基于热感影像之行人方位与距离量测.PDF

基於熱感影像之行人方位與距離量測 摘要 ： 本研究提出一種行人距離與方法估算的方法，藉由行人在熱感影像中的呈 像 ，來估算其與熱感攝影機之間的相對方位與距離。本研究分為兩個步驟：行人 區塊的偵測與方位 、距離的估算 。行人方位的估算是以熱感影像中行人區塊的位 置來估算 ，而距離則是以行人區域的大小來估算。實驗結果顯示所本研究提出的 方法可以準確的算出目標物與攝影機之間的方位，並估算出目標物與攝影機之間 的距離 。本研究可應用於夜間監視系統、智慧型駕駛輔助系統 、夜視型自動巡邏 機器人等。 關鍵字 ：行人偵測 、距離估算 、夜間監視 1簡介. ： 電腦視覺應用於安全保全或監視系統已日益廣泛 ，例如目前社區 、學校、社 區 、大樓等處處皆可看到攝影機的存在，而相關的研究也都相當的完備[1] 。然 而一般的攝影機皆需有足夠的光源方能有效的取得影像，若是攝影機所在之光源 不足 即無法有效的取得影像， ，而一般越是光線不足的地方則更有可能是危險的 區域 ，越是須要監視 ，因此近年來 近紅外線攝影機亦普遍的被應用於監視系統 [2] 。 然而近紅外線攝影機亦需要以紅外光為輔助光源且取像距離有限所以近年， 來熱感影像攝影機已經逐漸且廣泛的應用到一些安全需求比較高的區域，這種熱 感影像 攝影機可藉由物體本身所散發出來的熱來取得物體的影像[3] ，且有效距 離可以遠達1000呎以外 ，可用於軍事用途 、夜間駕駛輔助 、及需要高度警戒的 區域 ，在本研究中則應用於夜視型校園巡邏機器人上 。 由於夜視型校園巡邏機器人需巡邏於校園各處 ，而在校園中各個區域的光線 不一 ，甚至有些地方是光線不足的因此我們無法使用一般攝影機來取得每一個， 區域清楚地影像 ，而影響機器人的工作因此在本研究中， ，我們使用不需任何輔 助光線的熱感影像攝影機來做為取像的工具，以確保機器人可以在校園任何區域 中都可以偵測出可疑的目標物 (行人) 。 在前景物的擷取方面目前常用的有背景相減物(background subtraction) [4] 、 連續影像相減法(temporal differencing) [5] 、模型比對(model matching) [6] 等方 式，由於背景相減法與連續影像相減法 ，一般都是在攝影機固定不動的情況下 ， 我們比較容易去建立背景影像，然後使用背景相減法來取得前景物。或是利用連 續兩張影像的差異來取得前景物 。這對於架設於活動載具(機器人)上的攝影機所 取得的影像並不適用 。 在本研究我們使用雙門檻值(Dual Thresholds)去取得前景物可能的區域 [7] ， 再利用 Adaboost的學習機制從眾多弱分類器中挑選出強分類器 ，並藉由這些強 分類器從前景物可能的區域中偵測出我們所要的目標物 (行人)[8] 。而在本研究中 除了要偵測出目標物的位置外 ，最主要的目的就是希望能從行人在影像中的位 置 ，來判斷該行人與機器人之間的方位與距離，以便機器人可以來針對該行人做 更近一步的處理 。 而在距離的量測一般有運用超音波量測的方式 [9] ，藉由超音波在空中的來 回時間估算距離的遠近 ，但且很難藉由超音波來估算目標物的方位 。而近年因電 腦處理速度的提升 ，加上相關電腦視覺技術的成熟 ，像雙 CCD視差法[10也運] 用到距離的量測 ，利用兩隻攝影機相互的距離及所取得的影像來估算目標物的距 離。 在本文以下章節安排如下 ：2. 系統架構的描述，3.目標物距離的估算 ，4.目 標物方位的估算 ，5.實驗結果 ，6.結論 。 2. 系統架構： 本研究之系統架構如圖 1.所示 ，首先從影感影像攝影機中輸入熱感影像 ，經 由 dual threshold取出前景物 ，再從這種前景物中取出他們的 HoG feature ，再經 由 Adaboost 來偵測出行人所在的位置。而在行人被偵測出來後，就是要估算每 個行人與機器人之間的相 對距離與方位，此為本文所著重之重點，使機器人可以 正確的判斷每位被偵測到的行人所在之位置 ，以便做近一步的處理。 Input Thermal image