TWI425454B - 行車路徑重建方法、系統及電腦程式產品 - Google Patents

Description

行車路徑重建方法、系統及電腦程式產品

本揭露是有關於一種車輛追蹤並重建行車路徑的方法、系統及電腦程式產品。

傳統對於行進中車輛的位置掌握，一般是透過全球定位系統(Global Positioning System，GPS)來達成。此方法的運作原理是在追蹤目標車輛上安裝一個GPS訊號接收器，用以即時接收GPS訊號，並透過無線通訊介面將定位資訊上傳至後端主機，藉以追蹤該車輛位置。此類方法多應用於車隊管理。但是，此方法有其應用上的限制，特別是在市區內受到建築物的遮蔽時，接收器即無法接收到GPS訊號。此外，因為必需在目標車輛上安裝額外的裝置，對於非特定目標位置的掌握，則無法可施。再者，目前學術界也已經提出透過設置於道路口之攝影機所取得的監視影像，進行車輛追蹤的研究及方法。

跨攝影機追蹤特定目標的最大挑戰在於，需要對不同攝影機所偵測到的移動物體物進行再辨識(Re-identification)，以去除重覆的資料，同時保持目標資訊的一致。傳統上會應用監視範圍相互重疊的攝影機，利用該重疊攝影機在重疊區域內，同一時間、同一位置所偵測到的移動物體應為同一個目標物的物理特性，來整合多部攝影機的移動物體偵測資訊。此一做法仰賴移動物體偵測演算法的正確性及座標轉換的精確度。一般而言，路口攝影機所拍攝到的監視影像在分析上，因為移動物體偵測演算法及座標轉換失真所導致的物體定位誤差可以達目標物本身大小的0.5倍以上，尤其是可視範圍愈大則誤差值也愈大，並可能大於目標物本身的大小，因此當同一範圍內有多個移動物體同時在移動時，再辨識錯誤的機率很高。為了改善以上現象，一般的做法是改善移動物體偵測演算法以提高物件偵測的資訊正確性，或者改善座標轉換的做法以減小定位失真。

由於一般實務應用上，架設於路口的攝影機其解晰度均不高，且所需監視的範圍通常較廣，因此導致所取得的影像品質對於移動物體偵測演算法而言，較難得到較佳的結果。所以改善移動物體偵測演算法或改善座標轉換的做法，所能獲得的改善成效有限。此外，移動物體偵測演算法受天候因素的影響十分大，一旦應用於戶外，其所產生的誤差通常較難以接受。由於上述問題所產生的影響，所以在跨影機追蹤移動物體物時，所產生的移動軌跡正確性並不高。

本揭露提供一種行車路徑重建方法、系統及電腦程式產品，同時使用車輛辨識系統及路口監視器以重建車輛的行車路徑。

本揭露提出一種行車路徑重建方法，此方法係接收一車輛辨識資料，其包括多個第一類路口監視器所拍攝之多張第一監視畫面中每一個第一監視畫面的車輛辨識結果。接著，比對各個第一監視畫面的車輛辨識結果，以找出相似之至少一部車輛。然後，依據各個第一類路口監視器的配置位置以及各部車輛的比對結果，估算各部車輛在這些配置位置之間移動的至少一個行經地點及行車時間。之後，查詢一移動物體追蹤資訊，其包括配置在上述行經地點之多個第二類路口監視器所拍攝之多張第二監視畫面中出現之至少一個移動物體的追蹤資訊。最後，將上述的車輛及移動物體進行比對，以找出各部車輛所關聯的移動物體，據以建立各部車輛的完整行車路徑。

本揭露提出一種行車路徑重建系統，其包括車輛搜尋模組及路徑重建模組。其中，車輛搜尋模組係接收多個第一類路口監視器所拍攝之多張第一監視畫面中每一個第一監視畫面的車輛辨識結果，比對各個第一監視畫面的車輛辨識結果，以找出相似之至少一部車輛，並依據各個第一類路口監視器的配置位置及各部車輛的比對結果，估算各部車輛在這些配置位置之間移動的至少一個行經地點及行車時間。路徑重建模組係查詢配置在上述行經地點之多個第二類路口監視器所拍攝之多張第二監視畫面中出現之至少一個移動物體的追蹤資訊，據以將所述車輛及移動物體進行比對，以找出各部車輛所關聯該移動物體，並據以建立各部車輛的完整行車路徑。

本揭露另提供一種電腦程式產品，其係經由電子裝置載入以執行下列步驟：首先，接收一車輛辨識資料，其包括多個第一類路口監視器所拍攝之多張第一監視畫面中每一個第一監視畫面的車輛辨識結果。接著，比對各個第一監視畫面的車輛辨識結果，以找出相似之至少一部車輛。然後，依據各個第一類路口監視器的配置位置以及各部車輛的比對結果，估算各部車輛在這些配置位置之間移動的至少一個行經地點及行車時間。之後，查詢一移動物體追蹤資訊，其包括配置在上述行經地點之多個第二類路口監視器所拍攝之多張第二監視畫面中出現之至少一個移動物體的追蹤資訊。最後，將上述的車輛及移動物體進行比對，以找出各部車輛所關聯的移動物體，據以建立各部車輛的完整行車路徑。

基於上述，本揭露之行車路徑重建方法、系統及電腦程式產品係利用車輛辨識技術及移動物體的追蹤技術，結合相似車輛比對、行經地點及時間估算等技術，藉以提高完整行車路徑重建的正確性，並進一步利用關鍵影格的關聯性建立技術，達到提高查詢目標車輛相關資訊之正確性的目的。

為讓本揭露之上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

由於具有車輛辨識功能的路口監視器成本較高，一般只會被佈建於少數的重要路口，至於其它路口則只佈建一般的路口攝影機。然而，道路上行駛之車輛的種類、速度、方向等變化性相當大，若只使用少量路口監視器的車輛辨識結果來做為重建車足跡的依據，將無法百分之百的保證其正確性，尤其是在車足跡經過多個路口之後，其正確性就會明顯的降低。為了彌補無車輛辨識系統的路口之資訊，本揭露所提出的方法是同時使用車輛辨識系統及相對於車輛辨識功能成本較低的路口監視器，應用移動物體追蹤技術所產生的移動物體追蹤資訊，彌補只使用車輛辨識結果產生車足跡的不足之處。

圖1是依照本揭露之第一實施例所繪示之行車路徑重建系統的方塊圖。圖2是依照本揭露之第一實施例所繪示之行車路徑重建方法的流程圖。請同時參照圖1及圖2，本實施例的行車路徑重建系統100包括車輛搜尋模組110及路徑重建模組120，以下則搭配圖2說明本實施例之方法的詳細步驟：

首先，由車輛搜尋模組110接收由車輛辨識系統(未繪示)輸出的車輛辨識資料(步驟S210)，此資料包括出現在多個第一類路口監視器所拍攝之多張第一監視畫面中每一個第一監視畫面的車輛辨識結果。其中，所述的第一類路口監視器係支援車牌辨識，而其所拍攝的第一監視畫面將會送入車輛辨識系統，以辨識出其中的車輛，本實施例的車輛搜尋模組110即是接收由車輛辨識系統輸出的車輛辨識結果。

接著，由車輛搜尋模組110比對各個第一監視畫面的車輛辨識結果，以找出相似的至少一部車輛(步驟S220)，並依據各個第一類路口監視器的配置位置及各部車輛的比對結果，估算各部車輛在這些配置位置之間移動的至少一個行經地點及行車時間(步驟S230)。詳言之，由於上述第一類路口監視器的成本較高，一般只配置在較重要的路口，即便有相似車輛出現在兩個路口，還是無法確定車輛在這兩個路口之間的行車路徑。然而，本實施例仍基於歷史統計資訊，找出車輛在兩個路口之間行駛可能行經的地點以及所花費的時間，而可用以做為後續追蹤車輛的依據。

然後，由路徑重建模組120查詢一移動物體追蹤資訊，其包括配置在上述行經地點之多個第二類路口監視器所拍攝之多張第二監視畫面中出現的至少一個移動物體的追蹤資訊(步驟S240)。其中，所述的第二類路口監視器不支援車牌辨識，但其所拍攝的監視畫面仍可藉由移動物體追蹤技術，追蹤在各個監視畫面之間的移動物體(即車輛)，進而做為輔助重建行車路徑的依據。

最後，路徑重建模組120即將車輛搜尋模組110所比對的至少一部車輛與所查詢的至少一個移動物體，依車輛與移動物體的時間、空間資訊，及其特徵如顏色統計值(Color Histogram)等進行比對，以找出各部車輛所關聯的移動物體，據以建立各部車輛的完整行車路徑(步驟S250)。簡言之，路徑重建模組120係依照車輛搜尋模組110比對之車輛出現在各個第一類路口監視器的時間點，找出在第二類路口監視器中出現的可能移動物體，而結合此車輛辨識結果及移動物體追蹤結果，即可重建出車輛的完整行車路徑。

綜上所述，本實施例的行車路徑重建方法係整合車輛辨識系統及移動物體追蹤系統的輸出結果，據以建立各部車輛的完整行車路徑，而可提高其資訊正確性並重建完整的車足跡。

需說明的是，本揭露在建立各部車輛的完整行車路徑後，還包括取得關鍵影格的拍攝時間，進一步找出車足跡對應的關鍵影格，並建立其與關鍵影格之關聯性，而可用以做為後續查詢車足跡的依據。以下則再舉一實施例詳細說明。

圖3是依照本揭露之第二實施例所繪示之車輛行車路徑重建系統的示意圖。圖4是依照本揭露之第二實施例所繪示之行車路徑重建方法的流程圖。請同時參照圖3及圖4，本實施例的行車路徑重建系統300包括車輛搜尋模組310、路徑重建模組320及關鍵影格關聯模組330。以下則搭配圖4說明本實施例之方法的詳細步驟：

首先，由車輛搜尋模組310接收車輛辨識系統32輸出的車輛辨識結果，並比對各個第一監視畫面的車輛辨識結果，以找出出現在這些第一監視畫面中相似的至少一部車輛(步驟S410)。

詳言之，車輛搜尋模組310可再區分為相似車輛比對單元312、行車資訊提供單元314及行經地點估測單元316。其中，相似車輛比對單元312係用以比對在第一監視畫面中出現之各部車輛的車輛特徵，以辨識出相似的車輛(步驟S411)。此處用來辨識相似車輛的車輛特徵包括車輛的車牌、車色或車種，而不限制其範圍。

以車牌辨識為例，本實施例係將兩部車輛之車牌號碼的差異度定義為編輯距離(edit distance)，而以此編輯距離的大小來決定這兩部車輛是否相同或相似。

詳言之，編輯距離的定義為兩個字串A與B之間，由字串A轉換成字串B所需的最少編輯操作次數，符合規定的編輯操作包括單一字元的替換以及插入一個字元。舉例來說，圖5(a)及圖5(b)是依照本揭露一實施例所繪示之計算最少編輯操作次數的範例。其中，在圖5(a)的車牌影像520中，車牌影像510的尾數88被刪除，而達成此差異所需的最少編輯操作次數為2次。此外，在圖5(b)的車牌影像540中，車牌影像530的首碼Q被刪除，而達成此差異所需的最少編輯操作次數為1次。利用上述的編輯距離可量化車牌號碼之間的差異性，而依照此最少編輯操作次數的大小，則可判定這兩部車輛是否為相似車輛。

根據上述，本實施例的相似車輛比對單元312例如會擷取第一監視畫面中出現之任兩部車輛的車牌號碼(即第一車牌號碼及第二車牌號碼)，並計算將此第一車牌號碼轉換為第二車牌號碼所需的最少編輯次數，然後與一個門檻值比較，而當最少編輯次數小於等於門檻值時，即將這兩部車輛判定為相似車輛。

回到圖3，行經地點估測單元316接著即依據相似車輛比對單元312所輸出之各部車輛的比對結果，找出各部車輛有出現的第一監視畫面及其相對應的配置位置(步驟S412)，並查詢由行車資訊提供單元314提供的行車歷史資料，據以判斷各部車輛在這些配置位置之間行車所會經過的至少一個行經地點及行車時間，最後輸出一個行車資料集合(步驟S413)。

詳言之，行車資訊提供單元314係用以儲存並提供行車歷史資訊，其包括統計以往車輛在第一類路口監視器之配置位置之間行車所會經過的至少一個行經地點及對應花費的行車時間。其中，行車資訊提供單元314例如會事先分析各路口車輛行經的歷史資料，如以統計分析的平均值和標準差建立各路口行車時間表及相連接的各路口間之行車路線，而可用以作為後續判斷車輛行經地點及行車時間的依據。

此外，於系統運作期間，行經地點估測單元316會接收上述相似車輛比對單元312輸出的車輛比對結果，並應用各路口車輛行經的歷史資料，估算出目標車輛出現在各路口之機率，產生一個初階的行經路口資料集合。再將所估算之行經路口集合與各路口行車時間表進行比對，去除時間上不合理(例如行車時間間隔過長或過短)的資料，產生第二階的行經路口資料集合。

然後，由路徑重建模組320查詢配置在上述行經地點之第二類路口監視器所拍攝之多張第二監視畫面中出現之至少一個移動物體的追蹤資訊，據以將各部車輛與移動物體，依車輛與移動物體的時間、空間資訊，及其特徵資訊，如顏色統計值(Color Histogram)等進行比對，以找出各部車輛所關聯的移動物體。其中，時間資訊是以最接近過往統計出來的目標值者優先建立關聯，如時間依過往統計結果99%的移動物體其間隔時間是在3到5秒內，且愈接近平均值4秒的移動物體其關聯愈高。空間則是先搜尋相鄰兩個路口或以某特定距離內的移動物體來建立關聯。時空資訊亦可合併成速度並以過往統計結果來建立關聯。特徵資訊則是表達成特徵向量矩陣，再求得兩特徵向量矩陣的相似性。而相似性可以一般的相關係數方法來計算兩個特徵向量矩陣的關聯性，如使用皮爾森或幾何距離相關係數等。在進行上述比對的同時，路徑重建模組320還更進一步以一個線性回歸過濾法去除不合理的移動物體追蹤資訊，再依時間及空間之運動模型將移動物體追蹤資訊連結成移動軌跡，據以建立各部車輛完整且正確的行車路徑(步驟S420)。

詳言之，路徑重建模組320包括移動物體追蹤資料庫322、追蹤資料查詢單元324、線性回歸過濾單元326及運動模型過濾單元328。移動物體追蹤資料庫322係用以儲存由移動物體追蹤系統34所分析之各個移動物體在第二監視畫面中出現的位置、時間、尺寸、顏色及關鍵影格等分析資料。其中，移動物體追蹤系統34係利用配置在多個第二類路口監視器所拍攝的第二監視畫面，追蹤在這些第二監視畫面中出現的移動物體，並分析各個移動物體在第二監視畫面中出現的位置、時間、尺寸、顏色及關鍵影格，然後將分析結果儲存於移動物體追蹤資料庫322。其中，所述的第二類路口監視器係不支援車牌辨識功能，而其所拍攝的監視畫面將會送入移動物體追蹤系統34，由移動物體追蹤系統34進行移動物體的追蹤。

追蹤資料查詢單元324則接收由車輛搜尋模組310之行經地點估測單元316輸出之各部車輛對應的行車資料集合，而依據各個行車資料集合中的行車時間將這些行車資料集合排序(步驟S421)，並依據各個行車資料集合中行經地點之間的地理位置關聯性，找出可能行經的所有第二類路口監視器(步驟S422)，以及依據所找出各該些第二類路口監視器的一地理位置資料，查詢移動物體追蹤資料庫322，以取得各部車輛所關聯之移動物體的移動物體追蹤資料(步驟S423)。

詳言之，路徑重建模組320的輸入資料來源有二，第一個輸入資料來源為使用移動物體追蹤技術所產生的資料，此資料包含移動物體的位置資訊、時間、大小、關鍵影格等資訊，而於系統運作期間此資料會被不斷產生並儲存於系統的資料儲存媒體(即移動物體追蹤資料庫322)中；第二個輸入資料來源為車輛搜尋模組310的輸出一行經路口資料集合。路徑重建模組320中的追蹤資料查詢單元324在接收行經路口資料集合之後，即會依各路口行經時間排序，並依其地理位置關聯性找出所有可能行經的路口監視器，然後依路口監視器的地理位置資訊，由移動物體追蹤資料庫322中取得對應的移動物體追蹤資料。

需說明的是，路徑重建模組320還包括線性回歸過濾單元326及運動模型過濾單元328，可用以濾除不合理的移動物體追蹤資料。其中，路徑重建模組320重建行進路徑的方法分成兩階段，先以一個線性回歸過濾法去除不合理的移動物體追蹤資訊，再依時間及空間之運動模型將移動物體追蹤資訊連結成移動軌跡。

線性回歸過濾單元326即依據各部車輛所會經過的行經地點及行車時間，推估一條正常行車路線，以及計算各個移動物體追蹤資料與正常行車路線之間的差異，據以去除不合理的移動物體追蹤資料(步驟S424)。詳言之，藉由前一步驟所獲得的目標車輛行經路口之資料集合，可推估出目標車輛在其它僅建置路口監視器之路口的可能經過時間範圍，並由移動物體追蹤資料庫322中取得移動物體追蹤資料。此外，使用前一步驟所推估出來的正常行車路線做為依據，計算所有移動物體追蹤資料與路線之時間、空間距離，以去除不合理的資料。

舉例來說，圖6是依照本揭露一實施例所繪示的線性回歸處理結果的示意圖。請參照圖6，本實施例的線性回歸處理係針對原始移動物體追蹤資料中的每一筆進行處理，計算其與正常行進軌跡的距離，並排除其中的界外值(outlier)，以獲得較合理的移動物體追蹤資料。

另一方面，運動模型過濾單元328係依據一個運動模型中的車輛速度及移動方向，推估各部車輛的可能移動範圍，據以從線性回歸過濾單元326所產生的移動物體追蹤資料中，找出可能性最高的資料(步驟S425)。詳言之，由於在大部份情況下，同一個區域內會有多部車輛在移動，且因為道路的限制，其行進方向相同的機率很高(一般不是同向就是反向)，加上移動物體追蹤的定位誤差，造成同一時間點同一位置可能有多個物體存在，其中又以對向車道來車與目標交會最常發生。因此，本實施例在線性回歸過濾之後，再使用一個運動模型處理剩下的移動物體追蹤資料，以減少上述狀況的影響。因為所追蹤的目標物為車輛，而車輛的移動受到物理定律的限制，如速度、移動方向改變率等，所以本實施例即藉由一個推估的運動模型來選擇可能性最高的移動物體追蹤資料。

舉例來說，圖7是依照本揭露一實施例所繪示的運動模型示意圖。請參照圖7，本實施例係使用車輛前一位置P₁ 與目前位置P₂ 的向量，在目前位置P₂ 建立一個可能移動範圍，其中d係由歷史資料統計所得之車輛的最大移動距離，θ則為夾角。藉由此可能移動範圍，即可過濾界外值(例如位置Q₁ )，而再針對所有界內值(例如位置Q₂ )進行相似度比對，即可找出最相似的點。最後，重覆上述步驟，即可重建完整的行車路徑。

最後，由關鍵影格關聯模組330依據上述由車輛辨識系統32所輸出之各個第一監視畫面的車輛辨識結果，以及由移動物體追蹤系統34所輸出之移動物體追蹤資料，產生至少一個關鍵影格，並建立各部車輛之完整行車路徑與這些關鍵影格的關聯性，以做為後續搜尋各部車輛的依據(步驟S430)。

其中，關鍵影格關聯模組330可再區分為關鍵影格資料庫332及關聯性建立單元334。其中，關鍵影格資料庫332即儲存由上述各個第一監視畫面的車輛辨識結果以及上述的移動物體追蹤資料產生的至少一個關鍵影格。關聯性建立單元334則會建立各部車輛的行車路徑與上述關鍵影格的關聯性，以做為後續搜尋各部車輛的依據。

詳言之，關鍵影格關聯模組330的輸入資料來源有三，第一個為上述車輛辨識系統所產生的車輛辨識結果，一般車輛辨識系統均會產生一至數張不等的辨識結果影像。第二個為上述移動物體追蹤系統所產生的關鍵影格，依不同技術的做法，可能產生一至數張不等的關鍵影格。第三個則是上述路徑重建模組330所產生之各部車輛的車足跡(即完整行車路徑)。由於此車足跡中包含移動物體追蹤所產生的資料，因此本實施例可依此資料中的時間、空間及監視器編號等資訊，取得對應的一至數張關鍵影格，並建立該組關鍵影格與車足跡之關聯。此外，因為車足跡中也包含車輛辨識系統所產生的結果，因此本實施例亦依此將車輛辨識其所產生的辨識結果影像與車足跡建立關聯。

本揭露另提供一種電腦程式產品，其係用以執行上述行車路徑重建方法的各個步驟，此電腦程式產品是由數個程式指令所組成。特別是，在將此些程式指令載入電腦系統並執行之後，即可完成上述行車路徑重建方法的步驟與上述行車路徑重建系統的功能。綜上所述，本揭露之行車路徑重建方法、系統及電腦程式產品同時使用車輛辨識系統及相對於車輛辨識功能成本較低的路口監視器，應用既有之移動物體追蹤技術所產生的移動物體追蹤資訊，彌補只使用車輛辨識結果產生車足跡的不足之處。此外，本揭露依照移動物體追蹤及車輛辨識資料中的時間、監視器編號等資訊，於關鍵影格資料庫中取得對應的一至數張關鍵影格，並建立該組關鍵影格與車足跡之關聯，而可供作為後續查詢車足跡的依據。

雖然本揭露已以實施例揭露如上，然其並非用以限定本揭露，任何所屬技術領域中具有通常知識者，在不脫離本揭露之精神和範圍內，當可作些許之更動與潤飾，故本揭露之保護範圍當視後附之申請專利範圍所界定者為準。

100、300．．．行車路徑重建系統

110、310．．．車輛搜尋模組

120、320．．．路徑重建模組

32．．．車輛辨識系統

34．．．移動物體追蹤系統

312．．．相似車輛比對單元

314．．．行車資訊提供單元

316．．．行經地點估測單元

322．．．移動物體追蹤資料庫

324．．．追蹤資料查詢單元

326．．．線性回歸過濾單元

328．．．運動模型過濾單元

330．．．關鍵影格關聯模組

332．．．關鍵影格資料庫

334．．．關聯性建立單元

510、520、530、540．．．車牌影像

S210~S250．．．本揭露第一實施例之行車路徑重建方法的各步驟

S410~S430．．．本揭露第二實施例之行車路徑重建方法的各步驟

圖1是依照本揭露第一實施例所繪示之行車路徑重建系統的方塊圖。

圖2是依照本揭露第一實施例所繪示之行車路徑重建方法的流程圖。

圖3是依照本揭露第二實施例所繪示之車輛行車路徑重建系統的示意圖。

圖4是依照本揭露第二實施例所繪示之行車路徑重建方法的流程圖。

圖5(a)及圖5(b)是依照本揭露一實施例所繪示之計算最少編輯操作次數的範例。

圖6是依照本揭露一實施例所繪示的線性回歸處理結果的示意圖。

圖7是依照本揭露一實施例所繪示的運動模型示意圖。

S210~S250．．．本揭露第一實施例之行車路徑重建方法的各步驟

Claims (27)

1. 一種行車路徑重建方法，包括：接收一車輛辨識資料，其包括多個第一類路口監視器所拍攝之多張第一監視畫面中每一個第一監視畫面的一車輛辨識結果；比對各該些第一監視畫面的該車輛辨識結果，以找出相似之至少一車輛；依據各該些第一類路口監視器的一配置位置及各該至少一車輛的一比對結果，估算各該至少一車輛在該些配置位置之間移動的至少一行經地點及一行車時間；查詢一移動物體追蹤資訊，其包括配置在該至少一行經地點之多個第二類路口監視器所拍攝之多張第二監視畫面中出現之至少一移動物體的一追蹤資訊；以及比對該至少一車輛及該至少一移動物體，找出各該至少一車輛所關聯的該移動物體，據以建立各該至少一車輛的一完整行車路徑。
2. 如申請專利範圍第1項所述之行車路徑重建方法，其中比對各該些第一監視畫面的該車輛辨識結果，以找出相似之該至少一車輛的步驟包括：比對在該些第一監視畫面中出現之車輛的至少一車輛特徵，以辨識出相似之該至少一車輛。
3. 如申請專利範圍第2項所述之行車路徑重建方法，其中比對在該些第一監視畫面中出現之車輛的該至少一車輛特徵，以辨識出相似之該至少一車輛的步驟包括：擷取該些第一監視畫面中出現之任兩車輛的一第一車牌號碼及一第二車牌號碼；計算該第一車牌號碼轉換為該第二車牌號碼所需的一最少編輯次數，並與一門檻值比較；以及當該最少編輯次數小於等於該門檻值時，判定該兩車輛為相似的車輛。
4. 如申請專利範圍第2項所述之行車路徑重建方法，其中該至少一車輛特徵包括車牌、車色或車種。
5. 如申請專利範圍第1項所述之行車路徑重建方法，其中依據各該些第一類路口監視器的該配置位置及各該至少一車輛的該比對結果，估算各該至少一車輛在該些配置位置之間移動的該至少一行經地點及該行車時間的步驟包括：依據各該至少一車輛的該比對結果，找出各該至少一車輛有出現的該些第一監視畫面及其相對應的該些配置位置；以及查詢一行車歷史資料，據以判斷各該至少一車輛在該些配置位置之間行車所會經過的該至少一行經地點及該行車時間，輸出一行車資料集合，其中該行車歷史資訊係統計以往車輛在該些配置位置之間行車所會經過的該至少一行經地點及對應花費的該行車時間。
6. 如申請專利範圍第1項所述之行車路徑重建方法，其中在查詢該移動物體追蹤資訊的步驟之前，更包括：儲存各該至少一移動物體在該些第二監視畫面中出現的一位置、一時間、一尺寸、一顏色及一關鍵影格於一移動物體追蹤資料庫。
7. 如申請專利範圍第6項所述之行車路徑重建方法，其中比對該至少一車輛及該至少一移動物體，找出各該至少一車輛所關聯的該移動物體，據以建立各該至少一車輛的該完整行車路徑的步驟包括：接收各該至少一車輛對應的該行車資料集合；依據各該些行車資料集合的該行車時間排序該些行車資料集合；依據各該些行車資料集合中該至少一行經地點的一地理位置關聯性，找出可能行經的所有第二類路口監視器；依據所找出各該些第二類路口監視器的一地理位置資料，查詢該移動物體追蹤資料庫，以取得各該至少一車輛所關聯之該移動物體及其對應的至少一移動物體追蹤資料；以及結合各該至少一車輛對應的該行車資料集合及所關聯之該移動物體的該至少一移動物體追蹤資料，建立各該至少一車輛的該完整行車路徑。
8. 如申請專利範圍第7項所述之行車路徑重建方法，其中取得各該至少一車輛所關聯之該移動物體的步驟包括：比對各該至少一車輛及各該至少一移動物體的一時間，搜尋出現時間最接近一歷史統計間隔時間的該移動物體，以與各該至少一車輛建立關聯。
9. 如申請專利範圍第7項所述之行車路徑重建方法，其中取得各該至少一車輛所關聯之該移動物體的步驟包括：比對各該至少一車輛及各該至少一移動物體的一空間資訊，搜尋相鄰兩個路口或一特定距離內出現的該移動物體，以與各該至少一車輛建立關聯。
10. 如申請專利範圍第7項所述之行車路徑重建方法，其中取得各該至少一車輛所關聯之該移動物體的步驟包括：表述各該至少一車輛及各該至少一移動物體為對應的一特徵向量矩陣；求取各該些特徵向量矩陣之間的一相似性；以及取該相似性最高之特徵向量矩陣所對應的該車輛及該移動物體來建立關聯性。
11. 如申請專利範圍第7項所述之行車路徑重建方法，其中在取得各該至少一車輛所關聯之該移動物體的該至少一移動物體追蹤資料的步驟之後，更包括：依據各該至少一車輛所會經過的該至少一行經地點及該行車時間，推估一正常行車路線；以及計算各該至少一移動物體追蹤資料與該正常行車路線之間的一差異，據以去除不合理的移動物體追蹤資料。
12. 如申請專利範圍第11項所述之行車路徑重建方法，其中在計算各該至少一移動物體追蹤資料與該正常行車路線之間的該差異，據以去除不合理的移動物體追蹤資料的步驟之後，更包括：依據一運動模型中的一車輛速度及一移動方向，推估各該至少一車輛的一可能移動範圍，據以從已去除不合理資料的移動物體追蹤資料中，找出可能性最高的移動物體追蹤資料。
13. 如申請專利範圍第7項所述之行車路徑重建方法，其中在建立各該至少一車輛的該完整行車路徑的步驟之後，更包括：依據各該些第一監視畫面的該車輛辨識結果以及該至少一移動物體追蹤資料中所包含的至少一關鍵影格，建立各該至少一車輛的該完整行車路徑與該至少一關鍵影格之一關聯性，以做為搜尋各該至少一車輛的依據。
14. 如申請專利範圍第1項所述之行車路徑重建方法，其中該第一類路口監視器係支援車牌辨識，而該第二類路口監視器不支援車牌辨識。
15. 一種行車路徑重建系統，包括：一車輛搜尋模組，接收多個第一類路口監視器所拍攝之多張第一監視畫面中每一個第一監視畫面的一車輛辨識結果，比對各該些第一監視畫面的該車輛辨識結果，以找出相似之至少一車輛，並依據各該些第一類路口監視器的一配置位置及各該至少一車輛的一比對結果，估算各該至少一車輛在該些配置位置之間移動的至少一行經地點及一行車時間；以及一路徑重建模組，查詢配置在該至少一行經地點之多個第二類路口監視器所拍攝之多張第二監視畫面中出現之至少一移動物體的一追蹤資訊，據以比對該至少一車輛及該至少一移動物體，找出各該至少一車輛所關聯的該移動物體，並據以建立各該至少一車輛的一完整行車路徑。
16. 如申請專利範圍第15項所述之行車路徑重建系統，其中該車輛搜尋模組包括：一相似車輛比對單元，比對在該些第一監視畫面中出現之車輛的至少一車輛特徵，以辨識出相似之該至少一車輛；一行車資訊提供單元，提供一行車歷史資訊，其包括統計以往車輛在該些配置位置之間行車所會經過的該至少一行經地點及對應花費的該行車時間；以及一行經地點估測單元，依據各該至少一車輛的該比對結果，找出各該至少一車輛有出現的該些第一監視畫面及其相對應的該些配置位置，並查詢該行車歷史資料，據以判斷各該至少一車輛在該些配置位置之間行車所會經過的該至少一行經地點及該行車時間，輸出一行車資料集合。
17. 如申請專利範圍第16項所述之行車路徑重建系統，其中該相似車輛比對單元包括擷取該些第一監視畫面中出現之任兩車輛的一第一車牌號碼及一第二車牌號碼，並計算該第一車牌號碼轉換為該第二車牌號碼所需的一最少編輯次數，並與一門檻值比較，而當該最少編輯次數小於等於該門檻值時，判定該兩車輛為相似的車輛。
18. 如申請專利範圍第16項所述之行車路徑重建系統，其中該至少一車輛特徵包括車牌、車色或車種。
19. 如申請專利範圍第15項所述之行車路徑重建系統，其中該路徑重建模組包括：一移動物體追蹤資料庫，儲存各該至少一移動物體在該些第二監視畫面中出現的一位置、一時間、一尺寸、一顏色及一關鍵影格；一追蹤資料查詢單元，接收各該至少一車輛對應的該行車資料集合，依據各該些行車資料集合的該行車時間排序該些行車資料集合，依據各該些行車資料集合中該至少一行經地點的一地理位置關聯性，找出可能行經的所有第二類路口監視器，以及依據所找出各該些第二類路口監視器的一地理位置資料，查詢該移動物體追蹤資料庫，以取得各該至少一車輛所關聯之該移動物體的至少一移動物體追蹤資料。
20. 如申請專利範圍第19項所述之行車路徑重建系統，其中該追蹤資料查詢單元包括比對各該至少一車輛及各該至少一移動物體的一時間，搜尋出現時間最接近一歷史統計間隔時間的該移動物體，以與各該至少一車輛建立關聯。
21. 如申請專利範圍第19項所述之行車路徑重建系統，其中該追蹤資料查詢單元包括比對各該至少一車輛及各該至少一移動物體的一空間資訊，搜尋相鄰兩個路口或一特定距離內出現的該移動物體，以與各該至少一車輛建立關聯。
22. 如申請專利範圍第19項所述之行車路徑重建系統，其中該追蹤資料查詢單元包括表述各該至少一車輛及各該至少一移動物體為對應的一特徵向量矩陣，並求取各該些特徵向量矩陣之間的一相似性，而取該相似性最高之特徵向量矩陣所對應的該車輛及該移動物體來建立關聯性。
23. 如申請專利範圍第19項所述之行車路徑重建系統，其中該路徑重建模組更包括：一線性回歸過濾單元，依據各該至少一車輛所會經過的該至少一行經地點及該行車時間，推估一正常行車路線，以及計算各該至少一移動物體追蹤資料與該正常行車路線之間的一差異，據以去除不合理的移動物體追蹤資料。
24. 如申請專利範圍第19項所述之行車路徑重建系統，其中該路徑重建模組更包括：一運動模型過濾單元，依據一運動模型中的一車輛速度及一移動方向，推估各該至少一車輛的一可能移動範圍，據以從線性回歸處理後的移動物體追蹤資料中，找出可能性最高的移動物體追蹤資料。
25. 如申請專利範圍第19項所述之行車路徑重建系統，更包括：一關鍵影格關聯模組，包括：一關鍵影格資料庫，儲存由各該些第一監視畫面的該車輛辨識結果以及該至少一移動物體追蹤資料產生的至少一關鍵影格；以及一關聯性建立單元，建立各該至少一車輛的該完整行車路徑與該至少一關鍵影格之一關聯性，以做為搜尋各該至少一車輛的依據。
26. 如申請專利範圍第15項所述之行車路徑重建系統，其中該第一類路口監視器係支援車牌辨識，而該第二類路口監視器不支援車牌辨識。
27. 一種電腦程式產品，經由一電子裝置載入該程式以執行如申請專利範圍第1項所述之行車路徑重建方法。