TWI831727B

TWI831727B - 影像模式應用方法及其監控設備

Info

Publication number: TWI831727B
Application number: TW112135046A
Authority: TW
Inventors: 劉誠傑
Original assignee: 晶睿通訊股份有限公司
Priority date: 2023-09-14
Filing date: 2023-09-14
Publication date: 2024-02-01
Also published as: US20250095376A1; TW202512115A

Abstract

一種影像模式應用方法，應用於具有一運算處理器的一監控設備。該運算處理器取得依序生成一第一偵測影像和一第二偵測影像之一影像串流。該影像模式應用方法包含有在該第一偵測影像內偵測一第一目標物件之一第一特徵，根據該第一特徵之一偵測結果將該監控設備之一應用模式從一第一模式調整為一第二模式，在該第二偵測影像內偵測該第一目標物件之一第二特徵，比對該第二特徵是否符合該第一特徵，以及在該第二特徵符合該第一特徵時，進一步將該應用模式從該第二模式調整為該第一模式。

Description

影像模式應用方法及其監控設備

本發明係提供一種影像模式應用方法及其監控設備，尤指一種基於物件新特徵切換設備應用模式的影像模式應用方法及其監控設備。

傳統監控設備的智慧錄影技術主要包含運動偵測(motion based)錄影以及物件偵測(object based)錄影。運動偵測錄影技術係在監控畫面內偵測到動態物件時就使用高規格模式(例如高解析度、高畫質或高影格速率)將監控畫面進行儲存或者傳輸至後端的監控管理系統進行後續的應用(例如:播放監控影像、發送警示訊息….等)，若監控畫面內沒有偵測到運動物件，則改用標準模式(例如低解析度、低畫質或低影格速率)進行影像傳輸及錄影。物件偵測錄影技術是在監控畫面內偵測到特定物件(例如行人)即使用高規格模式進行影像傳輸及錄影，若監控畫面內沒有偵測到特定物件，則使用標準模式進行影像傳輸及錄影；如果特定物件持續停留在監控畫面內，傳統物件偵測錄影技術也會高規格模式。因此，傳統運動偵測錄影技術和物件偵測錄影技術，易因偵測錄影的設置條件無法滿足複雜的物件行為而造成不必要的影像傳輸流量、浪費儲存影像所需之儲存空間、甚至發送不必要的警示訊息等問題。

本發明係提供一種基於物件新特徵切換設備應用模式的影像模式應用方法及其監控設備，以解決上述之問題。

本發明之申請專利範圍係揭露一種影像模式應用方法，應用於具有一運算處理器的一監控設備。該運算處理器取得依序生成一第一偵測影像和一第二偵測影像之一影像串流。該影像模式應用方法包含有在該第一偵測影像內偵測一第一目標物件之一第一特徵，根據該第一特徵之一偵測結果將該監控設備之一應用模式從一第一模式調整為一第二模式，在該第二偵測影像內偵測該第一目標物件之一第二特徵，比對該第二特徵是否符合該第一特徵，以及在該第二特徵符合該第一特徵時，進一步將該應用模式從該第二模式調整為該第一模式。

本發明之申請專利範圍另揭露一種監控設備，其包含有一運算處理器，用以取得依序生成一第一偵測影像和一第二偵測影像之一影像串流，並且執行如前所述之影像模式應用方法。

本發明之影像模式應用方法及其監控設備係分析偵測影像內目標物件的新特徵來決定影像串流之應用模式。如果偵測影像內只有相同的目標物件、但沒有出現新特徵，會不再警示，並將影像串流調整為標準模式以減少影像傳輸之流量，並節約儲存影像所需之儲存空間；如果相同目標物件但具有新特徵，則是以影像串流之高規格模式，以提供更多的影像資訊。本發明能在偵測影像內出現進行相同行為的動態物件或保持不動的特定物件時，將影像串流調整為標準模式和/或關閉警報，從而達到減少影像傳輸之流量，以及節約儲存影像所需儲存空間之目的。

請參閱第1圖，第1圖為本發明實施例之監控設備10之功能方塊圖。監控設備10可包含運算處理器12，並且搭配於影像感測器14。監控設備10可以是監控攝影機，具有內建的運算處理器12與影像感測器14；運算處理器12將影像感測器14生成之影像串流進行處理後再傳送給外部設備。監控設備10也可以是不具影像擷取功能的系統，例如網路錄影主機或雲端伺服器等；監控設備10利用運算處理器12取得外部影像擷取設備生成之影像串流，再進行所需的影像處理。監控設備10的實際應用不限於前述示例，端依設計需求而定。其中，影像串流可為單一筆影像串流，或複數筆影像串流。

請參閱第2圖至第6圖，第2圖為本發明實施例之影像模式應用方法之流程圖，第3圖至第6圖為本發明實施例之監控設備10所取得影像串流所具有之多張偵測影像之示意圖。影像串流可包含依序生成的複數張偵測影像，例如初始偵測影像I0，第一偵測影像I1、第二偵測影像I2、第三偵測影像I3等。監控設備10的應用模式會依影像模式應用方法的結果而定。應用模式可包含、但不限於、影像模式、警報模式、傳輸模式和/或儲存模式；本實施例係以影像模式為示例。初始偵測影像I0的生成時間點早於第一偵測影像I1的生成時間點，第一偵測影像I1的生成時間點早於第二偵測影像I2的生成時間點，且第二偵測影像I2的生成時間點早於第三偵測影像I3的生成時間點，合先敘明。

關於影像模式應用方法，首先執行步驟S100，在影像串流內進行物件辨識以判斷是否具有目標物件。目標物件可為行人、車輛、或其他物件。本實施態樣以目標物件設定為行人為例，可看出初始偵測影像I0內的物件皆屬於背景資訊，此時可執行步驟S102以將影像串流之應用模式預設為第一模式。此處的應用模式(影像模式)可包含、但不限於、畫質調整模式、或解析度調整模式、或解像力調整模式、或影格速率調整模式；而第一模式係為標準模式，意即低畫質模式、或低解析度模式、或低解像力模式、或低影格速率模式。

若在影像串流內找到目標物件，可執行步驟S104，在第一偵測影像I1偵測到第一目標物件O1及其第一特徵F1；步驟S104僅為便於示例而預設在第一偵測影像I1找到第一目標物件O1，實際情況也可能是在第二偵測影像I2、第三偵測影像I3、或後續的其它偵測影像才找到目標物件，找到的目標物件的數量也可能是一個或多個，於此不對其它可能變化另行說明。此外，第一特徵F1係關聯於第一目標物件O1，並可選自由下列所組成之群：第一目標物件O1之行為、臉部特徵、衣著與體態特徵；然實際應用當不限於此。本實施例的第一特徵F1可定義為背向影像感測器14之行為、或謂第一目標物件O1的背部特徵。特徵與目標物件之關聯可為神經網路之標籤建立；此外，特徵與目標物件之關聯另可儲存於記憶單元16。為符合客製化需求，影像模式應用方法還可於符合預設時間條件後(例如，某關聯被建立的2小時後，或到達預訂時刻)，開始刪除記憶單元16內特徵與目標物件之關聯。

由於步驟S104在影像串流內找到新物件與新特徵，故接續執行步驟S106以將影像串流之應用模式從第一模式調整為第二模式。第二模式係為高規格模式，例如高畫質模式、或高解析度模式、或高解像力模式、或高影格速率模式。接著，影像模式應用方法繼續對影像串流的下一張偵測影像進行物件辨識，如執行步驟S108與步驟S110，可在第二偵測影像I2內偵測第一目標物件O1之第二特徵F2，並比對第二特徵F2是否符合第一特徵F1。第二特徵F2亦關聯於第一目標物件O1，並可為第一目標物件O1之行為、臉部特徵、衣著或體態特徵。

本發明之應用模式可包含省略時間與空間資訊的標準模式、以及保留較多時間與空間資訊的高規格模式，然實際應用不限於此；舉例來說，本發明還可進一步包含超高規格模式和/或其它規格模式等，其變化端視設計需求而定。

如第二特徵F2符合第一特徵F1，表示第一目標物件O1在第二偵測影像I2仍維持與第一偵測影像I1相同的行為或體態特徵，故執行步驟S112以將應用模式從第二模式(高規格模式)調整為第一模式(標準模式)；換言之，因為第二偵測影像I2相對於第一偵測影像I1沒有出現新物件(同為第一目標物件O1)或新特徵(相同的背部特徵或背向行為)，本發明的影像模式應用方法會降低影像規格的標準，以大幅減少影像傳輸之流量，以及節約儲存影像所需的儲存空間(記憶單元16的影像資訊)。記憶單元16係可內建於監控設備10並且電連接運算處理器12。

如第二特徵F2不符合第一特徵F1，表示第一目標物件O1在第二偵測影像I2的行為或體態特徵不同於第一偵測影像I1，例如身體轉向而面對影像感測器14，意即出現了新特徵，此時可執行步驟S114以將應用模式維持在第二模式(高規格模式)。值得一提的是，本發明所提及之新特徵可能是空間軸特徵，例如物件的視角變化(正面、或側面、或背面朝向影像感測器14)、姿態變化(站立或坐姿)、或配件變化(帽子或口罩或背包之穿脫)等，也可能是時間軸特徵，例如位置變化(行走或快跑)、行為變化(抽菸、聊天、或操作手機)；然實際應用當不限於此。

若步驟S108除了在第二偵測影像I2內偵測第一目標物件O1之第二特徵F2，還進一步在第二偵測影像I2內偵測到第二目標物件O2之預定特徵Fd，本發明的影像模式應用方法可在上述兩偵測情況，分別設定不同的優先權。進一步說明，第二偵測影像I2內偵測第一目標物件O1之第二特徵F2符合第一特徵F1時，對此偵測結果產生第一優先權；而第二偵測影像I2內偵測到第二目標物件O2之預定特徵Fd時，對此偵測結果產生第二優先權。其中，第二優先權高於第一優先權。優先權之高低順序可取決於各特徵的重複性或新舊條件等因素；舉例來說，因為第二特徵F2符合第一特徵F1故會產生權值較低的第一優先權，預定特徵Fd為第二偵測影像I2新出現的特徵因而生成權值較高的第二優先權。優先權的順序判斷基準不限於前揭實施態樣，端依設計需求而定。因此，在第二偵測影像I2內偵測到上述兩偵測情況時，由於第二優先權高於第一優先權，故仍將應用模式維持於第二模式(高規格模式)。此情境中，雖然第一目標物件O1沒有出現新特徵(意即第二特徵F2符合第一特徵F1)，但出現了新物件及其新特徵(第二目標物件O2和預定特徵Fd)，影像模式應用方法仍會將應用模式維持在第二模式以取得細節清晰的影像資訊。

另一方面，如果在第一偵測影像I1與第二偵測影像I2都偵測到多個目標物件(例如第一目標物件O1和第二目標物件O2)，只要至少一個目標物件在第二偵測影像I2出現了第一偵測影像I1沒有的新特徵，本發明的影像模式應用方法就會將應用模式維持在第二模式；所有目標物件的所有特徵在第一偵測影像I1與第二偵測影像I2都保持一致，本發明的影像模式應用方法才會將應用模式從第二模式調整為第一模式。

接下來，影像模式應用方法繼續對影像串流的下一張偵測影像進行物件辨識，如執行步驟S116與步驟S118，可在第三偵測影像I3內偵測第一目標物件O1之第三特徵F3，並比對第三特徵F3是否符合第一特徵F1與第二特徵F2。若第三特徵F3符合第一特徵F1、或符合第二特徵F2、或同時符合第一特徵F1與第二特徵F2時，表示第三偵測影像I3沒有出現新特徵，故執行步驟S120以將應用模式調整或維持在第一模式。若第三特徵F3不符合第一特徵F1或符合第二特徵F2，表示第三偵測影像I3出現新特徵，則可執行步驟S122以將應用模式調整或維持在第二模式。

關於符合預設時間條件後，刪除記憶單元16內特徵與目標物件之關聯，進一步說明如下。舉例而言，在某天上午8點的偵測影像中，第一目標物件O1第一次出現具有第一特徵F1的脫口罩行為時，則執行步驟S100、S104與S106。接下來的偵測影像中，若第一目標物件O1再次出現具有第一特徵F1的脫口罩行為，則可執行步驟S108、S110與S112 (或步驟S116、S118與S120)。在當天下午1點時，因符合客製化的預設時間條件，運算處理器12開始刪除記憶單元16內特徵與目標物件之關聯。如此一來，當天下午1點之後，第一目標物件O1再次出現具有第一特徵F1的脫口罩行為時，因運算處理器12已刪除記憶單元16內特徵與目標物件之關聯，則會初始化回到步驟S100。

此外，本發明的應用模式還可設計為警報模式；警報模式的第一模式為警報關閉模式，第二模式則屬警報生成模式。警報生成模式，不限影像、光學、聲學或振動形式的警報。例如，生成並顯示，第一目標物件O1出現具有第一特徵F1(脫口罩行為)的影像。本發明的影像模式應用方法在特徵首次出現時，可將應用模式切換到第二模式(警報生成模式)以發出警報；而在特徵重複出現時，則是將應用模式切換或維持在第一模式(警報關閉模式)來避免噪聲或各種形式干擾。請參閱第7圖，第7圖為本發明實施例之監控設備所取得影像串流隨特徵變化而切換警報模式的示意圖。

如第7圖所示，偵測影像It1、It2、It3與It4係為影像串流依時間順序分別取得的多張偵測影像。偵測影像It1的目標物件O具有安全帽特徵Fh與安全背心特徵Fv。若目標物件O在偵測影像It2內脫下安全背心(安全背心特徵Fv發生變化)，影像模式應用方法會判定其產生整體特徵變化(意即前述實施例之第二特徵F2不符合第一特徵F1)，故將應用模式切換成第二模式(警報生成模式)以發出警報。接著，目標物件O在偵測影像It3進一步脫掉安全帽(安全帽特徵Fh發生變化)，影像模式應用方法亦會判定其產生整體特徵變化(意即前述實施例之第二特徵F2不符合第一特徵F1)，故將應用模式維持在第二模式(警報生成模式)。如目標物件O在偵測影像It4穿戴回安全帽，表示此時的整體特徵回復成先前出現過的整體特徵(前述實施例之第二特徵F2符合第一特徵F1)，而會將應用模式切換到第一模式(警報關閉模式)。

由此可知，本發明的影像模式應用方法及其監控設備在特徵重複出現時，例如偵測影像It4相比於偵測影像It2屬於第二特徵F2符合第一特徵F1的情境，可將應用模式調整為第一模式(警報關閉模式)。相比於此，先前技術係認定偵測影像It4相比於偵測影像It3具有特徵改變的條件，會持續發出警報而產生擾人噪聲或各種形式干擾；本發明可有效改善先前技術的該項缺點。

步驟S110與步驟S100係進行特徵相符比對，其可利用聚類分析或神經網路架構等具有類似功能之技術進行比對分析，此處以步驟S110為示例進行說明，然需指出其實際應用並不限於下述的實施態樣。影像串流在第一偵測影像I1之前可能包含第一目標物件O1剛進入影像畫面內的多張初始偵測影像I0，第一目標物件O1行走一段距離才抵達影像畫面中央而生成第一偵測影像I1，故本發明的影像模式應用方法可收集第一目標物件O1在預定時段內於影像串流之多張先前偵測影像的多筆先前特徵向量以形成至少一聚類；此情境中，預定時段可定義為第一目標物件O1剛進入影像畫面至抵達影像畫面中央的時間區段，先前偵測影像則定義為早於第一偵測影像I1的多張初始偵測影像I0，特徵向量係利用常見特徵提取技術所取得，從而形成供特徵比對之一個或多個聚類。

接下來，本發明的影像模式應用方法會在多張先前偵測影像之後的當前偵測影像取得之第一目標物件O1的當前特徵向量，並計算當前特徵向量相對於先前形成之聚類的距離。如果當前特徵向量相對於該聚類的距離小於預定門檻，表示當前偵測影像相比於先前偵測影像沒有出現新特徵，故影像串流可調整或維持在先前偵測影像的既有模式(例如第一模式)；如果當前特徵向量相對於該聚類的距離大於或等於預定門檻，表示當前偵測影像出現了先前偵測影像不具有的新特徵，故影像串流會調整為不同於先前偵測影像的第二模式；此時，當前偵測影像可視為第一偵測影像I1，預定門檻則可以依照系統預設值和訓練更新值而相應設定及調整。

換言之，本發明的影像模式應用方法係持續對影像串流之所有偵測影像進行特徵相符比對。若某張當前偵測影像相比於先前偵測影像沒有出現新特徵，此張當前偵測影像可列入先前偵測影像，影像串流處於第一模式以減少影像傳輸之流量，以及節約儲存影像所需儲存空間，並且去取得下一張當前偵測影像執行相同的特徵相符比對；只要任一張偵測影像(意即當前偵測影像)出現了先前偵測影像沒有出現的新特徵，影像串流就可調整到第二模式以提供細節清晰的影像資訊。

請參閱第8圖，第8圖為本發明另一實施例之監控設備10所取得偵測影像I之示意圖。本發明的監控設備10可選擇性地在影像串流之各偵測影像I利用物件辨識等技術劃設對應於第一目標物件O1之感興趣區域R，並且應用於前述之影像模式應用方法。若某張偵測影像I出現了其它偵測影像I沒有出現的新特徵，本發明的影像模式應用方法可選擇性地只將感興趣區域R的應用模式從第一模式調整為第二模式，意即只調整影像串流之偵測影像I內的部分像素(感興趣區域R所涵蓋之像素)，可以進一步減少儲存在記憶單元16的影像資訊。而在某張偵測影像I相比於其它偵測影像I沒有出現新特徵時(例如前述之第二特徵F2符合第一特徵F1時)，則是將感興趣區域R的應用模式調整或維持在第一模式。

此外，在本發明之某一可能實施例中，影像感測器14可同時提供複數筆影像串流(例如具有標準模式與高規格模式的多筆影像串流)給運算處理器12，監控設備10則會根據前述影像模式應用方法之特徵比對結果，決定影像串流以標準模式或高規格模式儲存在記憶單元16的錄製模式，達到節約儲存影像所需儲存空間之目的。舉例來說，偵測到新特徵時會將應用模式切換到第二模式(高儲存量模式)來儲存高規格模式的影像串流，沒有出現新特徵時則將應用模式切換到第一模式(低儲存量模式)以儲存標準模式的影像串流。在一般情況下，監控設備10可選擇常態性地將標準模式的影像串流儲存在記憶單元16，而在依照本發明之影像模式應用方法找到新物件或新特徵時，改為將高規格模式的影像串流儲存到記憶單元16。

在本發明之其它可能實施例中，影像感測器14可提供切換於不同影像規格的單一筆影像串流(意即標準模式的影像串流、或高規格模式的影像串流)，監控設備10會根據本發明之影像模式應用方法是否找到新物件或新特徵的結果，決定影像串流係以標準模式或高規格模式執行其傳輸模式，然後再將輸送到後端的影像串流(視特徵比對結果而為標準模式或高規格模式)儲存在記憶單元16；換言之，此實施例偵測到新特徵時會將應用模式切換到第二模式(高流量模式)以傳輸高規格模式的影像串流，沒有出現新特徵時則將應用模式切換到第一模式(低流量模式)而傳輸標準模式的影像串流。

綜上所述，本發明的影像模式應用方法及其監控設備係分析偵測影像內目標物件的新特徵來決定影像串流之應用模式。如果偵測影像內只有相同的目標物件、但沒有出現新特徵，不會發出警示，並將影像串流調整為標準模式以減少影像傳輸之流量，以及節約儲存影像所需的儲存空間。如果偵測影像內出現相同目標物件但具有新特徵，則是發出警示，並以影像串流之高規格模式提供更多的影像資訊。相比於先前技術，本發明能在偵測影像內出現進行相同行為的運動物件或保持不動的特定物件時，不再警示，並將影像串流調整為標準模式和/或關閉警報，從而減少影像傳輸之流量，以及節約儲存影像所需儲存空間。以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。

10:監控設備 12:運算處理器 14:影像感測器 16:記憶單元 I:偵測影像 I0:初始偵測影像 I1:第一偵測影像 I2:第二偵測影像 I3:第三偵測影像 It1、It2、It3與It4:另一實施態樣之偵測影像 R:感興趣區域 O:目標物件 O1:第一目標物件 O2:第二目標物件 Fh:安全帽特徵 Fv:安全背心特徵 F1:第一特徵 F2:第二特徵 F3:第三特徵 Fd:預定特徵 S100、S102、S104、S106、S108、S110、S112、S114、S116、S118、S120、S122:步驟

第1圖為本發明實施例之監控設備之功能方塊圖。第2圖為本發明實施例之影像模式應用方法之流程圖。第3圖至第6圖為本發明實施例之監控設備所取得影像串流所具有之多張偵測影像之示意圖。第7圖為本發明實施例之監控設備所取得影像串流隨特徵變化而切換警報模式的示意圖。第8圖為本發明另一實施例之監控設備10所取得偵測影像之示意圖。

S100、S102、S104、S106、S108、S110、S112、S114、S116、S118、S120、S122:步驟

Claims

一種影像模式應用方法，應用於具有一運算處理器的一監控設備，該運算處理器取得依序生成一第一偵測影像和一第二偵測影像之一影像串流，該影像模式應用方法包含有：該運算處理器在該第一偵測影像內偵測一第一目標物件之一第一特徵；該運算處理器根據該第一特徵之一偵測結果將該監控設備之一應用模式從一第一模式調整為一第二模式；該運算處理器在該第二偵測影像內偵測該第一目標物件之一第二特徵；該運算處理器比對該第二特徵是否符合該第一特徵；以及該運算處理器在該第二特徵符合該第一特徵時，進一步將該應用模式從該第二模式調整為該第一模式。
如請求項1所述之影像模式應用方法，其中該第一特徵係關聯於該第一目標物件，該第一特徵為該第一目標物件之一行為、一臉部特徵、衣著或一體態特徵。
如請求項1所述之影像模式應用方法，另包含有：該運算處理器判斷在該第二偵測影像內是否偵測到一第二目標物件之一預定特徵；以及該運算處理器判斷在該第二偵測影像偵測到該預定特徵、且該第一目標物件之該第二特徵符合該第一特徵時，將該應用模式維持在該第二模式；其中該預定特徵未出現於該第一偵測影像。
如請求項1所述之影像模式應用方法，其中該運算處理器取得依序生成該第一偵測影像、該第二偵測影像和一第三偵測影像之該影像串流，該影像畫質紀錄與調整方法另包含有：該運算處理器在該第三偵測影像內偵測該第一目標物件之一第三特徵；該運算處理器將該第三特徵相比於該第一特徵與該第二特徵；以及該運算處理器在該第三特徵符合該第一特徵、或符合該第二特徵、或同時符合該第一特徵與該第二特徵時，將該應用模式調整成或維持在該第一模式。
如請求項1所述之影像模式應用方法，另包含有：該運算處理器在該影像串流之各偵測影像內劃設對應於該第一目標物件之一感興趣區域；以及該運算處理器根據該偵測結果調整該感興趣區域為該第二模式、且儲存在電連接該運算處理器之一記憶單元。
如請求項5所述之影像模式應用方法，另包含有：該運算處理器在該第二特徵符合該第一特徵時，將該感興趣區域從該第二模式調整為該第一模式。
如請求項1所述之影像模式應用方法，其中該影像串流係為單一串流，該運算處理器根據一特徵比對結果決定該單一串流於該第一模式或該第二模式之一傳輸模式。
如請求項1所述之影像模式應用方法，另包含有：該運算處理器取得同時具有該第一模式與該第二模式的該影像串流；以及該運算處理器依照一特徵比對結果，將具有該第一模式或該第二模式的該影像串流儲存在電連接該運算處理器之一記憶單元。
如請求項8所述之影像模式應用方法，其中該影像串流係包含不同模式之兩串流，該運算處理器根據一特徵比對結果決定該兩串流之一錄製模式。
如請求項1所述之影像模式應用方法，另包含有：該運算處理器收集該第一目標物件在一預定時段內於該影像串流之多張先前偵測影像的多筆先前特徵向量以形成至少一聚類；該運算處理器取得該第一目標物件在該影像串流之至少一張當前偵測影像的當前特徵向量；以及該運算處理器計算該當前特徵向量相對於該至少一聚類之一距離小於一預定門檻時，將該影像串流調整為該第一模式。
如請求項10所述之影像模式應用方法，另包含有：該運算處理器計算該當前特徵向量相對於該至少一聚類之該距離大於或等於該預定門檻時，將該影像串流調整為該第二模式。
如請求項1所述之影像模式應用方法，其中該應用模式包含一影像模式、一警報模式、一傳輸模式和/或一儲存模式。
如請求項12所述之影像模式應用方法，其中該影像模式係包含一畫質調整模式、或一解析度調整模式、或一解像力調整模式、或一影格速率調整模式。
如請求項12所述之影像模式應用方法，其中該警報模式係包含一警報生成模式和一警報關閉模式。
如請求項12所述之影像模式應用方法，其中該儲存模式係包含一高儲存量模式與一低儲存量模式。
如請求項12所述之影像模式應用方法，其中該傳輸模式包含一高流量模式與一低流量模式。
一種監控設備，其包含有：一運算處理器，用以取得依序生成一第一偵測影像和一第二偵測影像之一影像串流，並且執行如請求項1至請求項16的其中之一所述之影像模式應用方法。