數位監控

配合攝影機可及時監控屋內狀態，當屋內出現可疑物體時，系統 會自動追蹤物體並分析物體行為，若判斷出偵測的可疑物體為竊賊 時，會自動啟動錄影功能，並同時對屋內的行動電話發出手機簡訊，

顯示屋內遭入侵的訊息。另外，使用者在遠端也可透過攝影機觀看屋 內狀態。

3.1.2.1 數位監控流程圖

掃描讀入影像

否 否

是

啟動警報 建立新背景

判斷偵測物是否 移動或關節物體 記錄偵測到的物體 第一次出現的位置

是 判斷是否偵測到物體

圖 3-4. 保全系統流程圖

3.1.2.2 訓練環境參數

傳統在作影像分割時，首先必須先取得固定的背景資訊並加入臨 界值(Threshold)，接下來再和輸入的影像加以比較，取出相異的像素 即分割出原本不屬於背景的影像。然而，一般以 threshold 來分割影像 的方法比較適用單純的背景如封閉的室內；在變化較大的背景如室 外，便無法有效地分割出影像，且即使在室內也可能因天色或氣候等 外在環境透過窗戶對室內的光影產生變化。因此若只取單張背景加上

本系統則使用多張背景訓練出環境參數，分析每個取樣的像素其 顏色變化範圍。其主要方法是每隔 10 msec 輸入一張背景，並取樣記 錄該張背景中的像素，當輸入完 100 張背景後，統計出所取樣的像素 其變化的上下限，便是最後所自動訓練出來的環境參數。因此不需要 設定任何 threshold 便可有效地分割出影像。

假設目前正在訓練環境參數，圖 3-5 表示第 10 張背景，圖 3-6 表 示第 50 張背景，背景下方則是環境參數的變化範圍。當訓練到第 50 張背景時電燈亮起(圓框所在位置)，其背景下方所顯示的環境參數變化 範圍在電燈四周的區域會明顯增加。因此訓練出來的環境參數無論在 開燈或在關燈的環境下還是可以正確的追蹤遮蔽物體。若使用傳統只 取單張背景的 方法，則當電燈亮起，電燈四周的區域會被當作是遮蔽 物體，如圖 3-7 所示。

圖 3-5. 第 10 張訓練背景時燈未開啟 圖 3-6. 第 50 張訓練背景時燈開啟

圖 3-7. 使用燈開啟時影響到附近的光影

3.1.2.3 自動追蹤目標

透過上一節所描述的動態背景可將原本不屬於背景的影像分割出 來，但是若有正常像素被誤當作不正常像素則稱之為雜訊，其造成的 可能原因為攝影機本身因素或其他的外在因素。

傳統清除雜訊的方法為檢查所有與背景相異的取樣像素，由於遮 蔽物體其掃描出的像素有聚集的特性，而雜訊則分佈較鬆散。因此檢 查與背景相異之取樣像素的周圍若無其他相異的取樣像素鄰近，則可 以把它當作是雜訊清除，如圖 3-8 所示。

圖 3-8.遮蔽物體其掃描出的像素會聚集，而雜訊則分佈較鬆散

然而，傳統方法並不保證所有的雜訊可以完全清除，若重覆作清 除雜訊於同一張影像，雖然最後可以把所有的雜訊清除，但相對花費 的計算量會增加。因此，本系統提出新的追蹤方法，即使雜訊多時也 可以有效地追蹤出不屬於背景中的物體，其方法步驟如下：

步驟 1. 由讀入的影像統計出 X 軸上與背景相異之取樣像素的數量，

如圖 3-10 所示，其中白點為相異的取樣像素，而圖示上方則 為統計出的曲線。

步驟 3. 由 X0開始向右遞增，當統計值為零時停止，此時所在位置為 Xmax。

步驟 4. 由 X0開始向左遞減，當統計值為零時停止，此時所在位置為 Xmin。

步驟 5. 由統計出的曲線中找出最高點的位置，如圖 3-10 中 Y0，所標 示的位置。

步驟 6. 由 Y0開始往上遞增，當統計值為零時停止，此時所在位置為 Ymax。

步驟 7. 由 Y0開始往下遞減，當統計值為零時停止，此時所在位置為 Ymin。

步驟 8. 當找出 Xmin、Xmax、Ymin、Ymax四個值時，則圍繞出的區域為 追蹤出的目標。

圖 3-9. 輸入連續影像 X_min X_max

X0

Y0

Ymax

Ymin

圖 3-10. 追蹤遮蔽物體所在位置

3.1.2.4 分析物體行為

當偵測到遮蔽物體時，系統必須判斷偵測到的物體是竊賊或是單 純的天色變化改變室內光影。因此系統會分析追蹤的遮蔽物體是否會 移動，以及該遮蔽物是否為關節物體兩種分析方法來辨識追蹤的物體。

1. 分析追蹤的遮蔽物體是否會移動可分成下列幾個步驟：

步驟 1. 訓練環境參數如圖 3-11 所示。

步驟 2. 偵測到遮蔽物體時，紀錄物體出現的位置如圖 3-12 所示。

步驟 3. 由輸入影像追蹤物體的位置，並檢查是否與前一張輸入影 像的位置重疊，若沒有重疊則回到步驟 2。

步驟 4. 若追蹤物體的位置沒有和第一次出現的位置重疊，表示追 蹤的物體已移動如圖 3-13 所示。此時開始分析該物體是 否為關節物體。變化，並且儲存現在的場景，當作新的動 態背景。

步驟 5. 若追蹤物體的位置一直與第一次出現的位置相重疊，則回 到步驟 2 重新訓練環境參數。

目前位置→

第一次出現的位置

2. 分析遮蔽物是否為關節物體：

圖 3-14 為關節物體移動的連續畫面，根據 3.1.2.4 節所提出的物 體追蹤方法，可針對每一格輸入的影像來個別統計出輸入影像與背景 相異之取樣像素的數量於 X 軸和 Y 軸。我們可由擷取出來的遮蔽物體 分析出 X 軸的統計曲線，並紀錄曲線中凹陷點的數量，如圖 3-15 中 X 軸的統計曲線含有 3 個凹陷點。

由圖 3-14 的連續畫面可以發現關節物體移動時，凹陷點的數量會 隨著關節物體的動作線規律性的變化。圖 3-16 為每一格輸入影像之凹 陷點數量的統計圖，當跨步時凹陷點的數量會增加，當雙腳合併時凹 陷點的數量會減少，因此可由凹陷點規律性的變化作為特徵，來分析 偵測到的遮蔽物是否為關節物體。

圖 3-14. 關節物體移動的連續畫面

凹陷點

凹陷點數量

輸入影像

圖 3-15. 遮蔽物 X 軸統計曲線的凹陷點 圖 3-16.凹陷點數量的統計圖

3.1.2.5 警報裝置

當系統判斷出偵測到的可疑物體為竊賊時，會自動啟動警報裝 置，同時也啟動錄影錄影功能，將整個行竊過程記錄在家電端與遠端 的電腦中，並同時對屋主的行動電話發出手機簡訊，顯示屋內遭入侵 的警告訊息。

3.1.2.6 數位錄影

主要是可以自動儲存與管理系統中錄影功能所錄的影片，使用者 可自行設定影片的儲存量，最高可達 10 FPS (Frames Per Second)。數 位錄影功能可分為手動錄影、保全錄影和定時錄影三種不同的錄影方 式。