Browsing by Subject "background subtraction"
Now showing 1 - 4 of 4
- Results Per Page
- Sort Options
Item 以Graph cut演算法為基礎的連續影像人臉偵測系統(2012) 郭俊麟; Jiun-Lin Guo本論文提出一套可在各種教室情境中運作的人臉偵測系統,偵測對象為教室中的多名學生,主要應用在自動教室觀察與記錄系統中。本研究採用顏色做為人臉偵測時的特徵,且利用graph cut技術做為人臉偵測時主要的方法。 以顏色為特徵的人臉偵測有著較不受頭部轉動和傾斜影響的優點,因為在頭部轉動和傾斜時,膚色依然在人臉中佔有一定比例的面積;至於眼睛、嘴巴和鼻子等其他人臉特徵在頭部轉動和傾斜時(尤其是轉動)在影像中較不穩定。這個顏色特徵的優點對於在教室中進行自動人臉偵測來觀察與記錄學生的行為有很大的幫助,因為在課堂中學生頭部的姿勢變化常常都是有意義的,如疲憊時打瞌睡、表示贊同時點頭或心不在焉時將人臉轉向他處等,而這些變化也往往是教學觀察者們(教師、研究人員)所關心的現象。因此,本系統若能夠在各種頭部姿勢狀態下做人臉偵測,就能夠更進一步地去分析這些姿勢變化和其所代表的意義。 利用顏色特徵來偵測人臉必須選擇一個適當的色彩空間,並且決定人臉的膚色在該色彩空間中的範圍。然而,這類作法常會遇到兩個問題,一是不同的光線以及人種需定義不同的膚色範圍,二是在教室中有許多物體顏色接近膚色(如原木色課桌椅),會降低人臉偵測的正確率。針對第一個問題,本研究提出一個動態的膚色範圍定義方式;而為了解決第二個問題,本研究提出一個穩定的方法在影像中擷取前景(即學生的部分)。此方法結合單點建模與graph cut的技術,可以得到完整不破碎的前景,在前景的範圍內擷取膚色,避免類膚色背景的干擾。 另一方面,利用膚色在Hue色彩空間中高度集中的特質,本研究再次以graph cut技術優化膚色區域的偵測結果,統計收集到的膚色像素、動態更新膚色範圍,以提高偵測的穩定性。 在實驗時,本研究架設單一攝影機來擷取影像,每張影像中均包含4~6位學生。本研究假設初始教室沒有學生,系統首先進行背景建置,待學生進入教室,系統偵測到影像中有前景出現後,便會開始進行人臉偵測。實驗結果顯示,本研究提出的人臉偵測技術,較不受各種頭部轉動和傾斜角度之影響,並且能夠在低解析度影像下,維持高準確率。Item 以適應性門檻值為基礎應用於物件偵測之 強化切割演算法(2011) 陳俊廷; Chun-Ting Chen物件偵測演算法是應用於智慧型影像系統中的基礎研究,尤其大量被用於智慧型監控系統與智慧型傳輸系統上,目的在於透過有效的偵測物件,使其資訊能夠提供給物件追蹤或辨識等相關應用,提升系統之效能,一般而言,大部分的研究常使用背景相減法,利用畫面之間的差異來擷取物件,而這樣的方式通常需要訂定門檻值將影像中的資訊分類,可是在傳統的作法中,此門檻值通常為定值,所以常需要因為測試環境的不同而重新定義,此外,陰影成份也是一項影響物件偵測演算法準確率的因素之ㄧ,所以在將影像資訊分類後,必須再透過陰影去除相關之演算法,將陰影成份去除以取出正確的物件資訊,所以在本論文中,我們提出一個根據陰影成份的特性分析,以像素點為基礎,個別定義其適應性之門檻值應用於物件偵測之演算法,使物件切割與陰影去除的動作,只要透過一個步驟的強化切割演算法,便能夠即時處理並準確的偵測物件,並且能夠將陰影成份的干擾降到最低,使偵測出來的物件資訊能夠更加的與實際物件吻合,實驗結果顯示,即使是在室內、戶外或是雨天的環境下,透過我們所提出的方法也都能夠快速並有效的偵測物件。Item 利用時空域分析與背景相減法作視訊移動物偵測(2009) 邱建中利用電腦視覺方式做移動物偵測時,所遭遇到最大的問題就是動態背景雜訊以及前景本身因移動而產生的雜訊,尤其在使用背景相減法作前景擷取時,這兩種雜訊更為明顯。因此,本論文提出結合前景物時域、空間域以及色彩資訊等方式來改善偵測的正確性。本方法可分為主要三個部分:(1) 利用時序統計長方圖的方式建立可隨時間更新的背景。(2) 再以angle-module方法將三維色彩資訊轉換為二維的色相變化與色彩強度資訊,利用自適應的背景相減法擷取動態前景物,運用前景與背景色彩資訊的差異性來將前景物雜訊去除(陰影、小變化雜訊)。(3) 最後結合影像時間與空間資訊的概念,來去除動態背景雜訊(例如搖曳的樹枝、雨天..等)。 實驗結果顯示,本研究的系統在室內或室外環境下都有九成以上的偵測正確率。對陰影、動態背景雜訊、以及攝影機輕微搖晃等容易造成誤判的條件下,系統也能夠有著不錯的偵測準確率。Item 自適性背景更新的動態偵測系統(2006-06-02) 鄭則謙; 蔡俊明; 葉榮木本篇文章提出一個簡單且強健的方法在即時畫面或預錄影像中進行移動物件的偵測。有別於過去利用統計的方式訓練出背景模型來偵測移動物件,我們採用一個複雜度較低且不需要預先建立背景圖的方式對於背景進行修補及更新。再透過背景消去的方式來找出畫面中移動的物件資訊。在所提出的背景更新方式下結合物體的運動資訊來動態的決定適當的更新率,不但可以準確的更新背景還可以適用於移動式的攝影機。對於許多即時偵測系統或是監控環境(如:停車場)可以提供較好的方法。