[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

WO2016203078A2 - Procedimiento de mejora de imagen térmica o ir basado en información de escena para videoanálisis - Google Patents

Procedimiento de mejora de imagen térmica o ir basado en información de escena para videoanálisis Download PDF

Info

Publication number
WO2016203078A2
WO2016203078A2 PCT/ES2016/070443 ES2016070443W WO2016203078A2 WO 2016203078 A2 WO2016203078 A2 WO 2016203078A2 ES 2016070443 W ES2016070443 W ES 2016070443W WO 2016203078 A2 WO2016203078 A2 WO 2016203078A2
Authority
WO
WIPO (PCT)
Prior art keywords
image
region
interest
procedure
video analysis
Prior art date
Application number
PCT/ES2016/070443
Other languages
English (en)
French (fr)
Other versions
WO2016203078A4 (es
WO2016203078A3 (es
Inventor
Nicolas Herrero Molina
Marti Balcells Capellades
Jordi Lluis Barba
Original Assignee
Davantis Technologies Sl
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Davantis Technologies Sl filed Critical Davantis Technologies Sl
Priority to US15/580,257 priority Critical patent/US10452922B2/en
Priority to CA2989188A priority patent/CA2989188A1/en
Priority to GB1721740.7A priority patent/GB2557035B/en
Publication of WO2016203078A2 publication Critical patent/WO2016203078A2/es
Publication of WO2016203078A3 publication Critical patent/WO2016203078A3/es
Publication of WO2016203078A4 publication Critical patent/WO2016203078A4/es
Priority to IL256202A priority patent/IL256202B/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/20—Calibration, including self-calibrating arrangements
    • G08B29/24—Self-calibration, e.g. compensating for environmental drift or ageing of components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image

Definitions

  • the present invention refers to an image improvement procedure for video analysis or automatic video surveillance systems whose input image is IR or thermal spectrum, in which depth or scene information is used to make this improvement.
  • a generic video analysis system aims to determine the presence of people, vehicles or other specific objects (objective) in a given area of space from the images captured by an image acquisition device, preferably a fixed camera, which observes said particular area of space.
  • the input image to the aforementioned video analysis system is IR (infrared) or thermal
  • one of the main problems that the system must face is the lack of contrast between the scene (background) and the objective (foreg round), making it difficult to detect the objective.
  • the soil temperature can be around 37 ° C, which can make it difficult to detect human targets due to the lack of image contrast. This effect is further accentuated if it fits in the remote areas of the image where objects are smaller. This problem not only suffer from automatic surveillance or video analysis systems but also those verified by an operator.
  • the present invention has as its main purpose to describe an image improvement procedure for video analysis or automatic video surveillance systems whose input image is IR or thermal spectrum in which, using depth or scene information, the resulting image has sufficient contrast to determine the presence of a specific object. Explanation of the invention.
  • the present invention manages to overcome all the drawbacks as well as defects mentioned above in the state of the art and achieve the purpose described in the previous paragraph.
  • Video analysis or automatic surveillance systems comprise at least one image acquisition device through which different images of a specific area of space are obtained which together with an image digitization system provides the image with an image output digital.
  • said image is subjected to an image processing system that applies at least one image improvement procedure such that at its output said image must be of sufficient quality to detect a particular type of object ( person, animal or any other user defined).
  • video analysis or automatic surveillance systems offer at least two modes of operation, the system calibration and detection. Such modes of operation are performed by their corresponding calibration and detection systems.
  • the calibration mode of operation is generally used at the beginning of the commissioning of the video analysis or automatic surveillance system since its purpose is to provide the image with a spatial reference so that the detection system can reference all the calculations that performs during the detection procedure: calculation of distance traveled, speed, size of objects, etc.
  • the calibration stage performed by the calibration system must allow the equivalence to be provided. between the approximate size in pixels of the object to be detected (usually person) and each of the pixel coordinates of the image.
  • the object of the present invention is an image improvement procedure for video analysis or automatic video surveillance systems whose input image is IR or thermal spectrum in which the depth or scene information of the image is used for this purpose.
  • the first step of this procedure is that said depth or scene information of the image is entered by the user or that it comes from the calibration stage or the calibration system since obtaining the approximate size variation
  • the object to be detected for each of the pixel coordinates of the image is an indirect form of the depth of the actual scene captured in the image.
  • Strong calibration procedure that is based on obtaining both the intrinsic parameters of the camera (focal length, pixel size, radial lens distortion, etc.) and the extrinsic parameters (height and angular orientation) to measure distance and real speed over the image and extrapolation of the sizes of the objects to be detected for each pixel using basic geometry.
  • the intrinsic parameters of the camera focal length, pixel size, radial lens distortion, etc.
  • the extrinsic parameters height and angular orientation
  • Calibration phase that obtains the size of a person for each image position from the size and position data obtained for each object identified as a person in the sample acquisition phase.
  • the so-called spatial filtering it should be noted that it is based on selecting and applying a filter on the image in order to reduce noise, increase details, soften the image ..., obtaining an image with better contrast.
  • These filters are nothing more than small sub-images that convolve with the main image and generate a response. Thus, depending on the size of the filter we will deal with different scales of image information.
  • the spatial filtering and how to apply it is based on at least the following steps: For each point of the image, the size in pixels of the object to be detected (w, h) is obtained by means of the calibration system, wyh being respectively the width and height in pixels of the object to be detected at that point.
  • a spatial filter of size between 3 x 3 pixels and max (w, h) x max (w, h) is constructed for each point of the image
  • Each point in the image is convolved with the spatial filter of the size corresponding to that point.
  • said filters adjust their size in a variable manner at each image position based on the image or scene depth information obtained during the calibration phase.
  • said information should comprise at least the size of the object to be detected that was estimated during calibration.
  • a spatial filtering is used to reduce the noise, it is possible to choose between those filters that reduce the noise in the spatial domain, among which the linear filters would be found, such as: average filter, and those not linear, such as: medium or bilateral filter, and those filters that reduce noise in the transformed domain, among which filters based on the wavelet transform would be found.
  • the filter that is chosen it must adapt its size in each position of the image depending on the depth or scene information obtained during the calibration phase.
  • the equalization of an image is actually the normalization of its histogram. That is, the The main idea is that, given an input image /, that input image is transformed based on the information of its histogram so that the output image has a histogram as flat as possible.
  • / the input image whose possible values i range from 0 ⁇ i ⁇ L - 1
  • the probability that the input image / has the value i is defined as:
  • n I total number of pixels whose value is equal aiyn the total number of pixels in the image.
  • the transformation function is that indicated on page 91 of the book by González and Woods entitled “Digital Image Processing” of Prentice Hall 2002.
  • this simple equalization comprises at least the following steps:
  • the depth or scene information of the image can be used to significantly improve the contrast of the image.
  • depth or scene information is used to focus the improvement of the image in those areas where the objects to be detected by the video analysis system are smaller, achieving that in areas of difficult detection
  • the contrast is as large as possible.
  • step number 1 of the procedure for simple equalization is modified by calculating the transformation T using only the information of the pixels of the regions where the objects to be detected are smaller. In this way, the contrast in difficult detection areas is maximized even if the easy detection zones (large objects to be detected) can be harmed.
  • ROI region of interest
  • This region is not restricted to any specific shape or size to the point that it could well be made up of subregions. Preferably, it is defined as a rectangle
  • the sub-image formed by the pixels of the input image / contents in the region r is defined as l r and the histogram of this sub-image as
  • n go is the total number of pixels of the sub-image I r whose value is equal to r the total number of pixels of the sub-image I r .
  • the image enhancement procedure based on simple equalization comprises at least the following steps:
  • fig. 1 illustrates the block diagram of a video analysis or video surveillance system according to the invention
  • fig. 2 shows the block diagram of the detection system
  • fig. 3 represents the block diagram of a scene calibration system based on a strong calibration procedure
  • fig. 4 illustrates the block diagram of a scene calibration system based on a weak calibration procedure
  • fig. 5 shows an image to which a scene calibration system has been applied
  • fig. 6 represents an equalization procedure.
  • fig. 7 illustrates the operation of a hysteresis based switch.
  • Fig. 1 illustrates the block diagram of a video analysis or automatic surveillance system (1) according to the invention comprising at least one image acquisition device (2) from which images of an area of space are obtained, a image scanning system (3) that provides the digital image obtained by said image acquisition device (2), an image processing system (4) and two alternative operating systems, the scene calibration system ( 5) and the detection system (6).
  • the image acquisition devices (2) allow to obtain images in the IR or thermal spectrum. Preferably they are fixed cameras with this type of image capture. Also included are image acquisition devices (2) that obtain images in the near IR spectrum, such as day / night cameras operating with this section of the electromagnetic spectrum during night surveillance.
  • the image acquisition device (2) in the case that it already allows obtaining a digital image or the image scanning system (3) can be prepared to transmit the images by any means of transmission (cable, fiber, wireless, etc.). ).
  • the image processing system (4) applies at least one image improvement procedure such that at the exit of said system the image is of sufficient quality to detect a particular type of object, preferably, a person.
  • the video analysis or automatic surveillance system (1) has two alternative operating systems, the detection system (6) and the scene calibration system (5).
  • the detection system (6) is applied regularly during the operation of the video analysis or automatic surveillance system (1) since it is the one that allows the detection of specific objects, preferably people.
  • the scene calibration system (5) is preferably applied only once at the start of the start-up of the video analysis or automatic surveillance system (1) and must provide the image with a spatial reference so that the Detection system (6) can reference all the calculations it performs during the detection process: calculation of the distance traveled, speed, size of objects, etc., as well as providing direct or indirect information of the depth of the real scene captured in the image for the image processing system (4).
  • the scene calibration system (5) can be any type of system that obtains the depth of the actual scene captured in the image either directly or indirectly.
  • the scene calibration system (5) is a system that obtains the variation of the approximate size of the object to be detected for each of the pixel coordinates of the image since it is an indirect way of measuring the depth of the real scene captured in the image.
  • Fig. 2 shows the block diagram of the detection system (6) comprising a static scene segmentation system (7), a candidate generation system (8), a classification system (9), a monitoring system (10) and a decision system (20).
  • the static scene segmentation system (7) classifies the pixels into at least two types, moving objects and objects belonging to the background of the image.
  • the candidate generation system (8) groups the pixels that refer to moving objects and assigns a unique identifier to each moving object of the image. It should be noted that for both the static segmentation system (7) and the candidate generation system (8) it is very relevant to have a sufficiently contrasted image.
  • the classification system (9) classifies moving objects according to whether it is an object to be detected, preferably, person and / or vehicle, or is not. This system needs, as just mentioned, the scene information obtained during the calibration phase to perform the necessary calculations (speed measurement, size, distance traveled, etc.) to classify the objects and hence in the block diagram of Fig. 2 a block called calibration appears to reference such a need for information.
  • a tracking system (10) maintains the temporal coherence of the objects to finally, depending on the detection rules introduced by the user generate the respective intrusion alarms.
  • the decision system (20) is responsible for determining, from some rules - hence there is a block called rules to reference such need for information - if the objects classified by the classification system (9) should be considered as intruders , generating the corresponding alarm in that case.
  • FIG. view geometry in computer vision "from Cambridge University Press 2003.
  • Said calibration system (5) may comprise at least one parameter insertion system of the image acquisition device (14) and a scene parameter calculation system (15).
  • the parameter insertion system of the image acquisition device (14) obtains, it directly or through the user itself, the intrinsic parameters of the image acquisition device (2), such as: focal length, pixel size, distortion radial lens, and extrinsic parameters, such as: height and angular orientation.
  • the scene parameter calculation system (15) obtains the size of the objects to be detected for each pixel.
  • FIG. 4 A block diagram of a scene calibration system (5) based on a weak calibration procedure, such as that described in patent ES2452790 "Procedure and image analysis system" is illustrated in Fig. 4.
  • said scene calibration system (5) comprises at least one static scene segmentation system (7), a candidate generation system (8), a tracking system (10), a Observed size / position mapping system (11) and scene parameter estimation system (12).
  • the static scene segmentation systems (7), candidate generation (8), tracking (10) perform the same functions as those described in the detection system (6), and may even be the same.
  • the size / position mapping system (11) obtains the variation of the approximate size of the object to be detected for each of the pixel coordinates of the image.
  • the scene parameter estimation system (12) allows obtaining other parameters necessary for the detection system (6), such as: speed, size and distance measurement.
  • the scene calibration system (5) of the video analysis or automatic surveillance system (1) uses the calibration procedure described in Spanish patent ES2452790 "Procedure and image analysis system" to obtain depth or scene information.
  • FIG. 5 shows an image to which the calibration system has been applied and in which the rectangles (16) indicate the approximate size of the object to detect, preferably, people, at the point where the rectangle (16) is drawn.
  • the image processing system (4) performs an image enhancement process comprising a processing step in which through said depth or scene information, entered by the user or obtained from Through any scene calibration system (5), although preferably those using the procedures just described, the contrast of the images captured by the image acquisition device (2) is improved.
  • the image processing system (4) comprises at least one filter that adjusts its size in a variable manner at each image position based on the image or scene depth information, preferably, a percentage of the size of the object to be detected that has been estimated by the scene calibration system (5).
  • This spatial filtering can be applied to the entire image or only to a region of interest r f .
  • the criteria for defining said region of interest r f are preferably:
  • the criterion for defining the region of interest r f will be all those pixels for which the expected object size given by the scene calibration system (5), is in the range ⁇ T min , T min + s (T max - T min )). Being ⁇ a number between 0 and 1.
  • a criterion for defining the region of interest (r f ) comprises at least the following steps:
  • the regions of interest (r f ) are not restricted to any form or size.
  • said region of interest (r f ) is defined as a rectangle (17)
  • rr [x, y, w rf , h rf ]
  • the relevant content at the level of object detection, is usually centered in the central part of the image, so it is preferably defined
  • Fig. 5 a rectangle (17) is drawn that defines a region of interest for that image. It should be noted that this type of rectangular region is suitable for any scene calibration system (5) since the final result of the calibration is a person size map per pixel.
  • the weighting function g (x, y) in the most general case, is a function that takes values between 0 and 1, 0 (x, y) is the filtered image and I (x, y) is the image of entry.
  • the value of g (x, y) in the center of the region of interest (rf) is maximum (equal to 1) y, as the values of x or y move away from the center, the value of g (x, y) decreases and therefore the unqualified image begins to take relevance as the function 1 - g (x,) grows.
  • this entire stage performs a smoothing of the equalization and can also be understood as the introduction of an artificial focus that illuminates the area of the region of interest (r f ).
  • the image processing system (4) comprises at least one equalization procedure in which the depth or scene information obtained through the scene calibration system (5) is used.
  • said equalization procedure is based on a simple equalization procedure centered on a region that is considered of interest (r).
  • the criteria for defining said region of interest are preferably:
  • the criterion for defining the region of interest (r) will be all those pixels for which the expected object size given by the scene calibration system (5) is in the range ⁇ T min , T min + s (T max - T min )). Being ⁇ a number between 0 and 1 that allows to regulate the level of equalization.
  • a criterion for defining the region of interest (r) comprises at least the following steps:
  • the region of interest as the convex zone that surrounds the marked cells.
  • the regions of interest (r) are not restricted to any form or size.
  • the relevant content at the level of object detection, is usually centered in the central part of the image, so it is preferably defined
  • I w is the total width of the input image;
  • yy hor is the vertical coordinate that delimits the limit of detection (preferably, the vertical coordinate from which the expected size of the object to be detected by a person, is smaller than the minimum size that the system needs to be able to detect a person) that It can be entered by the user or it can be obtained from the calibration system (5).
  • Fig. 5 a rectangle (17) is drawn that defines a region of interest for that image.
  • this type of rectangular region is suitable for any scene calibration system (5) since the final result of the calibration is a person size map per pixel.
  • the equalization procedure defines a sub-image formed by the pixels of the input image / contents in the region r as I r and the histogram of this sub-image as
  • equalization procedure it comprises at least the following steps:
  • an equalization smoothing stage is proposed by a weighted sum of the image equalized with the above method and the unqualified image as follows:
  • I F (x, y) g (x, y) ⁇ 0 (x, y) + (l - g (x, y)) ⁇ I (x, y)
  • weighting function g (x, y) can be any type of function whose value in the center of the region of interest is maximum, although preferably it is a two-dimensional Gaussian function centered in the center of the region of interest (r) and with standard deviations depending on the width and height dimensions of the region of interest itself (r), leaving the center of the Gaussian as: or
  • the value of g (x, y) in the center of the region of interest (r) is maximum (equal to 1) y, as the values of x or y move away from the center, the value of g (x, y) decreases and therefore the unqualified image begins to take relevance as the function 1 - g (x, y) grows. Consequently, this entire stage performs a smoothing of the equalization and can also be understood as the introduction of an artificial spotlight that illuminates the area of the region of interest (r).
  • a basic equalization procedure has been described in which the depth or scene information obtained through the scene calibration system (5) is used. However, two types of equalization procedure can be considered depending on the nature of the input image, local equalization procedure and remote equalization procedure.
  • the local equalization procedure is the simplest and is the one shown in Fig. 6. As can be seen, in this type of equalization procedure the image of the image acquisition device (2) or the image is equalized image resulting from applying the image scanning system (3) using depth information available to the scene calibration system (5) of the video analysis or automatic surveillance system (1).
  • a step that studies the range of the histogram by calculating the entropy in the region of interest is incorporated into the equalization method according to the invention, a measure that, although indirect, is much more robust than Simply study the width of the histogram.
  • the entropy of the image in the region of interest is defined as:
  • This metric will be larger the more the histogram stores at a uniform probability distribution and the wider the dynamic range of the image.
  • H HL and H LH two threshold values are set for which we will activate (on) or deactivate (off) the equalization: H HL and H LH .
  • the operation of this hysteresis-based switch is illustrated in Fig. 7. Specifically, if during the equalization procedure it is in the "off" equalization mode and the calculated entropy rises above H LH , the procedure is activated Equalization On the contrary, if it is in the "on" state of equalization and the entropy falls below H HL , the equalization procedure is deactivated.
  • H r (t) ⁇ (t - l) - (l - p) + H r (t) - p where p is a very small value between 0 and 1.
  • the remote equalization procedure is based on remotely defining the region of interest, based on the depth or scene information obtained in the image calibration system (5), for those image acquisition devices (2 ) or image scanning systems (3) that have software that executes an equalization procedure. That is, the equalization procedure is performed by the image acquisition device (2) or the image scanning system (3) but on the region of interest defined from the depth or scene information obtained in the system of Image calibration (5).

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Security & Cryptography (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática que comprenden por lo menos un dispositivo de adquisición de imágenes a través del cual se captura una imagen en el espectro IR o térmico de una zona del espacio, un sistema de calibración de escena y un sistema de detección a través del cual se detecta por lo menos un tipo de objeto comprendiendo dicho procedimiento por lo menos una etapa de procesamiento en la que se mejora el contraste de la imagen captada por el dispositivo de adquisición de imágenes a través de la información de profundidad o de escena de la imagen, obtenida, de forma directa o indirecta, por el sistema de calibración de escena o bien introducida manualmente por el usuario.

Description

DESCRIPCIÓN
Procedimiento de mejora de imagen térmica o IR basado en información de escena para videoanálisis.
Campo de la técnica
La presente invención hace referencia a un procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática cuya imagen de entrada es de espectro IR o térmico, en el que se utiliza información de profundidad o de escena para realizar esta mejora.
Estado de la Técnica anterior Un sistema de videoanálisis genérico tienen como finalidad determinar la presencia de personas, vehículos u otros objetos concretos (objetivo) en una zona determinada del espacio a partir de las imágenes capturadas por un dispositivo de adquisición de imágenes, preferiblemente, una cámara fija, que observa dicha determinada zona del espacio. En el caso de que la imagen de entrada al mencionado sistema de videoanálisis sea de espectro IR (infrarrojo) o térmica, uno de los principales problemas a los que se debe enfrentar dicho sistema es la falta de contraste entre la escena (background) y el objetivo (foreg round), dificultándose la detección del objetivo. Así por ejemplo, para el caso térmico, en determinadas épocas del año, principalmente en las más cálidas, la temperatura del suelo puede rondar los 37°C lo que puede dificultar la detección de objetivos humanos por la falta de contraste de la imagen. Este efecto se acentúa más si cabe en las zonas lejanas de la imagen donde los objetos son más pequeños. De este problema no sólo sufren los sistemas de vigilancia automática o de videoanálisis si no también aquellos verificados por un operador.
Los fabricantes de cámaras de espectro infrarrojo han hecho un esfuerzo por añadir herramientas de software en sus sensores que permiten reducir el problema de contraste y, en consecuencia, mejorar la calidad de la imagen. Los algoritmos desarrollados para este propósito son aquellos que permiten ajusfar el brillo o ganancia o bien realizar una ecualización de histograma básica o ecualizaciones complejas tipo plateau o bien filtros de realce de detalles. Por su parte, los fabricantes de sistemas de videoanálisis, conscientes de este problema, también han incorporado módulos de mejora de imagen y/o aumento del contraste para mitigar el mismo.
El inconveniente de los algoritmos mencionados es que para efectuar sus mejoras se basan única y exclusivamente en la información presente en la imagen. En otras palabras tratan a todos los píxeles por igual sin hacer ningún tipo de asunción sobre la naturaleza de éstos (p. ej. desde qué distancia viene la temperatura proyectada o cual es el tamaño de una persona en ese lugar). Sin embargo, se ha de señalar que en la literatura científica existen documentos que describen procedimientos o métodos de mejora de imágenes que se basan en información de escena y/o de profundidad en los que se utilizan mayoritariamente cámaras de espectro visible. Entre estos documentos los más significativos son los siguientes: - Por un lado encontramos referencias, como por ejemplo la solicitud de patente con número de publicación US2010/0304854 con título "Image contrast enhancement in depth sensor" o en el documento de Hachicha et al., en "20th European Signal Processing Conference" (EUSIPCO 2012) y con título "Combining depth information and local edge detection for stereo image enhancement', en las que el objetivo no es el de mejorar la calidad de la imagen usando una referencia de profundidad sino mejorar dicha estimación de profundidad en base a la imagen analizada. En definitiva, se realiza el proceso inverso apuntado anteriormente.
o El primero de los documentos citados como ejemplo describe un sistema que calcula la profundidad de imagen en base a emitir luz estructurada y analizar su proyección sobre la escena. En dicho documento, se intenta mejorar la calidad de la imagen de luz estructurada proyectada para mejorar así la estimación de profundidad,
o En el segundo de los documentos citados como ejemplo tenemos un par estéreo (imagen visible + mapa de profundidad) y se intenta segmentar los objetos de la imagen, mejorar su contraste y aplicar esta información para mejorar el mapa de profundidad.
Por otro lado encontramos publicaciones, como por ejemplo el documento de Hu et al., en ICIP 2013 y con título "Kinect depth map based enhancement for low light surveillance image" y la solicitud de patente con número de publicación CN 103400351 A y con título "Based on low-light image enhancement method and system for kinect depth map", en las que se aplican informaciones de dispositivos externos (por ejemplo: cámara Kinect) sobre las cámaras de espectro visible. Estos dispositivos nos dan un mapa de profundidad de la escena asociado a la imagen de la escena que se está observando con la cámara de espectro visible para realizar operaciones de realce sobre dicha cámara de espectro visible. En concreto, en el primer caso se realiza un filtrado de ruido y un ajuste de histograma en el que se incorpora la imagen de profundidad en la ecualización global de la imagen.
Existe también una gran cantidad de referencias, como por ejemplo el documento de Srinivasa et al., en "IEEE Transactions On Pattern Analysis and Machine Intelligence, vol. 25, No. 6, June 2003", con título "Contrast restoration of weather degraded images" o bien el documento de Muñirá et al., en "International Journal of Scientific and ResearchPublications, Volume 3, Issue 6, June 2013", con título "Single image fog removal using depth estimation based on blur estimation", cuyo objetivo es mejorar la calidad de imágenes que están afectadas por condiciones climáticas (por ejemplo: niebla o contaminación), realizándose una estimación de la profundidad de la escena basada precisamente en estos efectos. En concreto, cuanto más borrosa es una zona de la imagen significa que la cámara está a mayor distancia. Una vez obtenida la estimación de profundidad, se utiliza ésta para cancelar los efectos producidos por las condiciones atmosféricas sobre la imagen, mejorándose así la calidad de la misma.
Se ha de destacar también otro grupo de documentos, como por ejemplo: la patente con número de publicación US7706576 con título "Dynamic video equalization of images using face-tracking", en los que se detectan objetos de interés para mejorar la calidad de los propios objetos. En el documento citado como ejemplo, se asume que en la escena existe la cara de una persona, se detecta dicha cara y se aplica un algoritmo de mejora de imagen en la región que ocupa la misma. En realidad, se está aplicando una información de la escena para mejorar por lo menos una zona de la imagen.
En cuanto a documentos científicos sobre procedimientos y métodos de mejora de imágenes IR o térmicas, los documentos más significativos dentro de las pocas referencias existentes son la solicitud de patente con número de publicación EP2226762 y título "Equalization and processing of IR images" y la solicitud de patente PCT con número de publicación WO2013126001 y título "Image processing method for detail enhancement and noise reduction", que utilizan información global o local de la propia imagen y en ningún caso se utiliza información de profundidad o de escena. El principal inconveniente de estos procedimientos es que en las imágenes siguen existiendo zonas en las que no existe suficiente contraste para poder detectar objetos.
La presente invención tiene como principal finalidad describir un procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática cuya imagen de entrada es de espectro IR o térmica en el que, utilizándose información de profundidad o de escena, la imagen resultante tiene el contraste suficiente para que se determine la presencia de un objeto en concreto. Explicación de la invención
La presente invención logra superar todos los inconvenientes así como defectos mencionados anteriormente en el estado de la técnica y alcanzar la finalidad descrita en el párrafo anterior.
Los sistemas de videoanálisis o de vigilancia automática comprenden por lo menos un dispositivo de adquisición de imagen a través del cual se obtienen diferentes imágenes de una zona del espacio en concreto que junto con un sistema de digitalización de imágenes proporciona a la salida del mismo una imagen digital.
A continuación dicha imagen se somete a un sistema de procesamiento de imagen que aplica por lo menos un procedimiento de mejora de la imagen de tal manera que a su salida dicha imagen ha de tener la calidad suficiente para se pueda detectar un tipo de objeto concreto (persona, animal o cualquier otro definido por el usuario).
En concreto, los sistemas de videoanálisis o de vigilancia automática ofrecen por lo menos dos modos de funcionamiento, el de calibración del sistema y el de detección. Tales modos de funcionamiento son realizados por sus correspondientes sistemas de calibración y de detección.
El modo de funcionamiento de calibración generalmente se utiliza al inicio de la puesta en funcionamiento del sistema de videoanálisis o de vigilancia automática ya que su finalidad es dotar a la imagen de una referencia espacial para que así el sistema de detección pueda referenciar todos los cálculos que realiza durante el procedimiento de detección: cálculo de la distancia recorrida, velocidad, tamaño de los objetos, etc. En concreto, la etapa de calibración realizada por el sistema de calibración ha de permitir aportar la equivalencia entre el tamaño aproximado en píxeles del objeto a detectar (generalmente persona) y cada una de las coordenadas de los píxeles de la imagen.
Es objeto de la presente invención un procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática cuya imagen de entrada es de espectro IR o térmico en el que se utiliza para ello la información de profundidad o de escena de la imagen. Para ello, el primer paso de este procedimiento es que dicha información de profundidad o de escena de la imagen sea introducido por el usuario o bien que proceda de la etapa de calibración o del sistema de calibración puesto que la obtención de la variación del tamaño aproximado del objeto a detectar para cada una de las coordenadas de los píxeles de la imagen es una forma indirecta de la profundidad de la escena real captada en la imagen.
En este sentido, se ha de destacar que para ello se puede utilizar cualquier procedimiento de calibración que permita obtener tales resultados, siendo los más representativos los siguientes:
Procedimiento de calibración fuerte que se basa en la obtención tanto de los parámetros intrínsecos de la cámara (distancia focal, tamaño del píxel, distorsión radial de lente, etc.) como de los extrínsecos (altura y orientación angular) para efectuar medidas de distancia y velocidad reales sobre la imagen y la extrapolación de los tamaños de los objetos a detectar para cada píxel mediante geometría básica. Preferiblemente, dentro de estos procedimientos se podría utilizar alguno de los descritos en el documento de Hartley, R y Zisserman, A con título "Múltiple view geometry in computer visión" de Cambridge University Press 2003.
Procedimiento de calibración débil en el que a partir de una serie de observaciones de un tipo de objeto a detectar, se asocia el tamaño del objeto a detectar a cada uno de los píxeles de la imagen ya sea por fuerza bruta (1 observación / 1 pixel) o por interpolación de un modelo geométrico estimado en base a un número limitado de observaciones. Preferiblemente, dentro de estos procedimiento se podría utilizar el descrito en la solicitud de patente US7596241 "System and method for automatic person counting and detection of specific events" o la solicitud de patente ES2364915 "Vídeo tripwi re".
Además de estos dos tipos de procedimientos de calibración, en una realización preferente del procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática para obtener la información de profundidad o de escena se utiliza el procedimiento de calibración descrito en la patente española ES2452790 con título "Procedimiento y sistema de análisis de imágenes". Este procedimiento de calibración es una calibración débil en términos de estimación de parámetros (puesto que sólo se refiere a los extrínsecos) pero robusto en cuanto a precisión y corrección de errores y comprende, tal y como está explicado en la mencionada solicitud, por lo menos las siguientes fases:
Fase de adquisición de muestras que se divide en las siguientes sub fases:
o sub fase de adquisición de imagen;
o sub fase de procesamiento de imagen a través de la cual se determina si en dicha imagen existe algún objeto móvil; y
o sub fase de pre-clasificación de personas que determina si el objeto móvil identificado es una persona o no, almacenándose como muestra en caso de ser persona los datos de tamaño y posición del objeto móvil identificado; y Fase de calibración que obtiene el tamaño de una persona para cada posición de la imagen a partir de los datos de tamaño y posición obtenidos para cada objeto identificado como persona en la fase de adquisición de muestras.
Una vez obtenida la información de profundidad o de escena de la imagen ya se puede entrar a detallar el procedimiento de mejora de la imagen propiamente dicho. Para ello se debe destacar que existen dos grandes tipos de procedimientos de mejora de imagen denominados filtrado espacial y ecualización.
En consecuencia, es objeto de la invención aplicar esta información de profundidad o de escena de la imagen a este tipo de procedimientos de mejora de imagen para así mejorar el contraste de las imágenes de videoanálisis o videovigilancia automática.
En relación al primer tipo, el denominado filtrado espacial, se ha de señalar que se basa en seleccionar y aplicar un filtro sobre la imagen con el objetivo de reducir ruido, aumentar los detalles, suavizar la imagen..., obteniéndose una imagen con mejor contraste. Estos filtros no son más que pequeñas subimágenes que se convolucionan con la imagen principal y generan una respuesta. Así, dependiendo del tamaño del filtro trataremos con diferentes escalas de información de la imagen.
Preferiblemente, el filtrado espacial y la forma de aplicarse el mismo se basa en por lo menos los siguientes pasos: Para cada punto de la imagen se obtiene el tamaño en píxeles del objeto a detectar (w, h) mediante el sistema de calibración, siendo w y h respectivamente la anchura y la altura en píxeles del objeto a detectar en ese punto.
Para cada punto de la imagen se construye un filtro espacial de tamaño entre 3 x 3 píxeles y max (w, h) x max (w, h), y
Se convoluciona cada punto de la imagen con el filtro espacial del tamaño correspondiente a ese punto.
Pues bien, es objeto de la presente invención que dichos filtros ajusten su tamaño de forma variable en cada posición de la imagen en función de la información de profundidad de imagen o de escena obtenida durante la fase de calibración. Preferiblemente, dicha información ha de comprender por lo menos el tamaño del objeto a detectar que se haya estimado durante la calibración. Así por ejemplo, si se utiliza un filtrado espacial para reducir el ruido, se puede escoger entre aquellos filtros que reducen el ruido en el dominio espacial, entre los cuales se encontrarían los filtros lineales, como por ejemplo: filtro de media, y los no lineales, como por ejemplo: filtro de mediana o bilateral, y aquellos filtros que reducen el ruido en el dominio transformado, entre los que cuales se encontrarían los filtros basados en la transformada wavelet. Sin embargo, independientemente del filtro que se escoja, éste debe adaptar su tamaño en cada posición de la imagen en función de la información de profundidad o de escena obtenida durante la fase de calibración.
Asimismo, en relación a otras técnicas como por ejemplo las de realce de detalles o filtrado paso alto, éstas deberían ajusfar los tamaños de sus filtros en función de la información de profundidad o de escena obtenida durante la fase de calibración.
Se ha de señalar que al aplicar el filtrado espacial a toda la imagen se pueden provocar efectos indeseados en ciertas regiones. Por ese motivo, en otra realización preferente, se puede restringir la zona de aplicación del filtrado espacial sólo a una subregión de interés rf , siendo rf un subconjunto del dominio de la imagen de entrada /. A su vez, para suavizar el efecto del filtrado también se puede combinar la imagen filtrada y la imagen original de forma ponderada.
Por lo que se refiere al segundo tipo, el de ecualización, se ha de destacar que la ecualización de una imagen es en realidad la normalización de su histograma. Es decir, la idea principal es que, dada una imagen de entrada /, se transforma dicha imagen de entrada en base a la información de su histograma para que la imagen de salida tenga un histograma lo más plano posible. Así pues, si definimos / como la imagen de entrada cuyos posibles valores i van de 0≤ i≤ L - 1, la probabilidad que la imagen de entrada / tenga el valor i se define como:
/( = p(7 = =—
n
donde n¿ es el número total de píxeles cuyo valor es igual a i y n al número total de píxeles de la imagen. A través de este histograma tenemos una referencia de la probabilidad de cada nivel de gris en la imagen de entrada /. El siguiente paso es aplicar una transformación T a toda la imagen de entrada / para que la imagen de salida O = T(I) tenga un histograma lo más plano posible y así mejorar el contraste de la imagen y, en consecuencia, su calidad. Esta imagen de salida O también se denomina imagen ecualizada.
En una realización preferente, la función de transformación es la que se indica en la página 91 del libro de González y Woods con título "Digital Image Processing" de Prentice Hall 2002.
En definitiva, dicha ecualización simple comprende por lo menos los siguientes pasos:
1- Calcular el histograma p,(í) de toda la imagen de entrada y su función de transformación correspondiente T
2- Aplicar esa transformación sobre toda la imagen de entrada y obtener así la imagen ecualizada O = T(I) Se ha de señalar que por lo general las imágenes de entrada y de salida se definen con el mismo número de bits, 8 bits por píxel, existiendo un rango de 256 posibilidades (28). Sin embargo, algunos dispositivos de adquisición, como por ejemplo las cámaras térmicas, utilizan 14 bits por píxel por lo que al mantenerse la imagen de salida con 8 bits por píxel la ecualización debe reducir el espacio de 16.384 posibilidades (214) de la imagen de entrada a 256 posibilidades de la imagen de salida.
A su vez, tal y como ocurría con el procedimiento de mejora de imagen denominado filtrado espacial, se puede utilizar la información de la profundidad o de escena de la imagen para mejorar notablemente el contraste de la imagen. En el caso de la ecualización, la información de profundidad o de escena se utiliza para focalizar la mejora de la imagen en aquellas zonas en las que los objetos a detectar por el sistema de videoanálisis son más pequeños, consiguiéndose que en las zonas de difícil detección el contraste sea el mayor posible.
Es decir, se modifica el paso número 1 del procedimiento para la ecualización simple calculándose la transformación T utilizando solamente la información de los píxeles de las regiones donde los objetos a detectar son de menor tamaño. De esta manera, se maximiza el contraste en las zonas de detección difícil aunque se pueda perjudicar a las zonas de detección fácil (objetos a detectar grandes).
Para ello, se debe definir también las regiones de la imagen en la que los objetos a detectar son de menor tamaño, la cual se denomina región de interés (ROI).
Esta región no queda restringida a ningún tipo de forma ni tamaño en concreto hasta el punto que bien podría estar compuesta de subregiones. Preferiblemente, se define como un rectángulo
r = [x, y, w, h]
donde x e y se corresponden con las coordenadas de la esquina superior de r, mientras que w y h con los valores de anchura y altura de la región en píxeles.
Por otra parte, se define la sub-imagen formada por los píxeles de la imagen de entrada / contenidos en la región r como lr y el histograma de esta sub-imagen como
p¡ (i) = pOr = =—
T nr
donde nir es el número total de píxeles de la sub-imagen Ir cuyo valor es igual a i y nr al número total de píxeles de la sub-imagen Ir. Así pues, si en la ecualización simple de histograma la transformación se obtenía como una función del histograma de la imagen de entrada T = (p/( ), se define una nueva transformación Tr como la función de transformación calculada en base al histograma de los píxeles de la región de interés Tr = (p/r(i))- Esta nueva transformación Tr se puede aplicar luego a toda la imagen de entrada. Sin embargo, al aplicarla a toda la imagen de entrada se pueden producir efectos negativos en ciertas zonas de la imagen (como el aumento del ruido o la saturación de niveles de gris). Para evitarlo se modifica también el paso 2 del procedimiento para la ecualización simple y esta transformación Tr se aplica sólo en una subregión r0. Esta subregión r0 debe siempre incluir como mínimo la región r donde se ha calculado el histograma y debe ser siempre más grande que ella, pudiendo llegar r0 a ser toda la imagen de entrada. Si D, expresa el dominio de la imagen de entrada I, o sea D, = [0, lw - 1] x
[0, lh - 1] donde Iw es la anchura total de la imagen e Ih la altura total de la imagen, matemáticamente se diría que la región r es un subconjunto propio de r0 y que r0 es un subconjunto de D¡, o sea r c r0 _≡ D¡.
Entonces, el procedimiento de mejora de imágenes basado en ecualización simple comprende por lo menos los siguientes pasos:
1- Calcular el histograma de los píxeles de la imagen de entrada contenidos en la región de interés p/r( y utilizar esta información para obtener su función de transformación correspondiente Tr;
2- Aplicar esa transformación Tr sobre toda la imagen de entrada I o sobre una subregión r0 de la imagen de entrada y obtener así la imagen ecualizada O = Tr(r0), siendo r un subconjunto propio de r0, o sea r c r0 _≡ D,
De esta manera se maximiza el contraste en las zonas de difícil detección aunque se puedan perjudicar algunas zonas de fácil detección (por ejemplo aquellas en las que los objetos a detectar son de mayor tamaño). El hecho de aplicar la transformación Tr en una subregión r0 ¾ r en vez de en toda la imagen de entrada I también permite excluir posibles zonas conflictivas en este proceso de ecualización.
Breve descripción de los dibujos
Las anteriores y otras ventajas y características se comprenderán más plenamente a partir de la siguiente descripción detallada de unos ejemplos de realización con referencia a los dibujos adjuntos, que deben considerarse a título ilustrativo y no limitativo, en los que:
la fig. 1 ilustra el diagrama de bloques de un sistema de videoanálisis o videovigilancia según la invención;
la fig. 2 muestra el diagrama de bloques del sistema de detección ;
la fig. 3 representa el diagrama de bloques de un sistema de calibración de escena basado en un procedimiento de calibración fuerte;
la fig. 4 ilustra el diagrama de bloques de un sistema de calibración de escena basado en un procedimiento de calibración débil; la fig. 5 muestra una imagen a la que se le ha aplicado un sistema de calibración de escena;
la fig. 6 representa un procedimiento de ecualización .
la fig. 7 ilustra el funcionamiento de un interruptor basado en histéresis.
Descripción detallada de un ejemplo de realización
La Fig. 1 ilustra el diagrama de bloques de un sistema de videoanálisis o de vigilancia automática (1) según la invención que comprende por lo menos un dispositivo de adquisición de imagen (2) del que se obtienen imágenes de una zona del espacio, un sistema de digitalización de imágenes (3) que proporciona la imagen digital obtenida por el mencionado dispositivo de adquisición de imagen (2), un sistema de procesamiento de la imagen (4) y dos sistemas alternativos de funcionamiento, el sistema de calibración de escena (5) y el sistema de detección (6).
Los dispositivos de adquisición de imágenes (2) permiten obtener imágenes en el espectro IR o térmicos. Preferiblemente son cámaras fijas con este tipo de captación de imágenes. Asimismo, se incluyen dispositivos de adquisición de imágenes (2) que obtienen imágenes en el espectro IR cercano, como por ejemplo, cámaras de día/noche que funcionan con esta sección del espectro electromagnético durante la vigilancia nocturna.
En este sentido, se ha de señalar que ciertos dispositivos de adquisición de imágenes (2) ya proporcionan una imagen digital, integrando los mismos un sistema de digitalización de imágenes (3) por lo que no haría falta incluir en esos casos dicho sistema de digitalización de imágenes (3) en el sistema de videoanálisis o de vigilancia automática (1).
El dispositivo de adquisición de imágenes (2) en el caso que ya permite obtener una imagen digital o el sistema de digitalización de imágenes (3) pueden estar preparados para transmitir las imágenes por cualquier medio de transmisión (cable, fibra, inalámbrico, etc.).
El sistema de procesamiento de la imagen (4) aplica por lo menos un procedimiento de mejora de la imagen de tal manera que a la salida de dicho sistema la imagen tiene la calidad suficiente para que se detecte un tipo de objeto concreto, preferiblemente, una persona. Tal y como se ha comentado el sistema de videoanálisis o de vigilancia automática (1) tiene dos sistemas alternativos de funcionamiento, el sistema de detección (6) y el sistema de calibración de escena (5). El sistema de detección (6) se aplica de forma habitual durante el funcionamiento del sistema de videoanálisis o de vigilancia automática (1) ya que es el que permite detectar unos objetos en concreto, preferiblemente, personas.
El sistema de calibración de escena (5) se aplica, preferiblemente, una sola vez al inicio de la puesta en marcha del sistema de videoanálisis o de vigilancia automática (1) y ha de dotar a la imagen de una referencia espacial para que así el sistema de detección (6) pueda referenciar todos los cálculos que realiza durante el proceso de detección: cálculo de la distancia recorrida, velocidad, tamaño de los objetos, etc., así como proporcionar también información directa o indirecta de la profundidad de la escena real captada en la imagen para el sistema de procesamiento de la imagen (4).
Preferiblemente, el sistema de calibración de escena (5) puede ser cualquier tipo de sistema que obtenga la profundidad de la escena real captada en la imagen ya sea de forma directa o indirecta. En una realización preferente, el sistema de calibración de escena (5) es un sistema que obtiene la variación del tamaño aproximado del objeto a detectar para cada una de las coordenadas de los pixeles de la imagen puesto que es una forma indirecta de medir la profundidad de la escena real captada en la imagen.
En la Fig. 2 se muestra el diagrama de bloques del sistema de detección (6) que comprende un sistema de segmentación de escena estática (7), un sistema de generación de candidatos (8), un sistema de clasificación (9), un sistema de seguimiento (10) y un sistema de decisión (20).
El sistema de segmentación de escena estática (7) clasifica los pixeles en por lo menos dos tipos, objetos móviles y objetos pertenecientes al fondo de la imagen.
El sistema de generación de candidatos (8) agrupa los pixeles que se refieren a objetos móviles y asigna un identificador único a cada objeto en movimiento de la imagen. Se ha de señalar que tanto para el sistema de segmentación estática (7) como para el sistema de generación de candidatos (8) es muy relevante disponer de una imagen suficientemente contrastada. El sistema de clasificación (9) clasifica los objetos móviles según si es un objeto a detectar, preferiblemente, persona y/o vehículo, o no lo es. Este sistema necesita, tal y como se acaba de comentar, la información de escena que se obtiene durante la fase de calibración para realizar los cálculos necesarios (medida de velocidad, tamaño, distancia recorrida, etc.) para clasificar los objetos y de ahí que en el diagrama de bloques de la Fig. 2 aparezca un bloque denominado calibración para referenciar tal necesidad de información.
Un sistema de seguimiento (10) mantiene la coherencia temporal de los objetos para finalmente, en función de las reglas de detección introducidas por el usuario generar las respectivas alarmas de intrusión.
El sistema de decisión (20) se encarga de determinar, a partir de unas reglas -de ahí que exista un bloque denominado reglas para referenciar tal necesidad de información-, si los objetos clasificados por el sistema de clasificación (9) deben considerarse como intrusos, generándose la correspondiente alarma en ese caso.
En la Fig. 3 se representa un diagrama de bloques de un sistema de calibración de escena (5) basado en un procedimiento de calibración fuerte, como por ejemplo, el descrito en el documento de Hartley, R y Zisserman, A con título "Múltiple view geometry in computer visión" de Cambridge University Press 2003.
Dicho sistema de calibración (5) puede comprender por lo menos un sistema de inserción de parámetros del dispositivo de adquisición de imagen (14) y un sistema de cálculo de parámetros de escena (15).
El sistema de inserción de parámetros del dispositivo de adquisición de imagen (14) obtiene, él directamente o a través del propio usuario, los parámetros intrínsecos del dispositivo de adquisición de imagen (2), como por ejemplo: distancia focal, tamaño del píxel, distorsión radial de lente, y los parámetros extrínsecos, como por ejemplo: altura y orientación angular. El sistema de cálculo de parámetros de escena (15) obtiene el tamaño de los objetos a detectar para cada píxel.
En la Fig. 4 se ilustra un diagrama de bloques de un sistema de calibración de escena (5) basado en un procedimiento de calibración débil, como por ejemplo, el descrito en la patente ES2452790 "Procedimiento y sistema de análisis de imágenes".
Tal y como se puede observar, dicho sistema de calibración de escena (5) comprende por lo menos un sistema de segmentación de escena estática (7), un sistema de generación de candidatos (8), un sistema de seguimiento (10), un sistema de mapeo de tamaño/posición observados (11) y sistema de estimación de parámetros de escena (12).
Preferiblemente, los sistemas de segmentación de escena estática (7), de generación de candidatos (8), de seguimiento (10) realizan las mismas funciones que los descritos en el sistema de detección (6), pudiendo ser incluso los mismos.
El sistema de mapeo de tamaño/posición (11) obtiene la variación del tamaño aproximado del objeto a detectar para cada una de las coordenadas de los píxeles de la imagen. El sistema de estimación de parámetros de escena (12) permite obtener otros parámetros necesarios para el sistema de detección (6), como por ejemplo: medida de velocidad, tamaño y distancia recorrida.
En una realización preferente, el sistema de calibración de escena (5) del sistema de videoanálisis o de vigilancia automática (1) según la invención utiliza el procedimiento de calibración descrito en la patente española ES2452790 "Procedimiento y sistema de análisis de imágenes" para obtener la información de profundidad o de escena.
Independientemente del procedimiento de calibración utilizado por el sistema de calibración de escena (5), la Fig. 5 muestra una imagen a la que se le ha aplicado el sistema de calibración y en la que los rectángulos (16) indican el tamaño aproximado del objeto a detectar, preferiblemente, personas, en el punto en el que el rectángulo (16) está dibujado.
El sistema de procesamiento de la imagen (4) según la invención realiza un procedimiento de mejora de imagen que comprende una etapa de procesamiento en la que a través de la mencionada información de profundidad o de escena, introducida por el usuario u obtenida a través de cualquier sistema de calibración de escena (5), aunque preferiblemente aquellos que utilicen los procedimientos acabados de describir, se mejora el contraste de las imágenes captadas por el dispositivo de adquisición de imagen (2). En una realización preferente, el sistema de procesamiento de la imagen (4) comprende por lo menos un filtro que ajusta su tamaño de forma variable en cada posición de la imagen en función de la información de profundidad de imagen o de escena, preferiblemente, un porcentaje del tamaño del objeto a detectar que se haya estimado por el sistema de calibración de escena (5). Este filtrado espacial se puede aplicar a toda la imagen o sólo a una región de interés rf . Los criterios para definir dicha región de interés rf son preferiblemente:
Región definida manualmente por el usuario; o bien
Región en la que los objetos a detectar son de menor tamaño; o bien
Zonas de tránsito durante el proceso de calibración de escena (5), entendiéndose como tales aquellas zonas donde se han obtenido muestras durante la fase de adquisición de muestras descrita en la patente española ES2452790 "Procedimiento y sistema de análisis de imágenes".
Para el caso del criterio en que los objetos a detectar son de menor tamaño, preferiblemente, se definen dos tamaños de persona en píxeles: Tmin (tamaño mínimo de objeto que es capaz de detectar el sistema de detección (6) y que viene dado por el propio sistema de detección (6)) y Tmax que se corresponde con el máximo tamaño posible de un objeto a detectar en la imagen a considerar (que viene dado por el sistema de calibración (5)). Así pues, en este caso, el criterio para definir la región de interés rf será todos aquellos píxeles para los que el tamaño de objeto esperado dado por el sistema de calibración de escena (5), se sitúe en el rango {Tmin, Tmin + s(Tmax - Tmin)). Siendo ε un número entre 0 y 1.
Tal y como se ha explicado anteriormente, existen procedimientos de calibración que consisten en asociar tamaños de objeto observados a la posición donde han sido observados para, de esta forma, estimar el modelo geométrico que describe la escena, entre los cuales, preferiblemente, el sistema de calibración de escena (5) utiliza el descrito en la patente española ES2452790 "Procedimiento y sistema de análisis de imágenes". Preferiblemente, en estos casos, un criterio para definir la región de interés (rf) comprende por lo menos los siguientes pasos:
- Dividir la imagen en N celdas de tamaño ajustable; - Marcar las celdas en las que el sistema de calibración (5) ha obtenido al menos una muestra.
- Definir la región de interés (rf) como la zona convexa que envuelve las celdas marcadas.
Las regiones de interés (rf) no están restringidas a ningún tipo de forma ni tamaño.
Preferiblemente, dicha región de interés (rf), se define como un rectángulo (17)
rr = [x, y, wrf, hrf]
donde x e y se corresponden con las coordenadas de la esquina superior de rf , mientras que wrf y hrf con los valores de anchura y altura de la región en píxeles.
En las escenas de videoanálisis o videovigilancia, el contenido relevante, a nivel de detección de objetos, suele estar centrado en la parte central de la imagen por lo que, preferiblemente, se define
rf = [x, y, wrf, hrf] = [alw, yhor, ylw, βγηοΑ donde , γ, β e (0,1) y (a + y) < 1 ; 7W es la anchura total de la imagen de entrada; y yhor es la coordenada vertical que delimita el límite de detección (preferiblemente, la coordenada vertical a partir de la cual el tamaño esperado del objeto a detectar, preferiblemente una persona, es menor que el mínimo tamaño que el sistema necesita para poder detectarlo) que la puede introducir el usuario o bien se puede obtener del sistema de calibración (5).
En la Fig. 5 aparece dibujado un rectángulo (17) que define una región de interés para esa imagen. Se ha de señalar que este tipo de región rectangular sirve para cualquier sistema de calibración de escena (5) ya que el resultado final de la calibración es un mapa de tamaño de persona por píxel.
El hecho de aplicar un filtrado espacial puede producir efectos indeseados en ciertas zonas de la imagen. Para minimizar estos efectos se puede suavizar el resultado del filtrado combinando la imagen filtrada y la imagen sin filtrar de la siguiente manera: lF(x, y) = g(x, y)■ 0(x, y) + (l - g{x, y))■ I(x, y) Donde la función de ponderación g(x, y), en el caso más general, es una función que toma valores entre 0 y 1 , 0(x, y) es la imagen filtrada e I(x, y) es la imagen de entrada. Tanto en caso de aplicar el filtrado espacial a toda la imagen como en el caso de que el filtrado espacial se aplique sólo a una región de interés rf , se puede usar esta región de interés rf para definir la función de ponderación g(x, y) que preferiblemente es una función gaussiana bidimensional centrada en el centro de la región de interés (rf) y con desviaciones estándar en función de las dimensiones de anchura y altura de la propia región de interés (rf), quedando el centro de la gaussiana como:
Figure imgf000019_0001
y su vector desviación standard como
Figure imgf000019_0002
= ( alw, βγηοτ )
En consecuencia, la función g(x, y) = e L a ' ay
Tal y como se puede observar, el valor de g(x, y) en el centro de la región de interés (rf) es máximo (igual a 1) y, a medida que los valores de x ó y se alejan del centro, el valor de g(x, y) decrece y por lo tanto la imagen no ecualizada empieza a tomar relevancia dado que la función 1 - g(x, ) crece.
En consecuencia, toda esta etapa realiza un suavizado de la ecualización pudiéndose entender también como la introducción de un foco artificial que ilumina la zona de la región de interés (rf).
En otra realización preferente, el sistema de procesamiento de la imagen (4) comprende por lo menos un procedimiento de ecualización en el que se utiliza la información de profundidad o de escena obtenida a través del sistema de calibración de escena (5). Preferiblemente, dicho procedimiento de ecualización se basa en un procedimiento de ecualización simple centrado en una región que se considera de interés (r). Los criterios para definir dicha región de interés son preferiblemente:
Región definida manualmente por el usuario; o bien
- Región en la que los objetos a detectar son de menor tamaño; o bien
Zonas de tránsito durante el proceso de calibración de escena (5), entendiéndose como tales aquellas zonas donde se han obtenido muestras durante la fase de adquisición de muestras descrita en la patente española ES2452790 "Procedimiento y sistema de análisis de imágenes".
Para el caso del criterio en que los objetos a detectar son de menor tamaño, preferiblemente, se definen dos tamaños de persona en píxeles: Tmin (tamaño mínimo de objeto que es capaz de detectar el sistema de detección (6) y que viene dado por el propio sistema de detección (6)) y Tmax que se corresponde con el máximo tamaño posible de un objeto a detectaren la imagen a considerar (que viene dado por el sistema de calibración (5)). Así pues, en este caso, el criterio para definir la región de interés (r) será todos aquellos píxeles para los que el tamaño de objeto esperado dado por el sistema de calibración de escena (5), se sitúe en el rango {Tmin, Tmin + s(Tmax - Tmin)). Siendo ε un número entre 0 y 1 que permite regular el nivel de ecualización.
Tal y como se ha explicado anteriormente, existen procedimientos de calibración que consisten en asociar tamaños de objeto observados a la posición donde han sido observados para, de esta forma, estimar el modelo geométrico que describe la escena, entre los cuales, preferiblemente, el sistema de calibración de escena (5) utiliza el descrito en la patente española ES2452790 "Procedimiento y sistema de análisis de imágenes". Preferiblemente, en estos casos, un criterio para definir la región de interés (r) comprende por lo menos los siguientes pasos:
- Dividir la imagen en N celdas de tamaño ajustable;
- Marcar las celdas en las que el sistema de calibración (5) ha obtenido al menos una muestra.
- Definir la región de interés como la zona convexa que envuelve las celdas marcadas.
Las regiones de interés (r) no están restringidas a ningún tipo de forma ni tamaño.
Preferiblemente, dicha región de interés (r), se define como un rectángulo (17) r = [x, y, w, h]
donde x e y se corresponden con las coordenadas de la esquina superior de r, mientras que w y h con los valores de anchura y altura de la región en píxeles.
En las escenas de videoanálisis o videovigilancia, el contenido relevante, a nivel de detección de objetos, suele estar centrado en la parte central de la imagen por lo que, preferiblemente, se define
r = [x, y, w, h] = [alw, yhor, ylw, βγηοΛ donde , γ, β e (0,1) y ( a + γ ) < 1 ; Iw es la anchura total de la imagen de entrada; y yhor es la coordenada vertical que delimita el límite de detección (preferiblemente, la coordenada vertical a partir de la cual el tamaño esperado del objeto a detectar una persona, es menor que el mínimo tamaño que el sistema necesita para poder detectar una persona) que la puede introducir el usuario o bien se puede obtener del sistema de calibración (5).
En la Fig. 5 aparece dibujado un rectángulo (17) que define una región de interés para esa imagen.
Se ha de señalar que este tipo de región rectangular sirve para cualquier sistema de calibración de escena (5) ya que el resultado final de la calibración es un mapa de tamaño de persona por píxel.
En una realización preferente, el procedimiento de ecualización define una sub-imagen formada por los píxeles de la imagen de entrada / contenidos en la región r como Ir y el histograma de esta sub-imagen como
p¡ (i) = pOr = = —
T nr
Asimismo, se define una nueva transformación Tr como la función de transformación calculada en base al histograma de los píxeles de la región de interés Tr = (p/r( )-
En definitiva, en una realización preferente del procedimiento de ecualización comprende por lo menos los siguientes pasos:
1- Calcular el histograma de los píxeles de la imagen de entrada contenidos en la región de interés p/r( y utilizar esta información para obtener su función de transformación correspondiente Tr; 2- Aplicar esa transformación T r sobre toda la imagen de entrada / o sobre una subregión r0 de la imagen de entrada y obtener así la imagen ecualizada O = Tr(r0), siendo r c r0 _≡ D¡. Tal y como se ha comentado con anterioridad, el hecho de ecualizar ciertas zonas de la imagen con un histograma que no le corresponde puede perjudicar el contraste de dichas zonas con la aparición de efectos no deseados tales como ruido, saturación en el nivel de gris, etc. Así pues, en una realización preferente, se propone una etapa de suavizado de la ecualización mediante una suma ponderada de la imagen ecualizada con el método anterior y la imagen sin ecualizar de la siguiente manera:
IF (x, y) = g(x, y) ■ 0(x, y) + (l - g(x, y)) ■ I(x, y)
Donde la función de ponderación g(x, y) puede ser cualquier tipo de función cuyo valor en el centro de la región de interés sea máximo, aunque preferiblemente es una función gaussiana bidimensional centrada en el centro de la región de interés (r) y con desviaciones estándar en función de las dimensiones de anchura y altura de la propia región de interés (r), quedando el centro de la gaussiana como: or
2 ) y su vector desviación standard como
Figure imgf000022_0001
= ( alw, βγηοτ )
En consecuencia, la función
-ί,(χ-μχ
g(x, y) = e L a ' ay
Tal y como se puede observar, el valor de g(x, y) en el centro de la región de interés (r) es máximo (igual a 1) y, a medida que los valores de x ó y se alejan del centro, el valor de g(x, y) decrece y por lo tanto la imagen no ecualizada empieza a tomar relevancia dado que la función 1 - g(x, y) crece. En consecuencia, toda esta etapa realiza un suavizado de la ecualización pudiéndose entender también como la introducción de un foco artificial que ilumina la zona de la región de interés (r). Hasta ahora se ha descrito un procedimiento de ecualización básico en el que se utiliza la información de profundidad o de escena obtenida a través del sistema de calibración de escena (5). Sin embargo, se puede considerar que existen dos tipos de procedimiento de ecualización dependiendo de la naturaleza de la imagen de entrada, procedimiento de ecualización local y procedimiento de ecualización remota.
El procedimiento de ecualización local es el más simple y es el que se representa en la Fig. 6. Tal y como se puede observar, en este tipo de procedimiento de ecualización se ecualiza la imagen del dispositivo de adquisición de imagen (2) o la imagen resultante de aplicar el sistema de digitalización de imagen (3) utilizando información de profundidad de la que dispone el sistema de calibración de escena (5) del sistema de videoanálisis o de vigilancia automática (1).
Puesto que el rango dinámico de la imagen, es decir, el rango de valores de la mayoría de los píxeles, es en ocasiones demasiado pequeño, puede provocar que, al expandir el histograma durante la ecualización, se introduzca excesivo ruido. Este ruido no es deseable en la imagen ya que puede comportar falsas alarmas generadas por el sistema de detección (6). Por este motivo, en una realización preferente, en el procedimiento de ecualización según la invención se incorpora un paso que estudia el rango del histograma mediante el cálculo de la entropía en la región de interés, medida que, aunque indirecta, es mucho más robusta que estudiar simplemente la anchura del histograma.
En este sentido, se define la entropía de la imagen en la región de interés como:
Figure imgf000023_0001
Esta métrica será mayor cuanto más tienda el histograma a una distribución de probabilidad uniforme y cuanto más ancho sea el rango dinámico de la imagen.
De esta manera, se fijan dos valores umbrales para los que activaremos (on) o desactivaremos (off) la ecualización: HHL y HLH. El funcionamiento de este interruptor basado en histéresis se ilustra en la Fig. 7. En concreto, si durante el procedimiento de ecualización se encuentra en el modo "off" de ecualización y la entropía calculada sube por encima de HLH, se activa el procedimiento de ecualización. Por el contrario, si se encuentra en el estado "on" de ecualización y la entropía cae por debajo de HHL, se desactiva el procedimiento de ecualización.
Se ha de señalar que este ciclo de histéresis se implementa para evitar saltos entre modos que puedan afectar al sistema de detección (6). Sin embargo y para suavizar aún más esta transición entre los cambios de modos, se trabaja con entropías calculadas mediante una media móvil en lugar de entropías instantáneas:
Hr(t) = ^(t - l) - (l - p) + Hr(t) - p siendo p un valor muy pequeño entre 0 y 1.
Por otro lado, el procedimiento de ecualización remota se basa en definir remotamente la región de interés, a partir de la información de profundidad o de escena obtenida en el sistema de calibración de imagen (5), para aquellos dispositivos de adquisición de imagen (2) o sistemas de digitalización de imagen (3) que disponen de software que ejecuta un procedimiento de ecualización. Es decir, el procedimiento de ecualización lo realiza el dispositivo de adquisición de imagen (2) o el sistema de digitalización de imagen (3) pero sobre la región de interés definida a partir de la información de profundidad o de escena obtenida en el sistema de calibración de imagen (5).

Claims

REIVINDICACIONES
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática que comprenden por lo menos un dispositivo de adquisición de imágenes (2) a través del cual se captura una imagen en el espectro IR o térmico de una zona del espacio, la cual se digitaliza por dicho dispositivo de adquisición de imágenes (2) o por un sistema de digitalización de imágenes (3), un sistema de calibración de escena (5) y un sistema de detección (6) a través del cual se detecta por lo menos un tipo de objeto caracterizado porque dicho procedimiento comprende por lo menos una etapa de procesamiento en la que se mejora el contraste de la imagen digital captada por el dispositivo de adquisición de imágenes (2) a través de la información de profundidad o de escena de la imagen, obtenida, de forma directa o indirecta, por el sistema de calibración de escena (5) o bien introducida manualmente por el usuario y que comprende por lo menos una etapa de ecualización definida a partir de la información de profundidad o de escena de la imagen obtenida por el sistema de calibración de escena (5); dicha etapa de ecualización comprende por lo menos los siguientes pasos
o Definir una región de interés (r);
o Calcular el histograma de los píxeles de la imagen de entrada contenidos en dicha región de interés p/r( y utilizar esta información para obtener una función de transformación correspondiente Tr ;
donde p, (¿) = p(7r = = — es el histograma de esta región de interés formada por los píxeles de la imagen contenidos en la región r; y
Tr es una función de transformación calculada en base al histograma de los píxeles de la región de interés Tr = f (ρ/Γ( )
o Aplicar esa transformación Tr sobre toda la imagen de entrada / o sobre una subregión r0 de la imagen de entrada y obtener así la imagen ecualizada O = Tr(r0) , siendo r _= r0 _≡ D¡ , donde D, se refiere al dominio de la imagen de entrada / y se define como D, = [0, Iw - 1] x [0, Ih - 1] donde Iw es la anchura total de la imagen de entrada e Ih su altura total. Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación 1 en el que la región de interés (r) es aquella en la que los tipos de objetos a detectar son de menor tamaño y es difícil su detección por el sistema de detección (6).
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación anterior en el que la región de interés (r) comprende por lo menos todos aquellos píxeles para los que el tamaño esperado de los objetos a detectar se encuentra en el rango(rmín, Tmin + s(Tmax - Tmin))\ siendo Tmin el tamaño mínimo de objeto a detectar capaz de detectar el sistema de detección(6);
Tmax el tamaño máximo posible en la imagen de un objeto a detectar;
ε un número entre 0 y 1.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según cualquiera de las reivindicaciones anteriores en el que la región de interés se define con un rectángulo
r = [x, y, w, h] = [alw, yhor, ylw, Pyhor] donde x e y se corresponden con las coordenadas de la esquina superior de r, w y h con los valores de anchura y altura de la región en píxeles, , γ, β e (0,1) y ( a + y ) < 1 ; Iw es la anchura total de la imagen de entrada; y yhor es la coordenada vertical que delimita el límite de detección a partir de la cual el tamaño esperado del objeto a detectar es menor que el mínimo tamaño que el sistema de detección (6) puede detectar.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según cualquiera de las reivindicaciones 1 a 4 en el que la etapa de ecualización comprende por lo menos un paso que estima el rango del histograma de la región de interés mediante el cálculo de la entropía en dicha región de interés de la siguiente manera:
tfr(0 = -∑P/r(0 - log(P/r(t))
r
y otro paso que fija por lo menos dos valores umbrales (HHL y HLH) para los que se activa o se desactiva respectivamente la etapa de ecualización. Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación anterior en el que en el paso en que se calcula la entropía se realiza mediante la siguiente media móvil
Hr(t) = ^(t - l) - (l - p) + Hr(t) - p
siendop un valor muy pequeño entre 0 y 1.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según cualquiera de las reivindicaciones 1 a 6 que comprende además una etapa de suavizado de la ecualización en la que se obtiene una nueva imagen a partir de la suma ponderada de la imagen ecualizada y la imagen sin ecualizar de la siguiente manera:
IF(x, y) = g(x, y)■ 0(x, y) + (l - g(x, y))■ I(x, y)
Donde g(x, y) es cualquier función cuyo valor es máximo e igual a 1 en el centro de la región de interés (r);
I(x, y) es la imagen digital sin ecualizar.
0(x, y) es la imagen digital ecualizada.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación 7 en el que: g{x, y) = e 2 °x ' °y ;
Figure imgf000027_0001
σ = (σχ, σν) = ( Iw, yhor ).
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática que comprenden por lo menos un dispositivo de adquisición de imágenes (2) a través del cual se captura una imagen en el espectro IR o térmico de una zona del espacio, la cual se digitaliza por dicho dispositivo de adquisición de imágenes (2) o por un sistema de digitalización de imágenes (3), un sistema de calibración de escena (5) y un sistema de detección (6) a través del cual se detecta por lo menos un tipo de objeto caracterizado porque dicho procedimiento comprende por lo menos una etapa de procesamiento en la que se mejora el contraste de la imagen digital captada por el dispositivo de adquisición de imágenes (2) a través de la información de profundidad o de escena de la imagen, obtenida, de forma directa o indirecta, por el sistema de calibración de escena (5) o bien introducida manualmente por el usuario y que comprende por lo menos una etapa de filtrado espacial definida a partir de la información de profundidad o de escena de la imagen obtenida por el sistema de calibración de escena (5); dicha etapa de filtrado espacial comprende por lo menos los siguientes pasos:
Para cada punto de la imagen se obtiene el tamaño en pixeles del objeto a detectar (w, h) mediante el sistema de calibración de escena (5), siendo w y h respectivamente la anchura y la altura en pixeles del objeto a detectar en ese punto.
Para cada punto de la imagen se construye un filtro espacial de tamaño entre 3 x 3 pixeles y max (w, h) x max (w, h),
Se convoluciona cada punto de la imagen con el filtro espacial del tamaño correspondiente a ese punto o, alternativamente, se convoluciona solamente los puntos pertenecientes a la región de interés rf y se obtiene la imagen filtrada O, siendo rf _≡ D, donde D, es el dominio de la imagen de entrada y se define como D, = [0, Iw - 1] x [0, Ih - 1] donde Iw es la anchura total de la imagen de entrada e Ih su altura total.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación 9 en el que la región de interés (rf) es aquella en la que los tipos de objetos a detectar son de menor tamaño y es difícil su detección por el sistema de detección (6).
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación anterior en el que la región de interés (rf) comprende por lo menos todos aquellos pixeles para los que el tamaño esperado de los objetos a detectar se encuentra en el rango {Tmin, Tmin + s(Tmax - Tmin))\ siendo Tmin el tamaño mínimo de objeto a detectar capaz de detectar el sistema de detección(6);
Tmax el tamaño máximo posible en la imagen de un objeto a detectar; ε un número entre 0 y 1.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según cualquiera de las reivindicaciones 9 a 1 1 en el que la región de interés rf se define con un rectángulo
rf = [x, y, wrf, hrf] = [alw, yhor, ylw, βγηοΛ donde x e y se corresponden con las coordenadas de la esquina superior de rf , wrf y hrf con los valores de anchura y altura de la región en píxeles, α, γ, β e (0,1) y (a + y) < 1 ; Iw es la anchura total de la imagen de entrada; y yhor es la coordenada vertical que delimita el límite de detección a partir de la cual el tamaño esperado del objeto a detectar es menor que el mínimo tamaño que el sistema de detección (6) puede detectar.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según cualquiera de las reivindicaciones 9 a 12 que comprende además una etapa de suavizado del filtrado espacial en la que se obtiene una nueva imagen a partir de la suma ponderada de la imagen filtrada y la imagen sin filtrar de la siguiente manera:
IF(x, y) = g(x, y)■ 0(x, y) + (l - g(x, yj)■ I(x, y)
Donde g(x, y) es cualquier función que tome valores entre 0 y 1 ;
l(x,y) es la imagen digital sin filtrar;
0(x, y) es la imagen digital filtrada.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación anterior en el que:
Figure imgf000029_0001
σ = (ox, Oy) = ( aIw, yhor ).
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según cualquiera de las reivindicaciones anteriores en el que la información de profundidad o de escena se obtiene a partir de un sistema de calibración de escena (5) que aplica un procedimiento de calibración que comprende por lo menos las siguientes fases:
o Fase de adquisición de muestras que se divide en las siguientes sub fases:
o sub fase de adquisición de imagen;
o sub fase de procesamiento de imagen a través de la cual se determina si en dicha imagen existe algún objeto móvil; y
o sub fase de pre-clasificación de personas que determina si el objeto móvil identificado es una persona o no, almacenándose como muestra en caso de ser persona los fatos de tamaño y posición del objeto móvil identificado; y
o Fase de calibración que obtiene el tamaño de una persona para cada posición de la imagen a partir de los datos de tamaño y posición obtenidos para cada objeto identificado como persona en la fase de adquisición de muestras.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación anterior cuando depende de las reivindicaciones 1 a 8 en el que la región de interés (r) se define como la zona de tránsito durante el procedimiento de calibración de escena definido en la reivindicación anterior, siendo dicha zona de tránsito la zona donde se han obtenido muestras durante la fase de adquisición de muestras descrito en la reivindicación anterior.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación 15 cuando depende de las reivindicaciones 1 a 8 en el que la región de interés (r) se obtiene según el procedimiento:
o Dividir la imagen en N celdas de tamaño ajustable;
o Marcar las celdas en las que el sistema de calibración de escena (5) haya obtenido por lo menos una muestra en la fase de adquisición de muestras descrito en la reivindicación 15;
o Definir la región de interés (r) como la zona convexa que envuelve las celdas marcadas.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación 15 cuando depende de las reivindicaciones 9 a 14 en el que la región de interés (rf) se define como la zona de tránsito durante el procedimiento de calibración de escena definido en la reivindicación 15, siendo la zona de tránsito la zona donde se han obtenido muestras durante la fase de adquisición de muestras descrito en la reivindicación anterior.
Procedimiento de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación 15 cuando depende de las reivindicaciones 9 a 14 en el que la región de interés (rf) se obtiene según el procedimiento:
o Dividir la imagen en N celdas de tamaño ajustable;
o Marcar las celdas en las que el sistema de calibración de escena (5) haya obtenido por lo menos una muestra en la fase de adquisición de muestras descrito en la reivindicación 15;
o Definir la región de interés (rf) como la zona convexa que envuelve las celdas marcadas.
Sistema de mejora de imagen para sistema de videoanálisis o videovigilancia automática caracterizado porque tiene elementos funcionales aptos para realizar cualquiera de los procedimientos de mejora de imagen según cualquiera de las reivindicaciones anteriores.
Sistema de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según la reivindicación anterior en las que el sistema de detección a través del cual se detecta por lo menos un tipo de objeto comprende por lo menos: o un sistema de segmentación estática (7) que clasifica los píxeles en por lo menos dos tipos, objetos móviles y objetos pertenecientes al fondo de la imagen;
o un sistema de generación de candidatos (8) que agrupa los píxeles móviles conexos en objetos;
o un sistema de clasificación (9) que clasifica los objetos según si es un tipo de objeto a detectar o no lo es; y
o un sistema de seguimiento (10) que mantiene la coherencia temporal de los objetos para finalmente en función de las reglas de detección introducidas por el usuario generar las respectivas alarmas de intrusión.
Sistema de mejora de imagen para sistemas de videoanálisis o videovigilancia automática según cualquiera de las reivindicaciones 20 ó 21 en el que el dispositivo de adquisición de imagen (2) es analógico y dicho sistema comprende una etapa de digitalización de la imagen captada por el mencionado dispositivo de adquisición de imagen (2), previa a la etapa de procesamiento.
PCT/ES2016/070443 2015-06-15 2016-06-13 Procedimiento de mejora de imagen térmica o ir basado en información de escena para videoanálisis WO2016203078A2 (es)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US15/580,257 US10452922B2 (en) 2015-06-15 2016-06-13 IR or thermal image enhancement method based on background information for video analysis
CA2989188A CA2989188A1 (en) 2015-06-15 2016-06-13 Method for ir or thermal image enchancement based on scene information for video analysis
GB1721740.7A GB2557035B (en) 2015-06-15 2016-06-13 Method for IR or thermal image enhancement based on scene information for video analysis
IL256202A IL256202B (en) 2015-06-15 2017-12-08 An information-based ir or thermal image enhancement method for video analysis

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
ES201530836A ES2563098B1 (es) 2015-06-15 2015-06-15 Procedimiento de mejora de imagen IR basado en información de escena para videoanálisis
ESP201530836 2015-06-15

Publications (3)

Publication Number Publication Date
WO2016203078A2 true WO2016203078A2 (es) 2016-12-22
WO2016203078A3 WO2016203078A3 (es) 2017-07-27
WO2016203078A4 WO2016203078A4 (es) 2017-09-14

Family

ID=55440517

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/ES2016/070443 WO2016203078A2 (es) 2015-06-15 2016-06-13 Procedimiento de mejora de imagen térmica o ir basado en información de escena para videoanálisis

Country Status (6)

Country Link
US (1) US10452922B2 (es)
CA (1) CA2989188A1 (es)
ES (1) ES2563098B1 (es)
GB (1) GB2557035B (es)
IL (1) IL256202B (es)
WO (1) WO2016203078A2 (es)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102615070B1 (ko) * 2016-10-12 2023-12-19 삼성전자주식회사 디스플레이 장치, 및 그 제어방법
CN109658515B (zh) * 2017-10-11 2022-11-04 阿里巴巴集团控股有限公司 点云网格化方法、装置、设备及计算机存储介质
CN109346100A (zh) * 2018-10-25 2019-02-15 烟台市奥境数字科技有限公司 一种数字媒体交互式教学系统的网络传输方法
US10896492B2 (en) * 2018-11-09 2021-01-19 Qwake Technologies, Llc Cognitive load reducing platform having image edge enhancement
EP3888344B1 (en) * 2018-11-27 2024-05-29 Google LLC Methods and systems for colorizing infrared images
CN109409345B (zh) * 2018-12-24 2020-10-02 台州和沃文化传播有限公司 智能化弹奏演出装置
CN112102207A (zh) * 2020-10-29 2020-12-18 北京澎思科技有限公司 一种确定温度的方法、装置、电子设备及可读存储介质
TWI806006B (zh) * 2021-02-20 2023-06-21 緯創資通股份有限公司 熱影像定位方法及其系統
CN113449664B (zh) * 2021-07-06 2023-09-12 河南慧联世安信息技术有限公司 一种火灾现场火情监测系统和监测方法
CN114216931B (zh) * 2021-11-05 2024-07-02 中国矿业大学 一种基于红外图像的带式输送机煤炭自燃检测方法
CN115035350B (zh) * 2022-06-29 2024-05-07 电子科技大学 一种基于边缘检测增强的对空地、地面背景小目标检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100080485A1 (en) * 2008-09-30 2010-04-01 Liang-Gee Chen Chen Depth-Based Image Enhancement
ES2452790A1 (es) * 2013-03-28 2014-04-02 Davantis Technologies Sl Procedimiento y sistema de análisis de imágenes

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5046118A (en) * 1990-02-06 1991-09-03 Eastman Kodak Company Tone-scale generation method and apparatus for digital x-ray images
AU4594796A (en) * 1994-11-25 1996-06-19 Yuriy Alexandrov System and method for diagnosis of living tissue diseases
US7308126B2 (en) * 1997-08-28 2007-12-11 Icad, Inc. Use of computer-aided detection system outputs in clinical practice
US6696945B1 (en) 2001-10-09 2004-02-24 Diamondback Vision, Inc. Video tripwire
US7706576B1 (en) 2004-12-28 2010-04-27 Avaya Inc. Dynamic video equalization of images using face-tracking
US7596241B2 (en) 2005-06-30 2009-09-29 General Electric Company System and method for automatic person counting and detection of specific events
US8139828B2 (en) * 2005-10-21 2012-03-20 Carestream Health, Inc. Method for enhanced visualization of medical images
US7826666B2 (en) * 2008-02-27 2010-11-02 Honeywell International Inc. Methods and apparatus for runway segmentation using sensor analysis
US8339475B2 (en) * 2008-12-19 2012-12-25 Qualcomm Incorporated High dynamic range image combining
US8274565B2 (en) * 2008-12-31 2012-09-25 Iscon Video Imaging, Inc. Systems and methods for concealed object detection
ITTO20090161A1 (it) 2009-03-03 2010-09-04 Galileo Avionica Spa Equalizzazione ed elaborazione di immagini ir
US8054290B2 (en) 2009-05-27 2011-11-08 Microsoft Corporation Image contrast enhancement in depth sensor
SE536510C2 (sv) 2012-02-21 2014-01-14 Flir Systems Ab Bildbehandlingsmetod för detaljförstärkning och brusreduktion
CN103400351B (zh) 2013-07-30 2015-12-23 武汉大学 基于kinect深度图的低光照图像增强方法及系统
US9460499B2 (en) * 2014-05-30 2016-10-04 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Systems and methods for selective enhancement of a region of interest in an image

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100080485A1 (en) * 2008-09-30 2010-04-01 Liang-Gee Chen Chen Depth-Based Image Enhancement
ES2452790A1 (es) * 2013-03-28 2014-04-02 Davantis Technologies Sl Procedimiento y sistema de análisis de imágenes

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
DIEGO ARACENA PIZARRO ET AL: "COMPARACIÓN DE TÉCNICAS DE CALIBRACIÓN DE CÁMARAS DIGITALES", REVISTA FACULTAD DE INGENIERÍA - UNIVERSIDAD DE TARAPACÁ, vol. 13, no. 1, 1 January 2005 (2005-01-01), pages 57 - 67, XP055315519, DOI: 10.4067/S0718-13372005000100007 *
E JAUREGI ET AL: "Approaches to door identiication for robot navigation 241 0 Approaches to door identification for robot navigation", 1 March 2010 (2010-03-01), XP055319069, Retrieved from the Internet <URL:http://cdn.intechopen.com/pdfs/10237/InTech-Approaches_to_door_identification_for_robot_navigation.pdf> [retrieved on 20161114] *
GUANG DENG: "An Entropy Interpretation of the Logarithmic Image Processing Model With Application to Contrast Enhancement", IEEE TRANSACTIONS ON IMAGE PROCESSING, IEEE SERVICE CENTER, PISCATAWAY, NJ, US, vol. 17, no. 5, 1 May 2009 (2009-05-01), pages 1135 - 1140, XP011253695, ISSN: 1057-7149 *
H SAIPOL HADI ET AL: "A Review of Infrared Spectrum in Human Detection for Surveillance Systems", INTERNATIONAL JOURNAL OF INTERACTIVE DIGITAL MEDIA INTERNATIONAL JOURNAL OF INTERACTIVE DIGITAL MEDIA |, 1 January 2013 (2013-01-01), XP055315518, Retrieved from the Internet <URL:http://magicx.my/ijidm/wp-content/uploads/2013-1-3-03-saipol.pdf> [retrieved on 20161111] *
JIA-GUU LEU: "IMAGE CONTRAST ENHANCEMENT BASED ON THE INTENSITIES OF EDGE PIXELS", CVGIP GRAPHICAL MODELS AND IMAGE PROCESSING, ACADEMIC PRESS, DULUTH, MA, US, vol. 54, no. 6, 1 November 1992 (1992-11-01), pages 497 - 506, XP000332318, ISSN: 1077-3169, DOI: 10.1016/1049-9652(92)90069-A *
REND G AARNINK ET AL: "A preprocessing Scientific paper algorithm for edge detection with multiple scales of resolution", ELSEVIER EUROPEAN JOURNAL OF ULTRASOUND, 1 January 1997 (1997-01-01), XP055348937, Retrieved from the Internet <URL:http://www.sciencedirect.com/science/article/pii/S0929826696002091/pdf?md5=dca10196eae47bb95efb4bc3e1c24277&pid=1-s2.0-S0929826696002091-main.pdf> [retrieved on 20170222] *
TALI TREIBITZ ET AL: "Resolution loss without imaging blur", JOURNAL OF THE OPTICAL SOCIETY OF AMERICA A, vol. 29, no. 8, 1 August 2012 (2012-08-01), US, pages 1516, XP055348823, ISSN: 1084-7529, DOI: 10.1364/JOSAA.29.001516 *
XIANGZHI BAI ET AL: "Infrared image enhancement through contrast enhancement by using multiscale new top-hat transform", INFRARED PHYSICS AND TECHNOLOGY, vol. 54, no. 2, 22 December 2010 (2010-12-22), pages 61 - 69, XP028173496, ISSN: 1350-4495, [retrieved on 20101222], DOI: 10.1016/J.INFRARED.2010.12.001 *

Also Published As

Publication number Publication date
IL256202B (en) 2021-05-31
GB2557035B (en) 2021-05-26
US20180225522A1 (en) 2018-08-09
WO2016203078A4 (es) 2017-09-14
CA2989188A1 (en) 2016-12-22
GB201721740D0 (en) 2018-02-07
ES2563098B1 (es) 2016-11-29
GB2557035A (en) 2018-06-13
IL256202A (en) 2018-02-28
ES2563098A1 (es) 2016-03-10
US10452922B2 (en) 2019-10-22
WO2016203078A3 (es) 2017-07-27

Similar Documents

Publication Publication Date Title
ES2563098B1 (es) Procedimiento de mejora de imagen IR basado en información de escena para videoanálisis
US10580161B2 (en) Imaging system, object detection device and method of operating same
US10032283B2 (en) Modification of at least one parameter used by a video processing algorithm for monitoring of a scene
CN108549874B (zh) 一种目标检测方法、设备及计算机可读存储介质
US7912252B2 (en) Time-of-flight sensor-assisted iris capture system and method
US9619708B2 (en) Method of detecting a main subject in an image
US10748294B2 (en) Method, system, and computer-readable recording medium for image object tracking
CN108010105B (zh) 图像处理设备、图像处理方法和存储介质
JP2013089252A (ja) 映像処理方法及び装置
JP6351243B2 (ja) 画像処理装置、画像処理方法
KR101339026B1 (ko) 열화상 카메라 가시성 개선 방법 및 장치
CN110659547B (zh) 物体识别方法、装置、车辆和计算机可读存储介质
CN109359577B (zh) 一种基于机器学习的复杂背景下人数检测系统
JP2013152669A (ja) 画像監視装置
US11657592B2 (en) Systems and methods for object recognition
JP2009025910A (ja) 障害物検出装置、障害物検出システム及び障害物検出方法
KR101341243B1 (ko) 기상 현상으로 인해 훼손된 영상을 복원하는 장치 및 방법
WO2016063595A1 (ja) 画像処理装置、画像処理方法及びプログラム
CN103337076B (zh) 视频监控目标出现范围确定方法和装置
Gundawar et al. Improved single image dehazing by fusion
Zeng et al. Detection of salient object using pixel blurriness
US12096163B2 (en) Device and a method of encoding images including a privacy filter
CN112668370B (zh) 一种基于深度图像的生物特征活体识别检测方法、装置
ES2452790B1 (es) Procedimiento y sistema de análisis de imágenes
Chaudhuri et al. Frequency and spatial domains adaptive-based enhancement technique for thermal infrared images

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16758226

Country of ref document: EP

Kind code of ref document: A2

WWE Wipo information: entry into national phase

Ref document number: 15580257

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2989188

Country of ref document: CA

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 201721740

Country of ref document: GB

Kind code of ref document: A

Free format text: PCT FILING DATE = 20160613

122 Ep: pct application non-entry in european phase

Ref document number: 16758226

Country of ref document: EP

Kind code of ref document: A2