本研究使用 Logitech webcam 來進行影像擷取，影像解析度為 320*240 像素，使用個人電腦作為程式開發環境，硬體規格為 Pentium(R) Dual-Core CPU E5200、1G 的 RAM，作業系統使用 Microsoft Windows XP Professional Version 2002 Service Pack 3，以 Borland C++ Builder 6 來開發撰寫程式。
在此實驗中，分別室內與戶外日夜不同環境下，針對所訂定的四種可 能發生的情況來進行測試，分別記錄五次實驗中，辨識成功的次數於表 6-1。
Condition
Event
Indoor Outdoor
Average Day Night Day Night
Event 1 4/5 4/5 4/5 4/5 80%
Event 2 4/5 3/5 3/5 3/5 65%
Event 3 5/5 5/5 5/5 5/5 100%
Event 4 3/5 3/5 2/5 3/5 55%
Average 80% 75% 70% 75%
表 6-1 事件偵測的統計表
如圖 6-1(a)顯示在白天室內環境中實驗的部份影像資料，橫軸代表 140 畫面的數目，縱軸表示該畫面中所計算的熵值。如圖 6-1(b)所示，在第 60 到 69 個畫面中，有異物進入系統中，故熵值出現一個高峰與低峰值的變化。
圖 6-1(a) 室內影像偵測
圖 6-1(b) 影像中灰階值的熵圖
圖 6-2(a)顯示在白天戶外環境中實驗的部份影像資料，橫軸代表 35 畫 面的數目，縱軸表示該畫面中所計算的熵值。如圖 6-2(b)、圖 6-2(c)與圖 6-2(d) 所示，在第 11 到 14 個畫面中與 19 到 22 個畫面中，均有異物進入系統中，
水平與垂直投影邊緣偵測像素分佈的增加與減少，和雜訊的干擾所影響，
故熵值亦出現一個高峰與低峰值的變化。
根據圖 6-2(b)、6-2(c)、6-2(d)中的資訊，以畫面 13 為例，分別以 0 與 1 表示灰階值、水平投影與垂直投影的熵值是否有明顯變化，得到(0,1,1) 的偵測結果，對照於表 5-1，表示所發生的事件為狀況二：監視影像中內部 物件的位置改變；由圖 6-2(a)顯示，畫面 13 中有一機車騎士的位置改變，
此畫面偵測結果正確。再以畫面 22 為例，根據圖 6-2(b)、6-2(c)、6-2(d) 的 資 訊 ， 灰 階 值 、 水 平 投 影 與 垂 直 投 影 的 熵 值 之 變 化 情 形 可 表 示 為 (1,1,1)，並對照於表 5-1，其所發生的事件為狀況三：外部物件進出監視
frame
影像中；由圖 6-2(a)顯示，畫面 22 中有一貨車進入畫面中，此畫面偵測結 果正確。
圖 6-2(a) 室外白天影像偵測
圖 6-2(b) 影像中灰階值之熵及灰色預測圖
圖 6-2(c) 水平投影的熵值及灰色預測圖
圖 6-2(d)垂直投影之熵值及灰色預測圖
圖 6-3(a)顯示在晚上戶外環境中實驗的部份影像資料，橫軸代表 34 個 畫面的數目，縱軸表示該畫面中所計算的熵值。如圖 6-3(b)、圖 6-3(c)與 圖 6-3(d)所示，在第 12 到 16 個畫面中與 18 到 23 個畫面中，均有異物進 入系統中，水平與垂直投影邊緣偵測像素分佈的增加與減少，和雜訊的干 擾所影響，故熵值亦出現一個高峰與低峰值的變化。
以畫面 18 為例，根據圖 6-3(b)、6-3(c)、6-3(d)的資訊，灰階值、水 平投影與垂直投影的熵值之變化情形可表示為(1,1,1)，並對照於表 5-1，
其所發生的事件為狀況三，由圖 6-3(a)顯示，畫面 18 中有一小客車進入畫 面中，此畫面偵測結果正確。
圖 6-3(a) 室外晚上影像偵測
圖 6-3(b) 影像中灰階值之熵及灰色預測圖
圖 6-3(c) 水平投影的熵值及灰色預測圖
圖 6-3(d) 垂直投影之熵值及灰色預測圖
圖 6-4(a)顯示在室內環境中的物件在內部移動實驗的部份影像資料，橫 軸代表 35 個畫面的數目，縱軸表示該畫面中所計算的熵值。圖 6-4(b)顯示 影像灰階值的熵值變化情形，理論上，因為影像的構成物件沒有改變，所 以熵值應該維持不變，但實際上因為影像中物件互相遮蔽，所以造成在畫 面 5 到畫面 6 與畫面 11 到畫面 12 中熵值有較大幅度的改變；而圖 6-4(c) 與圖 6-4(d)所示，畫面 5 到畫面 12 中，影像中人物的左右移動可明顯由水 平與垂直投影的熵值變化中偵測出來。
圖 6-4(a) 影像中物件在內部移動
圖 6-4(b) 影像中灰階值之熵及灰色預測圖
圖 6-4(c) 水平投影的熵值及灰色預測圖
圖 6-4(d) 垂直投影之熵值及灰色預測圖
經實驗，本系統對於四種狀況的辨識率分別為：80%、65%、100%及 55%，
其中狀況二表示系統內有物件移動，但當物件移動範圍較小時，難以偵測；
狀況四表示系統內顏色改變，經灰階轉換後，色彩變異幅度較小時，故難 以偵測；對於白天與晚上在室內及戶外的辨識率分別可達到：80%、75%、
70%及 75%。