| 主权项 |
1.一种被动式之即时影像辨识软体方法,其主要辨 识方法如下: 步骤一:以摄影机撷取影像投射装置投射至影像区 域之影像作为基准参考影像(55灰阶値); 步骤二:以摄影机不断撷取影像投射装置投射至影 像区域之即时影像(55灰阶値),检验是否有外物接 触感应区域; 以上步骤一之基准参考影像与步骤二之即时影像 的差异値可由式子(1)表示: DIFF(x,y)=|REF(x,y)-NEW(x,y)|----(1) 步骤三:将步骤一之基准参考影像各灰阶値与步骤 二之即时影像各灰阶値相减,即可得到剩余之影像 灰阶値分布,即表示有外物; 步骤四:经步骤三相减后之影像,通常会有杂讯存 在,即由式子(2) 二値化的方法消除杂点的影响;其中,T*为门槛値, 在8bits灰阶影像中,门槛値的范围为0~255之间;而最 佳门槛値的决定方式可由统计的方式求得,其最佳 门槛値为波谷位置的灰阶値,决定T*即可将影像分 割成二区间,其最佳门槛値T*的条件为C1内的变异 数加上C2内的变异数之和为最小,假设影像的大小N =55,且8bits灰阶影像的灰阶値个数为I=256,则灰阶値 为I的机率可表示为 此处ni表示灰阶値i在影像中出现的次数,且i的范 围介于0≦i≦I-1,依据机率原理可得知 假设C1内的像素个数占的比率为 而C2内的像素个数占的比率为 这里亦满足W1+W2=1, 接下来,也可算出C1的期望値 而C2的期望値为 利用式子(7)和式子(8)可求得C1和C2的变异数为 则C1和C2的变异数和为 接着,只要将0~255之间的数値代入式子(11)中,使式 子(11)有最小値者就是最佳门槛値T*; 步骤五:虽经步骤四二値化后所残留的杂讯已消除 ,惟,移动物体会有些许的残破,此种现象系以四连 通遮罩及其膨胀、侵蚀演算法来加以去除; 膨胀的演算法如下:当遮罩Mb(i,j)=255时,便设定其四 邻点位置的遮罩 Mb(i,j-1)=Mb(i,j+1)=Mb(i-1,j)=Mb(i+1,j)=255--------------------- -------------(12) 侵蚀的演算法如下:当遮罩时Mb(i,j)=0,便设定其四 邻点位置的遮罩 Mb(i,j-1)=Mb(i,j+1)=Mb(i-1,j)=Mb(i+1,j)=0----------------------- --------------(13) 将上述的遮罩与二値化后的影像作回旋积分即可 消除破碎的现象; 步骤六:接着,便可利用侧边遮罩来取得移动物体 的轮廓,此处,我们将采用Sobel(影像轮廓运算遮罩) 遮罩来完成物体轮廓的取得; 系将Sobel(影像轮廓运算遮罩)遮罩与即时影像作回 旋积分,如式子(14)(15)所示: 利用式子(16)便可得到所撷取影像的边缘 将上述之边缘影像二値化 其中T*e为最佳门槛値,求取最佳门槛値之方法和先 前相同;接着,将即时影像的二値化轮廓图E(x,y)与 相减后之二値化影像BIN(x,y)作交集的动作后,移动 物体的外围轮廓即可求得; 步骤七:感应检测移动物体之外围轮廓边点的座标 是否接触到感应区域与执行对应之动作者; 步骤八:重复上述之所有步骤。 2.一种互动式之即时影像辨识软体方法,其主要辨 识方法如下: 步骤一:以摄影机撷取影像投射装置投射至影像区 域之影像作为基准参考影像; 步骤二:以摄影机不断撷取影像投射装置投射至影 像区域之即时影像,其中,影像具有活动影像,检验 是否有外物接触活动感应区块; 以上步骤一之基准参考影像与步骤二之即时影像 的差异値可由式子(1)表示: DIFF(x,y)=|REF(x,y)-NEW(x,y)|----(1) 步骤三:将步骤一之基准参考影像各灰阶値与步骤 二之即时影像各灰阶値相减,即得到剩余之影像灰 阶値分布,通常会有杂讯存在,即由式子(2) 二値化的方法消除杂点的影响; 步骤四:经二値化后,白色部分即是影像中的活动 影像与活动感应区块,可藉由线段编码法将活动影 像与活动感应区块分割出来,该线段编码法是一种 以线段储存的方法储存物体中每一点的资料,在第 1行侦测到有一列分割影像,就把它视为第一个物 体中的第一列,符号记下1-1,接着,在第2行侦测到有 两列,第一列因处于1-1的下方,所以记做1-2;而第二 列为一新的物体,所以记做2-1,如此侦测到第4行时 发现,只有一列且位于物体1及物体2之下方,所以原 先视为两个物体之影像原来为一物体,但,先记做1- 4,等待全部影像扫描完成之后,再作合并的动作者; 其中,每个物体储存的资讯,包括有:面积区域、周 长、物体特征、分割之影像大小、宽度以及物体 之总数者; 步骤五:当活动影像与活动感应区块被分割出之后 ,接着,就要计算每个物体的特征値,系采用七个不 变矩来表示物体的特征,其求解过程如下: 一个二値化影像b(m,n)的(k+l)阶矩定义为 而,其中心矩的定义可表示为 其中, 代表物体的质量中心; 接着,求得式子(19)之正规化中心矩可得到 接着,便可由正规化的第二阶矩与第三阶矩导出七 个不变矩: 步骤六:在实际图样辨识的过程中,由于每个类别 中的图样极不可能有单一的特征向量値,而是一段 范围内的値,且每个图样的特征质会落在该范围内 的某个点并无法精确预知,甚至所谓的明确数値范 围也未必可得而知,对于这种具随机特性的问题, 以机率的概念来描述极为适合,在此处,即时图样 辨识的部分,我们采用的是高斯图样类别的贝氏分 类器来即时处理待辨识图像,其定义如下: 其中,Dj为第j类图样的决策函数;x=[1…7]为第j 类之特征向量;mj和Cj分别为第j类图样的平均特征 向量与共变异数矩阵,当D値为最大时,便归为此第j 类图样,当图样辨识完成后,也就决定了感应区域 的位置,辨识的执行步骤可以整理如下: 1.将图形样板事先训练,计算各类别1…7,再计 算各类别之mj及Cj,就可完成分类器的决策准则; 2.将摄影机所撷取的影像经步骤四的方式分割成 数个子影像,并计算每个子影像的Dj(x); 3.比较出Dj(x)之大小,设法找出最大者为Dk(x),则此 图形判定为第k类; 辨识处理后,即可将活动感应区块准确的寻找出来 ; 步骤七:活动感应区块是否有外物接触与执行对应 之动作者; 步骤八:重复上述之所有步骤。 图式简单说明: 第一图为本发明之一种被动式及互动式之即时影 像辨识软体方法之系统架构简易示意图例 第二图为本发明之一种被动式及互动式之即时影 像辨识软体方法之摄影机事先撷取之基准参考影 像示意图例 第三图为本发明之一种被动式及互动式之即时影 像辨识软体方法之摄影机撷取即时影像示意图例 第四图为本发明之一种被动式及互动式之即时影 像辨识软体方法之摄影机撷取基准参考影像与即 时影像相减后之示意图例 第五图为本发明一种被动式及互动式之即时影像 辨识软体方法之最佳门槛値为波谷位置的灰阶値 示意图例 第六图为本发明之一种被动式及互动式之即时影 像辨识软体方法之最佳门槛値二区间示意图例 第七图为本发明之一种被动式及互动式之即时影 像辨识软体方法之撷取基准参考影像与即时影像 相减后又经二値化之示意图例 第八图为本发明之一种被动式及互动式之即时影 像辨识软体方法之四连通遮罩示意图例 第九图为本发明之一种被动式及互动式之即时影 像辨识软体方法之Sobel遮罩(a)x轴与(b)y轴之示意图 例 第十图为本发明之一种被动式及互动式之即时影 像辨识软体方法之互动式之基准参考影像示意图 例 第十一图为本发明之一种被动式及互动式之即时 影像辨识软体方法之互动式之即时影像示意图例 第十二图为本发明之一种被动式及互动式之即时 影像辨识软体方法之互动式之基准参考影像与即 时影像相减与二値化后之示意图例 第十三图为本发明之一种被动式及互动式之即时 影像辨识软体方法之互动式之物体线段编码片段 示意图例 第十四图为本发明之一种被动式及互动式之即时 影像辨识软体方法之互动式之活动影像与活动感 应区块分割出来之示意图例 第十五图为本发明之一种被动式及互动式之即时 影像辨识软体方法之互动式之活动感应区块辨识 结果示意图例 |
