TWI394095B - 影像偵測方法及其系統 - Google Patents

Description

影像偵測方法及其系統

本發明是有關於一種影像偵測方法及其系統。

隨著攝影機的普及，在各公共場所經常可見攝影機的架設。攝影機所拍攝下的監控影片有助於警方進行犯罪偵察。

過去實務上，警方必須在龐大資料中不眠不休地檢視，以查尋移動車輛出現時間與相關線索，相當地曠日費時。

並且，在各場所的攝影機規格及功能各異，且車輛行進角度與方向完全不同，造成監控影片搜尋上的困難。

此外，除了搜尋車輛以外，在其他的情況下，亦可能需要搜尋類似車輛的移動物體，例如是機場停機坪的飛機、機場大廳的行李或運動場上的投擲飛鏢等等。

因此，如何研發一種影像偵測方法及其系統，以快速且正確的搜尋出目標物，實為目前研究方展之一重要方向。

本發明係有關於一種影像偵測方法及其系統，其利用邊緣直線之長度、平行度及間距，來判斷移動物體影像是否為一移動的機械性物體影像。使得影像偵測之速度及準 確性可以大幅地提升。

根據本發明之技術，揭露一影像偵測方法實施範例。影像偵測方法包括以下步驟。擷取一原始影像。建立原始影像之一移動物體影像。建立原始影像之一邊緣直線影像，邊緣直線影像包括數條邊緣直線。依據對應於移動物體影像之部份邊緣直線之長度、平行度及間距，判斷原始影像是否具有一移動的機械性物體影像。

根據本發明之技術，提出揭露一影像偵測系統實施範例。影像偵測系統包括一影像擷取單元、一移動物體影像建立單元、一邊緣直線影像建立單元及一判斷單元。影像擷取單元用以擷取一原始影像。移動物體影像建立單元用以建立原始影像之一移動物體影像。邊緣直線影像建立單元用以建立原始影像之一邊緣直線影像，邊緣直線影像包括數條邊緣直線。判斷單元用以依據對應於移動物體影像之部份邊緣直線之長度、平行度及間距，判斷原始影像是否具有一移動的機械性物體影像。

為讓本發明之上述內容能更明顯易懂，下文特舉諸實施範例，並配合所附圖式，作詳細說明如下：

請參照第1圖，其繪示依據本發明技術之一實施範例影像偵測系統100之方塊圖。影像偵測系統100包括一影像擷取單元110、一移動物體影像建立單元130、一邊緣 直線影像建立單元140及一判斷單元150。影像擷取單元110用以擷取一原始影像P10。影像擷取單元110例如是一攝影機、一照相機或一多媒體資料傳輸埠。移動物體影像建立單元130用以建立原始影像P10之一移動物體影像P30。所以，原始影像P10經過移動物體影像建立單元130的分析後，可以清楚地之知道原始影像P10的哪些區塊是移動物體。邊緣直線影像建立單元140用以建立原始影像P10之邊緣直線影像P40。所以，原始影像P10經過邊緣直線影像建立單元140的分析後，可以清楚地繪示出原始影像P10上所有的邊緣直線(包含移動物體及非移動物體的邊緣直線)。

接著，將移動物體影像P30及邊緣直線影像P40傳遞至判斷單元150並經過合併後，即可獲得對應於移動物體的邊緣直線。然後，判斷單元150則依據對應於移動物體之邊緣直線之長度、平行度及間距，判斷原始影像P10是否具有移動的機械性物體P50。移動的機械性物體P50例如是車輛、行李或飛機等具有大量平行直線之物體。行人或寵物等不具有大量平行直線的物體，則不屬於機械性物體。其中，移動物體影像建立單元130、邊緣直線影像建立單元140及判斷單元150可以是一晶片、一韌體電路或一具有數組程式碼之儲存媒體。移動物體影像建立單元130、邊緣直線影像建立單元140及判斷單元150之實施汰樣並不侷限本發明之範圍。

透過上述各種元件之運作，可以輕易地偵測出原始影 像P10中是否具有機械性物體P50，並適合於各種應用。例如在犯罪偵察過程中，需要在大量原始影像P10中尋找車輛資料。透過上述影像偵測系統100，即可快速的挑選出含有車輛之特定片段，以加快警方尋找車輛資料的速度。或者，上述影像偵測系統100亦可應用於車流量的統計分析。或者，上述影像偵測系統100亦可應用於停車場車道門禁管理上。或者，上述影像偵測系統100亦可用來偵測機場停機坪上的飛機、機場大廳的行李或運動場上的投擲飛鏢等等。

至於本實施例上述影像偵測系統100之細部組成元件及各個元件的運作方式，以下更搭配一流程圖說明如下：請同時參照第1~2圖，第2圖繪示本發明一實施例之影像偵測方法的流程圖。首先，在第2圖之步驟S101中，以影像擷取單元110擷取原始影像P10。

接著，在第2圖之步驟S102中，以移動物體影像建立單元130建立出原始影像P10之移動物體影像P30。步驟S102包括數個子步驟S1021~S1023，請同時參照第3圖及第4圖，第3圖繪示第2圖之步驟S102之細部流程圖。第4圖繪示第1圖之移動物體影像建立單元130之方塊圖。其中，本實施例之移動物體影像建立單元130包括一背景模型建立單元131、一前景影像建立單元132及一連接單元133。

首先，在第3圖之步驟S1021中，以背景模型建立單 元131依據一段時間的歷史資料建立一背景模型P31。背景模型P31關乎偵測的穩定度(Robustness)與效率(Efficiency)，其中本實施例所採用的演算法是高斯混合模型(Gaussian mixture model，GMM)。

接著，在第3圖之步驟S1022中，前景影像建立單元132依據原始影像P10及背景模型P31，建立出一前景影像P32。其中前景影像建立單元132係判斷原始影像P10中的各個像素是否接近於背景模型P31，若差距過高，則將此像素歸類於前景影像P32中。

然後，在第3圖之步驟S1023中，連接單元133依據前景影像P32，連接前景影像P32中的各個像素，以連接出完整體型態之移動物體影像P30，未被連接之像素則表示為可去除之雜點。

接著，第2圖之步驟S103中，以邊緣直線影像建立單元140建立原始影像P10之邊緣直線影像P40。步驟S103包括數個子步驟S1031~S1033，請同時參照第5圖及第6圖，第5圖繪示第2圖之步驟S103之細部流程圖，第6圖繪示第1圖之邊緣直線影像建立單元140之方塊圖。其中，本實施例之邊緣直線影像建立單元140包括一邊緣線影像建立單元141、一邊緣角影像建立單元142及一切割單元143。

首先，在第5圖之步驟S1031中，邊緣線影像建立單元141依據原始影像P10建立出數邊緣線影像P41。

接著，在第5圖之步驟S1032中，邊緣角影像建立單 元142依據原始影像P10建立出數個邊緣角影像P42。

然後，在第5圖之步驟S1033中，切割單元143依據邊緣線影像P41及邊緣角影像P42，切割出邊緣直線影像P40。

接著，在第2圖之步驟S104中，判斷單元150依據對應於移動物體之邊緣直線之長度、平行度及間距，判斷原始影像P10是否具有移動的機械性物體。舉例來說，請參照第7圖，其繪示一移動物體之邊緣直線的示意圖。在第7圖中，移動物體具有邊緣直線L11~L13、L20~L22。其中邊緣直線L10~L13係為相平行之直線，且邊緣直線L10~L13之中，邊緣直線L10最長。邊緣直線L20~L22係為相互平行之直線，且邊緣直線L20~L22之中，邊緣直線L20最長。每一邊緣直線可以法距r 、法角θ 及長度w 表示。請參照表一及第8A~8B圖，表一繪示邊緣直線L10~L13、L20~L22之法距r 、法角θ 及長度w ，第8A圖繪示法角θ 為θ 1之邊緣直線L10~L13之法距r 與長度w 之關係圖，第8B圖繪示法角θ 為θ 2之邊緣直線L20~L22之法距r 與長度w 之關係圖。

在本實施例中，判斷單元150依據相互平行之邊緣直線L10~L13之相對長度及相對間距，以及相互平行之邊緣直線L20~L23之相對長度及相對間距，來計算一評分。透過此一評分即可評斷此移動物體是否為具有大量平行直線之機械性物體。

舉例來說，判斷單元150係以一可信度函數H (r ,θ ,w )來計算評分，若越大，則表示相互平行之邊緣直線的相對長度越長；若越大，則表示相互平行之邊緣直線的相對間距越寬；總和各組相對長度及相對間距的乘積則可表示出所有平行之邊緣直線的多寡、相對長度及相對間距的程度。

所以，每一移動物體經過可信度函數H (r ,θ ,w )的評分後，分數越大者，則表示越接近機械性物體。

請參照附圖1，其繪示朝一方向及角度行進之完整車輛的原始影像P10，附圖1之可信度函數H (r ,θ ,w )的評分為21.24。

請參照附圖2，其繪示朝另一方向及角度行進之完整車輛的原始影像P10，附圖2之可信度函數H (r ,θ ,w )的評分 為15.65。

請參照附圖3，其繪示車輛之車尾部分的原始影像P10，附圖3之可信度函數H (r ,θ ,w )的評分為19.84。

請參照附圖4，其繪示車輛之車頭部分的原始影像P10，附圖4之可信度函數H (r ,θ ,w )的評分為13.19。

請參照附圖5，其繪示行人的原始影像P10。附圖5之可信度函數H (r ,θ ,w )的評分為1.30。

從附圖1~5可知，車輛的可信度函數值均遠高於行人的可信度函數值。

從附圖1~2、5可知，車輛朝向不同方向及不同角度行進時，其可信度函數H (r ,θ ,w )的評分均遠高於行人的可信度函數H (r ,θ ,w )的評分。

從附圖1~2、5可知，在車輛之在原始影像P10上的大小不同時，其可信度函數H (r ,θ ,w )的評分均遠高於行人的可信度函數H (r ,θ ,w )的評分。

從附圖3~5可知，當車輛的車頭或車尾被遮蔽(尤其是在車頭燈或車尾燈被遮蔽)時，其可信度函數H (r ,θ ,w )的評分均遠高於行人的可信度函數H (r ,θ ,w )的評分。

請參照第9圖，其繪示依據本發明技術之另一實施範例影像偵測系統200之方塊圖。本實施例之影像偵測系統200與第一實施例之影像偵測系統100不同之處在於本實施例之影像偵測系統200更包括一梯度影像建立單元220，梯度影像建立單元220用以建立原始影像P10之一 梯度影像P20，其於相同之處不再重述。

本實施例之移動物體影像建立單元130及邊緣直線影像建立單元140係依據梯度影像P20建立出移動物體影像P30及邊緣直線影像P40。然而，在其他實施例中，移動物體影像建立單元130及邊緣直線影像建立單元140亦可以採用其他資訊進行方式，例如是色彩資訊影像等。本實施例僅以梯度影像P20之分析為例做說明，並非用以侷限本發明。

其中，在移動物體影像建立單元130中，為了減少攝影機白平衡、陽光所產生之陰影等光影變化，本實施例將梯度影像P20之垂直梯度值、水平梯度值與交叉梯度值加入背景模型影像建立單元131之高斯混合模型。

並且，在邊緣直線影像建立單元140中，邊緣線建立單元141依據梯度影像P20之水平梯度值及垂直梯度值建立出原始影像P10之邊緣線影像P41。而邊緣角影像建立單元142則依據梯度影像P20之水平梯度值及垂直梯度值建立出原始影像P10之邊緣角影像P42。

本發明上述實施例所揭露之影像偵測方法及其系統具有多項優點，以下僅列舉部分優點說明如下：第一、由於上述實施例係依據每一角度的邊緣直線來做評分，所以在攝影機角度改變或機械性物體的移動角度或方向改變時，仍可獲得正確的結果。

第二、由於上述實施例係針對邊緣直線來做評分，所 以即使車輛之車頭或車尾被遮蔽時，仍可獲得正確的結果。

第三、由於上述實施例係針對移動物體來做評分，所以不會將靜止於路旁之車輛納入評分，可以正確地剔除靜止的車輛。

第四、在一實施例中，原始影像經由梯度影像建立單元之濾波器轉換成梯度影像後，可以透過梯度特徵來對抗劇烈的光影變化，例如攝影機的白平衡、環境光源等切換因素，如此可大幅提高判斷的正確性。

第五、除了搜尋車輛以外，在其他的情況下，亦可應用本實施例之影像偵測方法及其系統來搜尋各種移動的機械性物體，例如是機場停機坪的飛機、機場大廳的行李或運動場上的飛鏢等等。

綜上所述，雖然本發明已以較佳實施例揭露如上，然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾。因此，本發明之保護範圍當視後附之申請專利範圍所界定者為準。

100、200‧‧‧影像偵測系統

110‧‧‧影像擷取單元

130‧‧‧移動物體影像建立單元

131‧‧‧背景模型建立單元

132‧‧‧前景影像建立單元

133‧‧‧連接單元

140‧‧‧邊緣直線影像建立單元

141‧‧‧邊緣線影像建立單元

142‧‧‧邊緣角影像建立單元

143‧‧‧切割單元

150‧‧‧判斷單元

220‧‧‧梯度影像建立單元

L10~L13、L20~L22‧‧‧邊緣直線

P10‧‧‧原始影像

P20‧‧‧梯度影像

P30‧‧‧移動物體影像

P31‧‧‧背景模型

P32‧‧‧前景影像

P40‧‧‧邊緣直線影像

P41‧‧‧邊緣線影像

P42‧‧‧邊緣角影像

P50‧‧‧移動的機械性物體影像

S101~S104、S1021~S1023、S1031~S1033‧‧‧流程步驟

第1圖繪示本發明較佳實施例之影像偵測系統之方塊圖。

第2圖繪示本發明一實施例之影像偵測方法的流程 圖。

第3圖繪示第2圖之步驟S102之細部流程圖。

第4圖繪示第1圖之移動物體影像建立單元之方塊圖。

第5圖繪示第2圖之步驟S103之細部流程圖。

第6圖繪示第1圖之邊緣直線影像建立單元之方塊圖。

第7圖，其繪示一移動物體之邊緣直線的示意圖。

第8A圖繪示法角θ 為θ 1之邊緣直線L10~L13之法距與長度之關係圖。

第8B圖繪示法角θ 為θ 2之邊緣直線L20~L22之法距與長度之關係圖。

第9圖繪示本發明另一實施例之影像偵測系統之方塊圖。

附圖1繪示朝一方向及角度行進之完整車輛的原始影像。

附圖2繪示朝另一方向及角度行進之完整車輛的原始影像。

附圖3繪示車輛之車尾部分的原始影像。

附圖4繪示車輛之車頭部分的原始影像。

附圖5繪示行人的原始影像。

S101~S104‧‧‧流程步驟

Claims (16)

1. 一種影像偵測方法，包括：擷取一原始影像；建立該原始影像之一移動物體影像；建立該原始影像之一邊緣直線影像，該邊緣直線影像包括複數條邊緣直線；以及依據對應於該移動物體影像之部份該些邊緣直線之長度、平行度及間距，判斷該原始影像是否具有一移動的機械性物體影像，其中判斷是否具有該移動的機械性物體影像之步驟係依據各組相互平行之該些邊緣直線的相對長度及相對間距，判斷該移動物體影像是否為該移動的機械性物體影像。
2. 如申請專利範圍第1項所述之影像偵測方法，其中建立該移動物體影像之步驟係依據該原始影像之一梯度影像建立出該移動物體影像。
3. 如申請專利範圍第2項所述之影像偵測方法，其中該梯度影像包含一水平梯度值、一垂直梯度值及一交叉梯度值。
4. 如申請專利範圍第1項所述之影像偵測方法，其中建立該移動物體影像之步驟包括：建立一背景模型；建立出一前景影像；以及依據該前景影像，連接出該移動物體影像。
5. 如申請專利範圍第1項所述之影像偵測方法，其中建立該邊緣直線影像之步驟係依據該原始影像之一梯度影像建立出該邊緣直線影像。
6. 如申請專利範圍第5項所述之影像偵測方法，其中該梯度影像包含一水平梯度值及一垂直梯度值。
7. 如申請專利範圍第1項所述之影像偵測方法，其中建立該邊緣直線影像之步驟包括：建立該原始影像之一邊緣線影像；建立該原始影像之一邊緣角影像；以及依據該邊緣線影像及該邊緣角影像，切割出該邊緣直線影像。
8. 如申請專利範圍第1項所述之影像偵測方法，其中判斷是否具有該移動的機械性物體影像之步驟係總和各組相對長度及相對間距的乘積，以判斷該移動物體影像是否為該移動的機械性物體影像。
9. 一種影像偵測系統，包括：一影像擷取單元，用以擷取一原始影像；一移動物體影像建立單元，用以建立該原始影像之一移動物體影像；一邊緣直線影像建立單元，用以建立該原始影像之一邊緣直線影像，該邊緣直線影像包括複數條邊緣直線；以及一判斷單元，用以依據對應於該移動物體影像之部份該些邊緣直線之長度、平行度及間距，判斷該原始影像是 否具有一移動的機械性物體影像，其中該判斷單元係依據各組相互平行之該些邊緣直線的相對長度及相對間距，判斷該移動物體影像是否為該移動的機械性物體影像。
10. 如申請專利範圍第9項所述之影像偵測系統，其中該移動物體影像建立單元係依據該原始影像之一梯度影像建立出該移動物體影像。
11. 如申請專利範圍第10項所述之影像偵測系統，其中該梯度影像包含一水平梯度值、一垂直梯度值及一交叉梯度值。
12. 如申請專利範圍第9項所述之影像偵測系統，其中該移動物體影像建立單元包括：一背景模型建立單元，用以建立一背景模型；一前景影像建立單元，用以建立出一前景影像；以及一連接單元，係依據該前景影像，建立出該移動物體影像。
13. 如申請專利範圍第9項所述之影像偵測系統，其中該邊緣直線影像建立單元係依據該原始影像之一梯度影像建立出該邊緣直線影像。
14. 如申請專利範圍第13項所述之影像偵測系統，其中該梯度影像包含一水平梯度值及一垂直梯度值。
15. 如申請專利範圍第9項所述之影像偵測系統，其中該邊緣直線影像建立單元包括：一邊緣線影像建立單元，用以建立該原始影像之一邊 緣線影像；一邊緣角影像建立單元，用以建立該原始影像之一邊緣角影像；以及一切割單元，係依據該邊緣線影像及該邊緣角影像，切割出該邊緣直線影像。
16. 如申請專利範圍第9項所述之影像偵測系統，其中該判斷單元係總和各組相對長度及相對間距的乘積，以判斷該移動物體影像是否為該移動的機械性物體影像。