淺談物件偵測與物件切割技術...

在視訊中進行物件偵測是一個重要的課題，如人與車的偵測等，此一技術可運用在許多視訊安全監控系統，如智慧型空間(Smart rooms)、以內容為基礎之視訊（影像）搜尋（Content-based image/video retrieval）、以及智慧型交通系統(Intelligent transportation systems)等，物件偵測在近年來已有許多相關的研究。

在偵測出物體位置後，若能判斷該位置哪些像素位在所要偵測的物體上，對於後續的應用將有相當大的助益，例如，在進行物件追蹤時，可以只用被追蹤物本身的像素資訊，以避免背景資訊造成的變異。

近年來，有許多研究將這兩個領域做整合，以提供視訊中物件偵測與物件切割。在此一領域內大多使用example-based的方法，亦即由訓練影像中找出物件的特徵區域，並用Codebook來描述該物件的特徵關係，以車輛為例[1]，可利用找尋角點(corner)的方式在車輛上找出具有特徵的位置，如圖一所示，所有訓練影中找出的特徵點可以取出其鄰近區塊(patch)來進行描述，如圖二所示，在利用Codebook描述這些區塊時，則是計算區塊間的相關性(Normalized Grayscale Correlation)並利用群聚(clustering)的方式來分群，並將每一群視為車輛的Code，藉由計算不同Code之間的空間關係可以建立車輛的Codebook。對於輸入的測試影像，可計算其影像特徵點，並將特徵點區塊與車輛的Codebook做比對，如此可以偵測出車輛的位置。此種方法的優點是只需少量的訓練影像即可建立有效的車輛Codebook。

圖一　車輛影像及其特徵點

圖二　由訓練影像選取出的特徵區塊

圖三　使用群聚法進行分群

為了要在進行物件偵測的同時，能夠分割出該物件的輪廓，B. Leibe等[2][3]提出了ISM (Implicit Shape Model)，此一方法使用的訓練影像同時含有該物體的前景遮罩(mask)，因此在建立該物體的Codebook時，可以利用統計學習的方式將每個Code的前景機率進行學習，此一方法的架構如圖四所示，首先，輸入的影像會在其上選取特徵點，並將該特徵點所在位置的特徵區塊與Codebook做比對，並將比對成功的Code對物體的中心做投票，投票出來的中心位置可用Mean Shift Mode Estimation的方法找出機率最高的中心點，將投票到該中心點的特徵區塊做反投影，儲存在這些Code內的前景機率模型可以用來估算物體的前景區域。此一方法也可以運用在具有關節的動物上(Articulated animal)，如圖五所示。

圖四　Implicit Shape Model的架構圖

圖五　牛的偵測及其前景切割結果

此一研究尚有許多的延申，如B. Leibe等[4]利用許多具有縮放不變性(Scale-invariant)的特徵點來進行特徵抽取，以克服原先方法測試影像必需與訓練影像大小相仿的限制；B. Leibe等[5]也使用ISM來進行人的偵測與切割，除了偵測的步驟外，其利用收集一些行人姿態的外圍輪廓，來對偵測出的行人進行chamfer matching，以改進偵測與切割效果，如圖六所示；L. Wang等[6]則是使用Shape Context來進行影像上特徵點的抽取，並用影像切割技術當成bottom-up的驗証，以改進偵測與切割效果，如圖七所示。

此一技術尚在發展階段，唯其後續應用的潛力值得進一步深入的研究，包括如何改善偵測的正確率及偵測的速度等等都是重要的方向。

圖六　行人偵測與其輪廓偵測結果[5]

圖七　物體偵測與其輪廓偵測結果[6]

參考資料