在影像處理中，從影像中正確地辨識出欲辨識物是相當重要的一部份，從以前到現在發展了許多的方式來做辨識人物或物體。而為了能夠確切掌握在團體照中的總人數數目，我們在本論文中提出了運用CTTS ( Chromatic – T – Template - Scoring )，去偵測出團體照中人臉的部份計畫其個數進而得知人數為何，如此一來便可利用電腦來幫助估算得到團體照中所含的總人數。

首先我們將原始影像由RGB模型轉成YCbCr模型，因為接下來都是在YCbCr上作運算，然後再依據近似人臉的Ｔ樣型(T – Template)來對整個張影像作處理。而在T樣型的設定方面，下半矩形的膚色部分是參考先前文獻中關於膚色在CbCr平面上的範圍，而上半矩形頭髮的顏色的部分，則是選取十張影像中人物的頭髮的部分去作統計，找出95%以上的pixel所在YCbCr的區域來定為範圍。在一個個pixel的逐一作CTTS處理得到其T分數後，整張影像可形成一T分數矩陣。從這個矩陣中，我們可以發現在原本影像裡人頭的區域，與T分數矩陣中T分數高的區域相吻合，也就是說找出T分數矩陣中T分數高的區域，就等於是找出團體照中人臉的所在之處。於是我們只要計算出T分數矩陣中高分區域的數目，即估測得團體照中所含的總人數。

我們對數張團體照以此方法作其中人數測，並計算其命中(hit)、錯失(miss)、及誤判(false alarm)比例。在所作測試中，非最佳化條件設定下平均可達87%命中、錯失在13%以下、誤判在9%以下，考慮總人數估測，準確率達87%以上。

1. M. H. Yang, D. J. Kriegman, and N. Ahuja, ”Detecting Faces in Images: A Survey,” IEEE Transations on Patten Analysis and Machine Intellliqence, Volume 24, Issue 1, Jan. 2002 Page(s): 34-58.
2. S. L. Phung, D. Chai, and A. Bouzerdoum, “A universal and robust human skin color model using neural networks,” Proceedings of International joint Conference on Neural Networks 2001, Washington D.C., U.S.A., pp. 2844-2849, July 2001.
3. S. L. Phung, D . Chai, and A. Bouzerdoum, “Skin Colour Based Face Detection,” Intelliqent Information System Conference, The Seventh Australian and New Zealand 2001 18-21 Nov. 2001 Pages:171-176.
4. Netravali, A. N., and B.G. Haskell, “Digital Pictures-Representation, Compression and standards. 2nd ed.,” New York: Plenum Press, 1995.
5. R. C. Gonzalez, and R. E. Woods, “Digital Image Processing 2nd ed.,” Prentice Hall Upper Saddle River, NEW JERSEY 07458, 2002.
6. Y. Wang, J. Ostermann, and Y. Q. Zhang, “VIDEO PROCESSING AND COMMUNICATIONS,” Prentice Hall Upper Saddle River, NEW JERSEY 07458, 2002.
7. 張耀仁, “C++程式設計與應用,” 清蔚科技, 2002.