近年來由於伴隨著ITS的蓬勃發展，影像處理技術也日趨受到重視，雖然在技術方面有大幅度的進步，但是仍未達到成熟的境界。而綜觀國內外學者之研究，多著重於小型車之辨識與偵測，對於機車之辨識偵測皆未有專門的探討，這除了由於國外交通情況不同，也與機車影像本身的特性有很大的關連。本研究首先針對機車影像之特性做一番探討：1、機車動線紊亂; 2、機車外形及騎士影像顯現複雜; 3、遮蔽問題嚴重。並針對其特性逐步構建機車偵測演算法。
    本研究所發展之「機車偵測演算法」，有別於過去研究對於車輛以「輛」為單位的處理方式，本研究提出以進入偵測區到離去偵測區塊之亮塊變化的「串」為單位來進行處理，更能有效的針對目標車輛進行分析、切割等動作。整個演算法可分為三大部份，「前處理」、「亮塊關係處理」及「區塊關係處理」。
    「前處理」主要是利用背景相減、二值化等方法去標記出亮塊位置，並加以記錄。
    「亮塊關係處理」依靠了連續兩張影像間亮塊重心的位置及彼此間的交集關係，去判定是否為同一亮塊，並以亮塊變化的「串」為單位，對各串進行處理。
最後以亮塊關係為基準，進行「區塊間關係處理」，例用機車富涵紋理之結果，進行區塊匹配、區塊切割等工作，來將個別車輛分開。
    本研究所析出之交通參數包括車流量與車速，經過實例驗證之後小型車與機車之辨識正確率，分別為87.61%及93.16 %；而遮蔽情況下小車平均有85.89％的辨識正確率，而機車平均有89.59％的辨識正確率。

In recent years, with the rapid development of ITS, the image processing technique is being paid more attention day by day. However, the traffic situation differs from Taiwan and foreign countries, so does motorcycle image characteristics itself. As results of that, the passing relevant researches were more focused on detecting car image, not motorcycle image.
    In this research, we will analyze the characteristics of the motorcycle image：1.The motorcycle moves confusedly, 2.Motorcycle appearance and driver’s image appear complicatedly, 3.Serious occlusion, in order to develop the “motorcycle detection algorithm”. 
    ”Motorcycle detection algorithm” is different from the studies in past researches taking “one vehicle” as unit of detection, it takes “bunch” as a unit of detection. A “bunch” means the connecting blobs enter and leave detection zone. “Motorcycle detection algorithm” can be divided into three parts, “image preprocessing”、”blob relation processing” and “block relation processing”.
    First, “image preprocessing” mainly utilizes the background subtraction and threshold to label and record blob’s positions.
    Secondly, “blob relation processing” is depended on the blob of the center-of-gravity position and common factor relations between each two images in succession, going to judge whether or not it is the same blob. Then we take “bunch” as a unit of detection, dealing with every “bunch”.
    Finally, we utilize the “block relation processing” to carry on block to block segmentation match etc, to separate the specific vehicle. 
    In our study, we have successfully extracted the traffic parameters which are included vehicle classification and traffic flow. After our experimental analysis, the rate of accurately identifying small vehicles is 87.61 %, and 93.16 % for motorcycles. Under the occlusion situations, the accurate rate of identifying small vehicle is 85.89 %, and 89.59 % for motorcycles.

目錄
第一章   緒論..........................................1-1
 1.1	研究背景......................................1-1
 1.2	研究目的......................................1-1
 1.3	研究範圍......................................1-2
 1.4	研究方法. ....................................1-2
 1.5	研究流程......................................1-3
第二章	文獻回顧......................................2-1
 2.1	影像處理原理..................................2-1
  2.1.1	影像切割......................................2-1
  2.1.2	物件標記......................................2-7
  2.1.3	影像相減法....................................2-11
  2.1.4	影像型態學....................................2-12
 2.2	影像特徵與特徵匹配............................2-15
  2.2.1	特徵..........................................2-15
  2.2.2	特徵匹配......................................2-15
  2.2.3	樣板匹配......................................2-17
 2.3	影像處理於交通領域之應用......................2-19
  2.3.1	車輛偵測......................................2-19
  2.3.2	車種分類......................................2-21
  2.3.3	車輛追蹤......................................2-23
 2.4	綜合評析......................................2-27
第三章	機車車流影像特性分析..........................3-1
 3.1     機車影像特性..................................3-1
  3.1.1  外型..........................................3-1
  3.1.2  特徵..........................................3-2
  3.1.3  紋理..........................................3-3 
 3.2     機車行為特性..................................3-6
 3.3     車輛間遮蔽情況分析............................3-8
第四章	攝影機環境與車輛長寬幾何關係..................4-1 
 4.1     攝影機環境因素................................4-1
 4.2     攝影機架設與車輛長寬幾何關係..................4-3
  4.2.1  攝影機與車輛的角度............................4-3
  4.2.2  攝影機之縱像元解析度與實際距離................4-4
  4.2.3  攝影機之橫像元解析度與實際距離................4-5
  4.2.4  車輛在縱向線所佔像元素........................4-6
  4.2.5  車輛在橫向線所佔像元素........................4-8
  4.2.6  車輛遮蔽長度..................................4-9
 4.3     攝影機架設位置之實用性........................4-10
第五章	機車偵測模式建構..............................5-1
 5.1     影像前處理....................................5-2
  5.1.1  背景相減......................................5-2
  5.1.2  Dynamic二值化 ＆ 背景影像更新.................5-3
  5.1.3  平均值濾波....................................5-5
  5.1.5  物件標記......................................5-7
  5.1.6  亮塊門檻值....................................5-7
 5.2     亮塊關係處理..................................5-9
 5.3     區塊關係處理..................................5-13
 5.4     區塊切割......................................5-17
 5.5     區塊軌跡......................................5-20
 5.6     交通參數析出演算法............................5-22
  5.5.1  車種分類......................................5-22
  5.5.2  流量計算......................................5-22
  5.5.3  車速計算......................................5-23
第六章	實証分析......................................6-1
 6.1     拍攝方式......................................6-1
 6.2     系統設備說明..................................6-2
 6.3     系統概述......................................6-3
 6.4     實証結果......................................6-8
第七章	結論與建議....................................7-1
 7.1     結論..........................................7-1
 7.2     建議..........................................7-3
參考文獻...............................................r-1
附錄A..................................................A-1
附錄B..................................................B-1

圖目錄
圖1.1   拍攝方向示意圖……………….………………....…………………1-1
圖1.2   研究流程圖…………………….……………………………………1-4
圖2.1   Prewitt操作遮罩……………….……………………………………2-2
圖2.2   Sobel操作遮罩……...………………………………………………2-3
圖2.3   影像之分割…….……………………………………………..……..2-3
圖2.4   影像之分割與合併…….…………………………………….……...2-4
圖2.5   雙峰型態單一臨界值之灰階直方圖………………………….……2-5
圖2.6   多峰型態多臨界值之灰階直方圖……………….………..……......2-7
圖2.7   加標示處理…………………………………….………..…………..2-7
圖2.8   改良前標記演算法的缺失…………………….……………………2-8
圖2.9   改良後標記演算法相關像點參考圖………….……..…………..…2-9
圖2.10  遞迴式標記法示意圖……….…………..…….……….….………...2-10
圖2.11  累積相減法操作示意圖…….……………….......……….…………2-12
圖2.12   及其八鄰近像元………….…..………………………....……….2-12
圖2.13  膨脹處理實例……….…………………..…………………...……...2-13
圖2.14  收縮處理實例.....................................................................................2-13
圖2.15  膨脹收縮之結果……………………..…..………………….………2-14
圖2.16  最近鄰居法示意圖…………...……….…..……..…….……..……..2-16
圖2.17  二元決策樹法示意圖…..….……..………..………………………..2-17
圖2.18  以樣版匹配做數字辨認….………..………..…..…..………………2-18
圖2.19  點偵測示意..…………….…………………..….……..…...………..2-19
圖2.20  線偵測示意圖…………………………..…..……..…..…………….2-20
圖2.21  面偵測示意圖…………………………..…..……….…..….……….2-21
圖2.22  區域基礎追蹤示意圖……………………….………………...…….2-23
圖2.23  輪廓基礎追蹤示意圖…….………………….………….…….…….2-24
圖2.24  特徵基礎追蹤示意圖……………………….………………………2-24
圖3.1   汽機車在影像中所佔pixel示意圖…………..…………………….3-2
圖3.2   大型車在影像中所佔pixel示意圖…………..…………………….3-2
圖3.3   汽機車影像……………………………………..………………...…3-3
圖3.4   汽車機灰階影像………………………………..………………...…3-3
圖3.5   機車剖面圖……………………………………..…………………...3-4
圖3.6   小車剖面圖……………………………………..……………...……3-5
圖3.7   機車車流特性……………………………………………………….3-6
圖3.8   小車與機車間的遮蔽（原影像）……………..…………………...3-9
圖3.9   小車與機車間的遮蔽（二值化後影像）……..…………………...3-9
圖3.10  小車與小車間的遮蔽（原影像）.....................................................3-10
圖3.11  小車與小車間的遮蔽（二值化後影像）.........................................3-10
圖3.12  機車間遮蔽（原影像）..………..………………………..………...3-11
圖3.13  機車間遮蔽（二值化後影像）..…………………………………...3-12
圖3.14  圖示解說…..……………………………………………………...…3-12
圖3.15  分離→遮蔽示意圖…………..………………………………...……3-13
圖3.16  遮蔽→分離示意圖…………………………………….…………....3-13
圖3.17  分離→遮蔽→分離………………………………………………….3-14
圖3.18  從頭至尾皆遮蔽………………………………………………….…3-14
圖4.1   攝影機與真實路面平面.....................................................................4-3
圖4.2   攝影機縱向角度示意圖.....................................................................4-4
圖4.3   攝影機橫向角度示意圖……………………………..……...………4-5
圖4.4   車輛在縱向線所佔像元素示意圖…………….……………………4-7
圖4.5   車輛在橫向線所佔像元素示意圖………………..…...............……4-8
圖4.6   車輛在縱向之遮蔽長度示意圖…………………..………………...4-9
圖5.1   處理概念示意圖……………………………….........………………5-1
圖5.2   機車偵側模式流程圖.........................................................................5-2
圖5.3   前處理流程圖…………………………………........……………….5-3
圖5.4   背景相減示意圖…………………………………..…..…………….5-4
圖5.5   相減後影像直方圖.............................................................................5-5   
圖5.6   二值化影像.........................................................................................5-5
圖5.7   背景影像更新示意圖……………………………………………….5-6
圖5.8   3×3遮罩示意圖……………………………………..………………5-7
圖5.9   中間值濾波後影像………………………………………………….5-7
圖5.10  亮塊門檻值後影像…………………………………...……………..5-8
圖5.11  亮塊關係建立流程圖.………………………………………………5-10
圖5.12  掃瞄重心示意圖…………………………………………………….5-10
圖5.13  blob交集示意圖…………………………………………………….5-10
圖5.14  亮塊關聯示意圖…………………………………………………….5-11
圖5.15  亮塊交集情況示意圖……………………………………………….5-12
圖5.16  區塊關聯建立流程圖……………………………………………….5-14
圖5.17  區塊劃分示意圖…………………………………………………….5-15
圖5.18  向量示意圖………………………………………………………….5-16         
圖5.19  區塊位置示意圖…………………………………………………….5-16    
圖5.20  區塊重心示意圖…………………………………………………….5-16    
圖5.21  區塊串連示意圖（分割）.................................................................5-17
圖5.22  區塊串連示意圖（合併）.................................................................5-17
圖5.23  區塊切割程序……………………………………………………….5-18
圖5.24  區塊串連流程圖………………….…………………………………5-19
圖5.25  區塊軌跡示意圖…………………………………………………….5-20   
圖5.26  向量長度分類示意圖……………………………………………….5-21
圖5.27  流量計算流程圖…………………………………………………….5-23
圖5.28  近似時點觀測法之時空圖………………………………………….5-24
圖6.1   拍攝地點示意圖………………………………………….………....6-1
圖6.2   攝影機位置示意圖………………………………….……………....6-1
圖6.3   系統操作介面示意圖.........................................................................6-3
圖6.4   載入背景影像………………………………………….……………6-4
圖6.5   載入處理影像………………………………………….……………6-5
圖6.6   程式處理畫面（1）…………………………………….…………..6-5
圖6.7   程式處理畫面（2）…………………………………….…………..6-6
圖6.8   程式處理畫面（3）…………………………………….…………..6-6
圖6.9   程式處理畫面（4）……………………………….………………..6-7


表目錄
表2.1   國內相關文獻彙整表……..…………………………………………2-26
表3.1   車輛長寬高約估…………..…………………………………………3-1
表4.1   攝影機架設位置比較表…..…………………………………………4-10
表4.2   攝影機架設高度、角度比較表…………………………..…………4-11
表5.1   車種判定準則………………………………………………………..5-22
表6.1   SONY TRV-320 數位攝影機規格表………………......……………6-2
表6.2   中和市連城路量測數據……………………..……………………....6-8
表6.3   車輛種類驗證結果表－中和市連城路（一）…………………......6-9
表6.4   車輛種類驗證結果表－中和市連城路（二）…………………......6-9
表6.5   無遮蔽情況下誤判原因－中和市連城路…...…...……....................6-10
表6.6   無遮蔽情況下誤判原因－中和市連城路….......…….......................6-10
表6.7   土城路金城路二段量測數據…...……………...................................6-10
表6.8   車輛種類驗證結果表－土城路金城路二段（一）..........................6-11
表6.9   車輛種類驗證結果表－土城路金城路二段（二）……...………...6-11
表6.10  誤判原因－土城路金城路二段………………………...…………...6-12
表6.11  無遮蔽情況下誤判原因－土城路金城路二段………………...…...6-12
表6.12  車輛速度驗證結果統計表…………………………………………..6-13
表6.13  車輛速度誤差率驗證結果統計表……………………….………….6-14
表7.1   遮蔽比例統計表……………………….…………....……………….7-1

參考文獻
1	山平拓也，6-2道路狀況監視，Terebijon Gakkaishi, Vpl.41, No.10, pp.945-949, 1987
2	王勝石，影像處理與類神經網路整合模式應用於車種分類之研究，國立成功大學交通管理科學研究所碩士論文，民國84年7月。
3	林志宏，視覺化偵測路口內車輛轉向參數之研究，淡江大學土木工程研究所碩士論文，民國85年6月。  
4	林建宏，自動化交通監控系統，國立台灣師範大學資訊教育研究所碩士論文，民國90年。 
5	林清波，基於即時影像追蹤之交通監控系統，，國立交通大學電機與控制工程學系碩士論文，民國91年。 
6	范俊海，影像處理技術建構交通資料收集系統之研究，國立台灣大學土木工程學研究所博士論文，民國79年6月。         
7	徐天行，動態車輛追蹤與交通參數蒐集系統之研究，國立成功大學交通管理科學研究所碩士論文，民國88年6月。  
8	張文彥，應用影像處理技術於車輛辨識與車種分類之研究，國立成功大學交通管理科學研究所碩士論文，民國88年7月。 
9	陳佳宜，人體追蹤系統之研究，淡江大學電機工程學系碩士在職專班碩士論文，民國91年。
10	莊盛淵，夜間車流影像之車輛分類與追蹤之研究，淡江大學運輸管理學系運輸科學研究所碩士論文，民國91年1月。
11	莊建宏，自動化交通監控系統，國立臺灣師範大學資訊教育研究所碩士論文，民國89年。
12	郭志文，應用彩色影像辨識技術於交通車流參數之蒐集與分析，國立交通大學交通運輸研究所碩士論文，民國87年6月。   
13	郭怡雯，利用模糊類神經網路加強彩色影像車輛偵測，國立交通大學交通運輸研究所碩士論文，民國90年6月。  
14	連國珍，數位影像處理，儒林圖書有限公司，民國81年9月。 
15	曾仁松，影像處理技術於基本交通參數收集模式之研究，國立台灣大學土木工程學研究所碩士論文，民國81年6月。  
16	楊武智，影像處理與辨認，全華科技圖書股份有限公司，民國83年12月。 
17	賴文復，應用類神經網路構建視覺化夜間路口車輛偵測模式之研究，淡江大學運輸管理學系運輸科學研究所碩士論文，民國93年6月。
18	廖明燦，樣本點識別方法應用車輛之即時辨識，國立台灣大學土木工程學研究所碩士論文，民國83年6月。  
19	翁森伯，車輛運動行為軌跡追蹤之研究，淡江大學土木工程研究所碩士論文，民國82年6月。
20	蔡宗諭，車種分類與計數，國立臺灣師範大學資訊教育研究所碩士論文，民國93年。
21	謝振榆、傅毓芬，影像處理，全威圖書有限公司，民國86年12月。
22	鍾國亮，影像處理與電腦視覺，台灣東華書局股份有限公司，民國91年6月。
23	鍾隆文影像處理求交通參數之研究－以特徵匹配法為例，國立台灣大學土木工程學研究所碩士論文，民國79年6月。
24	鍾隆文，視覺式行人偵測與二維向量行人模擬式之研究，國立台灣大學土木工程學研究所博士論文，民國86年6月。
25	龍天立、范俊海、鍾隆文、黃任信，影像處理技術建構獨立路口資料收集系統及號誌控制智慧系統之研究，行政院國科會專題研究計劃，民國79年8月。
26	Benjamon. Coifman, David. Beymer, Philip. McLauchlan, Jitendra. Malik., A real-time computer vision system for vehicle tracking and traffic surveillance, Transportation Research Part C 6, pp.271-288, 1998。 
27	Clement Chun Cheong Pang, William Wai Leung Lam, and Nelson Hon Ching Yung, A Novel Method for Resolving Vehicle Occlusion in a Monocular Traffic-Image Sequence,  IEEE Transactions on Intelligent Transportation Systems, vol.5, No.3,pp.129-141, Sept. 2004。 
28	D. Beymer and J. Malik, Tracking Vehicles in Congested Traffic, Proceedings of the 1996 IEEE Intelligent Vehicle Symposium, pp.130-135, 1996。
29	D. Beymer and P. McLauchlan, B. Coifman and J. Malik, A Real-time Computer Vision System for Measuring Traffic Parameters, Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp.495-501, 1997。 
30	D. Koller, J. Weber, and J. Malik, Robust Multiple Car Tracking with Occlusion Reasoning, Technical Report UCB/CSD-93-780, University of Calibornia at Berkely, Oct. 1993。  
31	D. Koller, J. Weber, and J. Malik, Towards Realtime Visual Based Tracking in Cluttered Traffic Scened, Proceedings of the Intelligent Vehicle Symposium, Paris France, pp.201-206, Oct. 24-26, 1994。  
32	Hsu, W.L. and Liao, H.Y.M. and Jeng, B.S. and Fan, K.C., Real-time vehicle tracking on highway, IEEE Intelligent Transportation Systems, vol. 2, pp.909-914, Oct. 12-15 2003。 
33	Hwang, W. and Ko, H., Real-time vehicle recognition using local feature extraction, Electronics Letters, vol.37, Issue: 7, pp.424-425, March. 29 2001。
34	Ilkwang Lee and Hanseok Ko and Han, D.K., Multiple vehicle tracking based on regional estimation in nighttime CCD images, IEEE International Conference on, vol. 4, pp.3712-3715, May. 13-17 2002。
35	Kamijo, S. and Matsushita, Y. and Ikeuchi, K. and Sakauchi, M., Occlusion robust tracking utilizing spatio-temporal Markov random field model, IEEE International Conference on Pattern Recognition, vol.1 ,pp.140-144, Sept. 3-4 2000。
36	 Kamijo, S. and Sakauchi, M., Segmentation of vehicles and pedestrians in traffic scene by spatio-temporal Markov random field model, IEEE International Conference on , vol.2 , pp.285-288, July 6-9 2003。
37	K.D. Baker and G.D. Sullivan, Performance assessment of model-based tracking, Proceedings of IEEE Workshop on Application of Computer Vision, pp.28-35,1992。
38	Lipton, A.J. and Fujiyoshi, H. and Patil, R.S., Moving target classification and tracking from real-time video, IEEE Workshop on Applications of Computer Vision, pp.8-14, Oct. 19-21 1998。
39	Liu Bo and Zhou Heqin, Using object classification to improve urban traffic monitoring system, International Conference on Neural Networks and Signal Processing, vol.2, pp.1155-1159, Dec. 14-17 2003。
40	Masoud, O. and Papanikolopoulos, N.P., A novel method for tracking and counting pedestrians in real-time using a single camera, IEEE Transactions on
Vehicular Technology, vol.50, Issue.5, pp.1267-1278, Sept. 2001。
41	Michalopoulos P.G.., Vehicle Detection Video Through Image Processing：The Auto-scope System, IEEE Transactions on Vehicular Technology, Vol.40, No.1, pp.21-29, Feb. 1991。
42	R. Cucchiara, M. Piccardi, A. Prati, N. Scarabottolo, Real-time detection of moving vehicles, Image Analysis and Proceeding, 1999. Proceedings. International Conference on, 1999, pp.618-623, 1999。
43	Surendra;Gupte, Osama Masoud, Robert F. K. Marrtin, and Nikolaos P. Papanikolopoulos,  Detections and Classification of Vehicles,  IEEE Transactions on Intelligent Transportations Systems, vol.3, No.1, pp. 37-17, March. 2002。
44	 Xidong Yuan, Yean-Jye Lu, and Semaan Sarraf, Computer vision system for automatic vehicle classification, Journal of Transportation Engineering, Vol.120, No.6, Nov. / Dec. 1994。
45	Young-Kee Jung and Yo-Sung Ho, Traffic parameter extraction using video-based vehicle tracking, IEEE International Conference on Intelligent Transportation Systems, pp.764-769,  Oct. 5 -8. 1999。 
46	Yung, N.H.C. and Lai, A.H.S., Detection of vehicle occlusion using a generalized deformable model,  IEEE International Symposium on , vol.4, pp.154-157, May./June. 1998