個人沒有抓取到頭髮區域，

所以沒有成功把行人擷取。下面兩個人都是利用行人高度判斷公式(3-17)，行人 擷取的位置會隨著頭髮位置改變，如果頭髮有偏移的狀況，擷取位置也會偏移。

因為頭髮灰階值不穩定，抓取行人效果情況有限制，所以頭髮偵測使用上屬於輔

助性質，並不會當成主要的偵測方法。

圖 3-28 頭髮偵測結果