單部攝影機時受照護者的行為分析：

具 行 為 分 析 能 力 之 看 護 監 控 系統

(續)

✽ 計畫目標一：受 照護者行為的分析

（I）

自動擷取姿態並以 星狀骨骼和外包矩 形比例描述各種身 體姿態。下半年用 圓極座標對身體姿 態做精細描述。

✽ 計畫目標二：被 照護者以外運動物 體之濾除 （下半年

）

利用 motion flow 概 念，將受照護者以 外運動物體濾除。

1. 自動姿態擷取：

這部分的工作主要是利用熵(entropy)的變化來做為擷取主要關鍵姿態 的標準，我們所發展的系統主要分為兩部分來達到自動主要姿態擷取的目 的。第一步我們利用熵的變化來自動擷取一組有可能的關鍵姿態。我們第二 步利用交互熵(cross entropy)來檢驗最後是否要收錄在碼簿中。

2. 手腳運動的初步分析：

我們利用 frame 間的運動向量來擷取連續的運動片段。在概念上是利用 不連續動作在運動方向的呈現上會有斷點這個重要特徵作為動作分段的標 準。到目前為止，我們已可利用這個概念切割出一些原本不易判斷的動作片 段。

3. 單部攝影機時受照護者的行為分析：

我們利用 frame 與 frame 之間的差異取得 moving edge 的對應運動向 量。當一組同質性級高的運動向量被串成一條條軌跡時，我們設計一個演算 法將這些軌跡合成單一條軌跡來為後續的描述及比對工作鋪路。

我們已如原來所規劃，找出一個視訊片段中最大的運動趨勢，並將其他 的小型運動濾除。因著這個成果，我們可以將後續人類行為比對的工作大大 簡化，並因此得到幾近 real-time 的比對結果。

●是 ○否

●是 ○否

子 項 計 畫 之後，我們從 embedding data 中抽取出這些受損 macro blocks 重建所需的重 要資訊, 再用所提的錯誤隱蔽方法用來恢復原來的視訊。

我們完成了利用內容分析進行速率調適及錯誤控制之技術。我們利用壓 縮視訊之移動向量(motion vectors)以及錯誤隱蔽失真(concealment error)，可 以有效地預估每一個巨集區塊遺失後所產生之遺失影響性(loss impact)。根 據此遺失影響性資訊，可以決定適當的位元分配、須進行抗誤性 intra-refresh 之聚集區塊數目及位置和封包重傳數目上限之調適，而達到良好的速率調適

、 手 機 簡 訊 或 Messenger 傳送簡 訊警示使用者或監 控人員，以及自動 事件記錄功能。

倒帶、快轉、快速 倒轉、瀏覽摘要。

合計 落後項數=0

說明 : 1.填寫計畫實際執行內容依計畫書最小工作單位(子項計畫或工作項目)具體化、數字化及階段性之技術指標、技術規格等執行情形，

遇有進度落後時請述明落後原因、改善措施及預定趕上進度時間。

2.'合計'欄內請統計不符計畫進度項目之項數，如「落後項數＝3」代表共有三項工作進度落後。