第二章 系統架構
3.4 ROI 速度的修正
上述使用型態學所取出的 ROI其垂直方向的距離，稱為長度，這和車輛通過 VDL的時間成正相關，因此也會與車輛的在圖上的長度及車輛移動的速度相關。
如果車輛移動速度較快時，ROI的長度會較短，反之 ROI的長度會較長，如圖 3.15 所示，而當車輛完全停止在偵測線上時，ROI的長度會不斷成長。
移動較快的物體 移動較慢的物體
原圖
擷取後
圖 3 . 1 5速度對前景物長度的影響
由於我們將利用 ROI來從事車輛的分類與計數，因此上述 ROI的長度會受車 速的影響，我們必須將此部份加以修正。
首先我們知道速率的計算方式如下：
t
v= d (3-17)
v 為車輛移動的速率， d 為移動的距離，t為移動所花的時間。由於攝影機每秒 拍攝 29幀（速度為攝影機每秒拍攝影像 29張影像），因此可藉由輸入影像的張 數來估計車子通過的時間，至於車輛移動的距離，我們可以透過 ROI的位移來估 計（圖 3.16），但是此方法在有多個 ROI時會遭遇到兩個問題：第一為對應問題，
第二為遮蔽問題，這些均會影響位移計算的正確性。為了解決這些問題，本文在 第四章提出使用累計曲線結合 Fuzzyconstraintssatisfaction（FCS）來處理
遮蔽問題。
圖 3 . 1 6 R O I位移估計圖
使用車輛通過偵測線時間來估測車輛速度的方式說明如下：如圖 3.16中，
我們紀錄車輛通過第一條偵測線的時間t1 (圖 3.16左)，當車輛通過第兩條偵測 線時的時間為t2 (圖 3.16右)，他們之間的差t2- 即代表該車輛在兩條偵測線t1 間移動的時間，而兩條偵測線的距離為其移動的距離，將上述值代入 3-17式，
我們便可以求得此車輛移動的速度:
2 1
v d
t t
= - （3-18）
當多輛車發生遮蔽時，他們都會屬於同一 ROI，不同速度的車輛發生遮蔽時 會被認為是同一個 ROI，假如只計算單一 ROI的話，將會造成車速的誤判（如圖 3.17），此時運用 3-18式來計算車輛的移動速度的話將會發生誤差，為了解決此 問題，我們利用累計曲線突起部分中的每一點去計算速度：
2i 1i i
v d
t t
= - ，l£i£r （3-19） 其中l 是 ROI最左邊的點，r 是最右邊的點，因此我們計算了車輛輪廓上每個點 的移動速度。
(a) (b)
圖 3 . 1 7 （a）兩輛車輛速度不同且發生遮蔽時的示意圖， （b ）若前 圖發生遮蔽，則在 T S I影像中形成的影像之示意圖。
運用每一個點的移動得到車輛的移動情形後，此資訊可以用來修正 ROI的長 度。當車輛有移動時，我們所得的各點速率，利用下面公式逐點修正，結果如圖 3.18所示。
i i
i v t
h = ´ ，l £i£r （3-20）
移動較快的物體 移動較慢的物體
原圖
擷取後
速度修正後
圖 3 . 1 8 R O I長度修正的實驗結果
第四章 車輛分類與計數
使用前面章節所介紹的方法，我們可以自 TSI圖擷中取出已去除陰影的 ROI， 然而每一 ROI中可能包含一輛車或是多輛車互相遮蔽。本文提出使用累計曲線並 運用 FuzzyconstraintssatisfactionProblems（FCSP）演算法[25]來處理車 輛遮掩的問題，藉由遮蔽的處理過程同時解決了車種的分類與計數的問題，此法 計算速度相當的快。首先，我們將介紹 FCSP演算法[25][26]，接著再說明如何 利用它進行遮蔽的偵測與處理。