SE519285C2

SE519285C2 - Detecting movement by calculating difference image and filtering to straighten detected object edges

Info

Publication number: SE519285C2
Application number: SE0102244A
Authority: SE
Inventors: Per Nilsson-Stig
Original assignee: Wespot Ab
Priority date: 2001-06-25
Filing date: 2001-06-25
Publication date: 2003-02-11
Also published as: SE0102244D0; SE0102244L

Abstract

Method consists in recording an image of the monitored area, calculating a difference image between it and a previously recorded image and identifying an object appearing in the difference image to determine whether movement has been detected. A high pass filter passing frequencies peculiar to a direction filters the difference image to straighten the edges of the object in that direction. There are Independent claims for: (1) A computer program for detecting movement (2) A system for monitoring an area

Description

25 30 35 519 285 2 värde strax över normal brusnivà, så att det inte uppstår en stor mängd falska detektioner p g a brus. 25 30 35 519 285 2 value just above the normal noise level, so that a large amount of false detections due to noise does not occur.

Under goda ljusförhållanden och om rörelsen som ska detekteras är tillräckligt tydlig, så är en traditionell differensbildsmetod oftast tillräcklig. Om scenen däremot är mörk, vilket den ofta är i övervakningssituationer, och med en mörkklädd person som rör sig långsamt samt kanske på stort avstånd, så kan rörelsen lätt förväxlas med brus och kommer inte att detekteras med en vanlig tröskeloperation. Ett konkret exempel är när kontrasten mellan personen och bakgrunden är mindre än tröskelvär- det. att upptäckas.Under good lighting conditions and if the movement to be detected is sufficiently clear, a traditional difference imaging method is usually sufficient. If, on the other hand, the scene is dark, as it often is in surveillance situations, and with a dark-clad person moving slowly and perhaps at a great distance, the movement can easily be confused with noise and will not be detected with a normal threshold operation. A concrete example is when the contrast between the person and the background is less than the threshold value. to be discovered.

I sådana situationer kommer personen normalt aldrig Detta medför att traditionell närtids- differens inte kan användas i situationer med dålig be- lysning och/eller höga brusnivåer.In such situations, the person will normally never come. This means that traditional near-term difference cannot be used in situations with poor lighting and / or high noise levels.

Ett annat sätt att detektera rörelse i en bild- sekvens är att använda s k optiskt flöde, se exempelvis B.K.P. Horn, The MIT Press, Cambridge, MA, 1986. Detta är nära relaterat till närtidsdifferens då optiskt flöde definieras genom derivatorna i verti- kal-, sekvensen. Derivatorna i tidsled måste approximeras med "Robot Vision", horisontal- samt tidsled av intensiteterna i bild- differenser, vilket i sin enklaste form är en närtids- differens. Den traditionella användningen av optiskt flöde i datorseende är att använda dessa derivator, som definierar det optiska flödet, till att skatta rörelse- fältet i bilden. Rörelsefältet definierar hur olika 3D- punkter rör sig i bildplanen. Denna algoritm baserar sig på förutsättningen att scenen är stationär och att kame- ran rör sig eller tvärt om. Detta medför att metoden inte kan användas för övervakning.Another way to detect motion in an image sequence is to use so-called optical flux, see for example B.K.P. Horn, The MIT Press, Cambridge, MA, 1986. This is closely related to near-term difference as optical flux is defined by the derivatives in the vertical sequence. The derivatives in time must be approximated with "Robot Vision", horizontal and time of the intensities in image differences, which in its simplest form is a near-time difference. The traditional use of optical flow in computer vision is to use these derivatives, which define the optical flow, to estimate the field of motion in the image. The motion field defines how different 3D points move in the image plane. This algorithm is based on the assumption that the stage is stationary and that the camera moves or vice versa. This means that the method cannot be used for monitoring.

Om man använder optiskt flöde i form av derivator i rums- och tidsled, är detta ekvivalent med att göra en närtidsdifferens, varför samma nackdelar kvarstår. Om man använder den traditionella algoritmen för skattning av rörelsefältet från optiskt flöde (vilket är felaktigt, men utjämnar informationen från flera bildpunkter i 10 15 20 25 30 35 519 285= ou.If you use optical flow in the form of a derivative in space and time, this is equivalent to making a near-term difference, so the same disadvantages remain. If one uses the traditional algorithm for estimating the field of motion from optical flow (which is incorrect, but equalizes the information from several pixels in 10 15 20 25 30 35 519 285 = ou.

Ququn; n. n 3 bilden och ger ett mindre bruskänsligt resultat), finns det andra nackdelar. För det första är algoritmen ganska komplex och tidskrävande, vilket gör att det inte går att använda den i realtidstillämpningar, som är mycket vik- tiga för ett övervakningssystem. För det andra baseras algoritmen på felaktiga förutsättningar (stationär scen), vilket gör resultaten svårtolkade.Ququn; n. n 3 image and gives a less noise-sensitive result), there are other disadvantages. First, the algorithm is quite complex and time-consuming, which means that it cannot be used in real-time applications, which are very important for a monitoring system. Secondly, the algorithm is based on incorrect conditions (stationary scene), which makes the results difficult to interpret.

En annan metod för att detektera rörelse i bild- sekvenser är s k normaliserat vektoravstånd, NVD (Normalized Vector Distance), Vilket baseras på jäm- förelse med en referensbild, se Matsuyama et al. (2000) Background subtraction for non-stationary scenes, In Proceedings of the 4th Asian conference on computer vision. I stället för att jämföra aktuell bild direkt med referensbilden, delas bilderna in i block vanligtvis av storleken 8x8 bildpunkter. Intensiteterna i dessa bild- punkter bildar en vektor, och dessa vektorer jämförs genom att vektoravstàndet efter normalisering analyseras.Another method for detecting motion in image sequences is so-called normalized vector distance, NVD (Normalized Vector Distance), which is based on comparison with a reference image, see Matsuyama et al. (2000) Background subtraction for non-stationary scenes, In Proceedings of the 4th Asian conference on computer vision. Instead of comparing the current image directly with the reference image, the images are usually divided into blocks of the size 8x8 pixels. The intensities of these pixels form a vector, and these vectors are compared by analyzing the vector distance after normalization.

Detta är i stort sett ekvivalent med att betrakta vinkeln mellan dem. Förfarandet används för att proportionellt lineära intensitetsförändringar i bilden inte skall påverka detektionen.This is roughly equivalent to looking at the angle between them. The method is used so that proportional linear intensity changes in the image do not affect the detection.

Ett problem med att använda NVD är att rörelsedetek- tionen blir okänslig. Detta beror på att metoden slätar ut informationen för mycket genom att behandla bilden blockvis. Om exempelvis två händelser sker i ett block, kan dessa jämna ut varandra och ej slå igenom. Eftersom metoden väger ihop allt i blocket, blir informationen i blocket inte så detaljerad. Dessutom beror okänsligheten vid rörelsedetektionen på att man jämför en registrerad bild med en referensbild och inte med en föregående registrerad bild. Kanter till objekt som rör sig i bilden framstår tydligare vid närtidsdifferens än i en jämförel- se med referensbild. Ytterligare en nackdel är att man måste uppdatera referensbilden, när scenen ändras perma- nent. Detta inträffar till exempel om en blomkruka ramlar ...qu- 1 u annou- 10 15 20 25 30 35 ned. Om inte referensbilden uppdateras, fär man en rö- relsedetektion hela tiden trots att scenen är stationär.One problem with using NVD is that the motion detection becomes insensitive. This is because the method flattens the information too much by processing the image block by block. For example, if two events occur in a block, these can even out each other and not break through. Because the method weighs everything in the block, the information in the block is not so detailed. In addition, the insensitivity of the motion detection is due to comparing a registered image with a reference image and not with a previous registered image. Edges of objects moving in the image appear clearer in the near-term difference than in a comparison with the reference image. Another disadvantage is that you have to update the reference image, when the scene changes permanently. This occurs, for example, if a flowerpot falls ... qu- 1 u annou- 10 15 20 25 30 35 down. If the reference image is not updated, you get a motion detection all the time even though the scene is stationary.

Sammanfattning av uppfinningen Ett ändamål med föreliggande uppfinning är att till- handahàlla ett förfarande för rörelsedetektion med hög detektionskänslighet.SUMMARY OF THE INVENTION An object of the present invention is to provide a method for motion detection with high detection sensitivity.

Enligt en första aspekt av uppfinningen avser denna ett förfarande vid bildbehandling för detektion av rö- relse i ett övervakningsomràde innefattande stegen att registrera en bild av övervakningsomràdet, beräkna en differensbild mellan den registrerade bilden och en tidi- gare registrerad bild, besluta huruvida rörelsedetektion föreligger genom att identifiera ett i differensbilden framträdande objekt, och filtrera differensbilden med ett filter som har egenskapen att förstärka objektets kanter i en riktning.According to a first aspect of the invention, it relates to a method in image processing for detecting motion in a monitoring area comprising the steps of registering an image of the monitoring area, calculating a difference image between the recorded image and a previously recorded image, deciding whether motion detection exists by to identify an object that appears in the difference image, and filter the difference image with a filter that has the property of reinforcing the edges of the object in one direction.

En sensor kan vara anordnad att kontinuerligt registrera bilder av ett övervakningsomràde. Tiden mellan varje registrerad bild kan vara beroende av hur mycket processorkraft som finns tillgänglig och vilka typer av rörelser som förekommer i övervakningsomràdet.A sensor may be arranged to continuously record images of a monitoring area. The time between each recorded image may depend on how much processing power is available and the types of movements that occur in the monitoring area.

I uppfinningen används närtidsdifferensbilder, dvs den registrerade bilden jämförs med en nära i tiden registrerad bild. I dessa bilder ses en förflyttning i huvudsak som ett par ”rörelsekonturer”, en i framkant och en i bakkant av förflyttningen. Om personen förflyttar sig mot kameran, syns storlekstillväxten som en horison- tell ”förflyttning” pà båda sidor om personen, eftersom perspektiveffekterna gör att personen blir större i bilden. Detta medför fördelen att samma algoritm även kan användas för att detektera rörelser i riktning mot eller frän sensorn. Förfarandet enligt uppfinningen möjliggör att man kan ställa in önskad riktning, dvs vertikalled eller horisontalled, i vilken man vill förstärka kanter.In the invention, near-time difference images are used, ie the registered image is compared with an image recorded close in time. In these images, a movement is mainly seen as a pair of "movement contours", one at the front edge and one at the back edge of the movement. If the person moves towards the camera, the size growth is seen as a horizontal “movement” on both sides of the person, as the perspective effects make the person larger in the image. This has the advantage that the same algorithm can also be used to detect movements in the direction of or from the sensor. The method according to the invention makes it possible to set the desired direction, ie vertical joint or horizontal joint, in which one wants to reinforce edges.

Filtreringen resulterar i att intensitetsvariationer förstärks och blir tydligare i en riktning. Pä sä sätt detekteras kanter tydligare. Med kanter menas kanter runt n anno.. 10 15 20 25 30 35 A519 285 n~nneu o u 5 ett föremäl i rörelse, också kan synas om en rörelse sker intill bordskanten. även om exempelvis en bordskant Kanterna runt en person i rörelse kan pà vissa delar synas som tjocka linjer. Tjockleken pà linjerna kan mot- svara den sträcka som det detekterade föremålet rört sig sedan den tidigare registrerade bilden. Även andra skarpa linjer i det detekterade objekt framträder tydligare.The filtering results in intensity variations being amplified and becoming clearer in one direction. In this way, edges are detected more clearly. By edges is meant edges around n anno .. 10 15 20 25 30 35 A519 285 n ~ nneu o u 5 an object in motion, can also be seen if a movement takes place next to the table edge. even if, for example, a table edge The edges around a person in motion may in some parts appear as thick lines. The thickness of the lines can correspond to the distance that the detected object has moved since the previously registered image. Other sharp lines in the detected object also appear more clearly.

En fördel med att denna information förstärks är att risken för att missa viktig information i den registre- rade bilden minskar. bildbehandlingen underlättas p g a att den intressanta Detta medför att beslut om informationen förstärks. huruvida ett larmtillstànd föreligger eller inte blir säkrare och risken för fellarm minskar. Vid exempelvis inbrottsövervakning är detta viktigt eftersom varje fellarm är mycket kostsamt. Vid vissa typer av övervak- ning är det ocksà mycket viktigt att inget objekt undgàr detektering, sàdant inträffar.An advantage of this information being amplified is that the risk of missing important information in the registered image is reduced. image processing is facilitated due to the fact that the interesting This means that decisions about the information are strengthened. whether an alarm condition exists or not becomes more secure and the risk of false alarms is reduced. For example, in burglary surveillance, this is important because each false alarm is very costly. In certain types of surveillance, it is also very important that no object avoids detection, as this occurs.

En annan fördel är att bildbehandlingen kräver mindre komplexa algoritmer för den fortsatta behand- lingen, detekterat objekt föreställer. och att det blir lättare att avgöra vad ett En tredje fördel med detta förfarande är att det erbjuder en säkrare detektion av långsamma rörelser och rörelser i mörka scener, mellan föremålet/personen som rör sig och bakgrunden.Another advantage is that the image processing requires less complex algorithms for the further processing, detected object represents. and that it becomes easier to determine what a A third advantage of this procedure is that it offers a more secure detection of slow movements and movements in dark scenes, between the object / person moving and the background.

Speciell koncentration läggs pà att upptäcka människor som rör sig genom att utnyttja en människas typiska form och rörelsemönster.Special concentration is placed on discovering people who move by using a person's typical shape and movement pattern.

Ytterligare en fördel med förfarandet är att det är Detta medför fördelen att ett snabbt och minnessnält. program för genomförande av förfarandet i en processor kan exekveras i realtid i exempelvis inbyggda system.Another advantage of the procedure is that it is This brings the advantage of a fast and memorable. programs for performing the procedure in a processor can be executed in real time in, for example, embedded systems.

Det är möjligt att undersöka om den filtrerade differensbildens värde är lika med eller mindre än ett förutbestämt värde och, om så är fallet, besluta att En annan fördel är att den fortsatta och genom denna metod minskar risken för att i vilka det är en liten kontrast øucnun 10 15 20 25 30 35 ingen rörelse detekterats. Detta medför att man inte utför nägra beräkningar i onödan. Om det inte finns nägon rörelse att detektera, är det ingen mening att fortsätta analysen. Det är en fördel att filtrera bilden före undersökningen huruvida bildbehandlingen ska fortsätta genomförs, eftersom man annars riskerar att missa viktig information.It is possible to examine whether the value of the filtered difference image is equal to or less than a predetermined value and, if so, decide that Another advantage is that it continues and through this method reduces the risk that in which there is a slight contrast øucnun 10 15 20 25 30 35 no movement detected. This means that you do not perform any calculations unnecessarily. If there is no movement to detect, there is no point in continuing the analysis. It is an advantage to filter the image before the examination whether the image processing should continue to be carried out, as otherwise there is a risk of missing important information.

Förfarandet kan användas vid inbrottsövervakning, men övervakningen kan också ske i annat syfte. Det kan exempelvis vara övervakning av ett omräde vid en dörr som öppnas och stängs med automatik utifrân bildanalys.The method can be used for burglary surveillance, but surveillance can also be done for other purposes. This can be, for example, monitoring of an area at a door that is opened and closed automatically based on image analysis.

Enligt en första utföringsform av förfarandet är filtret ett högpassfilter som släpper igenom höga frek- venser vinkelrätt mot nämnda riktning.According to a first embodiment of the method, the filter is a high-pass filter which transmits high frequencies perpendicular to said direction.

Högpassfiltret kan också uttryckas som ett derive- ringsfilter. Högpassfiltret har fördelen att förstärka ett objekts kanter i en riktning som kan väljas. Rikt- ningen kan vara i vertikalled eller i horisontalled.The high-pass filter can also be expressed as a derivation filter. The high-pass filter has the advantage of reinforcing the edges of an object in a direction that can be selected. The direction can be in the vertical direction or in the horizontal direction.

Filtret verkar vinkelrätt mot den kantförstärkande rikt- ningen, dvs högpassfiltret släpper igenom höga frekvenser i vinkelrät riktning mot den kantförstärkande riktningen.The filter acts perpendicular to the edge-reinforcing direction, ie the high-pass filter transmits high frequencies in a perpendicular direction to the edge-reinforcing direction.

Med höga frekvenser menas i detta sammanhang hur snabbt nàgot varierar.By high frequencies is meant in this context how fast something varies.

Enligt en andra utföringsform av förfarandet är filtret ett làgpassfilter som släpper igenom làga frek- venser i nämnda riktning.According to a second embodiment of the method, the filter is a low-pass filter which transmits low frequencies in said direction.

En fördel med detta är att man fär en brusreduce- rande effekt. Denna brusreducerande effekt päverkar även objektets kanter, som jämnas ut. Eftersom filtret släpper igenom làga frekvenser i nämnda riktning ökar också de- tektionskänsligheten.An advantage of this is that you get a noise-reducing effect. This noise-reducing effect also affects the edges of the object, which are smoothed out. Since the filter transmits low frequencies in the said direction, the detection sensitivity also increases.

I den första eller den andra utföringsformen av för- farandet kan nämnda riktning vara vertikal.In the first or the second embodiment of the method, said direction may be vertical.

En fördel med att förstärka vertikala rörelsekontu- rer är att detta förstärker känsligheten vid detektion av personer i rörelse. Man utnyttjar att en människa är u-:noe 10 15 20 25 30 35 làngsträckt vertikalt och att förflyttning i huvudsak syns horisontellt, vilket ger typiska rörelsekonturer.An advantage of reinforcing vertical motion contours is that this enhances the sensitivity when detecting people in motion. It is used that a human being is slightly elongated vertically and that movement is seen substantially horizontally, which gives typical movement contours.

I den första eller den andra utföringsformen inne- fattar förfarandet steget att utföra en tröskeloperation pà den filtrerade differensbildens värde.In the first or the second embodiment, the method comprises the step of performing a threshold operation on the value of the filtered difference image.

Tröskeloperationen möjliggör en indikation pä hur stark en eventuell detektion är och var i bilden denna finns.The threshold operation enables an indication of how strong a possible detection is and where in the image this is.

Efter tröskeloperationen kan differensbildens värde normeras. Fördelen med att normera är att beräkningarna underlättas. Värdena blir heltal, och det kan bestämmas att O medför ingen detektion, medan övriga värden medför detektion av rörelse. Ju högre värde, desto starkare är detektionen av rörelse.After the threshold operation, the value of the difference image can be normalized. The advantage of standardization is that the calculations are facilitated. The values become integers, and it can be determined that 0 entails no detection, while other values entail detection of motion. The higher the value, the stronger the motion detection.

I den första eller den andra utföringsformen är den tidigare registrerade bilden den närmast föregående registrerade bilden.In the first or second embodiment, the previously recorded image is the immediately preceding recorded image.

En fördel med detta är att snabba rörelseföränd- ringar kan detekteras.An advantage of this is that rapid movement changes can be detected.

Den första eller den andra utföringsformen inne- fattar vidare steget att reducera differensbildens upp- lösning i båda dimensionerna.The first or the second embodiment further comprises the step of reducing the resolution of the difference image in both dimensions.

En fördel med att reducera upplösningen är att det ökar beräkningshastigheten. En annan fördel är att bruset reduceras med, eftersom upplösningsreduktionen har en utjämnande effekt. Exempelvis kan bilden reduceras en faktor 2 i upplösningen.An advantage of reducing the resolution is that it increases the computational speed. Another advantage is that the noise is reduced by, because the resolution reduction has a smoothing effect. For example, the image can be reduced by a factor of 2 in the resolution.

Den första eller den andra utföringsformen inne- fattar vidare steget att beräkna en detektionskarta genom att skapa en klusterkarta vilken innefattar kluster som utgörs av i differensbilden närliggande detektionsbild- punkter, som överstiger ett förutbestämt värde.The first or the second embodiment further comprises the step of calculating a detection map by creating a cluster map which comprises clusters which consist of detection pixels adjacent to the difference image, which exceed a predetermined value.

Detektionsbildpunkterna kan framträda när differens- bilden utsätts för en tröskeloperation. Ett kluster kan, förutom att vara starka närliggande detektionspunkter, också vara tvà eller fler svagare detektioner, som har samma tecken och är belägna högst tvà bildpunkter isär i 10 15 20 25 30 35 8 en vald riktning. Även enstaka detektioner kan utgöra ett kluster om de år tillräckligt starka, dvs om de över- stiger ett förutbestämt detektionsvärde.The detection pixels may appear when the difference image is subjected to a threshold operation. A cluster may, in addition to being strong adjacent detection points, also be two or more weaker detections, which have the same sign and are located at most two pixels apart in a selected direction. Even individual detections can form a cluster if they are strong enough, ie if they exceed a predetermined detection value.

Den första eller den andra utföringsformen inne- fattar vidare stegen att jämföra klusterkartan med en minneskarta som innehåller information om rörelsedetek- tioner i de senast registrerade bilderna och att endast làta sådana kluster ingå i detektionskartan, vilka ligger inom ett bestämt avstånd från ett kluster i minneskartan.The first or second embodiment further comprises the steps of comparing the cluster map with a memory map containing information on motion detections in the most recently recorded images and of including only such clusters in the detection map which are within a certain distance from a cluster in the memory map. .

Förfarandet enligt uppfinningen kan också inbegripa ett visst minne som kommer ihåg rörelser och indikationer pà rörelser en viss tid tillbaka i tiden. Detta medför att kriterier som rörelseriktning och rörelsehastighet kan användas vid beslutet om huruvida en rörelsedetektion föreligger. På så sätt fattas ett säkrare beslut.The method according to the invention may also include a certain memory which remembers movements and indications of movements a certain time back in time. This means that criteria such as direction of movement and speed of movement can be used in deciding whether a motion detection exists. In this way, a safer decision is made.

Enligt en andra aspekt av uppfinningen omfattar den en datorprogramprodukt innefattande programkod, som vid laddning i dator utför förfarandet enligt ovan.According to a second aspect of the invention, it comprises a computer program product comprising program code which, when charged to a computer, performs the method as above.

Enligt en tredje aspekt av uppfinningen omfattar den ett system för övervakning av ett övervakningsområde, innefattande minst en sensorenhet för registrering av bilder av området samt en beräkningsenhet, vilken på grundval av nämnda registrerade bilder är anordnad att utföra förfarandet enligt ovan.According to a third aspect of the invention, it comprises a system for monitoring a monitoring area, comprising at least one sensor unit for recording images of the area and a calculation unit, which on the basis of said recorded images is arranged to perform the method as above.

Beräkningsenheten, som utför algoritmerna enligt ovanstående förfarande, och minnet i vilket algoritmerna kan vara lagrade, kan vara anordnade i en separat enhet, som exempelvis kan vara en vanlig persondator.The computing unit, which performs the algorithms according to the above method, and the memory in which the algorithms may be stored, may be arranged in a separate unit, which may, for example, be an ordinary personal computer.

Med fördel är dock beräkningsenheten och minnet anordnade i sensorenheten. Beräkningsenheten blir då ofta mindre kraftfull, än den skulle kunna vara om den vore anordnad i en separat dator. Detta beror på att utrymmet i sensorenheten år begränsat och att strömförbrukningen bör vara låg. Tack vare att datorprogrammet som utför förfarandet enligt uppfinningen är effektivt och minnes- snålt, är det likväl möjligt att anordna beräkningsenhe- ten i sensorenheten. ..»|| 10 15 20 25 30 35 En fördel med att anordna beräkningsenheten i sen- sorenheten är att det inte krävs någon överföring av bildinformationen till en separat enhet, vilket kan vara mycket kapacitetskrävande och ställa stora krav pà över- föringsmediet. Dessutom kan det ske avbrott i överfö- ringen, vilket kan medföra att övervakningen sätts ur funktion.Advantageously, however, the calculation unit and the memory are arranged in the sensor unit. The calculation unit then often becomes less powerful than it could be if it were arranged in a separate computer. This is because the space in the sensor unit is limited and the power consumption should be low. Thanks to the fact that the computer program carrying out the method according to the invention is efficient and memory-saving, it is nevertheless possible to arrange the calculation unit in the sensor unit. .. »|| 10 15 20 25 30 35 An advantage of arranging the calculation unit in the sensor unit is that no transfer of the image information to a separate unit is required, which can be very capacity-intensive and place great demands on the transmission medium. In addition, there may be interruptions in the transmission, which may result in the monitoring being deactivated.

Enligt en fjärde aspekt av uppfinningen omfattar den användning av ett förfarande enligt ovan, för att styra en automatisk dörröppnare.According to a fourth aspect of the invention, it comprises the use of a method as above, for controlling an automatic door opener.

Förfarandet enligt uppfinningen kan användas vid en automatisk dörröppnare. En sensorenhet kan vara anordnad att kontinuerligt registrera bilder av ett övervaknings- område framför en dörr. Dörren kan exempelvis vara en skjutdörr eller en slagdörr. En beräkningsenhet kan vara anordnad att utföra ovan nämnda förfarande. Om en person rör sig in i övervakningsomràdet framför dörren, detek- teras personen som ett objekt och ett beslut kan fattas om huruvida den detekterade objektet ska ge upphov till en dörröppning. Bildbehandlingen som ligger till grund för beslutet om dörröppning kan ha olika grader av in- telligent nivà. Detta innebär att bildbehandlingen kan vara mycket enkel och besluta om att dörröppning ska ske för alla objekt som orsakar en rörelsedetektioner. Den kan också vara mycket avancerad och endast utföra dörr- öppning i de fall det detekterade objektet exempelvis har en bestämd form, storlek eller rörelseriktning. Om det beslutas att dörröppning ska ske kan en signal om dörr- öppning överföras till en dörröppningsanordning, som fysiskt öppnar dörren.The method according to the invention can be used with an automatic door opener. A sensor unit may be arranged to continuously record images of a monitoring area in front of a door. The door can be, for example, a sliding door or a swing door. A calculation unit may be arranged to perform the above-mentioned method. If a person moves into the surveillance area in front of the door, the person is detected as an object and a decision can be made as to whether the detected object should give rise to a door opening. The image processing that forms the basis for the decision to open a door can have different degrees of intelligent level. This means that the image processing can be very simple and decide that door opening should take place for all objects that cause a motion detection. It can also be very advanced and only perform door opening in cases where the detected object, for example, has a specific shape, size or direction of movement. If it is decided that a door opening is to take place, a door opening signal can be transmitted to a door opening device, which physically opens the door.

Automatiska dörröppnare är exempelvis mycket vanliga vid huvudingàngar till olika företag. Precis innanför dörren finns vanligtvis en bemannad reception. Om dörren öppnas ofta påverkar detta temperaturen i receptionen med åtföljande ofta dyra värmeförluster. Vidare utsätts de personer som arbetar där för drag och kyla. Det är därför mycket viktigt att dörren inte felaktigt öppnas. Genom :»»|> 10 l5 20 25 30 35 I n u... o 10 att använda ovannämnda förfarande minskar risken för att dörren felaktigt öppnas vid exempelvis svåra väderför- hållande, såsom snö och regn, och olika ljus- och skugg- förhållanden som kan uppträda när exempelvis solen går i moln. Den automatiska dörröppnaren blir också säkrare när övervakningsområdet är mörkt, eftersom den med förfaran- det ovan bättre klarar av att identifiera personer som rör sig i övervakningsområdet och därmed på ett tillför- litligt sätt kan besluta om dörröppning ska ske.Automatic door openers, for example, are very common at main entrances to various companies. Just inside the door there is usually a staffed reception. If the door is opened frequently, this affects the temperature in the reception with accompanying often expensive heat losses. Furthermore, the people who work there are exposed to drafts and cold. It is therefore very important that the door is not opened incorrectly. By: »» |> 10 l5 20 25 30 35 In n u ... o 10 using the above procedure, the risk of the door being opened incorrectly in, for example, severe weather conditions, such as snow and rain, and various light and shadow conditions that can occur when, for example, the sun goes into clouds. The automatic door opener also becomes safer when the monitoring area is dark, as it is better able to identify people moving in the monitoring area with the procedure above and thus can reliably decide whether to open the door.

Kort beskrivning av ritningar Uppfinningen kommer att beskrivas närmare i det föl- jande under hänvisning till bifogade ritningar.Brief Description of the Drawings The invention will be described in more detail in the following with reference to the accompanying drawings.

Fig 1 är en perspektivvy över ett övervakningssystem enligt uppfinningen.Fig. 1 is a perspective view of a monitoring system according to the invention.

Fig 2 är ett schematiskt blockschema över en sen- sorenhet enligt uppfinningen.Fig. 2 is a schematic block diagram of a sensor unit according to the invention.

Fig 3 är en registrerad aktuell bild av en person vars rörelse är i vertikalled i bilden.Fig. 3 is a registered current image of a person whose movement is in the vertical direction in the image.

Fig 4 är en föregående bild av personen relativt fig Fig 5 är en differensbild mellan den aktuella bilden, fig 3, och den föregående bilden, fig 4.Fig. 4 is a previous view of the person relative to Fig. 5 is a difference view between the current image, Fig. 3, and the previous image, Fig. 4.

Fig 6 är en bild, som återger differensbilden enligt fig 5 efter filtrering och tröskeloperation.Fig. 6 is a view showing the difference image of Fig. 5 after filtering and threshold operation.

Fig 7 är en av en sensor registrerad aktuell bild av en person som rör sig mot sensorn.Fig. 7 is a current image of a person moving towards the sensor registered by a sensor.

Fig 8 år en föregående bild av personen i fig 7.Fig. 8 is a previous view of the person of Fig. 7.

Fig 9 är en differensbild mellan den aktuella bil- den, fig 7, och den föregående bilden, fig 8.Fig. 9 is a difference image between the current image, Fig. 7, and the previous image, Fig. 8.

Fig 10 är en bild, som återger differensbilden enligt fig 9 efter filtrering och tröskeloperation.Fig. 10 is a view showing the difference image of Fig. 9 after filtering and threshold operation.

Fig ll är ett schematiskt flödesschema för uppfin- ningen.Fig. 11 is a schematic flow diagram of the invention.

Fig l2a och l2b är ett flödesschema för en före- dragen utföringsform av uppfinningen. _=«11: 10 15 20 25 30 35 7519 285 ll Detalierad beskrivninq av utförinqsformer av uppfinningen Uppfinningen kommer i denna utföringsform att tillämpas i ett övervakningssystem som visas i fig 1. Övervakningssystemet innefattar minst en sensorenhet l, som övervakar ett övervakningsomràde 2. Övervakninge- omràdet 2 kan vara ett omrâde i vilket ingen person får vistas. Sensorenheten 1 registrerar kontinuerligt digi- tala bilder av övervakningsomràdet 2 för att detektera om exempelvis en person 3 befinner sig inom övervaknings- omràdet 2. Om en person 3 detekteras inom övervaknings- omràdet 2, kan sensorenheten avge en larmsignal som exempelvis skickas till en larmcentral 4. Larmsignalen, som skickas till larmcentralen 4, kan utgöras av enbart en signal om att en rörelsedetektion skett, men det kan också innefatta en registrerad bild eller en bild av enbart det rörliga objektet som orsakat larmet. Denna bild kan visas upp pà en skärm i larmcentralen 4 och en person pà larmcentralen 4 kan då göra ytterligare en kontroll av vad som orsakat larmet. I ett annat mycket enkelt fall kan larmcentralen 4 vara en anordning som avger en ljudsignal när den erhåller en larmsignal fràn sensorenheten 1.Figures 12a and 12b are a flow chart of a preferred embodiment of the invention. DETAILED DESCRIPTION OF EMBODIMENTS OF THE INVENTION In this embodiment, the invention will be applied in a monitoring system shown in Fig. 1. The monitoring system comprises at least one sensor unit 1, which monitors a monitoring area 2. area 2 can be an area in which no person is allowed to stay. The sensor unit 1 continuously registers digital images of the monitoring area 2 to detect if, for example, a person 3 is within the monitoring area 2. If a person 3 is detected within the monitoring area 2, the sensor unit can emit an alarm signal which is sent to an alarm center 4, for example. The alarm signal, which is sent to the alarm center 4, may consist only of a signal that a motion detection has taken place, but it may also include a registered image or an image of only the moving object that caused the alarm. This image can be displayed on a screen in the alarm center 4 and a person at the alarm center 4 can then make a further check of what caused the alarm. In another very simple case, the alarm center 4 may be a device which emits an audible signal when it receives an alarm signal from the sensor unit 1.

Fig 2 visar ett blockschema över hårdvaran i sen- sorenheten l. Sensorenheten 1 matas med en spänning till en spänningsanslutning 10. Vidare innefattar sensoren- heten 1 en kraftfull beräkningsenhet 11. Sensorenheten l innefattar även en kommunikationsenhet 12. Kommunika- tionsenheten kan vara anordnad att skicka en larmsignal till larmcentralen 4 vid en rörelsedetektion. Vidare in- nefattar sensorenheten 1 en ljuskänslig sensor 13, exem- pelvis en CMOS-sensor eller en CCD-sensor, för registre- ring av bilder. Sensorn 13 är integrerad med ett lins- arrangemang 14 pà ett chip. Dessutom innefattar sensor- enheten 1 ett RAM-minne 15. operativsystem och kan genomföra avancerad bildbehand- Sensorenheten l använder ett ling. Sensorenheten 1 innefattar också ett beständigt minne 16 för beräkningskod och övrigt som màste sparas i o von-nn »una- |||n> 10 15 20 25 30 35 = 519 285 12 ett icke-flyktigt minne. Alla i sensorenheten 1 ingàende komponenter är med fördel integrerade pà ett kretskort.Fig. 2 shows a block diagram of the hardware in the sensor unit 1. The sensor unit 1 is supplied with a voltage to a voltage connection 10. Furthermore, the sensor unit 1 comprises a powerful calculation unit 11. The sensor unit 1 also comprises a communication unit 12. The communication unit may be arranged to send an alarm signal to the alarm center 4 during a motion detection. Furthermore, the sensor unit 1 comprises a light-sensitive sensor 13, for example a CMOS sensor or a CCD sensor, for recording images. The sensor 13 is integrated with a lens arrangement 14 on a chip. In addition, the sensor unit 1 includes a RAM memory 15. operating system and can perform advanced image processing. The sensor unit 1 uses a ling. The sensor unit 1 also comprises a permanent memory 16 for calculation code and other things which must be stored in a non-volatile memory. All components included in the sensor unit 1 are advantageously integrated on a circuit board.

Fördelen med detta är att sensorenheten 1 blir mycket stabil, det vill säga att den blir mindre känslig för störkällor och har färre punkter som sabotage kan ske pà.The advantage of this is that the sensor unit 1 becomes very stable, ie it becomes less sensitive to interference sources and has fewer points at which sabotage can take place.

Algoritmerna som används i förfarandet enligt upp- finningen finns lagrade i det beständiga minnet 16.The algorithms used in the method according to the invention are stored in the permanent memory 16.

En utföringsform av förfarandet enligt uppfinningen kommer nu att förklaras med hjälp av fig 1-10 samt flö- desscheman i fig 11 och 12 a-b. Det övergripande arbets- sättet visas i fig 11 och är som följer. En aktuell bild av övervakningsomràdet registreras i steg 100. En dif- ferensbild beräknas i steg 110 som skillnaden mellan aktuell bild och föregående bild. Därefter filtreras differensbilden i steg 120 pà ett vis, som kommer att beskrivas närmare nedan. Ur den filtrerade differens- bilden identifieras ett eventuellt objekt i steg 130.An embodiment of the method according to the invention will now be explained with the aid of Figs. 1-10 and flow charts in Figs. 11 and 12 a-b. The overall operation is shown in Fig. 11 and is as follows. A current image of the monitoring area is registered in step 100. A difference image is calculated in step 110 as the difference between the current image and the previous image. Then the difference image is filtered in step 120 in a way, which will be described in more detail below. From the filtered difference image, a possible object is identified in step 130.

Detta ligger som underlag till ett beslut om huruvida rörelsedetektion föreligger i steg 140.This is the basis for a decision on whether motion detection is present in step 140.

Förfarandet enligt den föredragna utföringsformen visas närmare i fig 12 a-b och är som följer.The method according to the preferred embodiment is shown in more detail in Figs. 12 a-b and is as follows.

Sensorn 13 registrerar i steg 200 en aktuell bild av övervakningsomràdet 2. En bild utgörs som bekant av ett antal bildpunkter, vilkas placering kan uttryckas i ko- ordinater. En sådan aktuell bild visas i fig 3 respektive 7. I båda dessa bilder finns ett rörligt objekt närva- rande, som i detta fall är en person. I fig 3 är perso- nens rörelseriktning horisontell i bilden. I fig 7 rör sig personen mot sensorenheten 1.The sensor 13 registers in step 200 a current image of the monitoring area 2. As is well known, an image consists of a number of pixels, the location of which can be expressed in coordinates. Such a current image is shown in Figs. 3 and 7, respectively. In both of these images a moving object is present, which in this case is a person. In Fig. 3, the person's direction of movement is horizontal in the picture. In Fig. 7, the person moves towards the sensor unit 1.

Beräkningsenheten beräknar i steg 210 en differens- bild AI=IU)-IQ-J), se fig 5 respektive 9, där IU)=aktuell digitala bild, fig 3 respektive 7, medan IU-J)=föregàende digitala bild, fig 4 respektive 8. I fig 3 har personen rört sig något till vänster i bilden jämfört med hans position i fig 4. I fig 7 är personen närmare sensorenheten 1 än i fig 8. Differensbilden i fig 5 är alltsà differensen mellan den aktuella bilden i fig 10 15 20 25 30 519 285 o n .ana n 13 3 och den föregående bilden i fig 4, och fig 9 är alltså differensen mellan den aktuella bilden i fig 7 och den föregående bilden i fig 8.The calculation unit calculates in step 210 a difference image AI = IU) -IQ-J), see Figs. 5 and 9, respectively, where IU) = current digital image, Figs. 3 and 7, respectively, while IU-J) = previous digital image, Fig. 4 respectively 8. In Fig. 3 the person has moved slightly to the left in the image compared to his position in Fig. 4. In Fig. 7 the person is closer to the sensor unit 1 than in Fig. 8. The difference image in Fig. 5 is thus the difference between the current image in Fig. 10 1319 25 30 519 285 on andan 13 3 and the previous image in Fig. 4, and Fig. 9 is thus the difference between the current image in Fig. 7 and the previous image in Fig. 8.

AHrß)= differensbilden värde i bildpunkten med koordinat (mc). Tiden mellan varje registrering är beroende på till exempel processorkraft och användnings- område. Exempelvis kan tiden mellan varje registrering vara O,l sekunder.AHrß) = the difference image value in the pixel with coordinate (mc). The time between each registration depends on, for example, processing power and area of use. For example, the time between each registration may be 0.1 seconds.

I nästa steg 220 filtreras differensbilden AI för att förstärka vertikala kanter i densamma. Det kantför- stärkande eller snarare det intensitetsvariationsför- stärkande filtret har följande utseende: r-ﬂ vi r-l I_l r-ﬂ b-l I ç_o Filtret g är ett högpassfilter i horisontell led och ett medelvärdesfilter i vertikal led. Detta filter är lämpat för detektion av rörelse i horisontell led. Om en detek- tion i vertikal led önskas, är filtret i stället ett hög- passfilter i vertikal led och ett medelvärdesfilter i horisontell led. Även andra typer av filter som förstär- ker intensitetsvariationer, såsom kanter, är möjliga.In the next step 220, the difference image AI is filtered to reinforce vertical edges thereof. The edge-amplifying or rather the intensity variation-amplifying filter has the following appearance: r- ﬂ vi r-l I_l r- ﬂ b-l I ç_o The filter g is a high-pass filter in the horizontal direction and an average value filter in the vertical direction. This filter is suitable for the detection of movement in the horizontal direction. If a detection in the vertical direction is desired, the filter is instead a high-pass filter in the vertical direction and an average value filter in the horizontal direction. Other types of filters that amplify intensity variations, such as edges, are also possible.

Dessa kan tas fram på experimentell väg och kan vara be- roende av användningsområde för övervakningen samt på avståndet till människor som man vill detektera.These can be developed experimentally and can depend on the area of use for the monitoring and on the distance to people you want to detect.

Raderna i filtret g kan varieras beroende på upp- lösning och vilken utjämnande effekt man vill uppnå. En fördel med att använda filtret ovan är att det medför enkla beräkningar. Filtret g appliceras i steg 220 två gånger på differensbilden enligt följande formler: lO 15 20 25 30 ,519 285 o... 14 P4~ c1(r,c) = 2 Amf + 1-3, 2c+k-1) g( Jgk), 6 j: 6 2 620,6) = 22mm + j _ 3, 20+ k)g(j,k). j: I k=l »_- PP För rader och kolumner där differensbilden indexeras utanför sitt definitionsomràde, till exempel 2r+j-(330, sätts i steg 230 resultatet lika med noll.The rows in the filter g can be varied depending on the resolution and the leveling effect you want to achieve. An advantage of using the filter above is that it involves simple calculations. The filter g is applied in step 220 twice to the difference image according to the following formulas: 10 15 20 25 30, 519 285 o ... 14 P4 ~ c1 (r, c) = 2 Amf + 1-3, 2c + k-1) g (Jgk), 6 j: 6 2 620.6) = 22mm + j _ 3, 20+ k) g (j, k). j: I k = l »_- PP For rows and columns where the difference image is indexed outside its definition range, for example 2r + j- (330, in step 230 the result is set equal to zero.

Cl och C2 har hälften så många rader och kolumner, som den ursprungliga differensbilden. Filtret appliceras alltsà tätare i horisontell led än i vertikal led, efter- som man inte vill missa den viktiga informationen i horisontell led.C1 and C2 have half as many rows and columns as the original difference picture. The filter is therefore applied more tightly in the horizontal section than in the vertical section, as you do not want to miss the important information in the horizontal section.

De tvà filtrerade bilderna Cmnc) och CÅr¿Û vägs samman i steg 240 till en resulterande filtrerad bild genom 7 CU c) = C1(r,c) om |C1(r,c)| 2|Cz(r,c) , CÅnc)æmæs Ett så kallat primärt aktivitetstest utförs för att inte fortsätta bildbehandlingen i onödan, det vill säga avbryta beräkningarna om det inte finns nàgot att detek- tera i bilden. Detta innebär att värdena i den filtrerade differensbilden CXnc) undersöks i steg 250, och om de understiger ett förutbestämt lágt värde, avbryts algo- ritmen här och resultatet blir ”Ingen detektion”. Om värdet överstiger det förutbestämda värdet, så utförs en tröskeloperation i steg 260 pà den filtrerade differens- bilden, och värdena normeras. I fig 6 respektive 10 har tröskeloperationen utförts pà de filtrerade differens- bilderna i fig 5 respektive fig 9. Tröskeloperationen sker enligt följande. Làt o beteckna heltalsdelen av standardavvikelsen av C och làt S vara en känslighets- parameter med standardvärde 3. Dä ges bilden pà vilken en tröskeloperation utförts pà av u - - a * v-.v vv»- .- v. ...u un... v 10 15 20 25 30 519 285 15 ~ C , / C , 2 S, Cmc) :ä (r c) O :nnäagscä O I praktiken innebär detta att bildpunkterna antar något av värdena O,i3;t4;ti .(när standardvärdet pà S'anvànds).The two filtered images Cmnc) and CÅr¿Û are weighed together in step 240 into a resulting filtered image by 7 CU c) = C1 (r, c) if | C1 (r, c) | 2 | Cz (r, c), CÅnc) æmæs A so-called primary activity test is performed to avoid continuing the image processing unnecessarily, ie to interrupt the calculations if there is nothing to detect in the image. This means that the values in the filtered difference image CXnc) are examined in step 250, and if they fall below a predetermined low value, the algorithm is interrupted here and the result is “No detection”. If the value exceeds the predetermined value, then a threshold operation is performed in step 260 on the filtered difference image, and the values are normalized. In Figs. 6 and 10, respectively, the threshold operation has been performed on the filtered difference images in Fig. 5 and Fig. 9, respectively. The threshold operation takes place as follows. Let o denote the integer part of the standard deviation of C and let S be a sensitivity parameter with standard value 3. Then the image is given on which a threshold operation has been performed on by u - - a * v-.v vv »- .- v. ... u un ... v 10 15 20 25 30 519 285 15 ~ C, / C, 2 S, Cmc): ä (rc) O: nnäagscä In practice, this means that the pixels assume one of the values O, i3; t4; ti. (when the default value of S'anvàs).

En detektion kan sägas vara där värdet är skilt från noll. Ju längre fràn noll värdet är desto starkare sägs detektionen vara.A detection can be said to be where the value is non-zero. The further from zero the value is, the stronger the detection is said to be.

Isolerade detektionsbildpunkter raderas i steg 270, om de inte är väldigt starka, och i övrigt behålls bara sådana detektionsbildpunkter som tillhör ett kluster av detektioner. Låt r r+3 i indexering av matriser betyda de fyra raderna mellan rad r och rad r+3 och låt S beteckna samma parameter som ovan. Klusterkartan definieras då enligt ök(r:r+3,c)= ä(r:r+3,c) om FZ:_=0ä(r+j,c)'22S, 0 annars.Isolated detection pixels are deleted in step 270, if they are not very strong, and otherwise only those detection pixels belonging to a cluster of detections are retained. Let r r + 3 in indexing matrices mean the four rows between row r and row r + 3 and let S denote the same parameter as above. The cluster map is then defined according to ök (r: r + 3, c) = ä (r: r + 3, c) if FZ: _ = 0ä (r + j, c) '22S, 0 otherwise.

Formeln ovan gäller för alla rader utom de tre sista, men detektioner där kommer ändå med som medlemmar i even- tuella kluster, som startar en eller ett par rader ovan- för. Definitionen av klusterkartan innebär att tvà eller fler svagare detektioner, som har samma tecken och är belägna högst två bildpunkter isär vertikalt, utgör ett kluster, men även enstaka detektioner utgör ett kluster om de är tillräckligt starka.The formula above applies to all rows except the last three, but detections there are still included as members of any clusters, which start one or a couple of rows above. The definition of the cluster map means that two or more weaker detections, which have the same character and are located no more than two pixels apart vertically, constitute a cluster, but also individual detections constitute a cluster if they are strong enough.

Slutlig detektionskarta bestäms genom att i steg 280 jämföra klusterkartan fäügc) med en minneskarta. Minnes- kartan indikerar var det har varit aktivitet i de senaste bilderna i sekvensen. Bara sådana kluster som är i när- heten av ett kluster i minneskartan tas med i den slut- liga detektionskartan. Övriga detektioner tas bort i steg 290. I den slutliga detektionskartan kan man identifiera eventuella objekt i steg 300 och besluta om en rörelse- detektion föreligger i steg 310. Det är möjligt att 10 15 20 25 519 285 n... 16 direkt besluta att rörelsedetektion föreligger, ifall ett objekt framträder i den slutliga detektionskartan. Det är också möjligt att följa ett i den slutliga detektions- kartan framträdande objekts rörelse genom att jämföra med en eller flera föregående slutliga detektionskartor.The final detection map is determined by comparing the cluster map fäügc) with a memory map in step 280. The memory map indicates where there has been activity in the most recent images in the sequence. Only those clusters that are in the vicinity of a cluster in the memory map are included in the final detection map. Other detections are removed in step 290. In the final detection map, one can identify any objects in step 300 and decide if a motion detection is present in step 310. It is possible to directly decide that 15 15 25 25 519 285 n ... 16 motion detection is present, if an object appears in the final detection map. It is also possible to follow the movement of an object appearing in the final detection map by comparing it with one or more previous final detection maps.

Genom jämförelsen kan objektets rörelseriktning och has- tighet beräknas, vilket kan utgöra underlag för beslut om huruvida en rörelsedetektion verkligen föreligger.Through the comparison, the object's direction of movement and speed can be calculated, which can form the basis for deciding whether a motion detection really exists.

Slutligen uppdateras minneskartan i steg 320 med kluster från senaste bilden. Ãven sådana kluster som inte togs med i den slutliga detektionskartan memoreras. Livs- längden (minneslängden) för en detektion är lika med dess absolutvärde i klusterkartan Üﬂnc), dvs ju starkare de- tektionen är, desto längre lever den kvar i minneskartan.Finally, in step 320, the memory map is updated with clusters from the last image. Clusters that were not included in the final detection map are also memorized. The lifetime (memory length) of a detection is equal to its absolute value in the cluster map Ü ﬂ nc), ie the stronger the detection, the longer it remains in the memory map.

Till sist raderas kluster vars livslängd har löpt ut.Finally, clusters whose life has expired are deleted.

I en annan utföringsform kombineras ovanstående förfarande med samma algoritm applicerad pà bilder tagna med större tidsintervall (till exempel varannan och/eller var fjärde bild) rörelser. Även om en speciell utföringsform av uppfinningen för att fånga upp riktigt långsamma har beskrivits ovan är det uppenbart för fackmannen att många alternativ, modifieringar och variationer är möj- liga att åstadkomma i ljuset av ovanstående beskrivning.In another embodiment, the above procedure is combined with the same algorithm applied to images taken with larger time intervals (for example, every other and / or every fourth image) movements. Although a particular embodiment of the invention for capturing really slow has been described above, it is obvious to those skilled in the art that many alternatives, modifications and variations are possible in the light of the above description.

Claims

.unna frun: 10 15 20 25 30 35 A519 285 n .una n 17 PATENTKRAV

An image processing method for detecting motion in a monitoring area (2), comprising the steps of recording (100) an image of the monitoring area, calculating (110) a difference image between the recorded image and a previously recorded image, and deciding (140) whether motion detection exists by identifying (130) an object appearing in the difference image, characterized by the step of filtering (120) the difference image with a filter having the property of amplifying the edges of the object in one direction.

The method of claim 1, wherein the filter is a high pass filter that transmits high frequencies perpendicular to said direction.

A method according to any one of the preceding claims, wherein the filter is a low pass filter which transmits low frequencies in said direction.

A method according to any one of the preceding claims, wherein said direction is vertical.

The method of any preceding claim, further comprising the step of performing (260) a threshold operation on the value of the filtered difference image.

Method according to one of the preceding claims, wherein the previously registered image is the immediately preceding registered image.

A method according to any one of the preceding claims, further comprising the step of reducing the resolution of the difference image in both dimensions.

A method according to any one of the preceding claims, wherein the step of deciding whether motion detection exists comprises calculating a detection map and identifying said prominent objects from the detection map.

The method of claim 8, wherein the step of calculating a detection map further comprises the step of creating (270) a cluster map which includes clusters consisting of detection pixels adjacent to the difference image that exceed a predetermined value.

The method of claim 9, further comprising the steps of comparing (280) the cluster map with a memory map containing motion detection information in the most recently recorded images and allowing only (290) such clusters to be included in the detection map which are within a certain distance of a clusters in the memory map.

A computer program product comprising program code which, when charged to a computer, performs the method according to any one of claims 1-10.

A system for monitoring a monitoring area for recording (11), (2), comprising at least one sensor unit (1) ring of images of the area and a calculation unit which on the basis of said recorded images is arranged to perform the method according to any of claims 1-10.

Use of a method according to any one of claims 1-10 for controlling an automatic door opener.