传统影像移动侦测系统采用类比讯号来侦测，藉由摄影机输入的监视影像区分出各影像区块的亮度差异，如果辨识出该时段亮度与原始设定不同，警报便会启动。

此类产品目前仍在市面上流通，但以室内应用为主。室外侦测距离远，且光线环境不固定，而例如飞鸟、云影、树影、风势过大引起摄影机摇晃，甚至大雨、冰雪等气候影响，都可能引起误报，因此此类产品并不适用於室外。

因此，为了应付艰困的室外环境，我们需要更复杂的影像处理技术，而拜数位技术的发展之赐，厂商可以提供更精确的影像侦测产品。

虽然数位影像移动侦测系统同样以「辨别特定时间内，影像设定范围的亮度变化」为原理，然而数位系统强调判定入侵者的行动（移动方向、位置）以及景物光照的差异性。更甚者，最新的设备具备学习功能，可自动判定背景改变的状态，加入环境变数以提升准确率。\r\n

测量程序
室外影像侦测的测量步骤，是将影像切割成数个不连续部分，测定这些影像部分在各时段内的光线变化，然後辨别出这些变化究竟是导因於天气转换或是物体移动。

一般而言，切割影像的方式有以下几种∶

- 画素分割（pixel division）∶将影像分割成
非常小的图画成分(画素)，可以有百万个区块；

- 小区块分割（small-cell division）∶将影像
分隔为几百个或几千个等比大小或不同大小的
区块；

- 大区块分割（large-cell division）∶将影像
分为百来个不同大小的区块。

由於画素分割方式会获得相当多的影像资讯，因此需要大量的电脑演算资源进行辨别。而大区块分割的方式虽不会造成电脑资源的负担，但由於提供的影像资讯较少，因此不容易区分出大环境的变化。因此，采用小区块分割方式既可获得足够的影像识别资讯，也不用担心造成电脑演算负荷，可说是最适合的区分方式。


光线改变的差异性
为了达到「只有当物体移动时才产生警报」的目标，系统必须辨别出「物体移动」与「自然天候」、「摄影机光圈调整」的光线差异。

进行室外影像侦测时，必须考虑到景物影像的照度是否足够，以及光线强度多变的问题。这表示，当入侵者进入摄影画面时，若当时光线昏暗，影像移动的光影便不明显；然而若当时光线足够，或具有较好的光照环境，便可明显看出移动影像的光线变化。如果影像移动侦测仅仅比较与预设光影值的差异，作为发现入侵者的依据，则在光线不足的地方会无法使用，而过亮的地方则会过度敏感。

部分系统具备弹性调整功能，使得安装工程商可依据实地环境设定警报发送时的光线变化参数。不过，当太阳改变位置，也会使得监看画面地点的大楼、街树的阴影改变位置，使得此功能在白天无法有效发挥作用。

较好的做法，是计算景物对比变化，并以这些数据辨别是否为入侵者移动。对大多数的景物来说，入侵者移动所产生的对比改变与现场景物的光影变化是两个不同的参数。

为了提供准确度高的室外影像移动侦测功能，必须控制好各种室外环境变化，包括照度以及环境光源转变等因素。由於影像照度不断地改变，因此只要不同的影像区块出现变化，简易式的影像移动侦测系统便会触发报警，而产生误报。而较复杂的系统便会根据整体的影像动作变化区别，以维持最佳的侦测状态而降低误报。


辨识程序
目前市场上有两个较普遍使用的辨识方式，一个是以物体大小进行侦测，然後观察一段时间内的移动历程与空间大小，以推断持续的移动方位。

有效的物体尺寸辨别可大幅减少因小动物或风沙吹袭所产生的误报，免除简易式影像移动侦测设备的缺点。另外，物体移动侦测要特别注意一点∶当入侵者接近摄影机时，物体尺寸会比远离摄影机要大。

画素分割式测量提供非制式物体大小辨识。辨识各种物体尺寸技术，可提供测量程序一个依据准则。测量步骤从计算个别亮度改变的总画素到受影响的群组画素、全景画素，以呈现判断出可能的入侵者影像。

单纯利用阴影以及尺寸大小资讯，可能会因为监视画面出现人形大小的动物而触发警报。因此，这种方式可能太过於简单而容易被破解。但从实际应用面来说，采用最小物体大小测量并搭配操作人员应用视觉识别条件与行为观察，可有效辨别出警报成因。


移动识别
即使增加了上述的各项复杂功能，由於无法有效辨识现场如电灯开启与移动目标物之间的光线改变，目前的影像移动侦测仍无法提供使用者良好的室外应用效能。因此必须建立一套依时间纪录的历程运算方式，以正确指出是否为物体移动。

简单式影像移动侦测系统只采用所需的预设时间资讯，这种事件计算系统可改善单一事件纪录的不良点，但不提供移动证据，而且容易被固定式闪光灯所或其他方式所欺骗而产生误报。

其他系统可允许使用者同时设定几个预警以及警报区域。区域侦测顺序是先测定预警区域的物体，以及在规定时间内物体在警报区内的位置；如此一来，即可获知物体的移动方位。然而，如果希望能获得良好的结果，这套系统通常需要精心设定，而非一个简单使用的系统。
需要更高难度的计算程序是采用物体追踪演算法。藉由这些复杂的程式，可从中了解物体尺寸的相关性，以推测出移动的历程是经常性的干扰或暂时性的突发事件。

事实上，一套好的多重物体追踪系统应该可以区分摇晃与移动物体的不同，单独追踪每个物体，并在最小移动范围内发出警报。甚至，追踪系统应该自动提供追踪後的计算结果，包括物体移动的时间、地点历程，以计算出移动速率。


学习技术
新一代的影像移动侦测产品更加入学习技术，以强化大范围侦测效能，而安装人员不须具备专业设定技巧。学习程序会持续不断地进行，以应用於不断改变的环境，提供更好的侦测能力、降低误报率。

以上提到的技术皆依赖测量各时段内光线的差异性，如此一来便不需要固定辨识物体移动的能力。不论是在景物中永久不变的物体、景物自身的移动或是逐渐移入画面中的新物体，他们可以藉由物体追踪历程，从一个大范围的影像移动或从复杂的成因推断，进而触发警报。

另有一种非主流的方式，使被侦测到的物体移动与学习画面架构相互关联。藉由这些方式，侦测器可更有效地区分出非入侵的行为例如摄影机震动、物体摇晃或阴影，以及实际入侵物体。

我们可以这样认为，一个实用的系统应该可以自动识别环境情况改变，并能藉由侦测程序辨别物体移动，在某些特殊情况下可有效降低误报率。

而环境学习技术提供更好的天候辨识效能，不论是大雪天或云层快速移动等，可根据环境变迁而调整，使得影像侦测程序更有效地进行。


双重感应
即使技术如此发达，但如果可能的话，安防系统应该根据现场情况，采用一种以上的感应技术，以提供更好的侦测控制，杜绝误报。

例如，搭配被动式红外线侦测器，当感应到人类温度时，便可启动影像移动侦测。红外线侦测器藉由发出辐射式的红外线接收屏幕，重叠在采用光学滤光片摄影机的可视角，使得影像移动侦测系统在人类红外线波长的范围获得最大感应度。

结合这两种感应技术也具备经济的安装成本。两者设备只需要单点安装，单点安装互补了两者技术在围篱系统(perimeter systems)上的不足，也同时提供了监控与防盗功能。