CN104735296B - 行人侦测系统与方法 - Google Patents

Abstract

本发明揭露一种行人侦测系统与方法。行人侦测系统包含影像撷取模块、预先处理模块、人体侦测模块、影像接合模块以及判断模块。影像撷取模块用以产生多个第一侦测影像数据。预先处理模块用以根据第一侦测影像数据产生多个标示有兴趣区域的第一影像轮廓数据。人体侦测模块用以根据第一影像轮廓数据产生多个标示有人体特征区域的第二影像轮廓数据。影像接合模块用以接合第一侦测影像数据以产生第三侦测影像数据。判断模块用以根据第三侦测影像数据产生并输出侦测结果。

Description

行人侦测系统与方法

技术领域

本发明是有关于一种侦测及辨识系统，且特别是有关于一种侦测行人的系统及方法。

背景技术

随着科技的进步，行人侦测系统的应用也越来越加普及，举例来说，现今的行人侦测系统可应用在汽车上，用以侦测汽车前方是否有行人存在，并于可能发生碰撞时提前通知驾驶人，以提升行车安全。

然而，目前的行人侦测系统在侦测的过程中，常受到拍摄现场各种变因的干扰而使得侦测结果的准确率下降。例如在光照不均的环境中造成行人部份过亮或过暗，或是在行人的驱体被部分遮蔽的情况之下，现有的行人侦测系统常常无法准确的判断场景中是否有行人存在。

发明内容

因此，本发明的一方面是在提供一种行人侦测系统，用以侦测一场景中是否有行人存在。行人侦测系统包含影像撷取模块、预先处理模块、人体侦测模块、影像接合模块以及判断模块。影像撷取模块用以产生多个具有不同曝光度的包含该场景的影像数据，并根据上述影像数据中的一影像数据的灰度分布图产生场景反差判断结果，然后根据场景反差判断结果，选择上述影像数据中至少一者做为多个第一侦测影像数据。预先处理模块用以根据第一侦测影像数据产生多个标示有兴趣区域的第一影像轮廓数据。人体侦测模块用以判断第一影像轮廓数据的兴趣区域中是否至少一者包含人体特征。若判断结果为是，则人体侦测模块产生多个标示有人体特征区域的第二影像轮廓数据。若判断结果为否，则人体侦测模块输出一侦测结果。影像接合模块用以接合第一侦测影像数据以产生至少一第三侦测影像数据。判断模块用以根据所述第三侦测影像数据产生并输出侦测结果。

本发明的另一方面是在提供一种行人侦测方法，用以侦测一场景中是否有行人存在，行人侦测方法包含下列步骤：产生多个具有不同曝光度的包含该场景的影像数据；根据上述影像数据中的一影像数据的灰度分布图产生场景反差判断结果；根据场景反差判断结果，选择上述影像数据中至少一者做为多个第一侦测影像数据；根据第一侦测影像数据产生多个标示有兴趣区域的第一影像轮廓数据；判断第一影像轮廓数据的兴趣区域中是否至少一者包含人体特征，若判断结果为是，则产生多个标示有人体特征区域的第二影像轮廓数据，若判断结果为否，则输出侦测结果；接合第一侦测影像数据以产生至少一第三侦测影像数据；以及根据第三侦测影像数据产生并输出侦测结果。

附图说明

图1为本发明一实施例中，一种行人侦测系统的方块示意图；

图2为本发明一实施例中，一包含欲侦测场景的影像数据的灰度分布图；

图3为本发明一实施例中，一头肩判定单元判断兴趣区域中是否包含人体的头肩特征的示意图；

图4为本发明一实施例中，一肢体判定单元判断影像轮廓数据的兴趣区域中是否包含人体的肢体特征的示意图；

图5为本发明一实施例中，一肢体判定单元用以判断影像轮廓数据的兴趣区域中是否包含人体的肢体特征的座标图；

图6为本发明一实施例中，一种行人侦测系统的方块示意图；

图7为本发明一实施例中，一种行人侦测方法的流程示意图；

图8为本发明一实施例中，一种行人侦测方法的流程示意图。

具体实施方式

下文是举实施例配合所附附图作详细说明，但所提供的实施例并非用以限制本发明所涵盖的范围，而结构运作的描述非用以限制其执行的顺序，任何由元件重新组合的结构，所产生具有均等功效的装置，皆为本发明所涵盖的范围。此外，附图仅以说明为目的，并未依照原尺寸作图。为使便于理解，下述说明中相同元件将以相同的符号标示来说明。

在全篇说明书与权利要求书所使用的用词（terms），除有特别注明外，通常具有每个用词使用在此领域中、在此揭露的内容中与特殊内容中的平常意义。某些用以描述本揭露的用词将于下或在此说明书的别处讨论，以提供本领域技术人员在有关本揭露的描述上额外的引导。

另外，关于本文中所使用的“耦接”或“连接”，均可指二或多个元件相互直接作实体或电性接触，或是相互间接作实体或电性接触，亦可指二或多个元件相互操作或动作。

请参照图1。图1为根据本发明一实施例，绘示一种行人侦测系统100的方块示意图。行人侦测系统100用以侦测一场景中是否有行人存在。举例来说，上述场景可为一道路、一天桥、一地下道或是一平交道。而行人侦测系统100可固定设置于一道路监视器或者一保全系统中，亦可设置于可移动装置如任意交通工具上等。行人侦测系统100包含影像撷取模块110、预先处理模块130、人体侦测模块140、影像接合模块150以及判断模块160。行人侦测系统100还可选择性地包含多尺寸处理模块120。

影像撷取模块110用以产生多个具有不同曝光度的包含上述场景的影像数据，并根据上述影像数据中的一影像数据的灰度分布图（Histogram）产生场景反差判断结果，然后再根据场景反差判断结果，选择上述影像数据中至少一者做为侦测影像数据112以及114。

于一实施例中，影像撷取模块110是利用一数字相机连续拍摄三张曝光度分别为EV0、EV-H以及EV-L的包含欲侦测场景的照片以产生三个包含欲侦测场景的影像数据。于另一实施例中，是利用一数字相机拍摄一张曝光度为EV0的包含欲侦测场景的照片，并利用影像处理技术将该张曝光度为EV0的照片分别增加曝光度与减低曝光度，以产生三个包含欲侦测场景且曝光度分别为EV0、EV-H以及EV-L的影像数据。于下一个段落，我们将进一步详述影像撷取模块110如何根据影像数据的灰度分布图产生场景反差判断结果。

请同时参照图2。图2为根据本发明一实施例，绘示一包含欲侦测场景的影像数据的灰度分布图210。于本实施例中，灰度分布图210为一曝光度为EV0的影像数据的灰度分布图，影像撷取模块110计算灰度分布图210中亮度在于一中间范围内（举例来说，亮度介于100至150之间）的像素数量与灰度分布图210中所有像素数量的比例。若上述比例小于一阀值（例如：1/2），则影像撷取模块110于场景反差判断结果中描述欲侦测的场景为一高反差场景。若该比例不小于该阀值，则影像撷取模块110于场景反差判断结果中描述欲侦测的场景为一低反差场景。

需注意的是，上述用以判断场景反差的灰度分布图的中间亮度范围并不限于100至150之间（举例来说，中间亮度范围亦可界定于85至170之间），且上述用以判断的比例阀值亦不限定于1/2（举例来说，比例阀值亦可选定为1/3），使用者可依实际需要加以调整。

于本实施例中，若欲侦测的场景于上述场景反差判断结果中被描述为一高反差场景，则影像撷取模块110分别将一包含欲侦测场景且曝光度为EV-H的影像数据以及一包含欲侦测场景且曝光度为EV-L的影像数据作为侦测影像数据112以及114。若场景反差判断结果描述欲侦测的场景为一低反差场景，则影像撷取模块110将一包含欲侦测场景且曝光度为EV0的影像数据同时作为侦测影像数据112以及114。

需注意的是，于本发明中，影像撷取模块110所产生的侦测影像数据的数目并不限于图1所示的实施例中的两组（112以及114），使用者可视实际需要加以调整。于另一实施例中，侦测影像数据的数目为4组。

多尺寸处理模块120用以根据侦测影像数据112以及114产生多个对应的不同解析度的侦测影像数据122以及124。

于一例子中，侦测影像数据112以及114的解析度例如是1280*960，多尺寸处理模块120用以根据侦测影像数据112的内容产生包括不同解析度的侦侧影像数据122。侦侧影像数据122例如是对应的三组解析度如640*480、1280*960与2560*1920。同样地，多尺寸处理模块120用以根据侦侧影像数据114的内容产生对应的三组解析度分别为640*480、1280*960与2560*1920的侦侧影像数据124。

需说明的是，多尺寸模块120为选择性地设置于行人侦测系统100中。已知技艺者可视实际需求决定是否设置多尺寸模块120，于一未设置多尺寸模块120的实施例中，侦侧影像数据122可为侦侧影像数据112，而侦侧影像数据124可为侦侧影像数据114。

预先处理模块130用以根据侦测影像数据122以及124产生产生标示有兴趣区域的影像轮廓数据132以及134。于一实施例中，侦测影像数据122以及124分别为三组解析度不同的侦测影像数据122x、122y与122z以及124x、124y与124z（未绘示）。预先处理模块130用以分别对侦测影像数据122x、122y、122z、124x、124y以及124z执行珈玛值与色彩标准化，并根据标准化的结果分别计算上述六组侦测影像数据每一者的像素间的梯度（gradient），然后根据计算出来的梯度，分别产生上述六组侦测影像数据对应的影像轮廓（skeleton）数据122x_sk、122y_sk、122z_sk、124x_sk、124y_sk以及124z_sk（未绘示）。接着，预先处理模块130分别对上述六组影像轮廓数据进行一边缘侦测（Edge Detection），以侦测上述六组影像轮廓数据中的边缘线条以及边缘曲线，并根据所侦测到的边缘线条以及边缘曲线于上述六组影像轮廓数据中分别建立兴趣区域，以产生标示有兴趣区域的影像轮廓数据122x_roi、122y_roi、122z_roi、124x_roi、124y_roi以及124z_roi（未绘示）。预先处理模块130接着将122x_roi、122y_roi与122z_roi作为标示有兴趣区域的影像轮廓数据132，并将124x_roi、124y_roi与124z_roi作为标示有兴趣区域的影像轮廓数据134。

于一实施例中，预先处理模块130还用以判断影像轮廓数据132以及134的兴趣区域中是否至少一者具有可用以进行进一步判定的边缘线条或边缘曲线。若判断结果为否，则预先处理模块130输出侦测结果170，并于侦测结果170中描述欲侦测的场景中没有行人存在。

人体侦测模块140用以判断影像轮廓数据132以及134的兴趣区域中是否至少一者包含人体特征。若判断结果为是，则人体侦测模块140分别于影像轮廓数据132以及134中标示人体特征区域，并产生对应的标示有人体特征区域的影像轮廓数据142以及144。若判断结果为否，则人体侦测模块140输出侦测结果170，并于侦测结果170中描述欲侦测的场景中没有行人存在。

于一实施例中，影像轮廓数据132以及134分别为三组解析度不同的标示有兴趣区域的影像轮廓数据132x、132y与132z以及134x、134y与134z（未绘示）。人体侦测模块140分别对132x、132y、132z、134x、134y以及134z的兴趣区域进行一人体特征侦测，并根据所侦测到的人体特征，于上述六组影像轮廓数据中分别标示人体特征区域，以产生对应的标示有人体特征区域的影像轮廓数据132x_p、132y_p、132z_p、134x_p、134y_p以及134z_p（未绘示）。其中若影像轮廓数据132x、132y、132z、134x、134y以及134z的兴趣区域中至少一者包含人体特征，则人体侦测模块140将132x_p、132y_p与132z_p作为标示有人体特征区域的影像轮廓数据142，并将134x_p、134y_p与134z_p作为标示有人体特征区域的影像轮廓数据144。反之，若影像轮廓数据132x、132y、132z、134x、134y以及134z的兴趣区域中皆不具有人体特征，则人体侦测模块140输出侦测结果170，并于侦测结果170中描述欲侦测的场景中没有行人存在。

于一实施例中，人体侦测模块140包含一头肩判定单元（未绘示），该头肩判定单元用以分别根据影像轮廓数据132以及134的兴趣区域中多个法向量角度数据，判断影像轮廓数据132以及134的兴趣区域中是否包含人体的头肩特征。于本实施例中，若头肩判定单元判断一影像轮廓数据的兴趣区域中包含人体的头肩特征，则人体侦测模块140判断该影像轮廓数据的兴趣区域中包含人体特征。以下段落我们将进一步详述头肩判定单元如何根据影像轮廓数据的兴趣区域中多个法向量角度数据，判断影像轮廓数据中是否包含人体的头肩特征。

请同时参照图3。图3为根据本发明一实施例绘示头肩判定单元判断兴趣区域300中是否包含人体的头肩特征的示意图。

兴趣区域300包含一曲线305。曲线305是由像素310、320、330、340、350以及360所组成。头肩判定单元先将像素310以及320连线以产生线段312；将像素320以及330连线以产生线段322；将像素330以及340连线以产生线段332；将像素340以及350连线以产生线段342；以及将像素350以及360连线以产生线段352。接着，头肩判定单元分别产生线段312、322、332、342以及352的法向量314、324、334、344以及354。然后，头肩判定单元分别估算法向量314、324、334、344以及354与水平线的夹角316、326、336、346以及356。接着，头肩判定单元根据夹角316、326、336、346以及356判断曲线305的形状，并进而判定曲线305是否为人体的头或是肩。如果判定结果为是，则头肩判定单元判断兴趣区域300中包含人体的头肩特征。亦即兴趣区域300所属的影像轮廓数据包含人体的头肩特征。

于一实施例中，人体侦测模块140包含一肢体判定单元，该肢体判定单元用以将影像轮廓数据132以及134的兴趣区域中多个距离与角度数据与一样本数据进行比对，并根据比对结果，判断影像轮廓数据132以及134的兴趣区域中是否包含人体的肢体特征。于本实施例中，若肢体判定单元判断一影像轮廓数据中包含人体的肢体特征，则人体侦测模块140判断该影像轮廓数据的兴趣区域中包含人体特征。以下段落我们将进一步详述肢体判定单元如何根据影像轮廓数据的兴趣区域中多个距离与角度数据，判断影像轮廓数据中是否包含人体的肢体特征。

请同时参照图4。图4为根据本发明一实施例绘示肢体判定单元判断影像轮廓数据400的一兴趣区域410中是否包含人体的肢体特征的示意图。兴趣区域410包含线段420、430以及440。端点405为影像轮廓数据400左下角的端点。肢体判定单元先分别产生线段420、430以及440与端点405的垂直连线422、432以及442，并估算线段422、432以及442的长度r_1、r_2以及r_3（未绘示），其中r_1、r_2以及r_3即线段420、430以及440与端点405的距离。肢体判定单元接着估算线段422、432以及442与水平线的夹角θ₁、θ₂以及θ₃。然后，肢体判定单元将角度θ₁、θ₂以及θ₃与距离r_1、r_2以及r_3转换为极坐标(θ₁,r_1)、(θ₂,r_2)以及(θ₃,r_3)，并根据上述三组极座标绘示一座标图。需注意的是，上述端点405的位置并不限定于影像轮廓数据400的左下角。于另一实施例中，端点405的位置是位于一影像轮廓数据的右下角。

请同时参照图5。图5为根据本实施例上述三组极座标绘示的座标图500。于座标图500中，座标520是表示极坐标(θ₁,r_1)，座标530是表示极坐标(θ₂,r_2)，座标540是表示极坐标(θ₃,r_3)。肢体判定单元接着用以将座标图500与一样本数据进行比对，其中该样本数据包含一座标图上的区域。该座标图上的区域是利用大量具有行人的场景的影像进行一演算法机器训练所产生。若座标520、530以及540皆位于该座标图上的区域中，则肢体判定单元判断兴趣区域410中包含人体的肢体特征。

影像接合模块150用以接合侦测影像数据122以及124以产生至少一侦测影像数据154。影像接合模块150可以包含连接性分析单元152。连接性分析单元152用以分别对影像轮廓数据142以及144的人体特征区域进行编码，并根据编码结果接合侦测影像数据122与124以产生至少一侦测影像数据154。

于一实施例中，影像轮廓数据142以及144分别为三组解析度不同的标示有人体特征区域的影像轮廓数据142x、142y与142z以及144x、144y与144z（未绘示）。侦测影像数据122以及124分别为三组解析度不同的侦测影像数据122x、122y与122z以及124x、124y与124z（未绘示）。其中122x、124x、142x与144x的解析度相同；122y、124y、142y与144y的解析度相同；以及122z、124z、142z与144z的解析度相同。连接性分析单元152用以分别对142x、142y、142z、144x、144y以及144z的人体特征区域执行一行程长度编码（run-lengthcoding），并比对142x与144x的编码结果以产生一影像边缘，再根据该影像边缘的位置，对应地将122x以及124x于该位置处接合以产生一侦测影像数据154x（未绘示）。同样地，连接性分析单元152用以比对142y与144y的编码结果以产生一影像边缘，再根据该影像边缘的位置，对应地将122y以及124y于该位置处接合以产生一侦测影像数据154y（未绘示）；以及比对142z与144z的编码结果以产生一影像边缘，再根据该影像边缘的位置，对应地将122z以及124z于该位置处接合以产生一侦测影像数据154z（未绘示）。于本实施例中，侦测影像数据154包含154x、154y以及154z。

判断模块160用以根据侦测影像数据154判断欲侦测的场景中是否有行人存在，并输出侦测结果170。判断模块160可以包含梯度直方图（histogram of orientedgradients）产生单元162以及线性支持向量机器（linear support vector machine）单元166。梯度直方图产生单元162用以根据所述侦测影像数据154产生至少一梯度直方图数据164。线性支持向量机器单元166用以根据梯度直方图数据164产生并输出侦测结果170。

于一实施例中，侦测影像数据154为三组解析度不同的侦测影像数据154x、154y以及154z。梯度直方图产生单元162用以分别对侦测影像数据154x、154y以及154z执行珈玛值与色彩标准化，并根据标准化的结果分别计算上述三组侦测影像数据每一者的梯度直方图164x、164y以及164z，并将164x、164y以及164z作为梯度直方图数据164的一部分。线性支持向量机器单元166用以分别将梯度直方图数据164所包含的梯度直方图164x、164y以及164z与一样本数据库进行比对，以判断侦测影像数据154x、154y以及154z中是否有行人存在。于本实施例中，若线性支持向量机器单元166判断154x、154y以及154z中至少一者有行人存在，则线性支持向量机器单元166输出侦测结果170，并于侦测结果170中描述欲侦测的场景中有行人存在。反之，若线性支持向量机器单元166判断154x、154y以及154z中皆无行人存在，则线性支持向量机器单元166输出侦测结果170，并于侦测结果170中描述欲侦测的场景中没有行人存在。

请参照图6。图6为根据本发明一实施例，绘示一种行人侦测系统100a的方块示意图。

行人侦测系统100a包含影像撷取模块110a、多尺寸处理模块120a、预先处理模块130a、人体侦测模块140a、影像接合模块150a以及判断模块160a。其中影像撷取模块110a、多尺寸处理模块120a、预先处理模块130a、人体侦测模块140a以及判断模块160a分别可为图1中所示的影像撷取模块110、多尺寸处理模块120、预先处理模块130、人体侦测模块140以及判断模块160a，其功能与操作均类似，故在此不再赘述。

于本实施例中，影像接合模块150a还包含正规化接合单元610，以及选择性地包含如图1中所示的连接性分析单元152a（连接性分析单元152a可为图1中所示的连接性分析单元152，其功能与操作均类似，故在此不再赘述）。正规化接合单元610用以根据影像轮廓数据132a以及134a的兴趣区域中的特征接合侦测影像数据122a以及124a以产生侦测影像数据154a。。

于一实施例中，影像轮廓数据132a以及134a分别为三组解析度不同的标示有兴趣区域的影像轮廓数据132a_x、132a_y与132a_z以及134a_x、134a_y与134a_z（未绘示）。侦测影像数据122a以及124a分别为三组解析度不同的侦测影像数据122a_x、122a_y与122a_z以及124a_x、124a_y与124a_z（未绘示）。其中122a_x、124a_x、132a_x与134a_x的解析度相同；122a_y、124a_y、132a_y与134a_y的解析度相同；以及122a_z、124a_z、132a_z与134a_z的解析度相同。正规化接合单元610用以根据影像轮廓数据132a_x以及134a_x的兴趣区域中的特征，相对应地将侦测影像数据122a_x以及124a_x于该特征处接合以产生一侦测影像数据654_x（未绘示）。同样地，正规化接合单元610用以根据影像轮廓数据132a_y以及134a_y的兴趣区域中的特征，相对应地将侦测影像数据122a_y以及124a_y于该特征处接合以产生一侦测影像数据654_y（未绘示）；以及根据影像轮廓数据132a_z以及134a_z的兴趣区域中的特征，相对应地将侦测影像数据122a_z以及124a_z于该特征处接合以产生一侦测影像数据654_z（未绘示）。于本实施例中，侦测影像数据154a还包含上述侦测影像数据654x、654y以及654z。

请参照图7。图7为依据本发明一实施例绘示一种行人侦测方法的流程示意图。行人侦测方法用以侦测一场景中是否有行人存在，行人侦测方法可实作为一计算机程序产品（如应用程序），并储存于一计算机可读取记录媒体中，而使计算机读取此记录媒体后执行音频比对方法。计算机可读取记录媒体可为只读记忆体、快闪记忆体、软盘、硬盘、光盘、随身盘、磁带、可由网络存取的数据库或熟悉此技艺者可轻易思及具有相同功能的计算机可读取记录媒体。此行人侦测方法可应用于如图1所绘示的行人侦测系统100中，但不以其为限。为方便及清楚说明起见，下列行人侦测方法的叙述是配合图1所示的行人侦测系统100作说明。

于步骤708，影像撷取模块110产生多个具有不同曝光度的包含该场景的影像数据。

于步骤710，影像撷取模块110根据上述影像数据中的一影像数据的灰度分布图产生场景反差判断结果。

于步骤712，影像撷取模块110根据场景反差判断结果，选择上述影像数据中至少一者做为侦测影像数据112以及114。

于步骤716，预先处理模块130根据侦测影像数据112以及114产生多个标示有兴趣区域的影像轮廓数据132与134。

接着，于步骤724，人体侦测模块140判断影像轮廓数据132以及134的兴趣区域中是否至少一者包含人体特征。

若判断结果为是，则人体侦测模块140于步骤728产生标示有人体特征区域的影像轮廓数据142与144。

若判断结果为否，则人体侦测模块140于步骤726则输出侦测结果170，并于侦测结果170中描述欲侦测的场景中没有行人存在。

接着，于步骤730，影像接合模块150接合侦测影像数据112以及114以产生至少一侦测影像数据154。

然后，于步骤732，判断模块160根据侦测影像数据154产生并输出侦测结果170。

请参照图8。图8为依据本发明一实施例绘示一种行人侦测方法的流程示意图。相较于图7所示的行人侦测方法，于本实施例中，行人侦测方法还包含步骤814、816以及步骤830。此行人侦测方法可应用于如图1所绘示的行人侦测系统100中，但不以其为限。为方便及清楚说明起见，下列行人侦测方法的叙述是配合图1所示的行人侦测系统100作说明。

于步骤814，多尺寸处理模块120根据侦测影像数据112以及114的内容产生对应的不同解析度的侦测影像数据122以及124。

于步骤816，预先处理模块130根据侦测影像数据122以及124产生多个标示有兴趣区域的影像轮廓数据132与134。

于步骤830，影像接合模块150接合侦测影像数据122以及124以产生至少一侦测影像数据154。

综上所述，通过本发明的技术手段，例如在光照不均的环境中，同时判读曝光度高以及曝光度低的影像数据，以更佳地判读影像的亮部以及暗部信息，或者通过辨识不同解析度的影像数据，更佳地判读影像中较大或较小的物体，又或者，通过对影像中的可能为行人的区域的线段以及曲线做进一步的判定，以判定上述区域中是否包含人体特征，因此在行人的驱体被部分遮蔽下仍可辨识等。综上所述，应用本发明的技术手段可更为有效辨识行人的存在，进而达到提高辨识准确率的效果。

应了解到，在本实施方式中所提及的步骤，除特别叙明其顺序者外，均可依实际需要调整其前后顺序，甚至可同时或部分同时执行。

虽然本发明已以实施方式揭露如上，然其并非用以限定本发明，任何熟悉此技艺者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰，因此本发明的保护范围当视所附的权利要求书所界定的范围为准。

Claims (20)

1.一种行人侦测系统，其特征在于，用以侦测一场景中是否有行人存在，该行人侦测系统包含：

一影像撷取模块，用以产生多个具有不同曝光度的包含该场景的影像数据；根据所述影像数据中的一影像数据的一灰度分布图产生一场景反差判断结果；以及根据该场景反差判断结果，选择所述影像数据中至少一者做为多个第一侦测影像数据；

一预先处理模块，用以根据所述第一侦测影像数据产生多个标示有兴趣区域的第一影像轮廓数据；

一人体侦测模块，用以判断所述第一影像轮廓数据的兴趣区域中是否至少一者包含人体特征；若判断结果为是，则该人体侦测模块产生多个标示有人体特征区域的第二影像轮廓数据；以及若判断结果为否，则该人体侦测模块输出一侦测结果；

一影像接合模块，用以根据所述第一影像轮廓数据或所述第二影像轮廓数据接合所述第一侦测影像数据，以产生至少一第三侦测影像数据；以及

一判断模块，用以根据所述第三侦测影像数据产生并输出该侦测结果,

其中该影像撷取模块是根据该灰度分布图中，亮度在一中间亮度范围内的像素数量与该灰度分布图中所有像素数量的一比例来产生该场景反差判断结果,其中，如该比例小于一阀值，则该影像撷取模块选择所述影像数据中多个曝光度皆为不同的影像数据做为所述第一侦测影像数据。

2.根据权利要求1所述的行人侦测系统，其特征在于，还包含一多尺寸处理模块，该多尺寸处理模块用以根据所述第一侦测影像数据的内容产生多个对应不同解析度的第二侦测影像数据；

该预先处理模块还用以根据所述第二侦测影像数据，产生所述第一影像轮廓数据；以及

该影像接合模块还用以根据所述第一影像轮廓数据或所述第二影像轮廓数据接合所述第二侦测影像数据，以产生所述第三侦测影像数据。

3.根据权利要求1所述的行人侦测系统，其特征在于，该判断模块还包含：

一梯度直方图产生单元，用以根据所述第三侦测影像数据产生至少一梯度直方图数据；以及

一线性支持向量机器单元，用以根据所述梯度直方图数据产生并输出该侦测结果。

4.根据权利要求1所述的行人侦测系统，其特征在于，如该比例不小于该阀值，则该影像撷取模块选择所述影像数据中一曝光度为EV0的影像数据做为所述第一侦测影像数据。

5.根据权利要求1所述的行人侦测系统，其特征在于，该人体侦测模块还包含一头肩判定单元，该头肩判定单元用以根据所述第一影像轮廓数据的兴趣区域中多个法向量角度数据，判断所述第一影像轮廓数据的兴趣区域中是否包含人体的头肩特征。

6.根据权利要求1所述的行人侦测系统，其特征在于，该人体侦测模块还包含一肢体判定单元，该肢体判定单元用以将所述第一影像轮廓数据的兴趣区域中多个距离与角度数据与一样本数据进行比对，并根据比对结果，判断所述第一影像轮廓数据的兴趣区域中是否包含人体的肢体特征。

7.根据权利要求1所述的行人侦测系统，其特征在于，该影像接合模块还包含：

一连接性分析单元，用以分别对所述第二影像轮廓数据的人体特征区域进行一编码，并根据编码结果接合所述第一侦测影像数据以产生所述第三侦测影像数据。

8.根据权利要求7所述的行人侦测系统，其特征在于，该编码为一行程长度编码，且该连接性分析单元还用以利用该行程长度编码所产生的影像边缘接合所述第一侦测影像数据，以产生所述第三侦测影像数据。

9.根据权利要求1所述的行人侦测系统，其特征在于，该影像接合模块还包含一正规化接合单元，该正规化接合单元用以根据所述第一影像轮廓数据的兴趣区域中的特征接合所述第一侦测影像数据，以产生所述第三侦测影像数据。

10.根据权利要求1所述的行人侦测系统，其特征在于，该预先处理模块还用以判断所述第一影像轮廓数据的兴趣区域中是否至少一者具有可用以进行进一步判定的边缘线条或边缘曲线，若判断结果为否，则该预先处理模块还用以输出该侦测结果。

11.一种行人侦测方法，其特征在于，用以侦测一场景中是否有行人存在，该行人侦测方法包含：

产生多个具有不同曝光度的包含该场景的影像数据；

根据所述影像数据中的一影像数据的一灰度分布图产生一场景反差判断结果；

根据该场景反差判断结果，选择所述影像数据中至少一者做为多个第一侦测影像数据；

根据所述第一侦测影像数据产生多个标示有兴趣区域的第一影像轮廓数据；

判断所述第一影像轮廓数据的兴趣区域中是否至少一者包含人体特征，若判断结果为是，则产生多个标示有人体特征区域的第二影像轮廓数据，若判断结果为否，则输出一侦测结果；

根据所述第一影像轮廓数据或所述第二影像轮廓数据接合所述第一侦测影像数据以产生至少一第三侦测影像数据；以及

根据所述第三侦测影像数据产生并输出该侦测结果,

其中根据该灰度分布图产生该场景反差判断结果的步骤还包含：

根据该灰度分布图中，亮度在一中间亮度范围内的像素数量与该灰度分布图中所有像素数量的一比例来产生该场景反差判断结果,其中，如该比例小于一阀值，则在根据该场景反差判断结果选择所述影像数据中至少一者做为所述第一侦测影像数据的步骤中，选择所述影像数据中多个曝光度皆为不同的影像数据做为所述第一侦测影像数据。

12.根据权利要求11所述的行人侦测方法，其特征在于，还包含：

根据所述第一侦测影像数据的内容产生多个对应不同解析度的第二侦测影像数据；

根据所述第二侦测影像数据产生所述多个第一影像轮廓数据；以及

根据所述第一影像轮廓数据或所述第二影像轮廓数据接合所述第二侦测影像数据，以产生所述第三侦测影像数据。

13.根据权利要求11所述的行人侦测方法，其特征在于，根据所述第三侦测影像数据产生并输出该侦测结果的步骤还包含：

根据所述第三侦测影像数据产生至少一梯度直方图数据并根据所述梯度直方图数据输出该侦测结果。

14.根据权利要求11所述的行人侦测方法，其特征在于，如该比例不小于该阀值，则在根据该场景反差判断结果选择所述影像数据中至少一者做为所述第一侦测影像数据的步骤中，选择所述影像数据中一曝光度为EV0的影像数据做为所述第一侦测影像数据。

15.根据权利要求11所述的行人侦测方法，其特征在于，判断所述第一影像轮廓数据的兴趣区域中是否至少一者包含人体特征的步骤还包含：

根据所述第一影像轮廓数据的兴趣区域中多个法向量角度数据，判断所述第一影像轮廓数据的兴趣区域中是否包含人体的头肩特征。

16.根据权利要求11所述的行人侦测方法，其特征在于，判断所述第一影像轮廓数据的兴趣区域中是否至少一者包含人体特征的步骤还包含：

将所述第一影像轮廓数据的兴趣区域数据中多个距离与角度数据与一样本数据进行比对，并根据比对结果，判断所述第一影像轮廓数据的兴趣区域中是否包含人体的肢体特征。

17.根据权利要求11所述的行人侦测方法，其特征在于，接合所述第一侦测影像数据以产生所述第三侦测影像数据的步骤还包含：

分别对所述第二影像轮廓数据的人体特征区域进行一编码，并根据编码结果接合所述第一侦测影像数据以产生所述第三侦测影像数据。

18.根据权利要求17所述的行人侦测方法，其特征在于，该编码为一行程长度编码，且根据编码结果接合所述第一侦测影像数据以产生所述第三侦测影像数据的步骤还包含：

利用该行程长度编码所产生的影像边缘接合所述第一侦测影像数据，以产生所述第三侦测影像数据。

19.根据权利要求11所述的行人侦测方法，其特征在于，接合所述第一侦测影像数据以产生所述第三侦测影像数据的步骤还包含：

根据所述第一影像轮廓数据的兴趣区域中的特征接合所述第一侦测影像数据，以产生所述第三侦测影像数据。

20.根据权利要求11所述的行人侦测方法，其特征在于，根据所述第一侦测影像数据产生所述标示有兴趣区域的第一影像轮廓数据的步骤还包含；

判断所述第一影像轮廓数据的兴趣区域中是否至少一者具有可用以进行进一步判定的边缘线条或边缘曲线，若判断结果为否，则输出该侦测结果。