傳統(tǒng)影像移動偵測系統(tǒng)采用類比訊號來偵測，藉由攝影機輸入的監(jiān)視影像區(qū)分出各影像區(qū)塊的亮度差異，如果辨識出該時段亮度與原始設定不同，警報便會啟動。

此類產品目前仍在市面上流通，但以室內應用為主。室外偵測距離遠，且光線環(huán)境不固定，而例如飛鳥、云影、樹影、風勢過大引起攝影機搖晃，甚至大雨、冰雪等氣候影響，都可能引起誤報，因此此類產品并不適用於室外。

因此，為了應付艱困的室外環(huán)境，我們需要更復雜的影像處理技術，而拜數位技術的發(fā)展之賜，廠商可以提供更精確的影像偵測產品。

雖然數位影像移動偵測系統(tǒng)同樣以「辨別特定時間內，影像設定范圍的亮度變化」為原理，然而數位系統(tǒng)強調判定入侵者的行動（移動方向、位置）以及景物光照的差異性。更甚者，最新的設備具備學習功能，可自動判定背景改變的狀態(tài)，加入環(huán)境變數以提升準確率。\r\n

測量程序
室外影像偵測的測量步驟，是將影像切割成數個不連續(xù)部分，測定這些影像部分在各時段內的光線變化，然後辨別出這些變化究竟是導因於天氣轉換或是物體移動。

一般而言，切割影像的方式有以下幾種∶

- 畫素分割（pixel division）∶將影像分割成
非常小的圖畫成分(畫素)，可以有百萬個區(qū)塊；

- 小區(qū)塊分割（small-cell division）∶將影像
分隔為幾百個或幾千個等比大小或不同大小的
區(qū)塊；

- 大區(qū)塊分割（large-cell division）∶將影像
分為百來個不同大小的區(qū)塊。

由於畫素分割方式會獲得相當多的影像資訊，因此需要大量的電腦演算資源進行辨別。而大區(qū)塊分割的方式雖不會造成電腦資源的負擔，但由於提供的影像資訊較少，因此不容易區(qū)分出大環(huán)境的變化。因此，采用小區(qū)塊分割方式既可獲得足夠的影像識別資訊，也不用擔心造成電腦演算負荷，可說是最適合的區(qū)分方式。


光線改變的差異性
為了達到「只有當物體移動時才產生警報」的目標，系統(tǒng)必須辨別出「物體移動」與「自然天候」、「攝影機光圈調整」的光線差異。

進行室外影像偵測時，必須考慮到景物影像的照度是否足夠，以及光線強度多變的問題。這表示，當入侵者進入攝影畫面時，若當時光線昏暗，影像移動的光影便不明顯；然而若當時光線足夠，或具有較好的光照環(huán)境，便可明顯看出移動影像的光線變化。如果影像移動偵測僅僅比較與預設光影值的差異，作為發(fā)現(xiàn)入侵者的依據，則在光線不足的地方會無法使用，而過亮的地方則會過度敏感。

部分系統(tǒng)具備彈性調整功能，使得安裝工程商可依據實地環(huán)境設定警報發(fā)送時的光線變化參數。不過，當太陽改變位置，也會使得監(jiān)看畫面地點的大樓、街樹的陰影改變位置，使得此功能在白天無法有效發(fā)揮作用。

較好的做法，是計算景物對比變化，并以這些數據辨別是否為入侵者移動。對大多數的景物來說，入侵者移動所產生的對比改變與現(xiàn)場景物的光影變化是兩個不同的參數。

為了提供準確度高的室外影像移動偵測功能，必須控制好各種室外環(huán)境變化，包括照度以及環(huán)境光源轉變等因素。由於影像照度不斷地改變，因此只要不同的影像區(qū)塊出現(xiàn)變化，簡易式的影像移動偵測系統(tǒng)便會觸發(fā)報警，而產生誤報。而較復雜的系統(tǒng)便會根據整體的影像動作變化區(qū)別，以維持最佳的偵測狀態(tài)而降低誤報。


辨識程序
目前市場上有兩個較普遍使用的辨識方式，一個是以物體大小進行偵測，然後觀察一段時間內的移動歷程與空間大小，以推斷持續(xù)的移動方位。

有效的物體尺寸辨別可大幅減少因小動物或風沙吹襲所產生的誤報，免除簡易式影像移動偵測設備的缺點。另外，物體移動偵測要特別注意一點∶當入侵者接近攝影機時，物體尺寸會比遠離攝影機要大。

畫素分割式測量提供非制式物體大小辨識。辨識各種物體尺寸技術，可提供測量程序一個依據準則。測量步驟從計算個別亮度改變的總畫素到受影響的群組畫素、全景畫素，以呈現(xiàn)判斷出可能的入侵者影像。

單純利用陰影以及尺寸大小資訊，可能會因為監(jiān)視畫面出現(xiàn)人形大小的動物而觸發(fā)警報。因此，這種方式可能太過於簡單而容易被破解。但從實際應用面來說，采用最小物體大小測量并搭配操作人員應用視覺識別條件與行為觀察，可有效辨別出警報成因。


移動識別
即使增加了上述的各項復雜功能，由於無法有效辨識現(xiàn)場如電燈開啟與移動目標物之間的光線改變，目前的影像移動偵測仍無法提供使用者良好的室外應用效能。因此必須建立一套依時間紀錄的歷程運算方式，以正確指出是否為物體移動。

簡單式影像移動偵測系統(tǒng)只采用所需的預設時間資訊，這種事件計算系統(tǒng)可改善單一事件紀錄的不良點，但不提供移動證據，而且容易被固定式閃光燈所或其他方式所欺騙而產生誤報。

其他系統(tǒng)可允許使用者同時設定幾個預警以及警報區(qū)域。區(qū)域偵測順序是先測定預警區(qū)域的物體，以及在規(guī)定時間內物體在警報區(qū)內的位置；如此一來，即可獲知物體的移動方位。然而，如果希望能獲得良好的結果，這套系統(tǒng)通常需要精心設定，而非一個簡單使用的系統(tǒng)。
需要更高難度的計算程序是采用物體追蹤演算法。藉由這些復雜的程式，可從中了解物體尺寸的相關性，以推測出移動的歷程是經常性的干擾或暫時性的突發(fā)事件。

事實上，一套好的多重物體追蹤系統(tǒng)應該可以區(qū)分搖晃與移動物體的不同，單獨追蹤每個物體，并在最小移動范圍內發(fā)出警報。甚至，追蹤系統(tǒng)應該自動提供追蹤後的計算結果，包括物體移動的時間、地點歷程，以計算出移動速率。


學習技術
新一代的影像移動偵測產品更加入學習技術，以強化大范圍偵測效能，而安裝人員不須具備專業(yè)設定技巧。學習程序會持續(xù)不斷地進行，以應用於不斷改變的環(huán)境，提供更好的偵測能力、降低誤報率。

以上提到的技術皆依賴測量各時段內光線的差異性，如此一來便不需要固定辨識物體移動的能力。不論是在景物中永久不變的物體、景物自身的移動或是逐漸移入畫面中的新物體，他們可以藉由物體追蹤歷程，從一個大范圍的影像移動或從復雜的成因推斷，進而觸發(fā)警報。

另有一種非主流的方式，使被偵測到的物體移動與學習畫面架構相互關聯(lián)。藉由這些方式，偵測器可更有效地區(qū)分出非入侵的行為例如攝影機震動、物體搖晃或陰影，以及實際入侵物體。

我們可以這樣認為，一個實用的系統(tǒng)應該可以自動識別環(huán)境情況改變，并能藉由偵測程序辨別物體移動，在某些特殊情況下可有效降低誤報率。

而環(huán)境學習技術提供更好的天候辨識效能，不論是大雪天或云層快速移動等，可根據環(huán)境變遷而調整，使得影像偵測程序更有效地進行。


雙重感應
即使技術如此發(fā)達，但如果可能的話，安防系統(tǒng)應該根據現(xiàn)場情況，采用一種以上的感應技術，以提供更好的偵測控制，杜絕誤報。

例如，搭配被動式紅外線偵測器，當感應到人類溫度時，便可啟動影像移動偵測。紅外線偵測器藉由發(fā)出輻射式的紅外線接收屏幕，重疊在采用光學濾光片攝影機的可視角，使得影像移動偵測系統(tǒng)在人類紅外線波長的范圍獲得最大感應度。

結合這兩種感應技術也具備經濟的安裝成本。兩者設備只需要單點安裝，單點安裝互補了兩者技術在圍籬系統(tǒng)(perimeter systems)上的不足，也同時提供了監(jiān)控與防盜功能。