基于灰色关联分析的移动侦测方法
【专利摘要】基于灰色关联分析的移动侦测方法，包括：接收包括复数输入像素的视频画面；藉由灰色关联分析技术，判断输入像素的比特率变化，以建立多质量背景模型；藉由基于区块与像素的两阶段侦测步骤，侦测移动物体，以产生二值化移动遮罩；藉由熵的计算，侦测视频画面的亮度变化，以适时更新背景模型；提供设定界面供用户设定侦测灵敏度，并据以评估移动遮罩的错误侦测。本发明藉由多质量背景模型，可在具有可变比特率的视频串流中正确侦测移动物体；藉由基于区块与像素的两阶段侦测步骤，可实现更完整与准确的移动侦测；藉由侦测亮度变化适时更新背景模型，可消除亮度变化造成的影响；藉由可调整的侦测灵敏度，可增加准确度与降低错误侦测。
【专利说明】
基于灰色关联分析的移动侦测方法
技术领域
[0001] 本发明涉及图像处理技术领域，特别是涉及从视频串流（Video stream)提取关于 移动物体信息的移动侦测（motion detection)方法。
【背景技术】
[0002] 移动侦测是自动化视频监控系统中一个关键的技术，其用于从视频串流提取 关于移动物体的信息。移动侦测方法主要可以分成三种类型：时间差分法（temporal differencing)、光流法（optical flow)与背景相减法（background subtraction)。时间差 分法易于实现，计算量低，但是对移动物体容易造成内部破碎，不容易提取出完整的移动物 体信息。光流法可提取出完整的移动物体信息，且可用于移动式摄像机的移动侦测，但是计 算量大，不易于实时性的应用，此外对噪声非常敏感。背景相减法易于实现，在相对静态的 背景下可藉由使用背景模型并以适中的计算量提取出较完整的移动物体信息，但是对光线 的变化较为敏感。因此，背景相减法普遍地用于移动侦测应用，并发展出各种背景相减法， 例如：高斯混合模型法（Gaussian mixtures model，GMM)、和差估测法（sigma difference estimation，SDE)、多重 SDE法（multiple SDE，MSDE)、多重时间差分法（multiple temporal difference，MTD)、简单统计差分法（simple statistical difference，SSD)。
[0003] 随着视频通信技术的发展，无线通信变得可以实用于移动侦测应用，其可增强在 大范围的移动物体的侦测能力。不幸地，无线通信受到现实网络的带宽限制，特别容易发生 网络拥塞或服务器宕机，为此，视频串流引入视频码率控制（video rate control)技术，例 如H. 264/AVC视频格式，其采用可变比特率（variable bitrate，VBR)来适应现实网络条 件。上述现有的背景相减法在具有固定比特率的视频串流中，都可以侦测到移动物体，这 是因为在这样理想、稳定的环境下，很容易藉由背景模型来区别移动物体。然而，由于现实 网络很少提供这样理想、稳定的环境，上述现有的背景相减法在具有可变比特率的视频串 流中，容易因视频串流的比特率的突然变化，造成移动物体的误判，无法有效侦测到移动物 体。
[0004] 举例来说，请参见图6,其为具有可变比特率的视频串流中复数视频画面（video frame)上同一像素的亮度值（luminance value)的量测图。一开始，视频串流在第150~ 240个视频画面期间为200kbps的高比特率（或高质量）的视频串流，其具有较强波动的背 景信号B1。现有的背景相减法根据这样具有较强波动的背景信号Bl产生背景模型。当视 频通信受到网络拥塞的阻碍时，视频码率控制技术分配剩余的网络带宽，因此随后视频串 流在第240~280个视频画面期间变为5kbps的低比特率（或低质量）的视频串流，其具 有较平顺的背景信号B2,且在本例中因有移动物体通过而有一个较强波动的移动信号P1。 倘若在移动信号Pl发生时，背景模型尚未更新而仍为根据具有较强波动的背景信号Bl所 产生，现有的背景相减法可能会误判移动信号Pl为背景信号。而若一段时间过后，现有的 背景相减法可能根据具有较平顺的背景信号B2更新背景模型。然而，当视频通信不再受到 阻碍时，视频串流在第280~325个视频画面期间恢复为200kbps的高比特率（或高质量） 的视频串流，其具有较强波动的背景信号B3。倘若在背景信号B3的波动发生时，背景模型 尚未更新而仍为根据具有较平顺的背景信号B2所产生，现有的背景相减法可能会误判背 景信号B3的波动为移动信号。所以，在视频串流的比特率由高变低、或由低变高时，现有的 背景相减法都可能会发生误判。
【发明内容】
[0005] 本发明的目的是提供一种移动侦测方法，可在具有可变比特率的视频串流中正确 侦测移动物体，并可实现更完整与准确的移动侦测以及消除亮度变化造成的影响。
[0006] 为实现上述目的，本发明提供一种基于灰色关联分析（grey relational analysis)的移动侦测方法，其包括：
[0007] SI)接收视频画面（video frame)，视频画面包括复数输入像素；
[0008] S2)建立多质量（multi-quality)背景模型，其包括：S21)计算每一输入像素的 像素值与对应的复数候选背景像素的像素值之间的欧几里德距离（Euclidean distance); S22)根据欧几里德距离，计算每一输入像素的像素值与对应的复数候选背景像素的像素值 之间的灰色关联系数（grey relational coefficient) ;S23)判断灰色关联系数中最小值 是否小于或等于第一阈值，若是则判断输入像素的比特率已改变，并将输入像素加入作为 候选背景像素，若否则判断输入像素的比特率未改变；
[0009] S3)侦测移动物体，其包括：S31)将视频画面分割成复数区块，针对每一区块，将 区块中每一输入像素的像素值与对应的复数候选背景像素的像素值之间的灰色关联系数 中最大值加总，以产生关于区块的灰色关联系数总和；S32)判断灰色关联系数总和是否大 于或等于第二阈值，若是则判断区块为背景区块，若否则判断区块为移动区块；S33)针对 每一移动区块，判断移动区块中每一输入像素的像素值与对应的复数候选背景像素的像素 值之间的灰色关联系数中最大值是否大于或等于第三阈值，若是则判断输入像素为背景像 素，若否则判断输入像素为移动像素；S34)产生二值化移动遮罩（binary motion mask);
[0010] S4)侦测视频画面的亮度变化，其包括：S41)计算每一区块的灰色关联系数总和 的熵（entropy)，并加总以产生关于视频画面的熵总和；S42)判断视频画面与前一视频画 面的熵总和的差值是否大于或等于第四阈值，若是则判断视频画面有亮度变化，并根据视 频画面更新每一输入像素对应的候选背景像素，若否则判断视频画面没有亮度变化；
[0011] S5)评估移动遮罩的错误侦测，其包括：S51)提供设定界面供用户设定侦测灵敏 度；S52)将移动遮罩中移动像素与背景像素的总数量除以移动遮罩的面积，以产生评估 值；S53)判断评估值是否大于第五阈值与侦测灵敏度的乘积，第五阈值为预测为正的正像 素 （true positive pixel)的预估数量除以移动遮罩的面积，若是则判断存在错误侦测，若 否则判断不存在错误侦测。
[0012] 在本发明的一实施例中，被更新的输入像素对应的候选背景像素可选自输入像素 的像素值与对应的复数候选背景像素的像素值之间的欧几里德距离中最大值所对应的候 选背景像素。
[0013] 在本发明的一实施例中，输入像素与候选背景像素的像素值可皆包括亮度 值（luminance value)、蓝色色差值（blue-difference chroma value)与红色色差值 (red-difference chroma value)〇
[0014] 在本发明的一实施例中，亮度值、蓝色色差值与红色色差值可皆使用8个比特表 不。
[0015] 在本发明的一实施例中，第一阈值可设为0. 6。
[0016] 在本发明的一实施例中，第二阈值可设为245。
[0017] 在本发明的一实施例中，第三阈值可设为0. 6。
[0018] 在本发明的一实施例中，第四阈值可设为0. 05。
[0019] 在本发明的一实施例中，预测为正的正像素的预估数量可设为30X30,侦测灵敏 度根据用户设定可为〇~10。
[0020] 在本发明的一实施例中，复数区块可为16X16个区块。
[0021] 上述一个实施例中描述的技术手段可应用于上述另一个实施例中，以得到一个新 的实施例，只要这些技术手段不相互矛盾。
[0022] 本发明藉由灰色关联分析技术，判断输入像素的比特率变化，以建立多质量背景 模型，因此可在具有可变比特率的视频串流中正确侦测移动物体；进一步藉由基于区块与 像素的两阶段侦测步骤，侦测移动物体，以产生二值化移动遮罩，因此可实现更完整与准确 的移动侦测；藉由熵的计算，侦测视频画面的亮度变化，以适时更新背景模型，因此可消除 亮度变化造成的影响；藉由提供设定界面供用户根据环境需求来设定侦测灵敏度，利用可 调的侦测灵敏度评估移动遮罩的错误侦测，因此可增加准确度与降低错误侦测。
【附图说明】
[0023] 下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0024] 图1为根据本发明一实施例的基于灰色关联分析的移动侦测方法的流程图。
[0025] 图2为根据本发明一实施例的建立多质量背景模型步骤的流程图。
[0026] 图3为根据本发明一实施例的基于区块与像素的两阶段侦测步骤的流程图。
[0027] 图4为根据本发明一实施例的侦测视频画面的亮度变化步骤的流程图。
[0028] 图5为根据本发明一实施例的评估移动遮罩的错误侦测步骤的流程图。
[0029] 图6为具有可变比特率的视频串流中复数视频画面上同一像素的亮度值的量测 图。
[0030] 标记说明：
[0031] B1、B2、B3 背景信号
[0032] Pl移动信号
[0033] Sl接收包括复数输入像素的视频画面
[0034] S2藉由灰色关联分析技术，判断输入像素的比特率变化，以建立多质量背景模型
[0035] S3藉由基于区块与像素的两阶段侦测步骤，侦测移动物体，以产生二值化移动遮 罩
[0036] S4藉由熵的计算，侦测视频画面的亮度变化，以适时更新背景模型
[0037] S5提供设定界面供用户设定侦测灵敏度，并据以评估移动遮罩的错误侦测
[0038] S21计算每一输入像素的像素值与对应的复数候选背景像素的像素值之间的欧几 里德距离
[0039] S22根据欧几里德距离，计算每一输入像素的像素值与对应的复数候选背景像素 的像素值之间的灰色关联系数
[0040] S23灰色关联系数中最小值是否小于或等于第一阈值
[0041] S231输入像素的比特率已改变，将输入像素加入作为候选背景像素
[0042] S232输入像素的比特率未改变
[0043] S31将视频画面分割成复数区块，针对每一区块，将区块中每一输入像素的像素值 与对应的复数候选背景像素的像素值之间的灰色关联系数中最大值加总，以产生关于区块 的灰色关联系数总和
[0044] S32灰色关联系数总和是否大于或等于第二阈值
[0045] S321区块为背景区块
[0046] S322区块为移动区块
[0047] S33每一移动区块中每一输入像素的像素值与对应的复数候选背景像素的像素值 之间的灰色关联系数中最大值是否大于或等于第三阈值
[0048] S331输入像素为背景像素
[0049] S332输入像素为移动像素
[0050] S34产生二值化移动遮罩
[0051] S41计算每一区块的灰色关联系数总和的熵，并加总以产生关于视频画面的熵总 和
[0052] S42视频画面与前一视频画面的熵总和的差值是否大于或等于第四阈值
[0053] S421视频画面有亮度变化，根据视频画面更新每一输入像素对应的候选背景像素
[0054] S422视频画面没有亮度变化
[0055] S51提供设定界面供用户设定侦测灵敏度
[0056] S52将移动遮罩中移动像素与背景像素的总数量除以移动遮罩的面积，以产生评 估值
[0057] S53评估值是否大于第五阈值与侦测灵敏度的乘积，第五阈值为预测为正的正像 素的预估数量除以移动遮罩的面积
[0058] S531存在错误侦测
[0059] S532不存在错误侦测。
【具体实施方式】
[0060] 请参见图1，图1为根据本发明一实施例的基于灰色关联分析的移动侦测方法的 流程图。在步骤Sl，接收视频串流，其中，视频串流包括复数视频画面，每一视频画面包括复 数输入像素。为了方便区别与说明，第t个视频画面可以标示为It，在第t个视频画面中位 置（X，y)的输入像素可以标示Sp t(X，y)。在本实施例中，使用YCbC;色彩空间，每一输入 像素 Pt (x，y)的色彩或像素值可以由亮度值（Y)、蓝色色差值（Cb)与红色色差值（(；）三个 变量所表示，另外，亮度值（Y)、蓝色色差值（C b)与红色色差值（(；）皆使用8个比特表示， 即其值为〇~255。
[0061] 在步骤S2,藉由灰色关联分析技术，判断输入像素的比特率变化，以建立多质量背 景模型。在本实施例中，如图2所示，图2为根据本发明一实施例的建立多质量背景模型步 骤的流程图，在步骤S21，计算每一输入像素 pt(X，y)的像素值与对应的复数候选背景像素 B(x，y)i~ B(x，y) ^勺像素值之间的欧几里德距离Δ (1)~Δ (M)，以公式表示如下：
[0062] A (k) = Il pt (x, y)-B(x, y)k ||
[0063] 其中，k为1~M任一整数。另外要说明的是，由于使用YCb(；色彩空间，因此每一 候选背景像素 B(x，5〇,的色彩或像素值同样由亮度值（Y)、蓝色色差值（Cb)与红色色差值 ((；)三个变量所表示。当欧几里德距离△ (k)越大，表示输入像素？1(1，y)与候选背景像 素 B(x，y)k之间的差异越大。下面将这个差异进行量化。
[0064] 在步骤S22,根据欧几里德距离Δ (k)，计算每一输入像素 pt (X，y)的像素值与对 应的复数候选背景像素 B (X，y) B (X，y)』勺像素值之间的灰色关联系数γ (p t (X，y)，B (X， y)D~γ (pt(x，y)，B(x，y)M)，以公式表示如下：
[0065]
[0066] 其中，k为I~M任一整数。另外，Δ_表示最小差值，Δ _表示最大差值。由 于亮度值（Y)、蓝色色差值（Cb)与红色色差值（(；）皆使用8个比特表示，即其值为0~ 255,因此六_与Δ _可以分别设为〇与255。另外，ξ表示分辨系数（distinguishing coefficient)，其介于0~1，在本实施例中，ξ设为0.2。当灰色关联系数y(p t(x，y)， B (X，y) k)越小，表示输入像素 pt (X，y)与候选背景像素 B (X，y) k之间的关联性越小，即差异 越大。
[0067] 在步骤 S23,判断灰色关联系数 γ (pt(x，y)，B(x，y)》~γ (pt(x，y)，B(x，y)M) 中最小值是否小于或等于第一阈值ε。若是，表示输入像素 Pt (X，y)与候选背景像素 B (x， y)i~ B(x，y) M之间都没什么关联性，则到步骤S231，判断输入像素 p t(x，y)的比特率已改 变，且将输入像素 Pt(X，y)的比特率变化判断值Vk设为1，而且，可以将输入像素 pt(x，y) 加入作为候选背景像素，藉此可以建立多质量背景模型。若否，表示输入像素 Pt(X，y)与某 个候选背景像素之间具有极大关联性，则到步骤S232,判断输入像素 Pt (X，y)的比特率未改 变，且将输入像素 Pt (x，y)的比特率变化判断值Vk设为0。上面叙述可以公式表示如下：
[0068]
[0069] 其中，k为1~M任一整数，第一阈值ε可设为〇. 6。
[0070] 在步骤S3,藉由基于区块与像素的两阶段侦测步骤，侦测移动物体，以产生二值化 移动遮罩。在本实施例中，如图3所示，图3为根据本发明一实施例的基于区块与像素的 两阶段侦测步骤的流程图，基于区块的侦测阶段包括步骤S31、S32、S321与S322。在步骤 S31，将视频画面1,分割成复数区块M (i，j)，在本实施例中，根据Η. 264视频编码所支持的 宏区块（MacroBlock)类型将视频画面It分割16X 16个区块，故i为1~16任一整数，j为 1~16任一整数。针对每一区块M(i，j)，将区块M(i，j)中每一输入像的像素 值与对应的复数候选背景像素 B (X，像素值之间的灰色关联系数γ (pt (X， YhB(X^)1)~γ (pt(x，y)，B(x，y)M)中最大值加总，以产生关于区块的灰色关联系数总和 S (i，j)，以公式表示如下：
[0071]
[0072] 其中，k为1~M任一整数。
[0073] 在步骤S32,判断灰色关联系数总和S(i，j)是否大于或等于第二阈值α。若是， 表示区块M(i，j)并不是移动区块，则到步骤S321，判断区块M(i，j)为背景区块，且将区块 M(i，j)的移动区块判断值R(i，j)设为0。若否，表示区块M(i，j)中有许多输入像素 pt(x， y)是移动物体的一部分，则到步骤S322,判断区块M(i，j)为移动区块，且将区块M(i，j)的 移动区块判断值R(i，j)设为1。上面叙述可以公式表示如下：
[0074]
[0075] 其中，第二阈值α可设为245。
[0076] 基于像素的侦测阶段包括步骤S33、S331、S332与S34。在步骤S33,针对每一移 动区块，判断移动区块中每一输入像素 Pt (X，y)的像素值与对应的复数候选背景像素 B (X， y) B (X，y) ^勺像素值之间的灰色关联系数γ (p t (X，y)，B (X，y) J~γ (pt (X，y)，B (X，y) μ)中最大值是否大于或等于第三阈值β。若是，表示这个输入像素 Pt (x，y)与某个候选背 景像素具有极大关联性，则到步骤S331，判断输入像素 pt(x，y)为背景像素。若否，表示这 个输入像素 Pt (X，y)与候选背景像素 B (X，y) B (X，y)斤卩没什么关联性，则到步骤S332， 判断输入像素 Pt (X，y)为移动像素。接着，在步骤S34,产生二值化移动遮罩BM，以公式表 示如下：
[0077]
[0078] 其中，k为1~M任一整数，第三阈值β可设为0.6。
[0079] 在步骤S4,藉由熵的计算，侦测视频画面的亮度变化，以适时更新背景模型。在 本实施例中，如图4所示，图4为根据本发明一实施例的侦测视频画面的亮度变化步骤的 流程图，在步骤S41，计算每一区块M(i，j)的灰色关联系数总和S(i，j)的熵，即_S(i，j) log (Sd⑴·北加泛W声出单平加蜥画而T的熵总和Et，以公式表示如下：
[0080]
[0081] 在步骤S42,判断视频画面仁的熵总和E ,与前一视频画面I t屈熵总和E t i的差 值是否大于或等于第四阈值μ。若是，表示视频画面It有突然的亮度变化，则到步骤S421， 判断视频画面I t有亮度变化，且将亮度变化判断值L t设为1。若否，则到步骤S422,判断视 频画面It没有亮度变化，且将亮度变化判断值L t设为0。上面叙述可以公式表示如下：
[0082]
[0083] 其中，第四阈值μ可设为0. 05。此外，在步骤S421，由于判断视频画面It有亮度 变化，因此可以根据视频画面It更新每一输入像素 P t (X，y)对应的候选背景像素 B (X，y) s， 以公式表示如下：
[0084] B (X，y) s= B (X，y) s+ P (pt (X，y) -B (X，y) s)
[0085] 其中，B(x，y)s为被更新的候选背景像素，B(x，y) s为更新后的候选背景像素 ，P 为预设参数。而被更新的候选背景像素 B(x，y)s可选自输入像素？1(1，7)的像素值与对应 的复数候选背景像素 B (Xd)1-B (x，y) ^勺像素值之间的欧几里德距离Δ (1)~Δ (M)中 最大值所对应的候诜背景像素，以公式表示如下：
[0086]
[0087] 在步骤S5,提供设定界面供用户设定侦测灵敏度，并据以评估移动遮罩的错误侦 测。在本实施例中，如图5所示，图5为根据本发明一实施例的评估移动遮罩的错误侦测步 骤的流程图，在步骤S51，提供设定界面供用户设定侦测灵敏度ds，设定界面例如是图形化 滑杆，而侦测灵敏度ds例如可在0~10之间进行调整。
[0088] 在步骤S52,将移动遮罩BM中移动像素与背景像素的总数量ndp除以移动遮罩BM 的面积，以产生评估值Ebm，以公式表示如下：
[0089]
[0090] 其中，ndp= p p+pn，pp为移动遮罩BM中移动像素的数量，p n为移动遮罩BM中背景 像素的数量，dimX与dimY分别为移动遮罩BM的宽与高。
[0091] 在步骤S53,判断评估值Ebm是否大于第五阈值δ与侦测灵敏度ds的乘积，其中， 第五阈值为预测为正的正像素 （true positive pixel)的预估数量Ω除以移动遮罩BM的 面积，以公式表示如下：
[0092]
[0093] 若是，即评估值Ebm大于乘积δ Xds，则到步骤S531，判断移动遮罩BM存在错误侦 测，且将错误警示判断值F设为1。若否，即评估值Ebm小于或等于乘积δ Xds，则到步骤 S532,判断移动遮罩BM不存在错误侦测，且将错误警示判断值F设为0。上面叙述可以公式 表示如下-
[0094]
[0095] 其中，预测为正的正像素的预估数量Ω可设为30X30。
[0096] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和 原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 基于灰色关联分析的移动侦测方法，其特征在于，其包括： 51) 接收视频画面，所述视频画面包括复数输入像素； 52) 建立多质量背景模型，其包括： 521) 计算每一所述输入像素的像素值与对应的复数候选背景像素的像素值之间的欧 几里德距离， 522) 根据所述欧几里德距离，计算每一所述输入像素的像素值与所述对应的复数候选 背景像素的像素值之间的灰色关联系数， 523) 判断所述灰色关联系数中最小值是否小于或等于第一阈值，若是则判断所述输入 像素的比特率已改变，并将所述输入像素加入作为候选背景像素，若否则判断所述输入像 素的比特率未改变； 53) 侦测移动物体，其包括： 531) 将所述视频画面分割成复数区块，针对每一区块，将所述区块中每一所述输入像 素的像素值与所述对应的复数候选背景像素的像素值之间的灰色关联系数中最大值加总， 以产生关于所述区块的灰色关联系数总和， 532) 判断所述灰色关联系数总和是否大于或等于第二阈值，若是则判断所述区块为背 景区块，若否则判断所述区块为移动区块， 533) 针对每一移动区块，判断所述移动区块中每一所述输入像素的像素值与所述对应 的复数候选背景像素的像素值之间的灰色关联系数中最大值是否大于或等于第三阈值，若 是则判断所述输入像素为背景像素，若否则判断所述输入像素为移动像素， 534) 产生二值化移动遮罩； 54) 侦测所述视频画面的亮度变化，其包括： 541) 计算每一区块的所述灰色关联系数总和的熵，并加总以产生关于所述视频画面的 熵总和， 542) 判断所述视频画面与前一视频画面的熵总和的差值是否大于或等于第四阈值，若 是则判断所述视频画面有亮度变化，并根据所述视频画面更新每一所述输入像素对应的候 选背景像素，若否则判断所述视频画面没有亮度变化； 55) 评估所述移动遮罩的错误侦测，其包括： 551) 提供设定界面供用户设定侦测灵敏度， 552) 将所述移动遮罩中所述移动像素与所述背景像素的总数量除以所述移动遮罩的 面积，以产生评估值， 553) 判断所述评估值是否大于第五阈值与所述侦测灵敏度的乘积，所述第五阈值为预 测为正的正像素的预估数量除以所述移动遮罩的面积，若是则判断存在错误侦测，若否则 判断不存在错误侦测。2. 根据权利要求1所述的基于灰色关联分析的移动侦测方法，其中，被更新的所述输 入像素对应的候选背景像素选自所述输入像素的像素值与所述对应的复数候选背景像素 的像素值之间的欧几里德距离中最大值所对应的候选背景像素。3. 根据权利要求1所述的基于灰色关联分析的移动侦测方法，其中，所述输入像素与 所述候选背景像素的像素值皆包括亮度值、蓝色色差值与红色色差值。4. 根据权利要求3所述的基于灰色关联分析的移动侦测方法，其中，所述亮度值、蓝色 色差值与红色色差值皆使用8个比特表示。5. 根据权利要求4所述的基于灰色关联分析的移动侦测方法，其中，所述第一阈值设 为 0.6〇6. 根据权利要求4所述的基于灰色关联分析的移动侦测方法，其中，所述第二阈值设 为 245。7. 根据权利要求4所述的基于灰色关联分析的移动侦测方法，其中，所述第三阈值设 为 0.6〇8. 根据权利要求4所述的基于灰色关联分析的移动侦测方法，其中，所述第四阈值设 为 0.05〇9. 根据权利要求1所述的基于灰色关联分析的移动侦测方法，其中，所述预测为正的 正像素的预估数量设为30X30,所述侦测灵敏度根据用户设定为0~10。10. 根据权利要求1所述的基于灰色关联分析的移动侦测方法，其中，所述复数区块为 16X16个区块。
【文档编号】H04N5/14GK106034195SQ201510115097
【公开日】2016年10月19日
【申请日】2015年3月16日
【发明人】黄士嘉, 陈柏豪, 焦名楷, 吴季庭, 梁家瑞
【申请人】冠捷投资有限公司