[发明专利]物件外观模型产生方法、物件辨识方法以及监控系统

说明书

技术领域

本发明涉及产生一物件的阶层式外观模型(Hierarchy Appearance  Module)的方法和系统。

背景技术

企业和政府通常会采用监控系统来监视管区内的活动，以增强安全性。 监控的主要议题之一，就是物件的检测以及已知物件的辨识。举例来说， 在停车场大楼内，监控系统可检测在特定时间离开的对象，并判断其是否 为已知的人员。

一个智慧型的监控系统仰赖计算机技术来进行物件辨识。一个智慧型 的监控系统通常包含图像截取单元，例如视频摄影机，藉此获取物件的图 像。此外还包含一计算机系统，用以处理图像并媒合物件。为了建立一物 件数据库，该图像截取单元必须能捕捉所有目标物件的图像，并将之传送 至该计算机系统。该计算机系统始能处理这些图像并将之以特定的格式存 储在数据库中。当图像截取单元捕捉到一待辨识物件的图像时，该计算机 系统便接着尝试将该图像与物件数据库中的已知物件进行媒合比对。

同样一个物件的图像，在不同的时间点或不同的设定上，会有所不同， 因为各方面的条件例如物件的姿态、以及环境因素如光线亮度均有可能不 同。因此，两个相同物件于不同时间不同条件下的图像，要进行详细比对， 对计算机而言是一项重大负担，而且所产生的结果通常并不可靠。因此， 在监控系统中的计算机通常会采用统计模型来降低并简化图像中的已知信 息。举例来说，直方图是一种广泛范围的数据分布图，可以用来代表各形 各色的参数。更确切地说，参数的范围可以分割成许多小范围或子范围。 一直方图中包含许多区间(bin)，每一区间代表一特定宽度的子范围，而 高度则代表落入该子范围的数据量。

举例来说，一彩色图像可以表示为多个彩色频道，例如三原色中的红 色、黄色和绿色频道。该彩色图像的直方图可显示特定颜色频道中的像素 分布情形，而每一区间的宽度(区间宽度)对应该特定颜色频道的一子范 围，而该区间的高度则代表颜色值落入该区间的所有像素的数量。因此物 件辨识的技术就牵涉到两个物件的直方图比对。如果两个物件的直方图符 合，则可以将两个物件视为是同一物件。

在该物件数据库中存储的信息越多，计算机能提供的辨识准确度就越 高。一般监控系统可以通过一或多个视频摄影机的连续/同时捕捉，为该物 件数据库中的每一物件提供大量图像信息。藉此，计算机可以利用这些图 像信息为每一物件产生多个直方图。为了辨识待辨识物件，计算机必须将 该待辨识物件的直方图拿来与物件数据库中的物件的所有直方图进行比 对，藉此提高准确度。另一种做法是，计算机先将一物件的多个图像进行 结合，建立一外观模型用以代表该物件。在辨识待辨识物件的时候，计算 机便可直接判断该待辨识物件的图像是否符合该物件数据库中的一物件的 外观模型。

研究者曾经提出许多不同的外观模型，适用于不同的目的。举例来说， 在“Global Color Model Based Object Matching in the Multi-Camera  Environment，”Proceedings of the 2006IEEE/RSJ International Conference on  Intelligent Robots and Systems，October 9-15，2006，pp.2644-49，Morioka 提出一种可适性模型，结合一物件的多个直方图，并利用主成分分析来减 少直方图的维度。藉此，所有直方图中的信息被整合在一起。然而这个方 面的缺点是，当图像中的物件被遮档住的时候，判断就会出问题。

在另一篇论文“Appearance models for occlusion handling，”Image and  Vision Computing，24(11)，1233-43(2006)中，Senior统计每一像素以建 立该外观模型。这个方法的缺点是，当该物件改变姿势的时候，关联性就 会降低。在“Distinctive Image Features from Scale-Invariant Keypoints，” International Journal of Computer Vision，60(2)，91-110，2004的论文中， Lowe提出一种方法称为尺度不变性特征转换(SIFT)，在环境因素改变的 时候，仍可解读出不受到影响而变化的重点特征。然而，SIFT法的计算量 相当庞大。如果图像数据的数量大幅成长，这个方法变得不敷使用。