變動的判斷與雜訊的分析

在判斷變動方面，為了不影響壓縮速度，我們採用了十分簡單又有效的方 法，Frame difference。我們把前後兩張畫面影像中同位置像素點上面的亮度值拿 來相減，當畫面沒有運動的情況之下，相減出來的值應該為 0，而當畫面在運動 的情形下，對應的像素點相減出來的值應該不為 0，藉此來判斷畫面中是否有物

體運動。但不幸的，影像訊號經過攝影機輸入、訊號線傳輸、擷取卡的擷取等等，

都會產生一些誤差，使得就算畫面中沒有物體在運動的情形之下，前後像素點的 亮度相減之後也常常不為 0，針對這個問題，我們統計了這個雜訊的統計特性，

藉由對雜訊的分析找出適當的方法來判斷是否影像內部有物體在運動。

4.3.1 雜訊的分析

下圖為在畫面不動的情形下，所拍攝出來的影像與其亮度值的差異量，我們可以 發現，這個雜訊的分配是不均勻的，與影像內容有關，其中可以看出深藍色的屏 風與棕色的桌面部分雜訊比較強烈，而相對於其他的地方，雜訊分佈的就顯得比 較均勻。

由於雜訊與影像內容有關，因此若仍然是用整張影像來看的話，勢必沒有辦 法有效地統計雜訊的特性，所以我們把偵測變動的機制改成一塊一塊的區塊來判 斷。根據我們影像的內容，我們把它均分為均等的九塊，並且利用這九塊區塊前 後張影像亮度值的差量總合，算出其每一塊的平均值與標準差，並且以各個區塊 的平均值加上三倍標準差來當作各個區塊雜訊值的門檻，當我們區塊的中各像素 點灰階值的差量的和 SAD(Sum of absolute difference)小於此門檻時，代表這兩張影 像中，此區塊並沒有運動的資訊，反之則為有。

| _t( , ) _t 1( , )

x y

SAD=

∑∑

^T

^{mean SAD}

^{std SAD}

f x y 代表位置點為

x y 上的灰階資訊，T 為門檻值，利用時間軸上

(A) (B)

(C) (D)

圖 4.3 (A)圖為監控攝影的場景，(B)為監控場景的灰階影像，(C)則為前後兩張靜止影像灰階資訊 相減後的差量值，此差量值被放大十倍後秀出，圖片中越亮代表差量越大，(D)圖把影像切 割成 3*3 等分的九個區塊。

4.3.2 雜訊門檻的初始設定

我們知道雜訊的門檻必須是是利用靜止狀態時影像差量的統計特性來判 斷，因此，在一開始先對希望拍攝的影像背景，拍攝一段靜止的時間，測量其靜 止狀態時雜訊的統計特性，分別以九個區塊來算出其中的均值和標準差，而由於 背景有可能會隨著時間而變動，可能是光影的變化或是物體的運動，造成此門檻 值並不能代表所有的情形，所以我們的初始門檻設定會比算出來的均值和標準差 來得高的數值來設為初始的平均數和變異數，而且當判定整張影像為靜止狀態 時，會重新根據現有影像算出另一組的平均數和變異數值，來當成現有影像的門 檻值，運算的方法將會在下節提到。