P. Brox , S. Sánchez-Solano , I. Baturone , A. Barriga , J. Gutiérrez

P. Brox , S. Sánchez-Solano , I. Baturone , A. Barriga , J. Gutiérrez

IMPLEMENTACIÓN SOBRE FPGA DE UN ALGORITMO DE
DESENTRELAZADO DE VÍDEO BASADO EN LÓGICA FUZZY
P. Brox1, S. Sánchez-Solano1, I. Baturone1, A. Barriga1, J. Gutiérrez-Ríos2, F. Fernández2
1
Instituto de Microelectrónica de Sevilla - Centro Nacional de Microelectrónica
Avda. Reina Mercedes s/n, (Edif. CICA). E-41012, Sevilla, Spain
2
Dpto. Tecnología Fotónica – Universidad Politécnica de Madrid
Campus de Montegancedo, s/n. 28660 - Boadilla del Monte (Madrid), Spain
Proc. I Congreso Español de Informática (CEDI 2005)
Simposio Sobre Lógica Fuzzy y Soft Computing (LFSC2005),
pp. 83-90, Granada, Septiembre 13-16, 2005.
This material is presented to ensure timely dissemination of scholarly and technical work. Copyright and all rights
therein are retained by authors or by other copyright holders. All persons copying this information are expected to adhere
to the terms and constraints invoked by each author’s copyright. In most cases, these works may not be reposted without
the explicit permission of the copyright holder.
Implementación sobre FPGA de un algoritmo de
desentrelazado de vídeo basado en lógica fuzzy
P. Brox1, S. Sánchez-Solano1, I. Baturone1, A. Barriga1, J. Gutiérrez-Ríos2, F. Fernández2
1
Instituto de Microelectrónica de Sevilla
Centro Nacional de Microelectrónica
Avda. Reina Mercedes s/n, Edificio CICA, 41012 Sevilla
[email protected]
Resumen
Los algoritmos de desentrelazado permiten la
conversión de una señal de vídeo entrelazada a un
formato progresivo. Entre las diferentes técnicas
propuestas en la literatura, las que combinan
interpolación espacial y temporal en función de la
presencia de movimiento en la secuencia de
imágenes proporcionan buenos resultados con un
coste computacional bajo. Este artículo describe la
implementación sobre FPGA de un algoritmo de
desentrelazado que emplea lógica fuzzy para
detectar el movimiento. Dependiendo del grado de
movimiento evaluado en cada píxel se realiza la
interpolación entre la técnica de inserción de
campo y un nuevo método de promedio de línea
dependiente de la detección de bordes que
también utiliza lógica fuzzy. La realización de
numerosas simulaciones con diferentes secuencias
de vídeo muestran las ventajas del método
propuesto frente a otras técnicas de desentralazado
conocidas. La implementación del algoritmo sobre
una FPGA proporciona una solución de bajo coste
para procesado en tiempo real.
1. Introducción
Los sistemas de televisión más habituales (NTSC,
PAL, SECAM) utilizan un formato entrelazado
para la transmisión de imágenes de vídeo. Sin
embargo, la aparición de nuevos dispositivos que
requieren un formato de visualización progresivo
(monitores de alta calidad, cañones de proyección,
sistemas de televisión de alta definición, etc.) ha
provocado el desarrollo de numerosos algoritmos
para la conversión de formato entrelazado a
progresivo o algoritmos de desentrelazado [1]
2
Dpto. Tecnología Fotónica, (UPM)
Campus de Montegancedo, s/n
28660 - Boadilla del Monte (Madrid)
[email protected]
Dichos algoritmos pueden ser clasificados en
tres categorías atendiendo a la técnica de
interpolación empleada: espacial (o intra-field),
temporal (o inter-field) e híbridos. Los algoritmos
intra-field, como los de repetición y promedio de
línea, presentan bajos requerimientos de hardware,
ya que no es necesario incluir buffers adicionales
para almacenar diferentes fotogramas. Sin
embargo, introducen errores al desentralazar
líneas diagonales o curvas dando lugar al típico
efecto escalera. Este inconveniente puede ser
evitado mediante el uso de métodos de
interpolación con identificación de bordes, como
el algoritmo ELA [2], que proporciona buenos
resultados cuando los bordes son claramente
identificados aunque introduce errores en las
zonas de bordes no claros. El empleo en exclusiva
de técnicas de desentrelazado intra-field provoca,
por tanto, una serie de defectos visuales que dan
lugar a imágenes borrosas y parpadeantes,
especialmente en los fondos y zonas estáticas. Por
otra parte, las técnicas inter-field permiten
reconstruir correctamente la resolución vertical
original de la imagen pero provocan la aparición
del efecto conocido como ghosting o imagen
fantasma en las partes móviles de la misma.
Para evitar estos inconvenientes se han
propuesto una serie de métodos de desentrelazado
que combinan técnicas intra-field e inter-field. Por
ejemplo, el uso de filtros vértico-temporales (VT)
descrito en [3] interpola, según un esquema
prefijado, entre muestras espaciales y temporales
de la secuencia de vídeo. El método propuesto en
[5] también combina los valores de luminancia de
una serie de vecinos espaciales y temporales,
empleando un filtro de valores medios con pesos
que determinan la probabilidad de cada una de las
técnicas. Por último, una técnica similar es
empleada en [6] considerando la correlación
Actas del Simposio sobre Lógica Fuzzy y Soft Computing, LFSC2005 (EUSFLAT), pp.83-90
ISBN: 84-9732-433-1 © 2005 Los autores, Thomson
84
Aplicaciones con Lógica Fuzzy
direccional mínima en los dominios espacial y
temporal.
Los resultados pueden mejorarse aún más si se
utilizan estrategias de interpolación dependientes
del grado de movimiento de la imagen [7], [8].La
idea consiste en seleccionar un método inter-field
para las zonas estáticas de la imagen y uno intrafield para las áreas donde aparezca movimiento.
La calidad de una técnica de desentrelazado
basada en el movimiento depende básicamente de
la exactitud del detector de movimiento. Puesto
que el grado de movimiento es un concepto que
puede describirse adecuadamente en términos
lingüísticos, algunos autores han propuesto el uso
de detectores basados en lógica fuzzy para
implementar algoritmos de desentrelazado
dependientes del movimiento [4], [8].
El algoritmo de desentrelazado descrito en
este artículo utiliza la lógica fuzzy para mejorar el
rendimiento, no sólo del detector de movimiento,
sino también de la técnica intra-field utilizada. La
interpolación se lleva a cabo entre la técnica de
inserción de campo y una versión mejorada del
método de promedio de línea dependiente de la
detección de bordes (algoritmo ELA).
Entrada
Entrelazada
2. Técnica de desentrelazado con detector
de movimiento fuzzy
Los métodos de desentrelazado basados en
detección de movimiento calculan la luminancia
I(x,y,t) del píxel con coordenadas espaciales x e y
del fotograma t de la secuencia de vídeo como:
I(x, y, t ) = (1 − γ(x, y, t ))·I INTER (x, y, t ) + γ(x, y, t )·I INTRA (x, y, t )
donde IINTER(x,y,t) e IINTRA(x,y,t) corresponden a
las salidas de los métodos inter-field e intra-field
respectivamente y γ(x,y,t) es la salida del detector
de movimiento.
De esta forma es posible combinar las
ventajas de ambas alternativas, empleando
técnicas intra-field en las zonas de la imagen que
presentan movimiento (γ=1) y utilizando técnicas
inter-field en las zonas estáticas (γ=0). La técnica
de desentrelazado dependiente del movimiento
basada en lógica fuzzy que presentamos en este
artículo sigue el diagrama de bloques mostrado en
la Figura 1. Las siguientes secciones describen
con detalle tanto el detector de movimiento como
la técnica intra-field utilizada.
Field (t+1)
Field
Storage
Field
Storage
Field
Storage
Field (t)
Field (t-1)
DETECTOR
DE
MOVIMIENTO
FUZZY
γ (x, y, t )
Field (t-2)
FUZZY
ELA
INSERCIÓN
DE CAMPO
(1)
IINTRA (x, y, t )
INTERPOLACIÓN
Salida
Progresiva
I INTER (x, y, t )
Fotograma actual
Figura 1. Diagrama de bloques del método de desentrelazado basado en detección de movimiento propuesto.
Simposio sobre Lógica Fuzzy y Soft Computing, LFSC2005 (EUSFLAT)
Tabla 1.
If
85
Base de reglas del detector de movimiento fuzzy
antecedents
then
consequent
M(x,y,t) =YES
(H(x+2,y,t) is LARGE) and (H(x+1,y,t) is LARGE) and (H(x,y,t) is LARGE)
and (H(x-1,y,t) is LARGE) and (H(x-2,y,t) is LARGE)
M(x,y-1,t-1) =YES
(H(x+2,y-1,t-1) is LARGE) and (H(x+1,y-1,t-1) is LARGE) and (H(x,y-1,t-1) is LARGE)
and (H(x-1,y-1,t-1) is LARGE) and (H(x-2,y-1,t-1) is LARGE)
M(x,y+1,t-1) =YES
(H(x+2,y+1-1,t-1) is LARGE) and (H(x+1,y+1,t-1) is LARGE) and (H(x,y+1,t-1) is LARGE)
and (H(x-1,y+1,t-1) is LARGE) and (H(x-2,y+1,t-1) is LARGE)
2.1. Detector de movimiento fuzzy
El detector de movimiento utilizado [4] está
inspirado en el método propuesto por Van de Ville
en [8], aunque mejora sus resultados reduciendo
de forma considerable el coste computacional. La
entrada al detector de movimiento fuzzy es una
“matriz de diferencias” H(x,y,t) dada por:
H(x, y, t ) =
I(x, y, t − 1) − I(x, y, t + 1)
2
(2)
La presencia de movimiento es calculada para
cada píxel del fotograma evaluando el conjunto de
reglas mostrado en la Tabla 1. La primera regla
establece que habrá movimiento (M(x,y,t)=YES)
cuando los valores de H(x,y,t) en el píxel actual y
en los situados a ambos lados de él sea grande.
Las restantes reglas corresponden a razonamientos
similares que tienen en cuenta datos del fotograma
anterior y el siguiente
Esta heurística es fácilmente implementada
mediante un sistema fuzzy ya que el concepto
“grande” (LARGE) puede ser interpretado como
una variable lingüística en lugar de como un valor
umbral. Por tanto será representado mediante un
conjunto difuso cuya función de pertenencia
cambia de forma continua entre los valores 0 y 1,
como se muestra en la Figura 2a. Los píxeles
evaluados por el sistema fuzzy aparecen
representados en la La Figura 2b.
Como se describe de forma detallada en [4], el
proceso de inferencia del sistema fuzzy puede ser
aproximado empleando técnicas de convolución
bidimensional de acuerdo con la expresión (3).
Esto reduce de forma considerable el coste
computacional y proporciona alta flexibilidad
Líneas desentrelazadas
Líneas originales
µ (H)
LARGE
1
y+1
y-1
4,8 H
0,8
(a)
Frame (t-2)
Píxel actual
x
y+1
y
Frame (t-1)
y
y-1
Frame (t)
Frame (t+1)
(b)
Figura 2. (a) Función de pertenencia de la etiqueta LARGE. (b) Píxeles considerados para evaluar el movimiento.
86
Aplicaciones con Lógica Fuzzy
porque permite utilizar diferentes pesos en los
coeficientes de la matriz C de la expresión (5).

5  3
A = ∑  ∑ H ·C 

ij i j
i = 1 j = 1

 H(x − 2, y − 1, t − 1)

 H(x − 1, y − 1, t − 1)
H =  H(x, y − 1, t − 1)

 H(x + 1, y − 1, t − 1)
 H(x + 2, y − 1, t − 1)

(3)
H(x − 2, y, t ) H(x − 2, y + 1, t − 1) 

H(x − 1, y, t ) H(x − 1, y + 1, t − 1) 
H(x, y, t )
H(x, y + 1, t − 1) 

H(x + 1, y, t ) H(x + 1, y + 1, t − 1) 
H(x + 2, y, t ) H(x + 2, y + 1, t − 1)
1

2
1 
C=
3
32 
2
1

1 1 

3 2
5 3

3 2
1 1 
Fuzzy-ELA, basada en el modelado heurístico del
conocimiento mediante un sistema fuzzy simple.
La Figura 3a muestra los datos usados en el
algoritmo ELA para interpolar el valor del píxel
I(x,y,t). El pseudo-código correspondiente puede
expresarse como:
a = A−F
(4)
if
b = B−E
c = C−D
min{a,b,c} = a ⇒ I(x, y, t ) = (A + F)/2
if min{a,b,c} = c ⇒ I(x, y, t ) = (C + D)/2
else ⇒ I(x, y, t ) = (B + E )/2
(5)
El resultado de la convolución, A, constituye
la entrada al proceso de fuzzificación en el que se
evalúa el grado de pertenencia al conjunto difuso
mostrado en la Figura 2a. La salida del detector
γ(x,y,t) es un valor normalizado en el intervalo [0,
1] que indica el grado de movimiento de la
imagen.
2.2. Algoritmo Fuzzy-ELA
El algoritmo ELA (Edge-based Line Average) es
una de las técnicas intra-field más ampliamente
utilizadas por su capacidad para reconstruir los
bordes de imágenes desentrelazadas. Sin embargo
produce algunos errores cuando los bordes no son
claros o en presencia de ruido. Estos errores
pueden ser minimizados mediante el uso de una
versión mejorada del algoritmo, denominada
(6)
El problema del algoritmo ELA se debe a que
una correlación mínima no siempre corresponde a
la dirección de un borde. La versión mejorada del
algoritmo impone nuevas restricciones para
asegurar la presencia de un borde: 1) Un borde es
claro en la dirección a no sólo cuando a es
pequeña (small) sino también cuando b y c son
grandes (large). 2) Una regla similar es válida
para la dirección c. 3) Cuando las correlaciones
son muy pequeñas en las direcciones a y c es
preferible realizar la interpolación lineal entre los
4 píxeles implicados. 4) En otros casos lo más
adecuado es una interpolación vertical. Esta
heurística puede ser modelada por un sistema
fuzzy donde los conceptos “small”, “large” y
“strongly small” vienen representados por las
funciones de pertenencia que se muestran en la
Figura 3b. La Tabla 2 describe la base de reglas
del sistema. Como conectivo de antecedentes se
emplea el operador mínimo, mientras que los
grados de activación de las reglas, αI, son
calculados mediante las siguientes expresiones:
x
large
µ(a)
A B C
small
µ(b)
µ(c)
1
1
strongly
small
1
y
D E F
0
(a)
0
0
H’
a
H’
b
H’/2
c
(b)
Figura 3. (a) Ventana 3x3 para el algoritmo ELA. (b) Funciones de pertenencia utilizadas en el algoritmo Fuzzy-ELA.
Simposio sobre Lógica Fuzzy y Soft Computing, LFSC2005 (EUSFLAT)
Tabla 2.
if
87
Conjunto de reglas para el algoritmo Fuzzy-ELA.
antecedents
then
consequent
1)
(a is SMALL) and (b is LARGE) and (c is LARGE)
(A+F)/2
2)
(a is LARGE) and (b is LARGE) and (c is SMALL)
(C+D)/2
3)
(a is strongly SMALL) and (b is LARGE) and (c is strongly SMALL)
4)
otherwise
α1 = min{µ SMALL a (h ), µ LARGE b (h ), µ LARGE c (h )}
α 2 = min{µ LARGE a (h ), µ LARGE b (h ), µ SMALLc (h )}
α 3 = min{µ strongly SMALL a (h ), µ LARGE b (h ), µ strongly SMALLc (h )}
α 4 = 1 − α1 − α 2 − α 3
Por último, la salida de la técnica intra-field
empleada en el algoritmo de desentrelazado
dependiente del movimiento propuesto se calcula
utilizzando el método de defuzzificación Fuzzy
Mean.
3. Resultados de simulación
El algoritmo propuesto ha sido verificado con
diferentes secuencias de vídeo y comparado con
otros algoritmos de similar coste computacional.
En particular, con tres métodos intra-field
(duplicación de línea, promedio de línea y ELA) y
el más simple de los métodos inter-field (inserción
del campo previo). Los restantes algoritmos
considerados corresponden a métodos híbridos
que realizan interpolación espacio-temporal: el
filtrado VT reportado en [3], el filtrado de valor
medio con pesos descrito en [5], la técnica
desarrollada en [6] y los algoritmos dependientes
del movimiento de [4] y [8]. Se han analizado
cincuenta fotogramas de cada secuencia
considerando como figura de mérito los valores
medios del PSRN. Los resultados se muestran en
la Tabla 3.
La Figura 4 permite evaluar de forma subjetiva la
calidad de los diferentes métodos para la
secuencia de vídeo denominada ‘Mother &
Daughter’. El área en movimiento del fotograma
seleccionado corresponde a la mano de la madre.
El análisis de los fotogramas corrobora el dato ya
mencionado de que las técnicas inter-field
introducen un efecto fantasma en las zonas con
A+F+C+D)/4
(B+E)/2
mayor presencia de movimiento (Figura 4c),
mientras que las técnicas intra-field reconstruyen
mejor esta zona pero introducen varios defectos
visuales en la zona estática del fondo de la imagen
(Figura 4d-f). Como se muestra en la Figura 4l, el
algoritmo propuesto proporciona mejor calidad
visual evitando estos inconvenientes.
4. Implementación hardware
El algoritmo propuesto ha sido implementado
siguiendo tres arquitecturas que difieren en el
grado de paralelismo empleado para llevar a cabo
la convolución bidimensional de la expresión (3) y
para evaluar los grados de activación de las reglas
del sistema fuzzy correspondiente al método
intra-field. El diseño paralelo proporciona un
nuevo valor de píxel cada ciclo de reloj, utilizando
dos multiplicadores para realizar el interpolador
de la expresión (1) y tres multiplicadores para
implementar el algoritmo Fuzzy-ELA. El diseño
mixto realiza las operaciones de forma secuencial
para los tres valores de cada columna de la matriz
de diferencias (4) mientras que las operaciones de
las distintas filas de la matriz se llevan a cabo en
paralelo. Los grados de activación de las reglas
del método intra-field se procesan de forma
secuencial, obteniéndose un nuevo resultado cada
tres ciclos de reloj. Por último, la implementación
más eficiente en términos de área se obtiene
mediante una arquitectura totalmente secuencial
del algoritmo de desentralazado que requiere
quince ciclos de reloj para proporcionar el nuevo
valor del píxel. Las arquitecturas mixta y
secuencial utilizan dos multiplicadores para
realizar la interpolación y uno más para
implementar el algoritmo Fuzzy-ELA. El
diagrama de bloques de la arquitectura mixta se
muestra en la Figura 5.
88
Aplicaciones con Lógica Fuzzy
(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(i)
(k)
(l)
(j)
Figura 4. Fotograma progresivo original de la secuencia ‘Mother and Daughter’(a). Fotograma entrelazado
artificialmente usado para comparar los diferentes algoritmos (b). Fotograma desentrelazado mediante
inserción de línea (c), duplicación de línea (d), promediado de línea (e), método ELA (f), filtrado VT (g),
método reportado en [6]] (h), filtrado de valor medio con pesos [5] (i), métodos dependientes del
movimiento descritos en [8] (j) y [4] (k), y técnica propuesta (l).
Simposio sobre Lógica Fuzzy y Soft Computing, LFSC2005 (EUSFLAT)
Tabla 3.
Valores medios de PSNR para diferentes métodos de desentrelazado.
SECUENCIAS DE VÍDEO
CIF
FORMATO
Duplicación L.
Promedio L.
ELA
Inserción C.
[3]
[5]
[6]
[8]
[4]
Propuesto
89
QCIF
Trevor
Salesman
Susie
Paris
Missa
Foreman
Carphone
News
31,05
35,04
34,11
34,36
36,61
35,18
35,44
35,38
36,69
36,92
29,75
33,53
32,11
36,17
36,54
34,83
37,03
37,62
38,29
38,45
33,14
36,74
35,99
33,64
36,49
36,95
35,59
36,95
37,79
37,83
23,61
26,67
25,53
29,86
30,73
31,98
32,31
33,12
35,28
35,31
36,44
40,47
39,49
38,36
30,73
40,71
38,41
40,01
40,18
40,82
27,59
32,02
34,02
27,49
31,04
32,73
29,21
32,06
32,78
33,38
28,25
32,61
32,65
30,34
34,08
32,84
31,59
32,27
34,78
34,81
25,18
29,25
26,63
33,13
35,46
30,53
35,94
34,73
37,51
38,05
El diseño ha sido realizado con ayuda de la
herramienta System Generator (Sysgen) de Xilinx.
Integrada en el entorno Matlab, esta herramienta
acelera el proceso de diseño al permitir la
simulación mediante el entorno Simulink y,
especialmente, al facilitar la generación de
descripciones VHDL. Los sistemas generados
Mother &
Daughter
31,81
35,94
35,39
33,13
35,46
36,42
39,83
39,49
41,87
42,12
utilizan codificación en complemento a dos con
16 bits de resolución para realizar las operaciones.
Los resultados obtenidos con los algoritmos
simulados en Matlab son muy similares a los
conseguidos con el simulador ModelSim a partir
de las descripciones VHDL de las implementaciones hardware.
Figura 5. Representación en SysGen de la arquitectura mixta para el algoritmo de desentrelazado propuesto.
90
Aplicaciones con Lógica Fuzzy
Tabla 4. Resultados post-síntesis de implementaciones sobre FPGAs
FPGA Virtex 2 xc2v500_6fg256
No. Slices
Paralela
Mixta
Secuencial
1017 (33%)
569(18,5%)
421 (13,7%)
Tiempo de procesado (ns)
11,7
28,7
98,6
Frecuencia de procesado (MHz)
85,4
38,4
10,14
Resolución (píxeles)
Las implementaciones han sido desarrolladas
sobre una FPGA Virtex2 de Xilinx con 500.000
puertas que proporciona una amplia variedad de
recursos (memorias de bloque, multiplicadores,
etc.) y admite un reloj de 420 MHz para las
operaciones internas. Los resultados post-síntesis
en términos de ocupación de la FPGA y velocidad
de procesado se muestran en la Tabla 4. La última
columna de la tabla indica la máxima resolución
por fotograma que puede ser obtenida para
secuencias de vídeo reproducidas a 30 fotogramas
por segundo. Puede observarse que el diseño
secuencial permite alcanzar una resolución tipo
VGA (640x480), el mixto XGA (1024x768) y el
paralelo HDTV (1080x1920).
5. Conclusiones
El algoritmo de desentrelazado dependiente
del movimiento propuesto en este artículo emplea
lógica fuzzy para mejorar las prestaciones del
detector de movimiento así como de la técnica
intra-field utilizada. La mejora es especialmente
significativa en la reconstrucción de zonas con
movimiento en los fotogramas desentrelazados
como consecuencia de los avances en la técnica
ELA empleada. Estas ventajas son obtenidas con
un incremento bajo en el coste computacional del
algoritmo cuya implementación hardware, según
distintas arquitecturas, ha sido realizada mediante
FPGAs.
Referencias
[1] De Haan, G., Bellers, E. B., “De-interlacingAn overview”, Proc. of the IEEE, vol. 86, no.
9, pp. 1839-1857, Sept. 1998.
2.849.002
1.161.440
338.066
[2] Doyle, T., Looymans, M., “Progressive scan
conversion using edge information”, Proc. 3rd
Int. Workshop on HDTV, pp. 711-721, Aug.
1989, Torino, Italy.
[3] Genesis Microchip, Inc., “Preliminary data
sheet of Genesis gmVLD8, 8 bit digital video
line doubler”, version 1.0, June 1996.
[4] Gutiérrez-Ríos, J., Fernández Hernández, F.,
Crespo, J. C., Treviño, G., “Motion Adaptive
Fuzzy Video De-interlacing method based on
convolution techniques”. Proc. of Information
Processing and Management of Uncertainty in
Knowledge-Based Systems, July 2004,
Perugia, Italy.
[5] Haavisto, P., Juhola, J., Neuvo, Y., “Fractional
frame rate up-conversion using weighted
median filters”, IEEE Transactions on
Consumer Electronics, vol. 35, no. 3, Aug.
1989.
[6] Hsu, C-T., Chen, M-J., Huang, C-H., “High
performance spatial-temporal de-interlacing
technique using interfiled information”, Proc.
IEEE Int. Symposium on Circuits and
Systems (ISCAS), vol. 2, pp. 213-216, May
2004, Vancouver, Canada.
[7] Lee, S-G., Lee, D-H., “A motion-adaptive deinterlacing method using an efficient spatial
and
temporal
interpolation”,
IEEE
Transactions on Consumer Electronics, vol.
no. 4, Nov 2003.
[8] Van de Ville, D., Rogge, B., Philips, W.,
Lemahieu, I., “De-interlacing using fuzzybased motion detection”, Proc. 3rd Int. Conf.
on knowledge-Based Intelligent Information
Engineering Systems, pp. 263-267, Aug.
1999, Adelaide, Australia.