專利名稱：物件外觀模型產生方法、物件辨識方法以及監控系統的制作方法
技術領域：
本發明涉及產生一物件的階層式外觀模型(Hierarchy A卯earanceModule)的方法和系統。 企業和政府通常會采用監控系統來監視管區內的活動，以增強安全性。監控的主要議題之一，就是物件的檢測以及已知物件的辨識。舉例來說，在停車場大樓內，監控系統可檢測在特定時間離開的對象，并判斷其是否為已知的人員。 —個智慧型的監控系統仰賴計算機技術來進行物件辨識。 一個智慧型的監控系統通常包含圖像截取單元，例如視頻攝影機，藉此獲取物件的圖像。此外還包含一計算機系統，用以處理圖像并媒合物件。為了建立一物件數據庫，該圖像截取單元必須能捕捉所有目標物件的圖像，并將之傳送至該計算機系統。該計算機系統始能處理這些圖像并將之以特定的格式存儲在數據庫中。當圖像截取單元捕捉到一待辨識物件的圖像時，該計算機系統便接著嘗試將該圖像與物件數據庫中的已知物件進行媒合比對。 同樣一個物件的圖像，在不同的時間點或不同的設定上，會有所不同，因為各方面的條件例如物件的姿態、以及環境因素如光線亮度均有可能不同。因此，兩個相同物件于不同時間不同條件下的圖像，要進行詳細比對，對計算機而言是一項重大負擔，而且所產生的結果通常并不可靠。因此，在監控系統中的計算機通常會采用統計模型來降低并簡化圖像中的已知信息。舉例來說，直方圖是一種廣泛范圍的數據分布圖，可以用來代表各形各色的參數。更確切地說，參數的范圍可以分割成許多小范圍或子范圍。 一直方圖中包含許多區間(bin)，每一區間代表一特定寬度的子范圍，而高度則代表落入該子范圍的數據量。
舉例來說，一彩色圖像可以表示為多個彩色頻道，例如三原色中的紅色、黃色和綠色頻道。該彩色圖像的直方圖可顯示特定顏色頻道中的像素分布情形，而每一區間的寬度(區間寬度)對應該特定顏色頻道的一子范圍，而該區間的高度則代表顏色值落入該區間的所有像素的數量。因此物件辨識的技術就牽涉到兩個物件的直方圖比對。如果兩個物件的直方圖符合，則可以將兩個物件視為是同一物件。 在該物件數據庫中存儲的信息越多，計算機能提供的辨識準確度就越高。 一般監控系統可以通過一或多個視頻攝影機的連續/同時捕捉，為該物件數據庫中的每一物件提供大量圖像信息。藉此，計算機可以利用這些圖像信息為每一物件產生多個直方圖。為了辨識待辨識物件，計算機必須將該待辨識物件的直方圖拿來與物件數據庫中的物件的所有直方圖進行比對，藉此提高準確度。另一種做法是，計算機先將一物件的多個圖像進行結合，建立一外觀模型用以代表該物件。在辨識待辨識物件的時候，計算機便可直接判斷該待辨識物件的圖像是否符合該物件數據庫中的一物件的外觀模型。 研究者曾經提出許多不同的外觀模型，適用于不同的目的。舉例來說，在"Global
Color Model Based Object Matching in the Multi_CameraEnvironment， ，， Proceedings
of the 2006IEEE/RSJ International Conference onlntelligent Robots and Systems,
背景技術：
8October 9_15，2006， pp. 2644-49， Morioka提出一種可適性模型，結合一物件的多個直方圖，并利用主成分分析來減少直方圖的維度。藉此，所有直方圖中的信息被整合在一起。然而這個方面的缺點是，當圖像中的物件被遮檔住的時候，判斷就會出問題。
在另一篇論文"Appearance models for occlusion handling, ，，Image andVisionComputing, 24 (11) ，1233-43 (2006)中，Senior統計每一像素以建立該外觀模型。這個方法的缺點是，當該物件改變姿勢的時候，關聯性就會降低。在"Distinctive Image Featuresfrom Scale-Invariant Keypoints， ，， International Journal of Computer Vision,60(2) ，91-110,2004的論文中，Lowe提出一種方法稱為尺度不變性特征轉換(SIFT)，在環境因素改變的時候，仍可解讀出不受到影響而變化的重點特征。然而，SIFT法的計算量相當龐大。如果圖像數據的數量大幅成長，這個方法變得不敷使用。 除此之外還有人提出分割法，將一物件分割成多個部分，然后為每一部分建立外觀模型。然而對計算機而言，要能識別多個圖像中互相對應的部分仍然是一大挑戰。
發明內容
實施例之一，是一種物件外觀模型產生方法。首先接收一物件的一圖像。接著產
生該圖像一階層式外觀模型，該階層式外觀模型包含多個階層，每一階層包含一或多個節
點，其中每一階層中的節點包含該物件的信息，其詳細度與階層相關；而不同階層的節點具有不同的詳細度。 另提出一監控系統實施例，包含至少一攝影機以及一計算機。該攝影機產生一物
件的至少一圖像，而該計算機根據該物件的至少一圖像產生該物件的一階層式外觀模型，
該階層式外觀模型包含多個階層，每一階層包含一或多個節點，其中每一階層中的節點包
含該物件的信息，其詳細度與階層相關。不同階層的節點具有不同的詳細度。 進一步提出一物件辨識方法的實施例，用以從一堆物件中辨識一待辨識物件，其
中該堆物件具有制式階層式外觀模型。接收該待辨識物件的一圖像，根據該圖像產生該待
辨識物件的一階層式外觀模型，包含多個階層，每一階層包含一或多個節點，其中每一階層
中的節點包含該待辨識物件的信息，其詳細度與該節點所屬階層相關；而該待辨識物件的
階層式外觀模型中的不同階層的節點具有不同的詳細度。以及將該待辨識物件的階層式外
觀模型與這些制式階層式外觀模型進行比較。 又提出一監控系統的實施例。至少一攝影機從一堆物件中產生至少一圖像，并產生一待辨識物件的一圖像。一計算機根據該至少一圖像產生該堆物件的制式階層式外觀模型，根據該待辨識物件的圖像產生該待辨識物件的一階層式外觀模型，以及比較該待辨識物件的階層式外觀模型與該堆物件的制式階層式外觀模型；其中該待辨識物件的階層式外觀模型及該堆制式階層式外觀模型包含多個階層，每一階層包含一或多個節點，其中每一階層中的節點包含所屬物件的信息，其詳細度與該節點所屬階層相關；而不同階層的節點具有不同的詳細度。
圖1是一階層式外觀模型的實施例； 圖2 (a)是一產生階層式外觀模型的實施例流程 圖2(b)-圖2(e)是使用階層式外觀模型來辨識物件的實施例； 圖3為圖像中環境變化和物件的姿勢改變造成的影響； 圖4為實施例之一的從一物件的圖像所產生的直方圖； 圖5為實施例之一的從一物件的圖像所產生的直方圖； 圖6為實施例之一的從一物件產生直方圖的方法； 圖7為圖6實施例的階層式外觀模型； 圖8(a)-圖8(i)為實施例中當背景光線改變時階層式外觀模型的執行結果； 圖9(a)-圖9(i)為實施例中當物件距離改變時階層式外觀模型的執行結果； 圖10(a)-圖10(g)為實施例中當攝影機視角及方向改變時階層式外觀模型的執行結果； 圖11(a)-圖ll(j)為實施例中當物件的姿勢改變時階層式外觀模型的執行結果； 圖12(a)-圖12(h)為實施例中區分不同物件時的階層式外觀模型的執行結果； 圖13為本發明實施例之一的制式階層式外觀模型；以及 圖14為安裝于一建筑物的一監控系統。主要元件符號說明
1400監控系統 1404計算機 1402-1 1402-5攝影機
具體實施例方式
以下將搭配圖示詳細說明可能的實施例。通篇說明書中對于相同或類似的元件將盡可能使用相同的標號。 提出一為物件建立階層式外觀模型的方法和系統，并使用該階層式外觀模型來進行物件辨識的實施例。在本實施例中，階層式外觀模型是一種多階層的架構，每一階層包含該物件相關的信息，其詳細度則隨著不同階層而異。階層式外觀模型是一種由詳細度粗到細的漸次辨識方法。本發明的監控系統采用一或多個圖像感測器來捕捉物件的圖像，同時包含一計算機以進行物件的階層式外觀模型的建立、存儲以及比對。 圖1為一實施例的階層式外觀模型的簡化示意圖。 一階層式外觀模型中包含多個階層。每一階層包含一或多個節點，各具有可代表該物件的信息。每一階層中的節點的信息詳細度隨著階層而異。換句話說，一個階層式外觀模型中不同階層具有不同的解析度。詳細度越高即代表解析度越高。如圖l所示，階層式外觀模型的最高階層為「layer 1」，包含一個節點。該layer 1中的該節點所包含的信息以最低的詳細度來代表該物件。階層式外觀模型的次高階層是「layer 2」，其中的節點詳細度，略高于「layer 1」的節點。同樣地，「layer 3」中的節點詳細度，又再略高于「 layer 2」中的節點。依此類推，該階層式外觀模型中越深的階層，具有越高的詳細度。 雖然圖1中顯示階層式外觀模型中的每一節點發散兩個子節點。本發明不限定于此。每一階層式外觀模型中的節點也可以有好幾個子節點。 圖2(a)和圖2(b)說明了建立階層式外觀模型和使用階層式外觀模型的實施例。圖2(a)是使用階層式外觀模型建立一物件數據庫的方法，而圖2(b)是根據該物件數據庫
10辨識待辨識物件的方法。 在圖2(a)中，系統首先定義了一物件數據庫，用以辨識一待辨識物件(202)。該系統選擇該物件數據庫中的一物件(204)并建立一階層式外觀模型以代表該被選擇的物件(206)。該系統重復該選擇(204)和建立階層式外觀模型(206)的步驟，直到物件數據庫中所有的物件都被建立了階層式外觀模型(208)。最后，建立一數據庫，用以存儲該物件數據庫中所有物件的階層式外觀模型(210)。 在圖2(b)中，當該系統檢測到一待辨識物件(252)，該系統為該待辨識物件建立一待辨識物件的階層式外觀模型(254)。接著，該系統從物件數據庫中選擇一物件(256)的階層式外觀模型，與前者的階層式外觀模型進行比對(258)。如果兩個階層式外觀模型的特征互相符合(260-是)，則系統判斷該待辨識物件就是該被選擇的物件(262)。另一方面，如果兩個階層式外觀模型不相符合(260-否)，則該系統進一步選擇下一物件(256)并重復比對的步驟(258)。直到該物件數據庫所有的物件都沒有找到任何符合，該系統始判斷該待辨識物件并不存在于該物件數據庫中(266)。 該物件數據庫的定義隨著特定的應用場合而不同。所謂的物件可以是人物或是任何移動物體如汽車。舉例來說，如果待辨識物件定義為一個在某日某特定時間點上走出商店的人物，則該物件數據庫將當日該特定時間之前進入該商店的所有人物列為比對對象。再舉另一例來說，如果待辨識物件定義為一臺離開車庫的汽車，則該物件數據庫將該汽車離開時間點之前進入車庫的所有汽車列為比對對象。 在本實施例中，一階層式外觀模型具有特定數量的階層。而階層的數量則是根據應用場合的需要或是模擬結果來決定。如果模擬結果發現只要四個階層的階層式外觀模型便能獲得足夠準確的物件辨識效果，那么就只需要實作四個階層的階層式外觀模型。
此外，該階層式外觀模型中所包含的物件信息，不會受到環境或物件姿態改變的影響。舉例來說，一個進入商站的人物，其身上的顏色分布，不太可能會在走出商店的時候改變。于是，該階層式外觀模型可將移動物體的顏色分布列納入判斷條件。值得一提的是，在不同的情境下，顏色分布以外的其他參數，例如維度，速度等，可能會更適合應用在一階層式外觀模型中。 圖2(b)的步驟258中，可采用一個由粗到細的比較方法，來比較一待辨識物件的階層式外觀模型和該物件數據庫中的一候選物件。更確切地說，如圖2(c)所示，該系統首先比較該待辨識物件的階層式外觀模型和該候選物件的階層式外觀模型的最上層的節點(258-1)。如果最上層節點的比較結果得到一肯定值(260-1-是)，表示符合，則該系統進行下一層節點的比較(258-2)。每當結束一階層的比較，如果需要進一步比較下一階層(260-2-是)，該系統會進一步進行下一階層的比較(258-2)。 這個由粗到細的比較法，并不需要將階層式外觀模型的所有階層都進行比較。相對地，詳細度的需求是根據特定應用場合而定。比較程序可能在某一階層就結束。模擬分析可以協助判斷實際上所需要的階層數。舉例來說，如果模擬分析告訴我們只要比較階層式外觀模型的三個階層就能獲得足夠準確的結果，該系統就只需要處理三個階層。
由于在不同的圖像中，環境或是物件姿態可能會改變，因此針對相同物件的不同圖像進行比較時，可能仍然無法在階層式外觀模型的每一階層中找到理想的符合。因此，圖2(d)提出一種統計方法，將可能發生的環境改變和物件姿態改變納入考慮。更確切地說，如圖2(d)所示，一監控系統比較該待辨識物件和一候選物件的階層式外觀模型的多個階層(258-1到258-3)。在每一階層中，該系統計算一符合機率(258-1)。然后，多個階層的符合機率被結合在一起統計(258-4)，藉此該系統可根據結合結果來判斷該待辨識物件是否符合該候選物件(260)。現有的各種統計工具，例如平均值，加權總和或未加權總和，均可用來結合多個階層的統計結果。 圖2(e)是另一種物件辨識方法的實施例。 一監控系統根據階層式外觀模型來比較該待辨識物件與該物件數據庫中所有物件(256,258-1到258-4，及264)，結合階層式外觀模型中每一階層的符合機率，而產生該物件數據庫中所有物件的結合機率(258-4)，最后將該物件數據庫中具有最高結合機率的物件視為該待辨識物件的辨識結果(262)。
在一方面，該階層式外觀模型中多個階層中求得的符合機率被加總在一起，產生一候選物件的一總符合機率(圖2(d)和圖2(e)的258-4)。而在另一方面，不同階層的符合機率可先被加權，之后才相加在一起(圖2(d)和圖2(e)的258-4)。加權的做法可讓系統決定是否要強調詳細度。如果詳細度很重要，則在計算符合機率的時候，可指派較高的權重系數給階層式外觀模型中較深的階層。 以下介紹一實施例。假設物件定義為人物，在一建筑物附近活動。 一或多個攝影機安裝在該建筑物中以監控周遭人物的活動。 一計算機則連接到這些攝影機，接收捕捉到的圖像以進行分析處理。當有任何活動發生時，攝影機可捕捉待辨識人物并將圖像傳送至計算機進行辨識。 這些攝影機可以是位于該建筑物的不同位置，所以捕捉到的圖像會具有不同的光線條件。這些攝影機也可能從不同的距離和角度拍到同一個圖像。除此之外，人物會改變位置和姿勢，造成多個圖像之間的差異。圖3顯示了同一個人的五對圖像，包含了上述所有可能的變化差異。圖3最頂端的一對圖像302，為由不同距離拍攝的同一人的兩張圖像。圖3左邊那對圖像304，為不同光線條件的兩張圖像。圖3左下角的那對圖像306，為不同視角的兩張圖像。而最后兩對圖像308和310，則顯示了人物改變姿勢的情形。
階層式外觀模型可以從改變環境條件的圖像中辨識物件。尤其是階層式外觀模型所用的物件參數，例如人物，其實并不會隨著環境而有太大的變異。如圖3所示。舉例來說，人物外觀的相對顏色分布，并不會因為背景光，攝影機視角，攝影機距離或人物姿勢而改變。因此，以下的例子采用顏色分布來當成參數以建立一階層式外觀模型。然而值得注意的是其他的參數也可能適合用來建立階層式外觀模型，依據應用的場合為何而定。
在建立該階層式外觀模型之前，該計算機首先要確認并解讀出目標物件，例如，在這個例子中，可用消去法將具有該人物的圖像減去不具有該人物的圖像。這個程序又稱為背景消去法，屬于已知技術。值得注意的是目標物件不見得一定要完整地出現在圖像中。目標物件可以只有一部分出現在畫面上，例如只有一個人的臉部。接下來假設目標物件是一完整的人物為例來說明。 該計算機隨后根據該人物的色彩分布而建立一階層式外觀模型。如同已知技術，圖像中的一像素的顏色，可以用很多種方式來表達。舉例來說，最常見的就是RGB格式，以紅綠藍三原色的值來組成一像素。HSV格式也很常見，是由色調(hue)，飽和度(saturation)和亮度(value)為參數來呈現一個像素。除此之外，每一像素也具有強度(intensity)。對于黑色畫面來說，只需要強度就能描述每一像素的顏色。不論是用哪一種方法來呈現色彩，一個物件可由一或多個參數來描述。 該計算機首先為每一描述圖像顏色的參數產生一組直方圖。藉此，對于純黑白畫面，只會有一組直方圖。如果該圖像是彩色畫面，則會產生一組以上的直方圖。
每一組直方圖包含多個不同詳細度的直方圖。圖4顯示出不同的區間寬度可以得到不同的直方圖。考慮像素的強度為例，整個強度范圍可以區分為兩個子范圍，而產生一第一直方圖l-l，包含兩個區間，對應至兩個子范圍。進一步地，該第一直方圖1-1的其中一區間再切割為兩半，可產生一第二直方圖2-1。同樣地，第一直方圖1-1的另一區間切割為兩半，產生一第三直方圖2-2。依此類推地，更多的直方圖，例如圖4所示的3-l，3-2，3-3，3-4，可依序從直方圖2-1和2-2的分割中生。隨著區間寬度的縮減，圖像的詳細度也越來越高。 本發明的實施例所建立的階層式外觀模型，可將直方圖視為該階層式外觀模型中的節點。以圖4為例，一階層式外觀模型可將直方圖1-1當成最上階層的節點。而直方圖2-1和2-2則是第二階層的節點。直方圖3-1， 3-2， 3-3和3_4是第三階層的節點，以下類推。換句話說，階層式外觀模型的樹狀結構和圖4的直方圖相同。 雖然圖4的例子顯示每一直方圖在進入下一階層時分裂為二，但是值得注意的是區間的分割可以更細，使每一直方圖分割為超過兩個子直方圖，換句話說每一階層的節點可以具有超過兩個子節點。 在本實施例中，每一參數各產生一組直方圖，用以描述該圖像。而一階層式外觀模型則根據這些直方圖而建立。于是，一個圖像可由多個參數來描述，進而建立多個階層式外觀模型。另一種做法是，將多種不同參數的所有的直方圖結合成單一階層式外觀模型。舉例來說，如果所有的直方圖具有如圖4所示的相同結構，則可以整合在一起建立單一階層式外觀模型，其中每一節點包含多個直方圖，各代表該圖像的一種參數。圖5的實施例顯示了一個階層式外觀模型中的節點包含四個直方圖，各對應四種不同的參數。
—物件的一階層式外觀模型中的每一節點可存儲對應的一或多個直方圖的完整信息。另一個做法是，該階層式外觀模型中的每一節點只存儲沒有被母節點存儲的信息。舉例來說，以圖4為例，該階層式外觀模型中包含直方圖2-1的節點，其實不需要存儲虛線部分所示的區間信息。只有區間a和b的信息是需要被存儲的。除此之外，該階層式外觀模型中的每一節點只需要存儲用來產生新區間的分割點和區間寬度。以圖4為例，該階層式外觀模型中的節點包含直方圖2-2，只需要記載用來分割區間a和區間b的分割點d，以及區間a和區間b的高度。 在一方面來說，每一直方圖中的區間具有相同寬度。而在另一方面來說，每一直方圖中的區間寬度可以不同，例如圖4和圖5所示。圖6顯示了一種可動態調整區間寬度的直方圖。 在圖6中，一圖像具有7x7二49個像素。其中一參數是強度，具有數值1到9。在第一直方圖中，整個范圍的參數根據強度的平均數而被切為兩個子范圍，即3.8。所以，第一直方圖包含兩個區間，第一個區間標示為O，代表強度小于3. 8的所有像素數量。相對地，第二個區間標示為l，代表強度大于3. 8的所有像素數量。如圖6所示，該兩個區間的大小各另U 24禾口 25。 根據平均值將一范圍分割為子范圍的步驟依此類推地遞回進行，以產生多個子直方圖。在強度低于3. 8的24個像素中，平均值為2. 17，所以范圍1到3. 8被切成兩個子范 圍1-2. 17和2. 17-3. 8。其對應的子直方圖(未圖示)是將該24個像素分類至上述兩個 子范圍中。同樣地，對于強度高于3.8的那一半，平均值是5.76。所以范圍3.8-9被分為 兩個子范圍3. 8-5. 76和5. 76-9。藉此，可以將25個像素分別歸類至兩個對應的子直方圖 (未圖示)。雖然圖6顯示了一個直方圖，但是其他可能的直方圖可以依此類推。
根據圖6的實施例所產生的直方圖，可用來建立一圖像強度階層式外觀模型。圖 7進一步顯示基于圖6而產生的階層式外觀模型。該階層式外觀模型中的每一節點存儲對 應直方圖中所有像素的平均值。最頂層的節點存儲平均值M工=3.8。在第二階層中，第一 個節點存儲平均值M^工=2. 17，而另一節點存儲另一平均值M2—2 = 5. 76。
在某一方面來說，該階層式外觀模型中的每一節點存儲一像素比值，例如該直方 圖中的像素數量相對全部總像素數量。舉例來說，圖6的第一直方圖顯示了49個像素，所以 該階層式外觀模型的第一階層的節點存儲一像素比值W^ = 1。而第二直方圖顯示強度低于 3. 8的像素有24個，所以第二階層的節點存儲一像素比值W2—工=24/49 = 0. 4898。同樣地， 圖7中該階層式外觀模型的節點，存儲了對應該第三直方圖的一像素比值，W、—2 = 0. 5102。
同樣地，如果該圖像使用多個參數來表達該圖像，一階層式外觀模型中的每一節 點可包含每一參數的平均值和對應的像素比值。 該階層式外觀模型中每一節點的平均值和像素比值的計算方式如下。首先，平均 值M工為該圖像中所有像素的一參數的平均值，而W工二 1。1^代表該圖像中所有像素的集合。
接著，對該階層式外觀模型中的節點i(i > l)，定義Ri集合如下
z' & o必
尺=
<formula>formula see original document page 14</formula>
其中|_。」代表小于a的最大整數+ x e /2」J》M^」j代表屬于i ^」的像素集合， 但是具有等于或大于Ml〃2」的參數惶，而{+e A,2」,"Ml〃2」J代表屬于^,川的像素集合，但 是具有小于^L〃2」的參數值。接著，平均值Mi和像素比值Wi可由下式推得
<formula>formula see original document page 14</formula>
其中IR」代表屬于Ri集合的像素數量。藉此，該階層式外觀模型建立時，節點1， 2，......i可擴展到子節點2i和2i+l。 由于該階層式外觀模型系基于顏色分布而建立，所以對于背景光線，拍攝距離，拍 攝視角和物件姿態的變化有免疫能力，不受影響。 舉例來說，圖8(a)-8(e)為同一個人物在不同背景光線下拍攝的五張圖像。更確 切地說，背景光的強度，在圖8(a)到圖8(b)之間增加了20X，在圖8(a)到圖8(c)之間增 加了80X，在圖8(a)到圖8(d)之間減少了 20X，而在圖8(a)到圖8(e)之間減少了40%。
從圖8(a)到圖8(e)可產生五個階層式外觀模型。而圖8(f)到圖8(g)則代表該階層式外觀模型的第二階層中兩個節點的像素亮度對應的平均值和像素比值。圖8(h)到圖8(i) 則代表該階層式外觀模型的第三階層中四個節點的像素亮度對應的平均值和像素比值。圖 8(f)到圖8(i)中的標記a， b， c， d和e相對地代表圖8(a)到圖8(e)中所計算出來的數 值。圖8(f)到圖8(g)中的標記1和2相對地代表該階層式外觀模型的第二階層中的兩個 節點。圖8(h)到圖8(i)中的標記1，2，3和4相對地代表該階層式外觀模型的第三階層中 的四個節點。 如圖8(f)到圖8(h)所示，因為背景光在圖8(a)到圖8(e)之間有變化，平均值和 強度值均不相同。然而，如圖8(g)和圖8(i)所示，像素比值反應了低于或高于平均值的相 對像素數量，不論背景光大小均保持相對恒定。所以基于該亮度強度為參數的階層式外觀 模型不受到亮光變化的影響，可以得到可靠的辨識結果。 圖9(a)-9(i)為本發明實施例中當物件大小，例如拍攝距離改變時階層式外觀模 型的執行結果。更確切地說，圖9(a)到圖9(e)顯示同一人物在不同距離下拍攝的圖像。人 物的大小，從圖9(a)到圖9(b)下降了20X，從圖9(a)到圖9(c)下降了 80 % ，從圖9 (a) 到圖9(d)上升了 20X，而從圖9(a)到圖9(e)上升了80%。從圖9(a)到圖9(e)可產生 五個階層式外觀模型。而圖9(f)和圖9(g)對應地表示該階層式外觀模型的第二階層中兩 個節點的像素亮度平均值和畫值比值。圖9(h)和圖9(i)對應地表示該階層式外觀模型的 第三階層中四個節點的像素亮度平均值和畫值比值。圖9(f)到圖9(i)中的標記a， b， c， d和e相對地代表圖9(a)到9(e)中所計算出來的數值。圖9 (f)到圖9(g)中的標記1和 2相對地代表該階層式外觀模型的第二階層中的兩個節點。圖9(h)到圖9(i)中的標記l， 2，3和4相對地代表該階層式外觀模型的第三階層中的四個節點。 如圖9(f)到圖9(i)所示，雖然人物大小在每個圖像中并不相同，亮度的平均值和 像素比值仍然相對地維持恒定。因此，基于亮度強度為參數的階層式外觀模型對于大小變 化不敏感，可以在物件改變大小的情況下繼續提供可靠的辨識結果。 本發明的階層式外觀模型對于視角改變或是畫面旋轉方向也具有抵抗力。圖 10(a)-圖10(g)為本發明實施例中當攝影機旋轉方向時階層式外觀模型的執行結果。具體 地說，圖10(a)到圖10(c)為同一人物拍攝了三張不同的角度。圖10(d)和10(e)相對地 顯示了根據圖10(a)到圖10(c)產生的階層式外觀模型的第二階層中兩個節點的像素亮度 平均值和畫值比值。圖10(f)和圖10(g)對應地表示該階層式外觀模型的第三階層中四個 節點的像素亮度平均值和畫值比值。圖10(d)到圖10(g)中的標記a，b和c相對地代表圖 10(a)到圖10(c)中所計算出來的數值。圖10(d)到圖10(e)中的標記1和2相對地代表 該階層式外觀模型的第二階層中的兩個節點。圖10(f)到圖10(g)中的標記1，2，3和4相 對地代表該階層式外觀模型的第三階層中的四個節點。 如圖10(d)到10(g)所示，雖然視角已經改變，但是亮度平均值和像素比值維持相 對恒定，因此，該階層式外觀模型對視角的轉動有抵抗力。 圖ll(a)-圖ll(j)為本發明實施例中當物件的姿勢改變時階層式外觀模型的執 行結果。圖ll(a)至ll(f)顯示了同一人物在不同姿勢下拍攝的六張圖像。于是產生了六 個階層式外觀模型。圖ll(g)和圖ll(h)相對地顯示了根據圖ll(a)到圖ll(f)產生的階 層式外觀模型的第二階層中兩個節點的像素亮度平均值和畫值比值。圖ll(i)和圖ll(j) 對應地表示該階層式外觀模型的第三階層中四個節點的像素亮度平均值和畫值比值。圖11(g)到圖ll(j)中的標記a，b，c，d，e和f相對地代表圖11(a)到圖11(f)中所計算出來 的數值。圖11 (g)到圖11 (h)中的標記1和2相對地代表該階層式外觀模型的第二階層中 的兩個節點。圖ll(i)到圖ll(j)中的標記1，2，3和4相對地代表該階層式外觀模型的第 三階層中的四個節點。 如圖11(g)到ll(j)所示，雖然該物件的姿態已經改變，但是亮度平均值和像素比 值保持相對恒定。所以本發明的階層式外觀模型對于物件姿態的改變具有抵抗力。
圖12(a)-圖12(h)為本發明實施例中當物件為不同人物時階層式外觀模型的執 行結果。圖12(a)至12(d)顯示了四個不同人物在不同姿勢下拍攝的四張圖像。于是產生了 四個階層式外觀模型。圖12(e)和12(f)相對地顯示了根據圖12(a)到圖12(d)產生的階 層式外觀模型的第二階層中兩個節點的像素亮度平均值和畫值比值。圖12(g)和圖12(h) 對應地表示該階層式外觀模型的第三階層中四個節點的像素亮度平均值和畫值比值。圖 12(e)到圖12(h)中的標記a，b，c和d相對地代表圖12(a)到圖12(d)中所計算出來的數 值。圖12(e)到圖12(f)中的標記1和2相對地代表該階層式外觀模型的第二階層中的兩 個節點。圖12(g)到圖12(h)中的標記1，2，3和4相對地代表該階層式外觀模型的第三階 層中的四個節點。 如圖12(e)到12(h)所示，不同物件產生的圖像，會具有不同的平均值和像素比 值。因此本發明的階層式外觀模型可以很輕易地分辨不同的物件。 本發明還提供一方法，結合一物件的多個圖像來產生一制式階層式外觀模型 (Uniform HAM)，可更有效率地分辨一物件的屬性，如圖13所示。如果一物件具有多個圖像，
則可各別據以建立多個階層式外觀模型，表示為AMpAM2，......AMN。這些階層式外觀模型
可接著以逐節點結合或逐階層結合的方式整合起來，產生一新的，制式的階層式外觀模型 (制式階層式外觀模型)。該制式階層式外觀模型中的每一階層或每一節點包含用來描述 這些圖像的參數的一統計模型。 舉例來說，在根據亮度計算出當該平均值和像素比值之后，該階層式外觀模型中 的每一節點包含兩個數字，即對應的平均值和像素比值，如圖13所示。每一階層中對應 的每一節點的平均值和像素比值接著被結合起來以建立一統計模型，例如高斯混合模型 (Gaussian Mixture Model)。該高斯混合模型為一多維度模型，可代表一物件的多個元件 或參數。因此，與其采用多個階層式外觀模型各別描述各參數分布，本實施例取而代之是采 用單一的制式階層式外觀模型，使用高斯混合模型來描述一物件的多種屬性。該制式階層 式外觀模型的每一階層包含一高斯混合模型，用以描述每一階層的多個節點。基于應用的 場合，該制式階層式外觀模型中的一階層中的每一節點可包含一或多個高斯混合模型的元 素。在辨識元件的程序中， 一待辨識物件的階層式外觀模型中一階層的多個節點被拿來分 析，以判斷是否符合一候選物件的制式階層式外觀模型中對應階層的高斯混合模型。
圖2(b)至2(e)中顯示的不同的辨識程序，也可以應用在使用制式階層式外觀模 型的系統中。當該系統采用如高斯混合模型的一統計模型時，每一階層中參數的符合機率 (圖2(d)和圖2(e)的258-3)可以直接通過高斯混合模型求得。 值得注意的是，本發明的制式階層式外觀模型并不限定是采用高斯混合模型。任 何統計模型均可用來結合多個圖像以描述一物件的屬性。 當多個參數，例如HSV和亮度，被用來描述這些圖像時， 一辨識程序使用每一參數為物件數據庫中的每一候選物件計算符合機率，如圖2(e)所示。在一方面，如果一物件的 所有參數均具有最高符合機率，則該待辨識物件被判斷為符合該候選物件。然而，如果該物 件數據庫中不同物件在不同參數上具有最高符合機率，則可判斷該物件數據庫中不存在此 待辨識物件。在另一方面來說，每一候選物件的多個參數的符合機率可進一步結合起來產 生一總機率，而該物件數據庫中具有最高總機率的候選物件，則可以視為是該待辨識物件 的符合物件。 雖然上述的例子已說明了計算待辨識物件與候選物件之間符合機率的方法，但是 本領域技術人員應該知道本發明并不限定于任何特定的方法。各種現今存在的統計工具均 可適用于使用階層式外觀模型的系統，來辨識待辨識物件。 為了提供一物件的多個圖像來建立一制式階層式外觀模型，一系統可采用一或多 個攝影機來連續或同時捕捉多個圖像。多個攝影機各自安裝在建筑物的不同位置，可在物 件移動的時候捕捉圖像，或是結合上述各種方式來捕捉圖像。舉例來說，圖14為安裝于一 建筑物(未標號)的一監控系統1400。該監控系統1400包含多個攝影機1402-1， 1402-2， 1402-3， 1402-4和1402-5，各自具有捕捉一或多個圖像的能力。該監控系統1400亦包含一 計算機1404，連接這些攝影機1402-1， 1402-2， 1402-3， 1402-4和1402-5，用以收集并處理 捕捉到的圖像，以建立并比對階層式外觀模型。 雖然本發明以優選實施例說明如上，但可以理解的是本發明的范圍未必如此限 定。相對地，任何基于相同精神或對本發明所屬領域技術人員為顯而易見的改良均在本發 明涵蓋范圍內。因此權利要求書必須以最廣義的方式解讀。
1權利要求
一種物件外觀模型產生方法，包含接收一物件的一圖像；以及產生該圖像的一階層式外觀模型，該階層式外觀模型包含多個階層，每一階層包含一或多個節點，其中每一階層中的節點包含該物件的信息，其詳細度與階層相關；而不同階層的節點具有不同的詳細度。
2. 如權利要求1所述的物件外觀模型產生方法，其中產生該階層式外觀模型的步驟包 含，從該圖像中將每一節點所包含的不同詳細度的信息解讀出來，并將解讀出來的信息存 儲在這些節點中。
3. 如權利要求2所述的物件外觀模型產生方法，進一步包含 接收該物件的附加圖像；以及其中產生該階層式外觀模型的步驟進一步包含，從附加圖像中解讀出每一節點所包含 的信息，并將解讀出來的信息存儲在這些節點中。
4. 如權利要求1所述的物件外觀模型產生方法，其中每一節點包含該物件多種屬性的 信息。
5. 如權利要求4所述的物件外觀模型產生方法，其中這些多種屬性包含顏色和亮度。
6. 如權利要求1所述的物件外觀模型產生方法，其中產生該階層式外觀模型的步驟包含查出用以描述該物件的一參數；以及對該階層式 外觀模型的每一節點，根據該參數產生一直方圖，其中該直方圖的區間寬度與該節點的詳 細度有關；以及產生該直方圖的步驟包含計算該參數的一平均值，并根據該平均值定義該直方圖的區 間寬度。
7. 如權利要求6所述的物件外觀模型產生方法，進一步包含 接收該物件的多個附加圖像；其中產生該階層式外觀模型的步驟包含查出描述該物件的一參數；以及對該階層式外觀 模型的每一節點，根據該參數產生該附加圖像的多個直方圖，其中這些直方圖的區間寬度 與該節點的詳細度有關；以及產生該階層式外觀模型的步驟包含各別存儲這些節點的直方圖于各別的節點中。
8. 如權利要求7所述的物件外觀模型產生方法，其中產生該階層式外觀模型的步驟包含，對每一節點結合該節點所屬的多個直方圖；以 及將結合結果存儲于該節點；為一階層的每一節點結合直方圖的步驟包含，根據該階層中為所有節點產生的直方 圖，產生一高斯混合模型；以及存儲結合結果的步驟包含，存儲該高斯混合模型于該階層。
9. 如權利要求1所述的物件外觀模型產生方法，其中該階層式外觀模型的每一節點包 含物件的多種屬性的信息，而產生該階層式外觀模型的步驟包含，為該階層式外觀模型的 每一節點的每一屬性產生一直方圖，其中該直方圖的區間寬度與該節點的詳細度有關。
10. 如權利要求1所述的物件外觀模型產生方法，進一步包含 接收多個附加物件的圖像；以及為這些附加物件各別產生一附加階層式外觀模型。
11. 一種監控系統，包含至少一攝影機，用以產生一物件的至少一圖像；以及一計算機，用以根據該物件的至少一圖像產生該物件的一階層式外觀模型，該階層式 外觀模型包含多個階層，每一階層包含一或多個節點，其中每一階層中的節點包含該物件 的信息，其詳細度與階層相關；而不同階層的節點具有不同的詳細度。
12. 如權利要求11所述的監控系統，其中該計算機從該至少一圖像將每一節點所包含 的不同詳細度的信息解讀出來，并將解讀出來的信息存儲在這些節點中。
13. 如權利要求11所述的監控系統，其中每一節點包含該物件多種屬性的信息。
14. 如權利要求13所述的監控系統，其中這些多種屬性包含顏色和亮度。
15. 如權利要求11所述的監控系統，其中該至少一攝影機產生該物件的多個圖像，其 中，對該階層式外觀模型的每一節點而言，該計算機從這些圖像中解讀出具有該節點的詳 細度的信息，并將這些信息存儲至該節點中。
16. 如權利要求11所述的監控系統，其中 該計算機查出用以描述該物件的一參數；對該階層式外觀模型的每一節點，該計算機根據該參數產生一直方圖，其中該直方圖 的區間寬度與該節點的詳細度有關；以及該計算機計算該參數的一平均值，并根據該平均值定義該直方圖的區間寬度。
17. 如權利要求11所述的監控系統，其中 該至少一攝影機產生該物件的多個圖像； 該計算機查出描述該物件的一參數；對該階層式外觀模型的每一節點，該計算機根據該參數產生這些圖像的多個直方圖； 其中這些直方圖的區間寬度與該節點的詳細度有關；以及該計算機各別存儲這些節點的直方圖于各別的節點中。
18. 如權利要求17所述的監控系統，其中對該階層式外觀模型中的每一節點，該計算機結合該節點所屬的多個直方圖，并將結 合結果存儲于該節點；以及該計算機為一階層的每一節點結合直方圖的步驟包含，該計算機根據該階層中為所有 節點產生的直方圖產生一高斯混合模型，并存儲該高斯混合模型于該階層。
19. 如權利要求11所述的監控系統，其中該計算機存儲該物件的多種屬性的信息于該階層式外觀模型的每一節點；以及 該計算機為該階層式外觀模型的每一節點的每一屬性產生該物件的該至少一圖像的 一直方圖，其中每一直方圖的區間寬度與該節點的詳細度有關。
20. —種物件辨識方法，用以從一堆物件中辨識一待辨識物件，其中該堆物件具有制式 階層式外觀模型，該物件辨識方法包含接收該待辨識物件的一圖像；根據該圖像產生一待辨識物件的階層式外觀模型，包含多個階層，每一階層包含一或 多個節點，其中每一階層中的節點包含該待辨識物件的信息，其詳細度與該節點所屬階層 相關；而該待辨識物件的階層式外觀模型中的不同階層的節點具有不同的詳細度；以及將該待辨識物件的階層式外觀模型與這些制式階層式外觀模型進行比較。
21. 如權利要求20所述的物件辨識方法，其中該堆物件中的每一制式階層式外觀模型包含多個階層，每一階層包含一或多個節點； 每一階層中的節點包含該物件的信息，其詳細度與階層相關，而不同階層的節點具有 不同的詳細度；以及該待辨識物件的階層式外觀模型的每一階層對應該堆制式階層式外觀模型的其中一 階層。
22. 如權利要求21所述的物件辨識方法，其中將該待辨識物件的階層式外觀模型與該 堆物件的階層式外觀模型進行比較的步驟包含將該待辨識物件的階層式外觀模型中的階 層與這些制式階層式外觀模型的對應階層進行比較。
23. 如權利要求22所述的物件辨識方法，其中這些制式階層式外觀模型的每一階層包 含一統計模型，用以描述具有對應詳細度的物件，其中將該待辨識物件的階層式外觀模型 與該堆物件的階層式外觀模型進行比較的步驟包含，判斷該待辨識物件的階層式外觀模型 的一階層是否與這些制式階層式外觀模型中對應階層的統計模型一致。
24. 如權利要求23所述的物件辨識方法，其中該統計模型為一高斯混合模型。
25. 如權利要求23所述的物件辨識方法，其中判斷該待辨識物件的階層式外觀模型的 一階層是否與這些制式階層式外觀模型中對應階層的統計模型一致的步驟包含針對該堆 物件的其中一個，根據該待辨識物件的階層式外觀模型中的一階層的信息，以及該堆物件 中的一物件的制式階層式外觀模型中對應的階層的統計模型，計算一符合機率
26. 如權利要求25所述的物件辨識方法，其中比較的步驟包含 為多個對應階層返覆計算該符合機率；以及 結合這些對應階層的符合機率。
27. 如權利要求26所述的物件辨識方法，其中結合符合機率的步驟包含將這些對應 階層的符合機率相加。
28. 如權利要求26所述的物件辨識方法，其中結合符合機率的步驟包含計算這些對 應階層的符合機率的一加權總和。
29. 如權利要求21所述的物件辨識方法，其中比較該待辨識物件的階層式外觀模型與 這些制式階層式外觀模型的步驟包含比較該待辨識物件的階層式外觀模型的一第一階層與該堆物件中的一第一物件的制 式階層式外觀模型中對應的一第一階層；以及如果該待辨識物件的階層式外觀模型的一第一階層符合該制式階層式外觀模型中對 應的一第一階層，比較該待辨識物件的階層式外觀模型的一第二階層與該第一物件的制式 階層式外觀模型中對應的一第二階層，其中該待辨識物件的階層式外觀模型的一第二階層 和該制式階層式外觀模型中第二階層所對應的信息的詳細度，高于該待辨識物件的階層式 外觀模型的第一階層和該制式階層式外觀模型中第一階層所對應的信息的詳細度。
30. 如權利要求21所述的物件辨識方法，進一步包含根據該待辨識物件的階層式外 觀模型中的多個階層與該堆物件中的一物件的制式階層式外觀模型中對應階層的符合情 形，判斷該待辨識物件是否符合該堆物件中的該物件。
31. 如權利要求21所述的物件辨識方法，其中比較該待辨識物件的階層式外觀模型與這些制式階層式外觀模型的步驟包含比較該待辨識物件的階層式外觀模型與這些階層式外觀模型中的對應階層；該待辨識物件辨識方法進一步包含根據這些制式階層式外觀模型與該待辨識物件的階層式外觀模型中對應階層的比較 結果在統計上的結合結果，判斷該待辨識物件是否符合該堆物件中之一。
32. 如權利要求20所述的物件辨識方法，其中該待辨識物件的階層式外觀模型和這些 制式階層式外觀模型各包含所屬物件的多種屬性的信息，而其中比較該待辨識物件的階層 式外觀模型與這些制式階層式外觀模型的步驟包含，使用該待辨識物件的階層式外觀模型 和該堆物件中的一物件的制式階層式外觀模型，來比較該待辨識物件和該堆物件中的該物 件的每一項屬性。
33. 如權利要求32所述的物件辨識方法，進一步包含如果該待辨識物件的所有屬性 均符合該堆物件中的一物件，則判斷該待辨識物件符合該堆物件中的該物件。
34. 如權利要求32所述的物件辨識方法，進一步包含結合該待辨識物件與該堆物件 中的一物件的所有屬性的比較結果，來判斷該待辨識物件是否符合該堆物件中的該物件。
35. 如權利要求30所述的物件辨識方法，其中產生該待辨識物件的階層式外觀模型的 步驟包含，針對該待辨識物件中的每一節點從該待辨識物件的圖像中解讀出具有對應詳細度的信息；以及 將解讀出的信息存儲至該節點。
36. 如權利要求20所述的物件辨識方法，其中產生該待辨識物件的階層式外觀模型的 步驟包含查出用以描述該待辨識物件的一參數；以及針對該階層式外觀模型的每一節點，使用該參數產生該待辨識物件的一圖像的一直方 圖；其中該直方圖的區間寬度與該節點的詳細度有關。
37. 如權利要求36所述的物件辨識方法，其中產生該直方圖的步驟包含，計算該參數 的一平均值，并根據該平均值定義該直方圖的區間寬度。
38. 如權利要求20所述的物件辨識方法，其中該待辨識物件的階層式外觀模型中的每 一節點包含該待辨識物件的多種屬性的信息，而其中產生該待辨識物件的階層式外觀模型 的步驟包含，針對每一節點，為該待辨識物件的圖像的各項屬性產生一直方圖，其中該直方 圖的區間寬度與該節點的詳細度有關。
39. —種監控系統，包含至少一攝影機，用以從一堆物件中產生至少一圖像，并產生一待辨識物件的一圖像；以及一計算機，用以根據該至少一圖像產生該堆物件的制式階層式外觀模型，根據該待辨 識物件的圖像產生該待辨識物件的一階層式外觀模型，以及比較該待辨識物件的階層式外 觀模型與這些制式階層式外觀模型；其中該待辨識物件的階層式外觀模型及這些制式階層 式外觀模型包含多個階層，每一階層包含一或多個節點，其中每一階層中的節點包含所屬 物件的信息，其詳細度與該節點所屬階層相關；而不同階層的節點具有不同的詳細度。
40. 如權利要求39所述的監控系統，其中，針對該堆物件中的一物件的制式階層式外 觀模型中的每一節點，該計算機從該至少一圖像中解讀出具有對應詳細度的信息，并將解 讀出來的信息存儲至該節點。
41. 如權利要求39所述的監控系統，其中該堆物件中的一物件的制式階層式外觀模型中的每一節點，包含該物件的多種屬性的信息
42. 如權利要求39所述的監控系統，其中 該至少一攝影機產生該堆物件中的一物件的多個圖像；針對該物件的制式階層式外觀模型中的每一節點，該計算機從這些圖像中解讀出具有 該節點的詳細度的該物件的信息，并將解讀出來的信息存儲至該節點。
43. 如權利要求39所述的監控系統，其中 該計算機查出描述該堆物件的一參數；針對該堆物件中的一物件的制式階層式外觀模型中的每一節點，該計算機根據該參數 產生該至少一圖像的一直方圖；以及這些直方圖的區間寬度與該節點的詳細度有關。
44. 如權利要求43所述的監控系統，其中該計算機根據該參數判斷一平均值，并根據 該平均值定義該直方圖的區間寬度。
45. 如權利要求39所述的監控系統，其中 該至少一攝影機產生該堆物件中的一物件的多個圖像； 該計算機查出一參數，用以描述該物件；針對該物件的制式階層式外觀模型中的每一節點，該計算機根據該參數產生該物件的 多個圖像的多個直方圖；以及每一直方圖的區間寬度與該節點的詳細度有關。
46. 如權利要求45所述的監控系統，針對該堆物件中的一物件的制式階層式外觀模型 的每一節點，該計算機結合為該節點產生的所有直方圖，并將結合結果存儲至該節點中。
47. 如權利要求45所述的監控系統，該計算機為該堆物件中的一物件的制式階層式外 觀模型的一階層的每一節點結合直方圖的步驟包含，該計算機根據該階層中為所有節點產 生的直方圖產生一高斯混合模型，并存儲該高斯混合模型于該階層。
48. 如權利要求39所述的監控系統，其中該計算機該堆物件中的一物件的多種屬性的信息存儲于該物件的制式階層式外觀模 型的每一節點中；以及針對該堆物件中的一物件的制式階層式外觀模型中的每一節點，該計算機為該物件的 該至少一圖像的每一屬性產生一直方圖，其中每一直方圖的區間寬度與該節點的詳細度有 關。
49. 如權利要求48所述的監控系統，其中該計算機使用待辨識物件的階層式外觀模型 和該堆物件中的一物件的制式階層式外觀模型，來比較該待辨識物件與該物件的每一項屬 性。
50. 如權利要求49所述的監控系統，其中如果該待辨識物件符合該堆物件中的一物件 的所有屬性，該計算機判斷該待辨識物件符合該物件。
51. 如權利要求49所述的監控系統，其中該計算機結合該待辨識物件與該堆物件中的 一物件的所有屬性的比較結果，判斷該待辨識物件是否符合該物件。
52. 如權利要求39所述的監控系統，其中該計算機比較待辨識物件的階層式外觀模型 和這些制式階層式外觀模型中對應的階層。
53. 如權利要求52所述的監控系統，其中該堆物件中每一物件的制式階層式外觀模型中的每一階層包含一統計模型，用以描述具有對應詳細度的物件；該計算機將該待辨識物件的階層式外觀模型與該堆物件的階層式外觀模型進行比較的步驟包含，判斷該待辨識物件的階層式外觀模型中的一階層是否與這些制式階層式外觀模型中對應階層的統計模型一致。
54. 如權利要求53所述的監控系統，其中該統計模型為一高斯混合模型。
55. 如權利要求53所述的監控系統，其中該計算機判斷該待辨識物件的階層式外觀模型中的一階層是否與這些制式階層式外觀模型中對應階層的統計模型一致的步驟包含針對該堆物件的其中一個，根據該待辨識物件的階層式外觀模型中的一階層的信息，以及該堆物件中的一物件的制式階層式外觀模型中對應的階層的統計模型，計算一符合機率
56. 如權利要求55所述的監控系統，其中該計算機為該待辨識物件的階層式外觀模型和該堆物件中的一物件的制式階層式外觀模型中的多個對應階層反復計算該符合機率，并結合這些對應階層的符合機率。
57. 如權利要求56所述的監控系統，其中該計算機將這些對應階層的符合機率相加，以結合這些符合機率。
58. 如權利要求56所述的監控系統，其中該計算機計算這些對應階層的符合機率的一加權總和，以結合這些符合機率。
59. 如權利要求39所述的監控系統，其中該計算機比較該待辨識物件的階層式外觀模型與該堆物件其中的一物件的制式階層式外觀模型時該計算機比較該待辨識物件的階層式外觀模型的一第一階層與該堆物件中的一第一物件的制式階層式外觀模型中對應的一第一階層；以及如果該第一待辨識物件的階層符合該制式階層式外觀模型第一階層，則該計算機比較該待辨識物件的階層式外觀模型的一第二階層與該第一物件的制式階層式外觀模型中對應的一第二階層，其中該待辨識物件的階層式外觀模型第二階層和該制式階層式外觀模型第二階層所對應的信息的詳細度，高于該待辨識物件的階層式外觀模型第一階層和該制式階層式外觀模型第一階層所對應的信息的詳細度。
60. 如權利要求39所述的監控系統，其中該計算機根據該待辨識物件的階層式外觀模型中的多個階層與該堆物件中的一物件的制式階層式外觀模型中對應階層的符合情形，判斷該待辨識物件是否符合該堆物件中的該物件。
61. 如權利要求60所述的監控系統，其中該計算機根據該堆物件中的一物件的制式階層式外觀模型與該待辨識物件的階層式外觀模型中對應階層的比較結果在統計上的結合結果，判斷該待辨識物件是否符合該堆物件中的該物件。
全文摘要
物件外觀模型產生方法、物件辨識方法以及監控系統。首先接收該物件的一圖像，據以建立一階層式外觀模型(hierarchical appearance model)。該階層式外觀模型具有多個階層，每一階層包含一或多節點。每一階層中的節點包含物件信息，具有與階層相關的詳細度。不同階層的節點，其詳細度也不同。
文檔編號G06T7/40GK101751556SQ20091014593
公開日2010年6月23日 申請日期2009年6月11日 優先權日2008年12月3日
發明者吳易達, 林智揚, 王文豪, 高肇宏 申請人:財團法人工業技術研究院