本研究致力於壓縮影片大小，以達到儲存最佳化。利用影像處理、電腦視覺技術結合深度學習，對監視器影片內容進行分析，例如使用技術如motion detection, image similarity analysis, frame difference, background subtraction, and running average。根據連續影像內容的變動程度、深度學習之物件偵測模型的辨識結果及物件的移動偵測，動態調整儲存的幀率，以降低儲存所需的容量，同時兼顧較低的運算需求。這個研究提出一個演算法，針對其中的各個步驟進行壓縮率、運算效能與準確率的比較。最終，在最佳的情況可以達到82%的壓縮率，在平均情況下達到67%的壓縮率。
關鍵字: 影像監控(surveillance video)、存儲最佳化(storage optimization)、影像處理(image processing)、物件偵測(object detection)、相似性測量(similarity measurements)
本專案使用 python 撰寫，建議安裝 python 3.10 以上版本，所需套件皆列在 requirements.txt 文件中。
本專案有一個使用者介面，相關程式碼在 system_interface_pyqt 檔案
先進入目錄 cd system_interface_pyqt，執行 python main.py
專案中的資料夾分別是各子演算法、功能實作之程式碼，例如 : Background_Substraction、img_similarity、object_detection，另外有資料前處理相關程式位於 Data Preprocessing，以及測試廠商監視器相關程式位於 Camera_Testing 目錄下。
system_interface_tkinter 為較早期的介面，用 tkinter 進行實作；system_interface_pyqt 是後期(專題發表使用)之介面，用 pyqt 實作。
其他 main.py 檔案是整合各項子演算法之完整程式碼。