KR20030029104A - 이미지 정렬을 통한 움직임 검출 - Google Patents

Abstract

이미지의 픽셀들은, 각 픽셀 부근에서의 이미지의 구배에 기초하여, 정지 또는 움직이는 픽셀로 분류된다. 순차적인 두 이미지들 내의 대응하는 픽셀들의 값들이 비교된다. 픽셀 값들간의 차이가 픽셀 위치에 대한 이미지 구배보다 작거나 이미지 구배 이상의 주어진 임계값보다 작으면, 픽셀은 정지 픽셀로 분류된다. 픽셀 부근에서의 이미지 구배에 기초하여 각 팩셀을 분류함으로써, 오브젝트들의 에지들 또는 이미지 내 콘트라스트의 다른 영역들에서 움직임 검출 분류의 민감도가 감소되고, 따라서, 정지 픽셀들을 움직이는 픽셀들로 잘못 분류하는 것으로 인한 환영 아티팩트들의 발생을 최소화한다.

Description

이미지 정렬을 통한 움직임 검출{Motion detection via image alignment}

움직임 검출은 통상 일련의 이미지 프레임들 내에서 특정 오브젝트들을 추적하기 위해 사용된다. 예를 들어, 보안 시스템들은 하나 이상의 카메라들로부터의 이미지들을 처리하고 보안 영역들에의 잠재적인 침입자들을 자동으로 검출하며 침입자의 이동 경로에 기초하여 적절한 경보 통지들을 제공하도록 구성될 수 있다. 유사하게, 화상 회의 시스템들은 선택된 스피커를 자동으로 추적하도록 구성될 수 있고, 가정 자동화 시스템은 거주자들을 추적하여 각 거주자의 위치에 의존하여 조명들(lights)과 전기 장치들을 그에 대응하게 제어하도록 구성될 수 있다.

다양한 움직임 검출 기술들이 정적(static) 카메라들과 함께 사용하는데 이용될 수 있다. 정적 카메라로부터의 이미지는, 움직이는 오브젝트들이 동적 전경 이미지를 형성할 때 실질적으로 일정한 배경 이미지를 제공할 것이다. 고정된 시야에 의한 움직임-기반 추적은 꽤 간단한 처리이다. (2개의 연속하는 이미지들에서 동일한 값들로 식별되는) 배경 이미지는 무시되고, 개별적인 오브젝트들을 전경 이미지로 식별하기 위해 전경 이미지가 처리된다. 오브젝트 크기, 모양, 컬러 등과 같은 기준이 잠재적으로 관심있는 오브젝트들을 구별하는데 사용될 수 있고, 카메라로부터의 일련의 이미지들에서 프레임마다 동일한 오브젝트의 움직임을 추적하기 위해 패턴 매칭 기술들이 응용될 수 있다.

오브젝트 추적은 또한, 추적 시스템으로 하여금 조정 가능한 팬(pan), 틸트(tilt) 및/또는 줌 능력을 갖는 카메라들과 같은, 조정 가능한 시야를 갖는 하나 이상의 카메라들을 제어할 수 있도록 함으로써 더 개선될 수 있다. 예를 들어, 특정 세트의 기준에 따르는 오브젝트가 이미지 내에서 검출될 때, 카메라는 카메라의 시야 내에서 오브젝트를 유지하기 위해 조정된다. 다중-카메라 시스템에서, 추적 시스템은, 오브젝트가 취하는 경로에 기초하여, 카메라로부터 카메라로의 추적 처리를 "핸드-오프(hand-off)"하도록 구성될 수 있다. 예를 들어, 오브젝트가 방 문에 접근하면, 방 내부의 카메라는, 카메라의 시야가 방을 포함하고 방에 들어오는 오브젝트를 검출한 후 그 오브젝트를 계속 추적하도록 조정될 수 있다.

카메라의 시야가 조정됨에 따라, 배경 이미지가 움직이는 것으로 "나타나며(appear)", 따라서, 배경 오브젝트들의 분명한 움직임으로부터 전경 오브젝트들의 실제 움직임을 구별하기가 어렵게 된다. 카메라 제어가 추적 시스템에 연결되면, 이미지들은 시야를 변화함으로써 야기되는 분명한 움직임들을 보상하기 위해 전-처리될 수 있으며, 따라서, 전경 이미지 움직임의 식별이 가능하게 된다.

추적 시스템이 카메라의 시야 변화를 알지 못하면, 이미지들의 시퀀스 내에서 각 오브젝트의 움직임을 검출하고 카메라의 시야 변화에 의해 야기된 배경 오브젝트들의 분명한 움직임에 오브젝트들의 공통 움직임을 연관시키기 위해 이미지 처리 기술이 응용될 수 있다. 이 공통 움직임과는 다른 움직임들은 전경 이미지들을 형성하는 오브젝트들과 연관된다.

이미지 상에 카메라의 시야 변화가 발생할 영향을 추정하고 계산하기 위해 사용되는 기술과 무관하게, 움직임 검출은 통상적으로 순차적인 이미지들을 정렬하여, 정렬된 이미지들간의 변화를 검출함으로써 달성된다. 정렬 처리에 있어서의 부정확, 또는 순차적인 이미지들간의 불일치로 인해, 정지 배경 오브젝트들은 전경 오브젝트들이 움직이는 것으로 잘못 해석됨으로써 아티팩트들(artifacts)이 생성된다. 일반적으로, 이러한 아티팩트들은, 정렬된 두 이미지들간의 부정확 또는 불일치로 인해 오브젝트들의 에지들이 움직이는 것으로 보고됨으로써, 오브젝트들에 대한 "환영 이미지들(ghost images)"로서 나타난다. 이 환영들은 주어진 임계값 미만의 이미지들간의 차이들을 무시함으로써 감소될 수 있다. 임계값이 높으면 환영 이미지들은 실질적으로 제거될 수 있지만, 특히 오브젝트가 천천이 움직이거나 움직이는 오브젝트가 배경과 유사할 경우에, 높은 임계값은 오브젝트들의 실제 움직임을 놓치게 될 수 있다.

본 발명은 이미지 처리 분야에 관한 것으로, 특히, 연속하는 이미지들간의 움직임 검출에 관한 것이다.

도 1은 본 발명에 따른 이미지 처리 시스템의 예시적인 흐름도.

도 2는 본 발명에 따른 이미지 처리 시스템의 예시적인 블록도.

도 3은 본 발명에 따라 배경 픽셀들과 전경 픽셀들을 구별하기 위한 처리의 예시적인 흐름도.

본 발명의 목적은 연속하는 이미지들에서 움직이는 오브젝트와 정지 오브젝트들을 정확하게 구별하는 시스템 및 방법을 제공하는 것이다. 본 발명의 다른 목적은 정지 오브젝트들을 움직이는 오브젝트들로 분류하는 것을 최소화하는 시스템 및 방법을 제공하는 것이다. 본 발명의 다른 목적은 움직임 검출 방식에서 정지 오브젝트들에 관한 환영 이미지들의 생성을 방지하는 것이다.

상기 및 다른 목적들은, 각 픽셀 부근에서의 이미지 구배에 기초하여, 정지 또는 움직이는 것으로서 이미지의 픽셀들을 분류함으로써 달성된다. 순차적인 두 이미지 내의 대응하는 픽셀들의 값들이 비교된다. 이 값들간의 차이가 픽셀 위치에 관한 이미지 구배보다 작거나 이미지 구배 이상의 주어진 임계값보다 작으면, 픽셀은 정지된 것으로서 분류된다. 픽셀 부근에서의 이미지 구배에 기초하여 각 픽셀을 분류함으로써, 오브젝트들의 에지들 또는 이미지 내 콘트라스트의 다른 영역들에서 움직임 검출 분류 민감도가 감소됨으로써, 정지 픽셀들을 움직이는 픽셀들로 잘못 분류함으로써 야기되는 환영 아티팩트들의 발생을 최소화한다.

본 발명은 첨부 도면들을 참조하여 예시적으로 더 상세히 설명된다.

도면 전체에 걸쳐, 동일한 참조 부호들은 유사하거나 대응하는 특징들 또는 기능들을 나타낸다.

도 1은 본 발명에 따른 이미지 추적 시스템의 예시적인 흐름도를 도시한다. 입력 프레임들의 형태인 비디오 입력이 110에서 계속적으로 수신되어, 이미지 처리 루프(140 내지 180)를 통해 계속적으로 처리된다. 자동적이거나 수동 입력에 기초한 몇몇 지점에서, 120에서, 이미지 프레임들 내에서 목표가 추적을 위해 선택된다. 목표가 식별된 후에, 130에서 효과적인 처리를 위해 모델링된다. 블록 140에서, 블록 180에서 행해질 수 있는 임의의 카메라 조정을 고려하여 현재 이미지가 이전 이미지에 대해 정렬된다. 이미지 프레임들 내의 이전 및 이후 이미지들을 정렬한 후에, 150에서 프레임 내의 오브젝트들의 움직임이 결정된다. 일반적으로, 추적되고 있는 목표는 움직이는 목표이고, 독립적으로 움직이는 오브젝트들의 식별은 배경 디테일을 무시함으로써 목표 위치 결정의 효율성을 향상시킨다. 160에서, 목표에 대응하는 이미지의 일부분 또는 이미지에서의 움직이는 오브젝트들의 일부분을 식별하기 위해 컬러 매칭이 사용된다. 컬러 매칭 및/또는 크기, 모양 움직임 속도 등과 같은 다른 기준에 기초하여, 170에서, 이미지에서 목표가 식별된다. 통합된 보안 시스템에 있어서, 180에서, 목표의 추적은 일반적으로 추적을 용이하게 하기 위해 하나 이상의 카메라들을 제어하는 것을 포함한다.

이 기술분야에 숙련된 사람들에게 명백한 바와 같이, 특정 추적 시스템은 도 1의 예시적인 시스템(100)에 도시된 것보다 적거나 많은 기능 블록들을 포함할 수도 있다. 예를 들어, 특정 목표와 관련되지 않고 단지 움직임을 검출하도록 구성되는 시스템은 목표 선택 및 모델링 블록들(120, 130)과 컬러 매칭 및 목표 식별 블록들(160, 170) 어떠한 것도 포함할 필요가 없다. 대안적으로, 거짓-경보들을 최소화하기 위해서, 상기 시스템은 목표 모델링 블록 130에서 최소 크기 또는 특정 모양과 같은, 잠재적인 목표들의 "일반적인" 설명을 제공하고, 목표 식별 블록 170에서 상기 목표를 검출하도록 구성될 수도 있다. 마찬가지로, 일반적인 또는 특정모델링 파라미터들에 기초하여, 시스템은 특정 목표들 또는 목표 형태들을 무시하도록 구성될 수도 있다.

도시되지는 않았지만, 목표 추적 시스템(100)은 다른 동작들을 수행하도록 구성될 수도 있다. 예를 들어, 보안 응용에서, 추적 시스템(100)은 목표가 보안 구역에 들어갈 경우 청각 경보들을 활성화하거나, 원격 보안 단체에 경보를 전달하도록 구성될 수도 있다. 가정 자동화 응용에서, 추적 시스템(100)은 거주자의 움직임 경로 등에 의존하여 전기 장치 및 조명들을 켜거나 끄도록 구성될 수도 있다.

추적 시스템은 하드웨어 장치들 및 프로그램된 처리기들의 조합으로 구체화되는 것이 바람직하다. 도 2는 본 발명에 따른 이미지 추적 시스템(200)의 예시적인 블록도를 도시한다. 하나 이상의 카메라들(210)이 비디오 처리기(220)에 입력을 제공한다. 비디오 처리기(220)는 하나 이상의 카메라들(210)로부터의 이미지들을 처리하고, 목표를 식별하도록 구성된 경우, 시스템 제어기(240)의 제어 하에서 목표 특징들을 메모리(250)에 저장한다. 바람직한 실시예에서, 시스템 제어기(240)는 또한 카메라들(210)의 시야 제어를 용이하게 하고, 비디오 처리기(220)의 기능들을 선택한다. 상술된 바와 같이, 추적 시스템(200)은, 비디오 처리기(220)에 의해 제공되는 추적 정보에 기초하여, 카메라들(210)을 자동으로 제어할 수도 있다.

본 발명은 주로 도 1의 움직임 검출(150)과 관련된다. 종래에는 순차적인 두 이미지들 내의 대응하는 픽셀들의 값들이 움직임을 검출하기 위해 비교된다. 두 픽셀 값들간의 차이가 임계량 이상이면, 픽셀은 "전경 픽셀"로 분류된다. 즉,전경 정보를 포함하는 픽셀은 정지 배경 정보와는 다르다. 상술된 바와 같이, 카메라의 시야를 변화할 수 있으면, 변화된 시야에 의해 야기된 어떠한 명백한 움직임을 보상하기 위해 먼저 순차적인 이미지들이 정렬된다. 카메라의 시야가 정지된 상태이면, 이미지들은 정렬된 것으로 가정된다. 본 명세서에 참조로서 포함되는, 대응하는 미국 특허 출원 "팬-틸트-줌 카메라에 의한 움직임-기반 추적(Motion-based tracking with pan-tilt-zoom camera)"의 출원 번호 09/854043(2001년 5월 11일 출원, 미로스라브 트라즈코빅(Miroslav Trajkovic), 대리인 정리번호 US010240)은 카메라의 큰 시야 변화 및 작은 시야 변화에 적합한 2-단 이미지 정렬 처리를 설명한다. 이 계류중인 출원에서는 이미지들간의 거친(coarse) 정렬을 결정하기 위해 순차적인 두 이미지들의 저-해상도 표시가 사용된다. 이 거친 정렬에 기초하여, 이미지들간의 더 정확한 정렬을 결정하기 위해, 거칠게 정렬된 순차적인 두 이미지들의 고-해상도 표시들이 사용된다. 2-단 방법을 사용함으로써, 더 양호한 정렬이 이루어지는데, 이는 정지 배경에 대해 움직이는 전경 오브젝트들에 의해 도입될 수 있는 성향들이 실질적으로 제 2단 정렬로부터 제거되기 때문이다.

도 3은 본 발명에 따른 픽셀 분류 처리를 위한 예시적인 흐름도이다. 루프 310 내지 360은 이 예에서 한 쌍의 정렬된 이미지들(I1, I2) 내의 각 픽셀을 처리하도록 구성된다. 특정 응용들에서, 선택된 픽셀들은 처리를 위해 식별될 수 있고, 루프 310 내지 360은 그에 따라 조정될 수 있다. 예를 들어, 예측 움직임 검출 시스템에서, 처리는 목표의 예측 위치에 대한 영역으로 한정될 수도 있고, 한정된 액세스 지점들을 갖는 보안 영역에서는 처리가 초기에 문과 창문들에 대한 영역들로 한정될 수도 있다.

320에서, 제 1 이미지 내의 픽셀(p1) 값과 제 2 이미지 내의 픽셀(p2) 값 사이의 차이(T) 크기가 결정된다. 330에서, 이 차이(T)는 임계값과 비교된다. 차이(T)가 임계값(a)보다 작으면, 354에서 픽셀은 배경 픽셀로 분류된다. 블록 320 및 330은 픽셀을 배경 또는 전경으로 분류하기 위한 종래의 기술과 일치한다. 그러나, 종래의 시스템에서는 차이(T)가 임계값(a)보다 크면 픽셀은 전경 픽셀로서 분류된다. 차이(T)의 결정은 픽셀 값의 성분들에 의존한다. 예를 들어, 픽셀 값이 명도 값이면, 스칼라 뺄셈이 상기 차이를 제공한다. 픽셀 값이 컬러이면, 컬러-거리가 상기 차이를 제공한다. 픽셀들과 연관된 값들 사이의 차이들을 결정하기 위한 기술들은 종래의 기술과 공통적이다.

본 발명에 따라, 차이(T)가 임계값(a)보다 크면, 차이(T)는 픽셀을 전경 픽셀(352) 또는 배경 픽셀(354)로 분류하기 전에 다른 검사 350를 받게된다. 부가적인 검사 350은 차이(T)를 픽셀(p)에 대한 이미지 구배와 비교한다. 즉, 예를 들어, 픽셀 값이 휘도 또는 회색-스케일 레벨에 대응하면, 부가적인 검사 350은 두 이미지들 각각 내의 픽셀의 휘도 레벨을 픽셀의 영역에 포함된 휘도 변화와 비교한다. 두 이미지들간의 휘도 변화가 픽셀의 영역에서의 휘도 변화와 유사하거나 작으면, 두 이미지들간의 휘도 변화는 두 이미지들간의 정렬 오류에 의해 야기될 수도 있다. 픽셀에 대한 영역이 비교적 일정한 값이고, 다음 이미지가 임계 레벨 이상의 픽셀 값의 차이를 나타내면, 어떤 것은 상기 영역으로 이동될 수도 있다. 픽셀에 관한 영역이 높은 휘도 구배를 가지면, 새로운 이미지 내의 픽셀 값들의 변화들은 상기 영역으로 이동하는 어떤 것에 대응할 수도 있고, 또는 이미지의 정렬 오류에 대응할 수도 있으며, 이전의 인접한 픽셀 값은 이미지들 사이에서 그 위치를 조금 시프트한다. 배경 픽셀을 전경 픽셀로 잘못 분류하는 것을 방지하기 위해서, 이미지들간의 값의 차이가 실질적으로 이미지 정렬 오류로 인해 야기될 수 있는 변화들보다 크지 않으면, 픽셀은 전경 픽셀로 분류되지 않는다.

도 3의 예시적인 흐름도의 340에서, x축과 y축 각각에서 이미지 구배를 식별하기 위해 2-지점 미분이 사용된다. 구배 맵들을 생성하기 위해, 그렇지 않으면 이미지 내의 공간적 변화들을 식별하기 위해 대안적인 방법들을 이용할 수 있다. 위치 (x, y)에서 픽셀에 대한 예시적인 블록 340의 이미지 구배는 다음과 같이 결정된다.

dx = (p1(x-1, y) - p1(x+1, y))/2

dy = (p1(x, y-1) - p1(x, y+1))/2

상기 dx 및 dy 항들은 수평 축 및 수직 축 각각에서의 픽셀 값의 평균 변화에 대응한다. 이미지 구배의 대안적인 척도가 이 기술분야에서는 통상적이다. 예를 들어, 제 2 이미지 값들 p2(i, j)이 상기 식들에 사용될 수 있거나; 또는 이미지들 각각에서의 구배들의 평균에 기초하여 구배가 결정될 수 있거나; 또는 2개 이상의 지점들이 구배를 추정하는데 사용될 수 있다. 수평 및 수직 이외의 다른 방향에 따라 이미지 구배에 대응하는 다변수 구배 척도(multivariate gradient measures)가 사용될 수도 있다.

예시적인 검사 350은, 두 이미지들간의 픽셀 값의 변화(T)에서, 수평 축 및수직 축 각각의 픽셀 값의 평균 변화 크기의 합에 "정렬 오류 인자" r을 곱한 값을 빼서, 이미지 내의 변화에 대한 순차적인 이미지들간의 변화 척도를 제공한다(T-(|dx|+|dy|)*r). 정렬 오류 인자 r은, 사용된 특정 정렬 시스템에 의존하여 환경 조건들이 발생할 수도 있는 정렬 오류 정도의 추정치이다. 매우 적은 정렬 오류가 예측되면, r의 값은 1보다 작은 값으로 설정되고, 따라서 순차적인 이미지들간의 근소한 차이들(T)에 민감도를 제공한다. 큰 정렬 오류가 예측된다면, r의 값은 1보다 큰 값으로 설정되고, 따라서, 정렬 오류로 인한 잘못된 움직임 검출 가능성을 감소한다. 바람직한 실시예에서, 정렬 오류 인자는 1의 디폴트 값을 갖고, 특정 상황 요건들에 따라 사용자가 조정할 수 있다.

이미지 구배 (T-(|dx|+|dy|)*r)에 대한 순차적인 이미지들간의 픽셀 값들의 변화는 임계 레벨(a)과 비교된다. 상대적인 변화가 임계 레벨보다 작으면, 354에서 픽셀은 배경 픽셀로 분류되고, 상대적인 변화가 임계 레벨보다 크면, 352에서 픽셀은 전경 픽셀로 분류된다. 즉, 본 발명에 따라, 정렬된 순차적인 두 이미지들 내의 대응하는 픽셀들의 값 변화가 임계량만큼 이미지들 내의 픽셀 값 변화 척도보다 크면, 픽셀은 정지 배경 이미지 요소들을 포함하는 픽셀들과 구별될 수 있는 전경 픽셀로서 분류된다. 검사 350에서의 임계 레벨은 검사 330에서 사용된 것과 동일한 임계 레벨일 필요는 없으며, 또한 양의 값으로 제한되지 않는다는 것을 유념해야 한다. 이 기술분야에 숙련된 사람들에게 명백한 바와 같이, 정렬 오류 인자와 임계 레벨은 배경 및 전경 픽셀들을 구별하기 위한 다른 기준을 수행하기 위해 다양한 형태들로 조합될 수도 있다. 검사 350의 관점에서, 검사 330은 분명히 불필요한 것이다. 이미지들간에 약간의 변화가 있거나 변화가 없는 픽셀들에 대한 이미지 구배를 계산하는 것(340)을 피하기 위해, 바람직한 실시예에는 검사 330이 포함된다.

이미지 구배 척도의 결정에 따라, 적용될 수 있는 대안적인 검사들(350)이 존재한다. 예를 들어, 변화(T)는 합 보다는 각 축에서의 최대 구배와 비교될 수도 있다. 유사하게, 기준은, T를 ("각 축의 최대 구배보다 20% 더 큰") 구배 척도 인자와 비교하는 것과 같은 관련된(또는 표준화된) 비교일 수도 있다. 이미지들간의 픽셀 값의 차이를 이미지 내의 픽셀 값들의 차이와 비교하기 위한 상기 및 다른 기술들은 이 기술분야에 숙련된 사람들에게 명백할 것이다.

상술된 설명은 단지 본 발명의 원리들을 설명하는 것이다. 따라서, 이 기술분야에 숙련된 사람들은 본 명세서에 명시적으로 기술되거나 도시되지 않더라도 다음 청구범위의 사상과 범위 내에서 본 발명의 원리들을 구체화하는 다양한 장치들을 고안할 수 있다.

Claims (17)

1. 이미지들의 시퀀스에서 움직임을 식별하는 방법에 있어서:

   - 제 1 이미지 내의 픽셀과 제 2 이미지 내의 대응하는 픽셀간의 픽셀 값 차이를 결정하는 단계,

   - 상기 픽셀 부근에서 이미지 구배 척도(image gradient measure)를 결정하는 단계, 및

   - 상기 픽셀 값 차이 및 상기 이미지 구배 척도에 기초하여 상기 픽셀을 정지 픽셀로 분류하는 단계를 포함하는, 움직임 식별 방법.
2. 제 1 항에 있어서,

   상기 픽셀 값 차이를 규정된 임계 레벨과 비교하는 것에 기초하여 상기 픽셀을 정지 픽셀로 분류하는 단계를 더 포함하는, 움직임 식별 방법.
3. 제 1 항에 있어서,

   상기 이미지 구배 결정 단계는,

   - 상기 픽셀의 좌우 픽셀들간의 픽셀 값들의 제 1 평균 변화를 결정하는 단계, 및

   - 상기 픽셀의 상하 픽셀들간의 픽셀 값들의 제 2 평균 변화를 결정하는 단계를 더 포함하는, 움직임 식별 방법.
4. 제 1 항에 있어서,

   상기 제 1 이미지 및 상기 제 2 이미지를 정렬하는 단계를 더 포함하는, 움직임 식별 방법.
5. 제 1 항에 있어서,

   상기 픽셀 값 차이와 상기 이미지 구배 척도간의 차이가 규정된 임계 레벨보다 클 경우, 상기 픽셀을 비-정지 픽셀로 분류하는 단계를 더 포함하는, 움직임 식별 방법.
6. 제 1 항에 있어서,

   상기 픽셀 분류 단계는 또한 상기 제 1 및 제 2 이미지들간의 정렬 오류(misalignment) 추정에 대응하는 정렬 오류 인자에 기초하는, 움직임 식별 방법.
7. 처리기를 포함하는 움직임 검출 시스템에 있어서:

   상기 처리기는,

   - 제 1 이미지 내의 픽셀과 제 2 이미지 내의 대응하는 픽셀간의 픽셀 값 차이를 결정하고,

   - 상기 픽셀 부근에서 이미지 구배 척도를 결정하며,

   - 상기 픽셀 값 차이 및 상기 이미지 구배 척도에 기초하여 상기 픽셀을 정지 데이터로 분류하도록 구성되는, 움직임 검출 시스템.
8. 제 7 항에 있어서,

   상기 처리기는 또한, 상기 픽셀값 차이를, 규정된 임계 레벨 및 상기 제 1 및 제 2 이미지들간의 정렬 오류 정도에 대응하는 정렬 오류 인자에 의존하는 임계 레벨 중 적어도 하나와 비교하는 것에 기초하여, 상기 픽셀을 정지 또는 움직이는 데이터로 분류하도록 구성되는, 움직임 검출 시스템.
9. 제 7 항에 있어서,

   상기 처리기는,

   - 상기 픽셀의 좌우 픽셀들간의 픽셀 값들의 제 1 평균 변화를 결정하고,

   - 상기 픽셀의 상하 픽셀들간의 픽셀 값들의 제 2 평균 변화를 결정함으로써, 상기 이미지 구배를 결정하도록 구성되는, 움직임 검출 시스템.
10. 제 7 항에 있어서,

    상기 처리기는 또한 상기 제 1 이미지 및 제 2 이미지들을 정렬하도록 구성되는, 움직임 검출 시스템.
11. 제 7 항에 있어서,

    상기 처리기는, 상기 픽셀 값 차이와 상기 이미지 구배 척도간의 차이가 규정된 임계 레벨보다 클 경우, 상기 픽셀을 움직이는 데이터로 분류하는, 움직임 검출 시스템.
12. 제 7 항에 있어서,

    상기 제 1 및 제 2 이미지들을 제공하도록 구성되는 하나 이상의 카메라들을 더 포함하는, 움직임 검출 시스템.
13. 컴퓨터 프로그램에 있어서,

    처리기에 의해 실행될 때, 상기 처리기로 하여금,

    - 제 1 이미지 내의 픽셀과 제 2 이미지 내의 대응하는 픽셀간의 픽셀 값 차이를 결정하고,

    - 상기 픽셀 부근에서 이미지 구배 척도를 결정하며,

    - 상기 픽셀 값 차이 및 상기 이미지 구배 척도에 기초하여 상기 픽셀을 정지 또는 움직이는 데이터로 분류하도록 하는, 컴퓨터 프로그램.
14. 제 13 항에 있어서,

    상기 처리기로 하여금, 상기 픽셀 값 차이를, 규정된 임계 레벨 및 상기 제 1 및 제 2 이미지들간의 정렬 오류 정도에 대응하는 정렬 오류 인자에 의존하는 임계 레벨 중 적어도 하나와 비교하는 것에 기초하여, 상기 픽셀을 정지 또는 움직이는 데이터로 분류하도록 하는, 컴퓨터 프로그램.
15. 제 13 항에 있어서,

    상기 이미지 구배는,

    - 상기 픽셀의 좌우 픽셀들간의 픽셀 값들의 제 1 평균 변화를 결정하고,

    - 상기 픽셀의 상하 픽셀들간의 픽셀 값들의 제 2 평균 변화를 결정함으로써 결정되는, 컴퓨터 프로그램.
16. 제 13 항에 있어서,

    상기 처리기로 하여금 상기 제 1 이미지 및 제 2 이미지들을 정렬하도록 하는, 컴퓨터 프로그램.
17. 제 13 항에 있어서,

    상기 처리기로 하여금, 상기 픽셀 값 차이와 상기 이미지 구배 척도간의 차이가 규정된 임계 레벨보다 클 경우, 상기 픽셀을 움직이는 데이터로 분류하도록 하는, 컴퓨터 프로그램.