影像處理(IP, Image Processing)不是個新興行業，但卻是個越來越被重視的應用技術，近年來隨著大數據(Big Data)分析的興起，任何過去很難用電腦解決的問題都重新被拿出來分析應用與解決，而IP也趁著這股熱潮搭上了Big Data。究竟，影像處理如何與大數據產生新興的應用呢？就得先從影像處理談起，影像處理範疇非常廣，包含影像辨識、影像強化、影像分割、影像分類等皆是，以影像辨識來說，早期的影像辨識都只針對單一張影像進行辨識，但近期由於軟硬體資訊設備能力越來越好，可以處理的資料量越來越大，所需時間也越來越少，因此大數據的分析與應用隨之崛起，而現今影像辨識就不只僅限於單張影像，而是可以針對影片進行辨識，也因為連續的影像可以經由影像辨識進而得知影片中的行為意涵，這樣的一個新應用也將帶起許多新產業的崛起。
下圖為影像辨識與大數據結合應用的流程圖，第一步驟為影像影格的收集，可以透過即時或非即時的錄影影像，第二步驟則為萃取影像前景區域，利用影像相減的方法將前景目標區域找出來，第三步驟為移動區域的統計，第四步驟為統計後的資料與影像的空間以及時間做關聯性分析，最後一步驟即可將統計分析後的結果提供決策輔助資訊或是進而提供未來的預測建議。
[範例一] 便利商店哪個區域最受歡迎?
下圖為便利商店的空間分析，利用影像分析出客戶在哪一個櫃位停留時間最久，透過大量的統計區域可以知道哪一區域客戶停留時間最久，進而可以推論客戶對這區域的商品較有興趣，因此可以利用這層關係去調整架上的商品或調整欲促銷的商品位置，這是利用影像辨識空間上的移動與大數據的統計分析得出的結果。
[範例二] 上班族最常上廁所的時間?
下圖則為利用影像辨識空間的移動與相對應的時間關係，將影片中的資訊結合時間解讀出有意義的資訊，影像記錄畫面是辦公室前往廁所的路徑，我們從影片中分析出對應的時間可以得知，進出廁所的時間高峰點，總體來說屬於常態分佈的曲線，但仍有幾個值得注意的高峰點，分別在午休結束的半小時後跟接近下班的半小時前，這些都是有趣並且可以提供進階分析的資訊。
[範例三]哪台車紅燈越線了?
下圖則為結合影像辨識空間與時間上的應用並且加上大數據分析的結果，透過影像在空間上的位置可以知道那些車子超越停止線，再加上對應的紅綠燈時間，即可以精確的算出那些車子在停紅燈時超越停止線了。
這些應用都是過往無法立即計算出來的，但隨著大數據技術的進步，影像辨識可以做的事情也越來越豐富，以上幾個例子皆為影像處理與大數據結合的實際案例。透過我們這幾期的技術專題，有沒有讓大家對於影像處理和大數據多認識了一點呢?也歡迎至GIS.FCU粉絲團與我們分享喔!
