TWI391801B - 接手視訊監控方法與系統以及電腦裝置 - Google Patents

Description

接手視訊監控方法與系統以及電腦裝置

本發明是有關於一種監控方法與系統，且特別是有關於一種接手視訊監控方法與系統。

目前安全監控系統用於監控空間中的移動物件或是追蹤移動物件的方法，皆是根據目標物件的過去位置與現在位置之間的相對應關係，進行目標物件的下一步移動方向的預測。大部分的下一部移動方向預測方法都是以目標物件的過去位置與現在位置之間的線性關係，也就是目標物件的前次出現位置到這次出現的位置的向量加到現在出現的位置上，以得到目標物件的下一步移動方向與下次出現位置的預測結果。

然而，當目標物件並不是以直線運動而是非線性移動模式時，以前次出現位置與現在出現位置之間的線性關係來預測目標物件的下一次出現位置與下一步移動方向容易產生誤判。此外，這種線性預測方式僅能依照前一次出現位置與現在位置只能推估目標物件的下一步方向與位置，並無法預估出目標物件的未來多步行為模式，因此在作目標物件監控與追蹤上，無法提供較為精準的預估結果。

本發明提供一種接手視訊監控方法，可以準確預測移動物件的非線性移動路徑。

本發明提供一種接手視訊監控系統，可以預測移動物件的多步移動路徑。

本發明提供一種電腦裝置，可執行接手視訊監控方法，智慧型自動預測物件的非線性移動路徑。

本發明提出一種接手視訊監控方法，適用於監控一空間，其中該空間劃分成複數個監控範圍，每一監控範圍由一可動攝影裝置監控，此方法包括：接收一警示訊號。之後，根據警示訊號，以確認發出警示訊號的一來源位置以及與該來源位置相關的一第一可動攝影裝置。之後，根據第一可動攝影裝置所提供的一影像監視訊號，確認引發該警示訊號的一物件。繼之，根據一非線性行為預測模型，預測該物件的一移動路徑，其中該移動路徑至少包括由該第一可動攝影裝置所監控的一第一監控範圍到一第二可動攝影裝置的一第二監控範圍以及由該第二監控範圍到一第三可動攝影裝置的一第三監控範圍。最後，根據該移動路徑，進行一控制操作，以控制至少該第一可動攝影裝置、該第二可動攝影裝置以及該第三可動攝影裝置，以對該物件進行一接手視訊監控。

在本發明之一實施例中，上述之接手視訊監控方法，其中該非線性行為預測模型中包括複數個移動模式矩陣。而每一該些移動模式矩陣相對應一次監控範圍轉換，且每一該些移動模式矩陣是根據一第一矩陣等式：

其中k 代表自然數，P ^k 代表該物件在k 次該監控範圍轉換時的一監控範圍轉換模式，代表k 次該監控範圍轉換時，由j 監控範圍轉換至i 監控範圍的一轉換機率，n 代表n 個該些監控範圍。當預測該物件進行一次該監控範圍轉換時，該物件之該移動路徑則根據一第一機率運算等式：

其中，P ¹ 代表一次監控範圍轉換，b _n 代表在一次監控範圍轉換後，該物件出現在第n監控範圍的一出現機率。另外，當預測該物件至少連續w 次監控範圍轉換次時，該物件之該移動路徑則根據一第二機率運算等式：

其中，w 為自然數，P ¹ 代表一次監控範圍轉換，P ² 代表連續在P ¹ 之後的二次監控範圍轉換，P ^{w - 1} 代表w-1 次監控範圍轉換，P ^w 代表w 次監控範圍轉換，C _n 代表在連續w 次監控範圍轉換後，該物件出現在第n監控範圍的一出現機率。

在本發明之一實施例中，上述之接手視訊監控方法還包括進行一訓練，以建立該非線性行為預測模型，其中該訓練包括：提供複數個矩陣，其中每一該些矩陣包括複數個機率元素(entry)。之後，提供複數個樣本路徑。續之，進行一更新步驟以依序輸入每一該些樣本路徑，以依序更新每一該些矩陣中的每一該些機率元素成為該轉換機率，以更新該些矩陣成為該些移動模式矩陣。

其中該些機率元素的值為零。又進行該更新步驟是根據一第一等式：

以及一第二等式：

其中，代表在k 次該監控範圍轉換且該物件由j 監控範圍轉換至i 監控範圍時，該物件由j 監控範圍轉換至i 監控範圍的該轉換機率，代表在k 次監控範圍轉換且該物件由j 監控範圍轉換至i 監控範圍時，該物件由j 監控範圍轉換至x 監控範圍的該轉換機率，PS _path _ij 代表由監視範圍j 轉換至監視範圍i 的一先前樣本數量，PS _path _xj 代表由監視範圍j 轉換至監視範圍x 的一先前樣本數量，SN _j 代表由監視範圍j 起始轉換的一已訓練樣本總數。再者，輸入該些樣本路徑的步驟可以是實際監控至少一測試物件於一時間區間內的一實際移動路徑。另外，輸入該些樣本路徑的步驟還可以是手動輸入該些樣本路徑。

在本發明之一實施例中，上述接手視訊監控方法，其中該控制操作還包括微調該移動路徑所通過的每一該些監控範圍所相對應的該可動攝影裝置的一鏡頭，對準該物件進入該些監控範圍的一入口。

在本發明之一實施例中，上述接手視訊監控方法，其中該非線性行為預測模型中根據馬可夫模型(Markov model)而建立。

本發明又提供一種接手視訊監控系統，適用於監控一空間，其中該空間劃分成複數個監控範圍，每一監控範圍由一可動攝影裝置監控，此系統包括一訊號接收模組、一訊號接收模組、一影像分析模組、一路徑預測模組以及一控制模組。其中訊號接收模組用於接收一警示訊號。訊號分析模組用以根據該警示訊號，確認發出警示訊號的一來源位置以及與該來源位置相關的一第一可動攝影裝置。影像分析模組，用以根據該第一可動攝影裝置所提供的一影像監視訊號，確認引發該警示訊號的一物件。路徑預測模組，用於根據一非線性行為預測模型，預測該物件的一移動路徑，其中該移動路徑至少包括由該第一可動攝影裝置所監控的一第一監控範圍到一第二可動攝影裝置的一第二監控範圍以及由該第二監控範圍到一第三可動攝影裝置的一第三監控範圍。控制模組，則根據該移動路徑，進行一控制操作，以控制至少該第一可動攝影裝置、該第二可動攝影裝置以及該第三可動攝影裝置，以對該物件進行一接手視訊監控。

本發明更提出一種電腦裝置，與複數個可動攝影裝置連線以接手視訊監控一空間，其中該空間劃分成複數個監控範圍，每一監控範圍由每一該些可動攝影裝置監控，此電腦裝置包括一訊號傳輸接收器以及一處理器。其中訊號傳輸接收器，用於接收一警示訊號以及該些可動攝影裝置所提供的複數個監視訊號。而處理器，用以執行一電腦可讀程式的複數個程序步驟，該些程序步驟包括：根據該警示訊號，以確認發出警示訊號的一來源位置以及與該來源位置相關的一第一可動攝影裝置。之後，根據該第一可動攝影裝置所提供的一第一影像監視訊號，確認引發該警示訊號的一物件。接著，根據一非線性行為預測模型，預測該物件的一移動路徑，其中該移動路徑至少包括由該第一可動攝影裝置所監控的一第一監控範圍到一第二可動攝影裝置的一第二監控範圍以及由該第二監控範圍到一第三可動攝影裝置的一第三監控範圍。最後，根據該移動路徑，進行一控制操作，經由訊號傳輸接收器傳出一控制訊號以控制至少該第一可動攝影裝置、該第二可動攝影裝置以及該第三可動攝影裝置，以對該物件進行一接手視訊監控。

本發明中，利用非線性行為預測模型，可以精確的預測移動物件的非線性移動路徑，進而預先控制移動路徑所經過的監控範圍內配置的監控用攝影裝置，進行接手視訊監控，提高物件監控的準確性。

為讓本發明之上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

圖1是根據本發明一實施例的一種接手視訊監控方法的流程簡圖。本發明提出一種接手視訊監控方法，適用於監控一空間，此空間劃分成數個監控範圍，每一監控範圍由一可動攝影裝置進行監控。請參照圖1，首先於步驟S101中接收一警示訊號。之後，於步驟S103中，根據所接收的警示訊號，確認發出警示訊號的來源位置以及與此來源位置相關的一第一可動攝影裝置。

之後，於步驟S105中，根據第一可動攝影裝置所提供的一影像監視訊號，確認引發警示訊號的一物件。此物件例如是人、事件、車等可移動標的。繼之，於步驟S107中，根據一非線性行為預測模型，預測該物件的一移動路徑。圖1A是根據圖1的預測移動路徑結果之示意圖。請參照圖1A，在空間1000中，有5個監控範圍1、2、3、4與5，且分別由可動攝影裝置1002a、1002b、1002c、1002d與1002e進行監控，當在監控範圍1002c中由人X引發警示訊號時，則經由預測模型預測出人X的一移動路徑1004(如需線所示)，此一動路徑1004經過少包括由可動攝影裝置1002c所監控的監控範圍3到可動攝影裝置1002b的監控範圍2以及由監控範圍2到可動攝影裝置1002a的監控範圍1。

在一實施例中，上述非線性行為預測模型例如是根據馬可夫模型(Markov model)而建立。而此非線性行為預測模型包括數個移動模式矩陣，每一移動模式矩陣相對應一次監控範圍轉換(也就是物件由一監控範圍移動至另一監控範圍一次)，且每一移動模式矩陣是根據一第一矩陣等式：

其中k 代表自然數，也就是物件的k 次監控範圍。P ^k 代表物件在k 次監控範圍轉換時的一監控範圍轉換模式。代表物件的k 次監控範圍轉換時，由j 監控範圍轉換至i 監控範圍的一轉換機率，n 代表n 個監控範圍(以圖1A中所顯示的實施例為例，n 等於5)。

另外，當預測物件進行一次該監控範圍轉換時，物件之移動路徑的預測則根據一第一機率運算等式計算所得，而第一機率運算等式顯示如下：

其中，P ¹ 代表一次監控範圍轉換，b _n 代表在一次監控範圍轉換後，該物件出現在第n監控範圍的一出現機率。

另外，當預測物件進行至少連續w 次監控範圍轉換次時，物件之移動路徑的預測則根據一第二機率運算等式計算所得，而第二機率運算等式顯示如下：

其中，w 為自然數，P ¹ 代表一次監控範圍轉換，P ² 代表連續在P ¹ 之後的二次監控範圍轉換，P ^w-1 代表w-1 次監控範圍轉換，P ^w 代表w 次監控範圍轉換，C _n 代表在連續w 次監控範圍轉換後，該物件出現在第n監控範圍的一出現機率。

請參照圖1與圖1A，於步驟S109中，根據移動路徑1004，進行一控制操作，以控制至少可動攝影裝置1002c、可動攝影裝置1002b以及可動攝影裝置1002a，以對物件/人X進行一接手視訊監控。另外，上述控制操作還包括微調移動路徑所通過的每一監控範圍3、2與1所相對應的可動攝影裝置1002c、1002b與1002a的一鏡頭，對準物件進入監控範圍的一入口(如圖1A中，虛線箭頭1002a’與1002b’分別指示可動攝影裝置1002a與1002b的鏡頭對準方向)。

圖1B是根據圖1的預測移動路徑結果之示意圖。請參照圖1B，於另一實施例中，當物件Y在監控範圍3引發警示訊號，則經由非線性行為預測模型預測一次監控範圍轉換與連續兩次監控範圍轉換的結果分別如下：

等式(a)的結果顯示一次監控範圍轉換後，物件Y出現在監控範圍1的機率最大。而由等式(b)的結果顯示連續兩次監控範圍轉換後，物件Y出現在監控範圍2的機率最大，因此預測的物件移動路徑如圖1B中的虛線1006所示，預測物件Y將從監控範圍3，先移動至監控範圍1，再移動到監控範圍2。

請參照圖1，上述之接手視訊監控方法還包括進行一訓練(步驟S111)，以建立或是更新非線性行為預測模型。此訓練S111，首先提供數個矩陣，其中每一矩陣代表一監控範圍轉換模式，其包括複數個機率元素(entry)亦即上述之轉換機率。當訓練S111為一初始訓練(initialized training)時，則每一機率元素(亦即初始機率元素)的值為零。

之後，提供數個樣本路徑，並且每次輸入一樣本路徑(步驟S115)。根據每次輸入的樣本路徑，進行一更新步驟(步驟S117)，以依序更新每一矩陣中的每一機率元素。以初始訓練為例，經過重複輸入樣本路徑與更新步驟後(步驟S119)，每一初始機率元素更新成為轉換機率，以更新初始矩陣成為移動模式矩陣。而對於已經建立的非線性行為預測模型而言，經過重複輸入樣本路徑與更新步驟後，可使舊有的非線性行為預測模型中的移動模式矩陣，因為加入新的樣本路徑而更新。由於空間中的樣本路徑可因為時間點的不同而有不同的多數路徑模式(majority path pattern)，或是因為不同的環境事件導致有不同的慣有移動路線，因此將原本的非線性行為預測模型在特定時間點或是依照事件發生而進行更新，將有助於在不同情境或是時間點上對於移動物件的非線性行為預測的精確度提升。

又進行上述更新步驟是根據一第一等式與一第二等式進行計算，而第一等式顯示如下：

以及第二等式顯示如下：

其中，代表在k 次監控範圍轉換且物件由j 監控範圍轉換至i 監控範圍時，物件由j 監控範圍轉換至i 監控範圍的轉換機率，代表在k 次監控範圍轉換且物件由j 監控範圍轉換至i 監控範圍時，物件由j 監控範圍轉換至x 監控範圍的轉換機率，PS _path _ij 代表由監視範圍j 轉換至監視範圍i 的一先前樣本路徑數量，PS _path _xj 代表由監視範圍j 轉換至監視範圍x 的一先前樣本路徑數量，SN _j 代表由監視範圍j 起始轉換的一已訓練樣本路徑總數。

再者，上述輸入樣本路徑的步驟可以是實際監控至少一測試物件於一時間區間內的一實際移動路徑。另外，輸入樣本路徑的步驟還可以是手動輸入樣本路徑。除此之外，圖2是根據本發明又一實施例的一種接手視訊監控系統的區塊簡圖。請參照圖2，接手視訊監控系統200適用於監控劃分成複數個監控範圍的一空間，每一監控範圍由一可動攝影裝置監控。此接手視訊監控系統200包括一訊號接收模組202、一訊號分析模組204、一影像分析模組206、一路徑預測模組208以及一控制模組210。

訊號接收模組202用於接收一警示訊號。此警示訊號例如是以數個分別配置於監控範圍內的感應器212所感應產生的電子訊號。上述感應器212例如是紅外線感應器、聲波感應器或是電波訊號感應器等。而訊號分析模組204用以根據所接收的警示訊號，確認發出警示訊號的一來源位置以及與來源位置相關的一第一可動攝影裝置214。影像分析模組206，根據第一可動攝影裝置214所提供的一影像監視訊號，確認引發警示訊號的一物件。

路徑預測模組208，用於根據非線性行為預測模型，預測物件的一移動路徑。此非線性行為預測模型之運算矩陣以及預測物件移動路徑的矩陣運算方法已經於上述實施例中具體描述，因此不再於此處贅述。而控制模組210，則根據所預測的移動路徑，進行一控制操作，以控制移動路徑所經過的監控範圍中配置的可動攝影裝置，對該物件進行一接手視訊監控。

上述接手視訊監控方系統200還包括一訓練模組216，用以建立或是更新非線性行為預測模型。此訓練模組216包括複數個矩陣218，其中每一矩陣包括數個機率元素(entry)218a。於本實施例中是以建立一非線性行為預測模型為例，因此每一矩陣中的每一機率元素(初始機率元素)為零。訓練模組216還包括一輸入模組220與一更新模組222。輸入模組220，用以依序輸入數個樣本路徑。更新模組220則依照每次所輸入的樣本路徑其中之一，更新每一機率元素一次。上述輸入樣本路徑與更新機率元素的方法以及所根據的運算等式已經於上述實施例中詳述，因此不再於此處贅述。

圖3是根據本發明一實施例的一種電腦裝置的配置簡圖。如圖3所示，一電腦裝置300，與複數個可動攝影裝置302連線以接手視訊監控一空間。此空間劃分成複數個監控範圍，而每一監控範圍由每一可動攝影裝置所監控。此電腦裝置300包括一訊號傳輸接收器304以及一處理器306。其中訊號傳輸接收器304，用於接收一警示訊號以及可動攝影裝置302所提供的數個監視訊號。此外，警示訊號例如是以數個分別配置於監控範圍內的感應器308所感應產生的電子訊號。上述感應器308例如是紅外線感應器、聲波感應器或是電波訊號感應器等。

而處理器306，則用以執行一電腦可讀程式的複數個程序步驟。上述程序步驟可以具體實行圖1所示的本發明揭露之接手視訊監控方法，包括步驟S101至S109，以及具體實行訓練S111(包括步驟S113至S119)。由於上述施行步驟的具體實施方法已經於相關於圖1的接手視訊監控方法之實施例中詳述，因此不再於此處贅述。

本發明中，利用非線性行為預測模型，可以精確的預測移動物件的非線性移動路徑，進而預先控制移動路徑所經過的監控範圍內配置的監控用攝影裝置，進行接手視訊監控，提高物件監控的準確性。此外，藉由手動輸入樣本路徑或是實際監控至少一樣本物件的移動路徑為樣本路徑，並基於不同時間點與不同環境事件發生因素，更新非線性行為預測模型，而可獲得更精確的非線性行為預測模型，提高預測非線性移動路徑的精確度，並且可以智慧化的持續追蹤移動中的可疑物件。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作些許之更動與潤飾，故本發明之保護範圍當視後附之申請專利範圍所界定者為準。

S101~S119．．．方法流程步驟

200．．．接手視訊監控系統

202．．．號接收模組

204．．．訊號分析模組

206．．．影像分析模組

208．．．路徑預測模組

210．．．控制模組

212、308．．．感應器

214、302．．．可動攝影裝置

216．．．訓練模組

218．．．矩陣

218a．．．機率元素

220．．．輸入模組

222．．．更新模組

300．．．電腦裝置

304．．．訊號傳輸接收器

306．．．處理器

1000．．．空間

1、2、3、4、5．．．監控範圍

1002a、1002b、1002c、1002d、1002e．．．可動攝影裝置

1002’、1002b’．．．虛線箭頭

1004、1006．．．移動路徑

圖1是根據本發明一實施例的一種接手視訊監控方法的流程簡圖。

圖1A是根據圖1的預測移動路徑結果之示意圖。

圖1B是根據圖1的預測移動路徑結果之示意圖。

圖2是根據本發明又一實施例的一種接手視訊監控系統的區塊簡圖。

圖3是根據本發明一實施例的一種電腦裝置的配置簡圖。

S101~S119．．．方法流程步驟

Claims (36)

1. 一種接手視訊監控方法，適用於監控一空間，其中該空間劃分成複數個監控範圍，每一監控範圍由一可動攝影裝置監控，此方法包括：接收一警示訊號；根據該警示訊號，以確認發出警示訊號的一來源位置以及與該來源位置相關的一第一可動攝影裝置；根據該第一可動攝影裝置所提供的一影像監視訊號，確認引發該警示訊號的一物件；根據一非線性行為預測模型，預測該物件的一移動路徑，其中該移動路徑至少包括由該第一可動攝影裝置所監控的一第一監控範圍到一第二可動攝影裝置的一第二監控範圍以及由該第二監控範圍到一第三可動攝影裝置的一第三監控範圍；以及根據該移動路徑，進行一控制操作，以控制至少該第一可動攝影裝置、該第二可動攝影裝置以及該第三可動攝影裝置，以對該物件進行一接手視訊監控。
2. 如申請專利範圍第1項所述之接手視訊監控方法，其中該非線性行為預測模型中包括複數個移動模式矩陣。
3. 如申請專利範圍第2項所述之接手視訊監控方法，其中每一該些移動模式矩陣相對應一次監控範圍轉換，且每一該些移動模式矩陣是根據一第一矩陣等式： 其中k 代表自然數，P ^k 代表該物件在k 次該監控範圍轉換時的一監控範圍轉換模式，代表k 次該監控範圍轉換時，由j 監控範圍轉換至i 監控範圍的一轉換機率，n 代表n 個該些監控範圍。
4. 如申請專利範圍第3項所述之接手視訊監控方法，其中當預測該物件進行一次該監控範圍轉換時，該物件之該移動路徑則根據一第一機率運算等式： 其中，P ¹ 代表一次監控範圍轉換，b _n 代表在一次監控範圍轉換後，該物件出現在第n監控範圍的一出現機率。
5. 如申請專利範圍第3項所述之接手視訊監控方法，其中當預測該物件至少連續w 次監控範圍轉換次時，該物件之該移動路徑則根據一第二機率運算等式： 其中，w 為自然數，P ¹ 代表一次監控範圍轉換，P ² 代表連續在P ¹ 之後的二次監控範圍轉換，P ^w-1 代表w-1 次監控範圍轉換，P ^w 代表w 次監控範圍轉換，C _n 代表在連續w 次監控範圍轉換後，該物件出現在第n監控範圍的一出現機率。
6. 如申請專利範圍第3項所述之接手視訊監控方法還包括進行一訓練，以更新該非線性行為預測模型，其中該訓練包括：提供複數個矩陣，其中每一該些矩陣包括複數個機率元素(entry)；提供複數個樣本路徑；以及進行一更新步驟以依序輸入每一該些樣本路徑，以依序更新每一該些矩陣中的每一該些機率元素成為該轉換機率，以更新該些矩陣成為該些移動模式矩陣。
7. 如申請專利範圍第6項所述之接手視訊監控方法，其中該些機率元素的值為零。
8. 如申請專利範圍第6項所述之接手視訊監控方法，其中進行該更新步驟是根據一第一等式： 以及一第二等式： 其中，代表在k 次該監控範圍轉換且該物件由j 監控範圍轉換至i 監控範圍時，該物件由j 監控範圍轉換至i 監控範圍的該轉換機率，代表在k 次監控範圍轉換且該物件由j 監控範圍轉換至i 監控範圍時，該物件由j 監控範圍轉換至x 監控範圍的該轉換機率，PS_path _ij 代表由監視範圍j 轉換至監視範圍i 的一先前樣本數量，PS_path _xj 代表由監視範圍j 轉換至監視範圍x 的一先前樣本數量，SN _j 代表由監視範圍j 起始轉換的一已訓練樣本總數。
9. 如申請專利範圍第6項所述之接手視訊監控方法，其中輸入該些樣本路徑的步驟包括實際監控至少一測試物件於一時間區間內的一實際移動路徑。
10. 如申請專利範圍第6項所述之接手視訊監控方法，其中輸入該些樣本路徑的步驟包括手動輸入該些樣本路徑。
11. 如申請專利範圍第1項所述之接手視訊監控方法，其中該控制操作還包括微調該移動路徑所通過的每一該些監控範圍所相對應的該可動攝影裝置的一鏡頭，對準該物件進入該些監控範圍的一入口。
12. 如申請專利範圍第1項所述之接手視訊監控方法，其中該非線性行為預測模型中根據馬可夫模型(Markov model)而建立。
13. 一種接手視訊監控系統，適用於監控一空間，其中該空間劃分成複數個監控範圍，每一監控範圍由一可動攝影裝置監控，此系統包括：一訊號接收模組，用於接收一警示訊號；一訊號分析模組，以根據該警示訊號，確認發出警示訊號的一來源位置以及與該來源位置相關的一第一可動攝影裝置；一影像分析模組，以根據該第一可動攝影裝置所提供的一影像監視訊號，確認引發該警示訊號的一物件；一路徑預測模組，根據一非線性行為預測模型，預測該物件的一移動路徑，其中該移動路徑至少包括由該第一可動攝影裝置所監控的一第一監控範圍到一第二可動攝影裝置的一第二監控範圍以及由該第二監控範圍到一第三可動攝影裝置的一第三監控範圍；以及一控制模組，根據該移動路徑，進行一控制操作，以控制至少該第一可動攝影裝置、該第二可動攝影裝置以及該第三可動攝影裝置，以對該物件進行一接手視訊監控。
14. 如申請專利範圍第13項所述之接手視訊監控系統，其中該非線性行為預測模型中包括複數個移動模式矩陣。
15. 如申請專利範圍第14項所述之接手視訊監控系統，其中每一該些移動模式矩陣相對應一監控範圍轉換，且每一該些移動模式矩陣是根據一第一矩陣等式： 其中k 為自然數，P ^k 代表該物件在k 次該監控範圍轉換時的一監控範圍轉換模式，代表k 次該監控範圍轉換時，由j 監控範圍轉換至i 監控範圍的一轉換機率，n 代表n 個該些監控範圍。
16. 如申請專利範圍第15項所述之接手視訊監控系統，其中當該路徑預測模組預測該物件進行一次該監控範圍轉換時，該物件之該移動路徑則根據一第一機率運算等式： 其中，P ¹ 代表一次監控範圍轉換，b _n 代表在一次監控範圍轉換後，該物件出現在第n監控範圍的一出現機率。
17. 如申請專利範圍第15項所述之接手視訊監控系統，其中當該路徑預測模組預測該物件至少連續w 次監控範圍轉換次時，該物件之該移動路徑則根據一第二機率運算等式： 其中，w 為自然數，P ¹ 代表一次監控範圍轉換，P ² 代表連續在P ¹ 之後的二次監控範圍轉換，P ^{w -1} 代表w -1 次監控範圍轉換，P ^w 代表w 次監控範圍轉換，C _n 代表在連續w 次監控範圍轉換後，該物件出現在第n監控範圍的一出現機率。
18. 如申請專利範圍第15項所述之接手視訊監控系統還包括一訓練模組，以更新該非線性行為預測模型，其中該訓練模組包括：複數個矩陣，其中每一該些矩陣包括複數個機率元素(entry)；一輸入模組，用以依序輸入複數個樣本路徑；以及一更新模組，依照每次所輸入的該些樣本路徑其中之一，更新一次每一該些矩陣中的每一該些機率元素。
19. 如申請專利範圍第18項所述之接手視訊監控系統，其中該些機率元素的值為零。
20. 如申請專利範圍第18項所述之接手視訊監控系統，其中該更新模組進行該更新步驟是根據一第一等式： 以及一第二等式： 其中，代表在k 次該監控範圍轉換且該物件由j 監控範圍轉換至i 監控範圍時，該物件由j 監控範圍轉換至i 監控範圍的該轉換機率，代表在k 次監控範圍轉換且該物件由j 監控範圍轉換至i 監控範圍時，該物件由j 監控範圍轉換至x 監控範圍的該轉換機率，PS _path _ij 代表由監視範圍j 轉換至監視範圍i 的一先前樣本數量，PS _path _xj 代表由監視範圍j 轉換至監視範圍x 的一先前樣本數量，SN _j 代表由監視範圍j 起始轉換的一已訓練樣本總數。
21. 如申請專利範圍第18項所述之接手視訊監控系統，其中輸入該些樣本路徑的步驟包括實際監控至少一測試物件於一時間區間內的一實際移動路徑。
22. 如申請專利範圍第18項所述之接手視訊監控系統，其中輸入該些樣本路徑的步驟包括手動輸入該些樣本路徑。
23. 如申請專利範圍第13項所述之接手視訊監控系統，其中該控制模組還包括微調該移動路徑所通過的每一該些監控範圍所相對應的該可動攝影裝置的一鏡頭，對準該物件進入該些監控範圍的一入口。
24. 如申請專利範圍第13項所述之接手視訊監控系統，其中該非線性行為預測模型中根據馬可夫模型(Markov model)而建立。
25. 一種電腦裝置，與複數個可動攝影裝置連線以接手視訊監控一空間，其中該空間劃分成複數個監控範圍，每一監控範圍由每一該些可動攝影裝置監控，此電腦裝置包括：一訊號傳輸接收器，用於接收一警示訊號以及該些可動攝影裝置所提供的複數個監視訊號；一處理器，用以執行一電腦可讀程式的複數個程序步驟，包括：根據該警示訊號，以確認發出警示訊號的一來源位置以及與該來源位置相關的一第一可動攝影裝置；根據該第一可動攝影裝置所提供的一第一影像監視訊號，確認引發該警示訊號的一物件；根據一非線性行為預測模型，預測該物件的一移動路徑，其中該移動路徑至少包括由該第一可動攝影裝置所監控的一第一監控範圍到一第二可動攝影裝置的一第二監控範圍以及由該第二監控範圍到一第三可動攝影裝置的一第三監控範圍；以及根據該移動路徑，進行一控制操作，以經由訊號傳輸接收器傳出一控制訊號以控制至少該第一可動攝影裝置、該第二可動攝影裝置以及該第三可動攝影裝置，以對該物件進行一接手視訊監控。
26. 如申請專利範圍第25項所述之電腦裝置，其中該非線性行為預測模型中包括複數個移動模式矩陣。
27. 如申請專利範圍第26項所述之電腦裝置，其中每一該些移動模式矩陣相對應一次監控範圍轉換，且每一該些移動模式矩陣是根據一第一矩陣等 其中k 代表自然數，P ^k 代表該物件在k 次該監控範圍轉換時的一監控範圍轉換模式，代表k 次該監控範圍轉換時，由j 監控範圍轉換至i 監控範圍的一轉換機率，n 代表n 個該些監控範圍。
28. 如申請專利範圍第27項所述之電腦裝置，其中當預測該物件進行一次該監控範圍轉換時，該物件之該移動路徑則根據一第一機率運算等式： 其中，P ¹ 代表一次監控範圍轉換，b _n 代表在一次監控範圍轉換後，該物件出現在第n監控範圍的一出現機率。
29. 如申請專利範圍第27項所述之電腦裝置，其中當預測該物件至少連續w 次監控範圍轉換次時，該物件之該移動路徑則根據一第二機率運算等式： 其中，w 為自然數，P ¹ 代表一次監控範圍轉換，P ² 代表連續在P ¹ 之後的二次監控範圍轉換，P ^w-1 代表w -1 次監控範圍轉換，P ^w 代表w 次監控範圍轉換，C _n 代表在連續w 次監控範圍轉換後，該物件出現在第n監控範圍的一出現機率。
30. 如申請專利範圍第27項所述之電腦裝置，其中該些程序步驟還包括進行一訓練，以建立該非線性行為預測模型，其中該訓練包括：提供複數個矩陣，其中每一該些矩陣包括複數個機率元素(entry)；提供複數個樣本路徑；以及進行一更新步驟以依序輸入每一該些樣本路徑，以依序更新每一該些矩陣中的每一該些機率元素成為該轉換機率，以更新該些矩陣成為該些移動模式矩陣。
31. 如申請專利範圍第30項所述之電腦裝置，其中該些機率元素的值為零。
32. 如申請專利範圍第30項所述之電腦裝置，其中進行該更新步驟是根據一第一等式： 以及一第二等式： 其中，代表在k 次該監控範圍轉換且該物件由j 監控範圍轉換至i 監控範圍時，該物件由j 監控範圍轉換至i 監控範圍的該轉換機率，代表在k 次監控範圍轉換且該物件由j 監控範圍轉換至i 監控範圍時，該物件由j 監控範圍轉換至x 監控範圍的該轉換機率，PS_path _ij 代表由監視範圍j 轉換至監視範圍i 的一先前樣本數量，PS_path _xj 代表由監視範圍j 轉換至監視範圍x 的一先前樣本數量，SN _j 代表由監視範圍j 起始轉換的一已訓練樣本總數。
33. 如申請專利範圍第30項所述之電腦裝置，其中輸入該些樣本路徑的步驟包括實際監控至少一測試物件於一時間區間內的一實際移動路徑。
34. 如申請專利範圍第30項所述之電腦裝置，其中輸入該些樣本路徑的步驟包括手動輸入該些樣本路徑。
35. 如申請專利範圍第25項所述之電腦裝置，其中該控制操作還包括微調該移動路徑所通過的每一該些監控範圍所相對應的該可動攝影裝置的一鏡頭，對準該物件進入該些監控範圍的一入口。
36. 如申請專利範圍第25項所述之電腦裝置，其中該非線性行為預測模型中根據馬可夫模型(Markov model)而建立。