TWM520036U - 立體環景影像之監控系統 - Google Patents

Description

立體環景影像之監控系統

本創作是有關於一種監控系統，特別是有關於一種用於行動載具，並具有即時監控及通報之立體環景影像之監控系統。

傳統的汽車防盜裝置為機械式防盜設備，其主要設計是藉由機械結構來鎖固離合器、制動器、油門、轉向盤或是排擋桿，以達到防盜的目的。但，由於機械結構比較笨重，使用起來也比較麻煩。儘管隨著一些先進材質的開發，機械式防盜器的硬度或韌性大幅提昇，已能更有效的防止被撬開或鋸開，而提高盜賊竊車的難度，然而，在使用上仍嫌不便，並且也無法在竊車行為發生的第一時間，就立即警告車主或通知警察單位，因此已逐漸為市場所淘汰，或做為一種輔助性的防盜設備來使用。

近來，汽車上所使用的設備普遍都是偵測震動式的防盜器，當車子受到震動的時候，防盜器警鈴便會響起，提醒使用者前往查看。但若使用者並不在車子附近，無法察覺到警鈴聲已響起，便無法預防悲劇的發生。

綜觀前所述，本創作之創作人思索並設計一種立體環景影像之監控系統，以期針對習知技術之缺失加以改善，進而增進產業上之 實施利用。

有鑑於上述習知技藝之問題，本創作之目的就是在提供一種立體環景影像之監控系統，以解決習知技術所存在之問題。

根據本創作目的，提出一種立體環景影像之監控系統，其應用於行動載具，監控系統包含複數個攝像模組、控制模組及傳輸模組。複數個攝像模組設置於行動載具之周圍，並持續擷取行動載具之外部環境之影像，以產生複數個原始影像訊號及複數個非原始影像訊號。控制模組電性連接複數個攝像模組，控制模組接收複數個原始影像訊號及複數個非原始影像訊號，並經由影像縫合處理，而分別產生原始環景影像訊息及複數個非原始環景影像訊息，且控制模組經由影像比對處理比對原始環景影像訊息及複數個非原始環景影像訊息，而判斷至少一非原始環景影像訊息異常時，控制模組則據以產生異常訊息。傳輸模組電性連接控制模組，控制模組經由傳輸模組傳送異常訊息至至少一外部電子裝置。

較佳地，控制模組依據複數個原始影像訊號而產生複數個原始影像訊息，控制模組比對複數個原始影像訊息中之複數個第一特徵值且判斷符合預設門檻值時，控制模組則據以將複數個原始影像訊息進行影像縫合而產生原始環景影像訊息。

較佳地，控制模組依據複數個非原始影像訊號而產生複數個非原始影像訊息，控制模組比對複數個非原始影像訊息中之複數個第二特徵值且判斷符合預設門檻值時，控制模組則據以將複數個非原始影像訊息進行影像縫合而產生非原始環景影像訊息。

較佳地，控制模組以背景相減法將原始環景影像訊息中之原始背景影像訊息與複數個非原始環景影像訊息中之非原始背景影像訊息進行相減，而產生至少一局部影像訊息，在控制模組經由分類程式判斷至少一局部影像訊息符合預設人形影像訊息時，控制模組則據以產生異常訊息。

較佳地，傳輸模組接收至少一外部電子裝置所傳輸之影像傳輸訊息時，控制模組則據以經由傳輸模組傳送至少一非原始環景影像訊息至至少一外部電子裝置。

較佳地，傳輸模組接收至少一外部電子裝置所傳輸之啟動訊息時，控制模組則據以控制複數個攝像模組進行影像擷取之作動，並依據複數個原始影像訊號及複數個非原始影像訊號進行影像縫合處理與影像比對處理。

較佳地，立體環景影像之監控系統更可包含電源供應模組，其電性連接複數個攝像模組、控制模組及傳輸模組，電源供應模組供給電能至複數個攝像模組、控制模組及傳輸模組。

較佳地，立體環景影像之監控系統更可包含警示模組，其電性連接控制模組，在控制模組判斷至少一非原始環景影像訊息異常時，控制模組則據以控制警示模組產生警示訊息。

承上所述，依本創作之立體環景影像之監控系統，其可藉由複數個攝像模組擷取行動載具四周環景影像，並利用控制模組將環景影像經過影像縫合之處理還原成矩形影像後，就可以透過離散小波轉換(Discrete Wavelet Transform)、影像處理與分割技術、特徵比對、機率式神經網路(Probabilistic Neural Network)等技術，來判斷是否有人接近車子預謀不軌，並且透過4G網路提供矩形影像或各個視角的即時 影像與緊急通知使用者的功能，讓使用者可觀看汽車四周各個視角的畫面，做出最適當的處理，達成安全性極高的一套防盜系統，改善目前汽車監控防盜的不足之處。

1‧‧‧監控系統

10‧‧‧攝像模組

100‧‧‧原始影像訊號

101‧‧‧非原始影像訊號

11‧‧‧控制模組

110‧‧‧原始環景影像訊息

110A‧‧‧原始影像訊息

110B‧‧‧原始背景影像訊息

1100‧‧‧第一特徵值

111‧‧‧非原始環景影像訊息

111A‧‧‧非原始影像訊息

111B‧‧‧非原始背景影像訊息

1110‧‧‧第二特徵值

112‧‧‧異常訊息

113‧‧‧局部影像訊息

114‧‧‧預設人形影像訊息

12‧‧‧傳輸模組

13‧‧‧電源供應模組

14‧‧‧警示模組

140‧‧‧警示訊息

2‧‧‧行動載具

20‧‧‧影像

3‧‧‧外部電子裝置

30‧‧‧影像傳輸訊息

31‧‧‧啟動訊息

第1圖係為本創作之立體環景影像之監控系統之第一實施例之第一示意圖。

第2圖係為本創作之立體環景影像之監控系統之第一實施例之第二示意圖。

第3圖係為本創作之立體環景影像之監控系統之第一實施例之方塊圖。

第4圖係為本創作之立體環景影像之監控系統之第二實施例之方塊圖。

第5圖係為本創作之立體環景影像之監控系統之第二實施例之示意圖。

第6圖係為本創作之立體環景影像之監控系統之第二實施例之離散小波轉換運算流程圖。

第7圖係為本創作之立體環景影像之監控系統之第三實施例之方塊圖。

第8圖係為本創作之立體環景影像之監控系統之第三實施例之示意圖。

第9圖係為本創作之立體環景影像之監控系統之第三實施例之機率式神經網路架構圖。

第10圖係為本創作之立體環景影像之監控系統之第四實施例之方塊圖。

為利 貴審查員瞭解本創作之技術特徵、內容與優點及其所能達成之功效，茲將本創作配合附圖，並以實施例之表達形式詳細說明如下，而其中所使用之圖式，其主旨僅為示意及輔助說明書之用，未必為本創作實施後之真實比例與精準配置，故不應就所附之圖式的比例與配置關係侷限本創作於實際實施上的專利範圍，合先敘明。

以下將參照相關圖式，說明依本創作之立體環景影像之監控系統之實施例，為使便於理解，下述實施例中之相同元件係以相同之符號標示來說明。

請參閱第1圖至第3圖，其分別為本創作之立體環景影像之監控系統之第一實施例之第一示意圖、第二示意圖及方塊圖。如圖所示，立體環景影像之監控系統1，其應用於行動載具2，監控系統1包含複數個攝像模組10、控制模組11及傳輸模組12。複數個攝像模組10設置於行動載具2之周圍，並持續擷取行動載具2之外部環境之影像20，以產生複數個原始影像訊號100及複數個非原始影像訊號101。控制模組11電性連接複數個攝像模組10，控制模組11接收複數個原始影像訊號100及複數個非原始影像訊號101，並經由影像縫合處理，而分別產生原始環景影像訊息110及複數個非原始環景影像訊息111，且控制模組11經由影像比對處理比對原始環景影像訊息110及複數個非原始環景 影像訊息111，而判斷至少一非原始環景影像訊息111異常時，控制模組11則據以產生異常訊息112。傳輸模組12電性連接控制模組11，控制模組11經由傳輸模組12傳送異常訊息112至至少一外部電子裝置3。

具體而言，本創作之立體環景影像之監控系統1可應用於行動載具2，如汽車或機車，於本實施例中係以汽車作為示例，但不以此為限。監控系統1包含複數個攝像模組10、控制模組11及傳輸模組12。複數個攝像模組10分別設置於行動載具2主體之四周，以行動載具2之外部環境之影像20，攝像模組10可為車用廣角攝影機，其具有140度以上的視角，且各攝像模組10間平均都有20度左右的重疊區域，攝像模組10數量較佳可為6個。控制模組11可為處理器，並具有記憶體，用於儲存影像處理程式，控制模組11電性連接複數個攝像模組10及傳輸模組12，傳輸模組12可為無線收發裝置，其可藉由wifi或藍芽傳輸訊息。

因此，駕駛者停放好行動載具2後，啟動監控系統1後，複數個攝像模組10會持續擷取行動載具2之外部環境之影像20，並對應產生複數個原始影像訊號100及複數個非原始影像訊號101，其中原始影像訊號100可為第一次所擷取之影像，非原始影像訊號101則為後續所擷取之所有影像。接著，控制模組11接收複數個原始影像訊號100及複數個非原始影像訊號101，並經由影像縫合處理程序，而分別產生原始環景影像訊息110及複數個非原始環景影像訊息111，其中，原始環景影像訊息110與複數個非原始環景影像訊息111為360度全景鳥瞰環景影像。而後，控制模組11會經由影像比對處理比對原始環景影像訊息110及複數個非原始環景影像訊息111，以判斷是否代表有物體接近車子；而當其中一非原始環景影像訊息111出現物體時，控制模組11會判斷該非原始環景影像訊息111與原始環景影像訊息110比對異常，而 判斷該非原始環景影像訊息111為異常影像，此時，控制模組11會據以產生異常訊息112，如簡訊或郵件等，並經由經由傳輸模組12傳送異常訊息112至駕駛者之外部電子裝置3，以通知駕駛者有物體接近行動載具2周圍，進而達到警示作用。

請參閱第4圖至第6圖，其分別為本創作之立體環景影像之監控系統之第二實施例之方塊圖、示意圖及離散小波轉換運算流程圖。並請一併參閱第1圖至第3圖。如圖所示，本實施例中之立體環景影像之監控系統與上述第一實施例之立體環景影像之監控系統所述的相同元件的作動方式相似，故不在此贅述。然而，值得一提的是，在本實施例中，控制模組11可依據複數個原始影像訊號100而產生複數個原始影像訊息110A，控制模組11比對複數個原始影像訊息110A中之複數個第一特徵值1100且判斷符合預設門檻值時，控制模組11則據以將複數個原始影像訊息110A進行影像縫合而產生原始環景影像訊息110。且，控制模組11亦可依據複數個非原始影像訊號101而產生複數個非原始影像訊息111A，控制模組11比對複數個非原始影像訊息111A中之複數個第二特徵值1110且判斷符合預設門檻值時，控制模組11則據以將複數個非原始影像訊息111A進行影像縫合而產生非原始環景影像訊息111。

也就是說，控制模組11可先依據複數個原始影像訊號100與而產生複數個原始影像訊息110A。接著，控制模組11會先於各原始影像訊息110A中找尋相似的第一特徵值1100，例如車輛或盆栽等，當第一特徵值1100匹配的數量及位置符合的預設門檻值時，控制模組11就會以對應之角度及距離進行影像縫合，以產生原始環景影像訊息110。而非原始環景影像訊息111產生之過程亦與上述產生原始環景影像訊息110類似，故不再贅述。

進一步而言，本創作之控制模組11要將所有攝像模組10所拍到的外部環境影像作物體影像之判別前，必須將所有影像先縫合為一張矩形環景影像，如此一來只須將此環景影像匯入做判斷即可。但由於攝像模組10裝設時很容易因為機構精度的問題，導致影像無法精確縫合。因此，要將四張圖變形校正後之影像縫合(Image Stitching)成一張全景鳥瞰影像(即原始環景影像訊息110與非原始環景影像訊息111)，必需知道複數個攝像模組10間在三維空間中的相對關係或是轉換成鳥瞰影像之後的對應關係。再利用鳥瞰轉換投影至相同虛擬影像平面即可完成拼接的動作。在本創作中採用特徵偵測及匹配的演算法，這個方法被稱為尺度不變性特徵轉換(Scale-invariant Feature Transform,SIFT)。SIFT特徵有旋轉不變、尺度不變的特性，並對仿射轉換(Affine Transform)也有良好的抵抗力。本創作運用SIFT特徵匹配與RANSAC演算法將影像對位完成，如第5圖所示。本創作先於兩張分開拍攝的原始影像訊息110A中找尋相似的特徵點，當特徵點匹配的數量及位置符合的門檻值時，就會以對應之角度及距離進行影像縫合。

再者，本創作之立體環景影像之監控系統亦採用離散型小波轉換中的上提式Lifting5/3的方法做為縮減資料及頻譜切分的工具。Lifting5/3效能是DWT中最好的一種，運算複雜度極低，其運算步驟如第6圖所示，可大致分為兩個步驟：

分離步驟

在此步驟中，假設具有m筆資料之向量變數d(例如：擷取之影像)，可被切分為兩個部分：機數點d _2i+1以及偶數點d _2i ，並分別以以及表示，運算方式(1)說明如下：

上提步驟

此步驟科分離出高頻成分以及低頻成分，運算方式(2)表示如下：

本創作利用上述簡單的兩個步驟，經過二次的小波轉換後稱為二階小波轉換。低頻的部分會僅剩下原來影像資料量的四分之一大小，更重要的是特徵並無明顯的減少，能夠有效的減少往後的複雜演算法運算時間，同時期高頻的部分也被分離保留下來，可作為後續訊號分析之用。

請參閱第7圖至第9圖，其分別為本創作之立體環景影像之監控系統之第三實施例之方塊圖、示意圖及機率式神經網路架構圖。並請一併參閱第1圖至第6圖。如圖所示，本實施例中之立體環景影像之監控系統與上述各實施例之立體環景影像之監控系統所述的相同元件的作動方式相似，故不在此贅述。然而，值得一提的是，在本實施例中，控制模組11可以背景相減法將原始環景影像訊息110中之原始背景影像訊息110B與複數個非原始環景影像訊息111中之非原始背景影像訊息111B進行相減，而產生至少一局部影像訊息113，在控制模組11經由分類程式判斷至少一局部影像訊息113符合預設人形影像訊息114時，控制模組11則據以產生異常訊息112。

舉例而言，本創作之控制模組11可進一步以背景相減法將原始環景影像訊息110中之原始背景影像訊息110B與複數個非原始環景影像訊息111中之非原始背景影像訊息111B進行相減，相互抵消，而將僅出現於非原始環景影像訊息111中而未出現原始環景影像訊息110中的物體影像輸出而產生至少一局部影像訊息113。接著，控制模組11 會經由分類程式將至少一局部影像訊息113與預設人形影像訊息114進行比對；當控制模組11判斷至少一局部影像訊息113符合預設人形影像訊息114時，控制模組11則會據以產生異常訊息112，並經由傳輸模組12傳送至外部電子裝置3。

進一步而言，本創作之立體環景影像之監控系統1在判定車子周圍是否有物體靠近，必須將當下之影像與先前建立好的原始影像之不同之處找出，本創作使用多種影像前處理技術，再以背景相減法來分割出與原始影像相異之處的局部影像，再做後續的人形判定之處理。

本創作採用機率式神經網路，進行人形判定之處理。機率神經網路的架構基本上，是一種四層神經元結構的網路模型包含：輸入層(Input Layer)、類別層(Pattern Layer)、總和層(Summation Layer)與輸出層(Output Layer)，屬於前向式的神經網路架構的一種。機率神經網路主要的理論基礎建立在於貝氏決策(Bayes decision)上，主要的應用是分類器。機率神經網路架構最重要的特色在於網路訓練的即時性，所以機率神經網路適合運用在即時的系統。其決策面的範圍大小可以依據問題的需求不同進行調整，且決策面可逼近貝氏分類器。機率神經網路對於錯誤及雜訊容忍度很高。在稀疏的樣本空間問題上，平滑參數可依據問題的需求，隨時調整參數的大小，而無需進行重新訓練的工作。

本創作所採用機率神經網路從原始影像經過背景相減法分割出局部影像後，將資料輸入至PNN分類器分類，分類結果為判定是否為人形的基準，(與樣本人形相似之數量)，其應用於人形偵測之說明如下：對於一個可能入侵影像輸入X： X={g ₁,g ₂,...,g _m } (3)

其中m為輸入資料的數量，在本研究即為每一筆分割出來的局部影像資料。

假設PNN具有類別向量c(訓練資料)：c={c ₁,c ₂,...,c _r }and c _i ={y _i1,y _i2,...,y _im } (4)

其中r為類別c的數量，m為每個類別內的資料數量。

Parzen是使用一個特徵估測一個類別，對於訓練資料中的每一樣本建立一個以樣本的特徵值為中心的高斯曲線，最後把所有建立的曲線疊加成一個屬於該類別的機率密度函數。若是要用在任意維度的問題上則可以將機率密度函數表示成：

其中d為訓練向量的維度，σ為高斯函數之平滑係數(Soothing Parameter)。

實作時部分可視為常數忽略不計，因此最大 值(最接近)輸出結果p表示如下：

p為判定是否為人形的參數，當輸入之影像資料與訓練樣本資料相似值越高時，其機率密度值就越高，最後當p大於一定的值時，便判定該影像為人形影像。由上述過程可知，本創作所採用之架構預期可以有效成為人形偵測判別演算方法。再者，機率類神經網路的學習過程為零，直接從訓練樣本中讀取所需數據，不需要像傳統類神經網 路迭代的學習過程，對於記憶體空間需求較大，對於本創作將PNN實作於微控制器上非常適合。現代微控制器都可外加大量的快閃記憶體，而且成本低廉。完成本創作之架構後只需將訓練資料放入快閃記憶體，以空間換取時間，兼具效能提升與降低成本的優勢。

請參閱第10圖，其係為本創作之立體環景影像之監控系統之第四實施例之方塊圖。並請一併參閱第1圖至第9圖。如圖所示，本實施例中之立體環景影像之監控系統與上述各實施例之立體環景影像之監控系統所述的相同元件的作動方式相似，故不在此贅述。然而，值得一提的是，在本實施例中，傳輸模組12接收至少一外部電子裝置3所傳輸之影像傳輸訊息30時，控制模組11則據以經由傳輸模組12傳送至少一非原始環景影像訊息111B至至少一外部電子裝置3。也就是說，在駕駛者經由外部電子裝置3傳輸影像傳輸訊息30至傳輸模組12，控制模組11則可據以控制傳輸模組12傳送至少一非原始環景影像訊息111B至至少一外部電子裝置3，抑或控制模組11可控制傳輸模組12與外部電子裝置3進行通訊連結，並將複數個攝像模組10所擷取的即時影像傳輸至外部電子裝置3，以供駕駛者觀看。

藉此，當駕駛者收到異常訊息112時，可立即使用智慧型裝置觀看目前車子周遭的影像。本創作可將異常訊息112所拍攝之影像，經過影像處理方式進行鏡頭校正、幾何校正及影像縫合等數位影像處理，透過立體座標投射演算法將2D影像像素轉換至對應之3D座標位置，且可切換各種不同角度供使用者觀看。因此，駕駛者收到異常訊息112時，便可透過網際網路連線至立體環景影像之監控系統1觀看立體環景影像，再依當下需求查看不同角度的影像，清楚了解當下車子周遭的人、事、物，做出最正確的應對動作。

進一步而言，傳輸模組12可接收至少一外部電子裝置3所傳輸之啟動訊息31時，控制模組11則據以控制複數個攝像模組10進行影像擷取之作動，並依據複數個原始影像訊號100及複數個非原始影像訊號101進行影像縫合處理與影像比對處理。也就是說，在駕駛者停放好車輛後，欲啟動立體環景影像之監控系統1，可經由外部電子裝置3傳輸啟動訊息31，以驅使立體環景影像之監控系統1進行監控作動。

進一步而言，本創作之立體環景影像之監控系統1較佳更可包含電源供應模組13，其電性連接複數個攝像模組10、控制模組11及傳輸模組12，電源供應模組13供給電能至複數個攝像模組10、控制模組11及傳輸模組12。也就是說，立體環景影像之監控系統1進一步還可設置電源供應模組13，其可為可重複充放電之電池組件，用於提供立體環景影像之監控系統1各模組運作所需之電能。

值得一提的是，本創作之立體環景影像之監控系統1亦可與行動載具2之電池組件進行電性連結，而可無須再設置電源供應模組13。

進一步而言，立體環景影像之監控系統1較佳更可包含警示模組14，其電性連接控制模組11，在控制模組11判斷至少一非原始環景影像訊息111異常時，控制模組11則據以控制警示模組14產生警示訊息140。也就是說，本創作之立體環景影像之監控系統1進一步還可設置警示模組14，因此，在控制模組11判斷至少一非原始環景影像訊息111異常時，即可藉由警示模組14產生警示訊息140，如聲音、光線或其組合，以達到嚇阻竊賊之功效。

本創作之立體環景影像之監控系統1，以四周裝設之廣角攝影機，將攝影機所拍攝之影像透過多種影像處理方式產生如同由車外 觀看汽車本體之全景視角立體影像；再將此環景影像透過處理，使用數位影像處理技術進行影像前處理，再以類神經網路方法判斷影像是否代表有人接近車子。上述情形發生時，監控系統1將會透過行動通訊網路傳送訊息給駕駛者之行動裝置，使其可以即時觀看車體附近360度環景影像，並可以調整各種視角，達到即時防盜監控目的。

以上所述僅為舉例性，而非為限制性者。任何未脫離本創作之精神與範疇，而對其進行之等效修改或變更，均應包含於後附之申請專利範圍中。

1‧‧‧監控系統

10‧‧‧攝像模組

100‧‧‧原始影像訊號

101‧‧‧非原始影像訊號

11‧‧‧控制模組

110‧‧‧原始環景影像訊息

111‧‧‧非原始環景影像訊息

112‧‧‧異常訊息

12‧‧‧傳輸模組

3‧‧‧外部電子裝置

Claims (8)

1. 一種立體環景影像之監控系統，其應用於一行動載具，該監控系統包含：複數個攝像模組，其設置於該行動載具之周圍，並持續擷取該行動載具之外部環境之影像，以產生複數個原始影像訊號及複數個非原始影像訊號；一控制模組，電性連接該複數個攝像模組，該控制模組接收該複數個原始影像訊號及該複數個非原始影像訊號，並經由一影像縫合處理，而分別產生一原始環景影像訊息及複數個非原始環景影像訊息，且該控制模組經由一影像比對處理比對該原始環景影像訊息及該複數個非原始環景影像訊息，而判斷至少一該非原始環景影像訊息異常時，該控制模組則據以產生一異常訊息；以及一傳輸模組，其電性連接該控制模組，該控制模組經由該傳輸模組傳送該異常訊息至至少一外部電子裝置。
2. 如申請專利範圍第1項所述之立體環景影像之監控系統，其中該控制模組依據該複數個原始影像訊號而產生複數個原始影像訊息，該控制模組比對該複數個原始影像訊息中之複數個第一特徵值且判斷符合一預設門檻值時，該控制模組則據以將該複數個原始影像訊息進行影像縫合而產生該原始環景影像訊息。
3. 如申請專利範圍第1項所述之立體環景影像之監控系統，其中該控制模組依據該複數個非原始影像訊號而產生複數個非原始影像訊息，該控制模組比對該複數個非原始影像訊息中之複數個第二特徵值且判斷符合一預設門檻值時， 該控制模組則據以將該複數個非原始影像訊息進行影像縫合而產生該非原始環景影像訊息。
4. 如申請專利範圍第1項所述之立體環景影像之監控系統，其中該控制模組以一背景相減法將該原始環景影像訊息中之一原始背景影像訊息與該複數個非原始環景影像訊息中之一非原始背景影像訊息進行相減，而產生至少一局部影像訊息，在該控制模組經由一分類程式判斷該至少一局部影像訊息符合一預設人形影像訊息時，該控制模組則據以產生該異常訊息。
5. 如申請專利範圍第1項所述之立體環景影像之監控系統，其中該傳輸模組接收該至少一外部電子裝置所傳輸之一影像傳輸訊息時，該控制模組則據以經由該傳輸模組傳送至少一該非原始環景影像訊息至該至少一外部電子裝置。
6. 如申請專利範圍第1項所述之立體環景影像之監控系統，其中該傳輸模組接收該至少一外部電子裝置所傳輸之一啟動訊息時，該控制模組則據以控制該複數個攝像模組進行影像擷取之作動，並依據該複數個原始影像訊號及該複數個非原始影像訊號進行該影像縫合處理與該影像比對處理。
7. 如申請專利範圍第1項所述之立體環景影像之監控系統，其更包含一電源供應模組，其電性連接該複數個攝像模組、該控制模組及該傳輸模組，該電源供應模組供給電能至該複數個攝像模組、該控制模組及該傳輸模組。
8. 如申請專利範圍第1項所述之立體環景影像之監控系統， 其更包含一警示模組，其電性連接該控制模組，在該控制模組判斷至少一該非原始環景影像訊息異常時，該控制模組則據以控制該警示模組產生一警示訊息。