ES2335517T3 - Procedimiento de deteccion y de seguimiento de blancos puntuales, en un sistema de vigilancia optronico. - Google Patents
Procedimiento de deteccion y de seguimiento de blancos puntuales, en un sistema de vigilancia optronico. Download PDFInfo
- Publication number
- ES2335517T3 ES2335517T3 ES05787158T ES05787158T ES2335517T3 ES 2335517 T3 ES2335517 T3 ES 2335517T3 ES 05787158 T ES05787158 T ES 05787158T ES 05787158 T ES05787158 T ES 05787158T ES 2335517 T3 ES2335517 T3 ES 2335517T3
- Authority
- ES
- Spain
- Prior art keywords
- point
- track
- points
- image
- detection
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/78—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B26/00—Optical devices or arrangements for the control of light using movable or deformable optical elements
- G02B26/08—Optical devices or arrangements for the control of light using movable or deformable optical elements for controlling the direction of light
- G02B26/10—Scanning systems
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
- Burglar Alarm Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Eye Examination Apparatus (AREA)
- Small-Scale Networks (AREA)
Abstract
Procedimiento de tratamiento de imágenes optrónico, para asegurar la detección de blancos puntuales y el seguimiento de la pista de cada blanco detectado en las indicadas imágenes, mediante creación y validación de pistas hipótesis a partir de puntos detectados en una imagen observada, comprendiendo una pista hipótesis al menos un punto detectado, comprendiendo el mencionado procedimiento para cada imagen observada, una etapa de detección (4) de puntos en la imagen, que comprende una partición de la imagen observada en una pluralidad de zonas homogéneas, siendo una zona homogénea una zona sobre la cual se comprueba un criterio de uniformidad definido por una función de distribución radiométrica determinada, el cálculo para cada píxel de la imagen observada de una relación entre señal y ruido (RSB) correspondiente con relación a la zona homogénea en la cual se encuentra el indicado píxel, y la comparación de la relación entre señal y ruido calculada con un umbral de detección (thd), tal que se detecta un punto para un píxel de la imagen si la relación entre señal y ruido calculada para este píxel es superior o igual al indicado umbral de detección, y para cada punto detectado, la determinación de un conjunto (Ek) de umbrales de comparación asociado con dicho punto, comprendiendo el mencionado conjunto una o más pluralidades de umbrales, siendo los indicados umbrales de comparación superiores o iguales al mencionado umbral de detección (thd), una etapa de validación de pistas hipótesis que comprende para cada punto detectado, una etapa de aplicación de un criterio de validación de la pista hipótesis asociada con dicho punto, siendo el indicado criterio de validación función de los umbrales de comparación asociados con cada uno de los puntos de la pista hipótesis.
Description
Procedimiento de detección y de seguimiento de
blancos puntuales, en un sistema de vigilancia optrónico.
La presente invención se refiere a un
procedimiento de detección y de seguimiento de blancos puntuales, en
un sistema de vigilancia optrónico, basado en las observaciones de
imágenes proporcionadas por sensores optrónicos, por ejemplo
sensores de infrarrojos. La invención se refiere más particularmente
a un procedimiento de asociación de puntos singulares y de creación
de pistas particularmente adaptado para la vigilancia optrónica
sectorial o panorámica a gran velocidad.
En un sistema de vigilancia optrónico, el
tratamiento digital de las imágenes tiene por objeto extraer la
señal útil que puede corresponder a una amenaza en una escena
vigilada y realizar un seguimiento espacial y temporal de esta
eventual amenaza. Comprende así particularmente un módulo de
detección, que permite extraer puntos singulares, denominados
"plots" (representación gráfica), de la escena optrónica
observada y un módulo de seguimiento que permite asociar entre sí
puntos extraídos, sobre criterios espaciales y temporales: Un
conjunto de puntos observados en diferentes momentos y asociados por
el módulo de seguimiento, se denomina pista. Cada pista representa
un blanco potencial (un objeto real).
Un ejemplo de un sistema de vigilancia optrónico
de este tipo se ilustra en la figura 1. Está compuesto por
sensor(es)
optrónico(s) 1 que permite(n) cubrir el campo de la escena 2 a observar. Este(os) sensor(es) optrónico(s) proporcio-
na(n) a intervalos de tiempo regulares, por medio de un enlace de datos, imágenes Data_{IN} de la escena de observación 2 en un calculador 3 de tratamiento digital de señal. Este calculador aplica en tiempo real funciones algorítmicas sobre estas imágenes.
optrónico(s) 1 que permite(n) cubrir el campo de la escena 2 a observar. Este(os) sensor(es) optrónico(s) proporcio-
na(n) a intervalos de tiempo regulares, por medio de un enlace de datos, imágenes Data_{IN} de la escena de observación 2 en un calculador 3 de tratamiento digital de señal. Este calculador aplica en tiempo real funciones algorítmicas sobre estas imágenes.
Además de los algoritmos de tratamiento de las
imágenes propiamente dichas (filtrado, restauración de píxeles
defectuosos...) que son habitualmente previstos, las funciones
algorítmicas realizadas en tiempo real por el calculador 3 se
dividen en dos módulos principales, un módulo 4 de detección y un
módulo 5 de seguimiento.
Se sitúa más particularmente dentro del marco de
la búsqueda de una amenaza cuya superficie y distancias de
aparición son tales que deberían producir una mancha óptica sobre el
sensor optrónico del tamaño de un píxel. En este contexto, las
funciones algorítmicas de los módulos de detección y de seguimiento
están definidas para blancos puntuales, es decir que corresponden a
un píxel de la imagen. En el caso en que un blanco correspondiese a
varios píxeles de la imagen, funciones de reducción (zoom hacia
atrás) se utilizan localmente, en el módulo de detección, para
volver de nuevo al caso de un blanco puntual. Estas
particularidades de tratamiento de imagen bien conocidas del
experto en la materia no forman parte de la invención propiamente
dicha, y no se detallarán por consiguiente aquí.
En el con texto precisado de búsqueda de blancos
puntuales, los tratamientos realizados por el calculador 3 en tiempo
real pueden organizarse del modo siguiente:
- -
- El módulo de detección 4 recibe imágenes optrónicas de la escena observada proporcionadas por el(los) sensor(es) optrónico(s) 1, generalmente pre-filtradas. A partir de una imagen optrónica de observación DATA_{IN} aplicada a la entrada, en la entrada, se extrae de esta imagen el conjunto de puntos que pueden corresponder espacial y radiométricamente a una amenaza, correspondiendo un punto a un píxel (blanco puntual).
- -
- El módulo de seguimiento 5 tiene por objeto proporcionar a un sistema de orden superior, tal como una interfaz hombre-máquina o un sistema de armas, informaciones sobre una amenaza potencial detectada, llamada pista.
\vskip1.000000\baselineskip
La creación de pistas consiste en resolver el
problema siguiente:
¿Cuáles son los puntos detectados procedentes de
imágenes observadas sucesivas que tienen un origen común, es decir
una misma fuente en movimiento?. Así, en la práctica, se definirá
una pista como un conjunto de puntos asociados en el tiempo. De
este conjunto de puntos, se deduce un comportamiento cinemático del
blanco, que permite particularmente predecir su desplazamiento en la
escena observada.
Más particularmente, el módulo 4 de detección se
basa habitualmente en un análisis de la imagen. Más precisamente,
el módulo de detección puede por ejemplo proceder a un análisis
local del ruido observado en la imagen (incluyendo el ruido propio
del sensor y el ruido de la escena propiamente dicho) para extraer
los puntos cuya relación señal - ruido sobrepase un cierto umbral.
A cada punto así extraído se asocia un cierto número de
características o atributos, como, por ejemplo, su posición angular
y su nivel de señal (nivel radiométrico).
La utilización de sensores optrónicos más
recientes, permite un análisis de las características espaciales
y/o espectrales de la imagen (según el tipo de informaciones
proporcionadas por el sensor). Así, es posible asociar con cada
punto, informaciones sobre la distribución espacial y espectral del
fondo del cual el punto ha sido extraído. Se prevé para ello un
módulo de descomposición de la imagen que tiene por objeto
identificar las diferentes partes de la imagen que pueden presentar
caracteres de homogeneidad, reagruparlas en zonas homogéneas
determinar las características de cada zona, en particular, un nivel
de ruido medio sobre la zona y una diferencia tipo. Se trata de
informaciones que serán seguidamente utilizadas para calcular en
cada punto (pixel) de la imagen, la relación entre señal y ruido en
este punto, indicada con la porción de imagen correspondiente a la
zona homogénea en la cual se encuentra este punto.
El módulo de cálculo de la relación entre señal
y ruido en un pixel dado utiliza las características de la zona
homogénea Z_{i} asociada que caracteriza el fondo local del píxel
considerado: nivel m_{Z_{i}} de ruido medio \sigma_{Z_{i}} y
diferencia tipo.
Más precisamente, el cálculo de la relación
entre señal y ruido RSB en un punto de la imagen consiste en
realizar el cálculo siguiente:
donde S es el nivel de la señal
radiométrica (es decir el nivel de gris) del pixel considerado, y
m_{Z_{i}} y \sigma_{Z_{i}} la media y diferencia tipo de las
señales radiométricas (típicamente, los niveles infrarrojos) sobre
la zona homogénea Z_{i} asociada con este
píxel.
La relación entre señal y ruido RSB calculada en
cada píxel de la imagen observada se compara con un umbral de
detección predeterminado th_{d}, para discriminar los puntos para
los cuales se tiene RSB\geqth_{d}. Los puntos que verifican
esta relación son los puntos detectados. Estos puntos detectados
pueden corresponder bien sea a objetos contrastados de la escena, o
a píxeles viciados de ruido.
En la práctica, el umbral de detección
predeterminado th_{d} se calcula de forma que garantice un par de
probabilidades dado de detección y de falsas alarmas para un píxel
que presenta una relación entre señal y ruido igual a la de un
blanco en límite de alcance. Este valor depende en la práctica del
blanco que se desea detectar y del alcance requerido para este
blanco.
A la salida del módulo de detección, se
proporcionan datos de salida DET_{OUT}. Estos datos de salida
DET_{OUT} del módulo de detección se aplican a la entrada del
módulo de seguimiento.
Es lo que se ha representado de forma
esquemática en la figura 2. Al término de la etapa de descomposición
de la imagen y de búsqueda de los puntos, se obtienen puntos
detectados pl_{1}, pl_{2}, pl_{3} para cada uno de los cuales
la relación entre señal y ruido RSB calculada en la zona homogénea
Z_{i} asociada es superior al umbral de detección th_{d}.
Al inicio de esta tapa, el módulo 4 de detección
transmite al módulo 5 de seguimiento datos DET_{OUT} que
comprenden la lista de los puntos detectados, con para cada punto,
sus atributos respectivos, particularmente: posición del punto en
la imagen, nivel radiométrico del punto S, media de las señales
radiométricas sobre la zona homogénea Z_{i} asociada con el
punto, diferencia tipo de las señales radiométricas sobre esta zona
homogénea Z_{i}.
Estos atributos se utilizan particularmente en
el módulo de seguimiento para asociar un punto con una pista
hipótesis o una pista validada, y para predecir la posición de estas
pistas en la imagen observada siguiente (posición, nivel de señal,
velocidad, aceleración) a partir de los atributos de cada uno de los
puntos de la pista hipótesis o validada considerada.
Tratándose del módulo 5 de seguimiento, se
utilizan dos procesos de asociación de puntos: la asociación de
puntos con el fin de validar una hipótesis de pista, y la asociación
de puntos con el fin de mantener las pistas validadas. Se trata de
dos procesos que utilizan algoritmos diferentes. Al término de estos
dos procesos de asociación, si queda un punto que no haya podido
asociarse ni con una hipótesis de pista ni con una pista validada,
se crea una nueva hipótesis de pista con este punto.
La asociación de un punto procedente de la
imagen observada corriente con otros puntos procedentes de
observaciones precedentes, asociados entre sí y que forman una
pista de hipótesis o validada, se basa de forma general en la
existencia de una coherencia temporal y espacial entre todos estos
puntos. Las técnicas de asociación son bien conocidas por el
experto en la materia. Las mismas están generalmente basadas en
criterios cinemáticos o espaciales, mediante los cuales se determina
un modelo de movimiento común a los puntos.
Este modelo de movimiento permite realizar una
predicción de la posición del blanco. Es alrededor de esta posición
que se buscará el punto correspondiente a la detección de la pista
en la nueva observación. Como el modelo de movimiento no es
perfecto y puede cambiar si el blanco se mueve, se deja una cierta
latitud al proceso de asociación para buscar un punto alrededor de
la posición predicha de la pista. Esta zona de búsqueda de punto
constituye la zona de asociación. Su tamaño depende en la práctica
de la maniobrabilidad de los blancos buscados, de la frecuencia del
sistema, de la velocidad máxima de los blancos,...
\newpage
El proceso de asociación y validación consiste
en la práctica en realizar las operaciones siguientes:
En la primera imagen, para cada punto detectado
(cuya relación entre señal y ruido RSB es superior o igual al
umbral de detección th_{d}), se inicializa una pista hipótesis
con una velocidad nula, y se aplican operaciones de filtrado para
predecir la posición del blanco supuesto en la imagen siguiente;
En la imagen siguiente, por cada pista hipótesis
creada, se mira en la zona de asociación alrededor de la posición
predicha en la etapa precedente si un punto ha sido detectado por el
módulo 3 de detección. Si es afirmativo, se aplican las operaciones
de filtrado sobre los dos puntos asociados con esta pista hipótesis,
para actualizar el modelo de movimiento y predecir la posición del
blanco supuesto en la imagen siguiente ... etc.
Según el estado de la técnica, una pista
hipótesis se valida al cabo de Q imágenes de observaciones
sucesivas, si un número P de puntos han sido asociados entre estas Q
observaciones. El triplete (P, Q, th_{d}) constituye por
consiguiente el criterio de validación de una pista hipótesis.
En la práctica, los valores de P y Q y el umbral
de detección th_{d} se determinan para asegurar un par de
probabilidades (creación de pistas, falsas pistas) predeterminado,
por ejemplo igual al (90%, 10%): una pista creada sobre este
criterio tiene así el 90% de probabilidades de representar un objeto
real (una amenaza potencial) presente en la escena optrónica, y un
10% de probabilidades de ser una falsa alarma, debido a una mala
asociación de puntos.
Así, si en la primera observación, se detecta un
primer punto (RSB\geqth_{d}), se crea una pista hipótesis
correspondiente. Esta pista hipótesis solo será validada al cabo de
la Q^{a} observación, si a esta Q^{a} observación se hubiera
asociado con esta pista hipótesis un Pº punto. Cada uno de los P
puntos asociados con la pista hipótesis comprueba
RSB\geqth_{d}.
Si se valida la pista hipótesis [criterio (P, Q,
th_{d}) satisfecho], los datos asociados con esta pista validada
(posición de los puntos, características cinemáticas...) se
transmiten al sistema de orden superior (DATA_{OUT}).
En la práctica, para cada pista hipótesis o
validada, se memoriza el histórico de la pista en una tabla
informática, por ejemplo sobre las H últimas observaciones (con
H>Q). Cada vez que se asocia un nuevo punto, las operaciones de
filtrado se aplican sobre el conjunto de puntos de la tabla
actualizada, para re-inicializar cada vez los
parámetros de predicción (cinemática...).
En los sistemas de vigilancia que reflejan el
estado de la técnica, el umbral de detección th_{d} utilizado en
el módulo de detección para discriminar los puntos de la imagen
observada y los números P y Q utilizados en el módulo de
seguimiento para validad una hipótesis de pista, son parámetros
sistema fijados, predefinidos en función de las características del
sistema de vigilancia y de las amenazas a vigilar. Los valores de
estos parámetros sistema P, Q y th_{d} se determinan para que
los puntos detectados, pero que corresponderían en realidad al
ruido, no puedan servir para validar una pista hipótesis ni para
mantener una pista ya creada. Estos valores P, Q y th_{d}
dependen por consiguiente de la probabilidad FA de falsas alarmas a
la salida de la detección para un blanco en el límite de alcance
del sensor optrónico.
La probabilidad de crear h falsas pistas por
hora sigue una ley de Poisson. La misma se escribe:
Este número medio m de falsas pistas por hora
admisibles está relacionado en la práctica con el par (P,Q) así como
con el valor FA del porcentaje de falsas alarmas procedentes de la
detección.
En efecto, el número medio m de falsas pistas
por hora es igual a 3600.f veces el número medio N_{m} de falsas
pistas creadas por imagen (por barrido), siendo f la frecuencia de
barrido de la zona cubierta por el sistema de vigilancia, o sea:
(ec.1)m =
3600.f.N_{m}.
El número medio N_{m} de falsas pistas por
barrido es igual al número N_{pi} de píxeles que sirven para
cubrir la zona de barrido, multiplicado por la probabilidad de
P_{fp} que este píxel dé lugar a una falsa pista, o sea N_{m} =
N_{pi} x P_{fp}.
El número N_{pi} es conocido, función del
sensor utilizado.
La probabilidad de P_{fp} que un píxel dé
lugar a una falsa pista es la probabilidad de que este píxel dé
lugar a una falsa alarma y de que este píxel esté asociado
consecuentemente con al menos P falsas alarmas entre Q observaciones
del sector de vigilancia.
\newpage
Para determinar esta probabilidad P_{fp}, es
preciso considerar la probabilidad FA de falsas alarmas a la salida
de la detección, que se expresa como sigue:
\hskip2.5cm(ec. 2)
La probabilidad de tener una falsa alarma
suplementaria para asociar con una pista existente es la
probabilidad del acontecimiento siguiente: "Abriendo una zona
de asociación de tamaño R*R alrededor de la posición extrapolada de
la pista, se encuentra al menos una falsa alarma". Este
acontecimiento es el acontecimiento contrario de "Abriendo una
zona de asociación alrededor de la posición extrapolada de la pista,
no se encuentra ninguna falsa alarma", lo cual puede también
expresarse como sigue: "Ninguno de los píxeles de la zona de
asociación ha dado lugar a una falsa alarma", acontecimiento
cuya probabilidad es (1-FA^{R*R}), donde R*R
representa el tamaño de la zona de asociación. De donde viene que
la probabilidad de tener una falsa alarma suplementaria para asociar
con una pista existente sea igual a
1-(1-FA^{R*R}).
La probabilidad del acontecimiento "obtener
i falsas alarmas sobre Q-1 observaciones" es
la probabilidad de obtener i veces "una falsa alarma
suplementaria para asociar con una pista existente" y
(Q-1-i) veces "ninguna falsa
alarma en la zona de asociación".
Esta probabilidad es por consiguiente igual a
C^{i}_{Q-1}(1-(1-FA)^{R*R})^{i}(1-FA)^{R*R(Q-1-i)},
donde C_{Q-1}^{i} designa el número de
combinaciones de i elementos entre Q-1.
De donde procede 4
Partiendo de m=3600.f.N_{pi}.P_{fp}, se
obtiene por consiguiente:
Esta relación entre el número medio m de falsas
pistas por hora admisibles y el par (P.Q) así como en el valor FA
del porcentaje de falsas alarmas procedentes de la detección,
permite por consiguiente, fijando Q como el número máximo de
observaciones admisibles antes de tomar una decisión de creación de
pista (Lo cual corresponde al tiempo de retraso admisible para los
tratamientos), encontrar los parámetros FA y P que permitirán
garantizar un porcentaje de creación de falsas pistas dado. Esta
fórmula muestra por ejemplo que si se selecciona, para un
porcentaje de falsas pistas dado, disminuir el valor de P, las
obligaciones sobre la asociación de alarmas para la creación de
pistas disminuyen. Entonces será preciso disminuir el valor del
porcentaje de falsas alarmas FA para disminuir el porcentaje de
falsas alarmas a la salida de la detección. Por el contrario, si se
aumenta P, se podrá permitir aumentar el porcentaje de falsas
alarmas, ya que se ha hecho más exigente sobre el número de alarmas
necesarias para crear pistas.
Un problema encontrado en la fase de tratamiento
de seguimiento, reside en la complejidad del fondo de la escena
optrónica por el cual el blanco se desplaza. Por ejemplo, en el caso
de una pista hipótesis validada, si el blanco pasa por una zona
compleja, la misma puede no ser detectada en la imagen
correspondiente. En efecto, la señal radiométrica de un blanco es
a priori constante. La relación entre señal y ruido de un
blanco puntual en una zona compleja tiene por consiguiente
tendencia a disminuir. Si es inferior al umbral de detección
th_{d}, el blanco no se detectará en un fondo complejo de este
tipo. Ahora bien si no existe detección del banco puntual en la
imagen actual, los atributos de cinemática (operaciones de filtrado)
se modificarán de forma errónea y la predicción será por si misma
errónea. Existe riesgo de desincronización del blanco. Este
problema de desincronización puede también plantearse si el blanco
pasa al límite de alcance del sensor optrónico: su señal
radiométrica se vuelve más débil. La relación entre señal y ruido
disminuye también.
Un objeto de la invención es así hacer más
robusto el proceso de asociación, para evitar los problemas de
desincronización.
Otro problema encontrado con el módulo de
seguimiento, reside en el tiempo necesario para la validación de
las pistas hipótesis. En efecto, es deseable validar una pista lo
más rápidamente posible, cumpliendo con los imperativos de
probabilidad de falsas alarmas, que debe permanecer bajo. Ahora
bien, para un umbral de detección predeterminado th_{d}, si se
considera un fondo simple, uniforme, la probabilidad de falsas
alarmas es más bajo que en el caso de un fondo complejo. Ahora bien
el módulo de seguimiento del estado de la técnica aplica un
criterio predefinido, fijo, que necesita realizar al menos Q
observaciones, y tener asociado P puntos respecto a estas Q
observaciones para validar una pista.
Si se puede reducir este número de observaciones
al menos en algunos casos de observaciones favorables, se reduce
ventajosamente la distancia temporal entre la detección (del primer
punto) y la puesta en pista: se mejora así la reactividad del
sensor. En el caso en que el blanco se aproxime al sensor optrónico,
eso equivale a una mejora del alcance del sistema de vigilancia.
Una idea en la base de la invención es hacer el
seguimiento adaptativo.
Es conocido particularmente por el documento de
Chummun M R et al, "An adaptative early detection ML/PDA
estimator for LO targets with EO sensors" Aerospace
proceedings, 2000 IEEE March 18-25, 2000,
Piscataway, NJ, USA, IEEE vol.3, 18 de Marzo 2000, páginas
449-464, XP10518713,
ISBN:0-7803-5846-5,
estimar en cada nueva imagen, un umbral de detección en función de
una relación de señal sobre ruido estimada con el fin de limitar
las falsas alarmas. Sin embargo esta adaptación penaliza la
probabilidad de detección de blancos entrantes y no se refiere al
seguimiento.
Según la invención, con cada nuevo punto
detectado, se determina un umbral o una pluralidad de umbrales de
comparación asociados con este punto, superiores o iguales al umbral
de detección y se aplica un criterio de validación de la pista
hipótesis asociada, función de los umbrales de comparación asociados
con los puntos de la pista hipótesis.
En cada nuevo punto asociado con una pista, se
mira si un criterio de validación de pista se ha verificado con
relación al umbral o a la pluralidad de umbrales asociados con cada
punto de la pista. Así, se pasa de un criterio estereotipado (P, Q,
th_{d}) a un criterio adaptativo, en el cual, por la utilización
de umbrales adaptados, los valores de P y Q pueden variar según las
condiciones de observación.
Así, tal como se caracteriza, la invención se
refiere a un procedimiento de tratamiento de imágenes optrónico,
para asegurar la detección de blancos puntuales y el seguimiento de
la pista de cada blanco detectado en las indicadas imágenes, que
comprende una etapa de comparación en cada píxel de una imagen
observada, para comparar la relación entre señal y ruido con un
umbral de detección (th_{d}) y una etapa de creación de pistas
hipótesis, comprendiendo cada pista hipótesis al menos un punto
detectado, caracterizado porque para cada punto detectado,
comprende una etapa de determinación de un conjunto de umbrales de
comparación asociado con dicho punto, comprendiendo el indicado
conjunto un umbral o una pluralidad de umbrales de comparación,
siendo los indicados umbrales de comparación superiores o iguales al
mencionado umbral de detección (th_{d}), y una etapa de
aplicación de un criterio de validación de la pista hipótesis
asociada con dicho punto, siendo el indicado criterio de
validación función de los umbrales de comparación de cada uno de los
puntos de la pista hipótesis.
Según un aspecto de la invención, los indicados
umbrales de comparación se determinan en función de la complejidad
del fondo local del punto considerado.
La introducción de un criterio adaptativo de
validación en función del fondo local permite adaptar el algoritmo
de tratamiento a las condiciones de detección encontradas en las
diferentes zonas de las imágenes proporcionadas por los sensores de
vigilancia optrónica.
Según un aspecto de la invención, los indicados
umbrales de comparación asociados con el punto detectado se
determinan en función del número de puntos ya asociados con la pista
hipótesis considerada.
Los rendimientos se mejoran también previendo la
adaptación del criterio en función del número de puntos de la pista
sobre el cual se ha aplicado. Se determina entonces para cada punto
un umbral de comparación aplicable en función del número i de
puntos de la pista hipótesis sobre los cuales se aplica el criterio
de validación.
Si la pista hipótesis comprende p puntos, el
criterio de validación consiste en verificar si existen i puntos,
i=1 en p, tales que para cada uno de los i puntos, la relación entre
señal y ruido del punto sea superior al umbral de comparación
aplicable para i puntos.
Particularmente, si un punto detectado tiene un
RSB muy fuerte, superior al umbral de detección de comparación para
un punto que le hubiera sido asociado según la invención, entonces
la pista será validada por aplicación del criterio de validación
sobre este único punto, independientemente de las relaciones de
señal sobre ruido de los otros puntos. La reactividad de un sistema
de vigilancia que pone en práctica un procedimiento según la
invención se encuentra con ello sustancialmente mejorada.
De preferencia, se modeliza la complejidad del
fondo local sobre el cual se ha detectado un punto, y se
pre-calculan los conjuntos de umbrales de
comparación, para cada modelo. De este modo, la realización de un
procedimiento según la invención se facilita. Además, el precálculo
de los conjuntos de detección a aplicar permite un tratamiento de un
algoritmo de seguimiento según la invención más rápido, adaptado a
cadencias de imágenes elevadas.
Según otro modo de realización de la invención
que puede combinarse con el precedente, se utiliza un criterio
adaptativo en el proceso de asociación de puntos para el seguimiento
(el mantenimiento) de las pistas validadas. Según este modo de
realización, en cada nueva observación, este criterio adaptativo se
utilizará cuando el módulo de detección no haya proporcionado
ningún punto en la zona de asociación anteriormente dicha para la
pista validada considerada, para esta nueva observación. Este
criterio permite la detección de puntos fantasma, por reducción del
umbral de detección en la zona de asociación considerada. Estos
puntos fantasma permitirán ventajosamente no desincronizar del
blanco en caso de paso por una zona de imagen compleja. Aquí, en
función de las características del fondo local sobre el cual se
predice la futura posición del blanco correspondiente a la pista
validada considerada, se acciona el módulo de detección con un
umbral de detección inferior al umbral de detección nominal
th_{d}, para obtener una probabilidad de detección en esta zona
próxima del 100%. Este aspecto de la invención se basa en el hecho
de que la pista al ser validada, la probabilidad de falsa alarma ha
sido disminuida de forma significativa.
Otras ventajas y características de la invención
aparecerán más claramente con la lectura de la descripción que
sigue, realizada a título indicativo y no limitativo de la invención
y haciendo referencia a los dibujos adjuntos, en los cuales:
- La figura 1 ya descrita es un
esquema-bloque de un sistema de vigilancia
optrónico;
- La figura 2 ya descrita es un
esquema-bloque de un módulo de detección 4 según el
estado de la técnica sobre datos de imagen DATA_{IN} aplicados a
la entrada,
- La figura 3 ilustra el proceso de un módulo de
seguimiento 5 que utiliza criterios adaptativos según la
invención,
- La figura 4 evidencia los procesos adaptativos
según la invención, en los módulos de detección y de
seguimiento;
- La figura 5 ilustra un conjunto de umbrales
de detección definidos en función del nivel de complejidad del fondo
local según la invención;
- Las figuras 6 y 7 son representaciones de las
curvas de densidad de probabilidad de detección, con relación al
ruido captador y una señal de blanco, según la complejidad del fondo
local sobre el cual evoluciona el blanco.
Según la invención, cada vez que un punto es
detectado en una observación corriente, se define un umbral o una
pluralidad de umbrales de comparación aplicables como criterio de
validación de pista, permitiendo a la vez garantizar un porcentaje
de detección de blanco y de falsa alarma, y validar rápidamente una
pista en condiciones favorables, cuando el blanco se desplaza sobre
un fondo sencillo o poco complejo. Así, se mejoran los rendimientos
del sistema en términos de reactividad satisfaciendo el criterio de
fiabilidad del sistema (porcentajes de detección, porcentajes de
falta alarma).
Más particularmente, según un aspecto de la
invención, se definen estos umbrales de comparación, mediante
cálculo, en función de las características radiométricas del fondo
local sobre el cual ha sido detectado el punto, y curvas de
probabilidad de detección y de falsas alarmas para este punto.
Si se retoma la figura 2, se prevé así que el
módulo de detección proporcione en cada nueva observación:
- -
- El conjunto de zonas homogéneas Z_{i} de la imagen, con los atributos de cada zona, típicamente al
- -
- menos su posición, su tamaño, el nivel de ruido medio m_{Z_{i}} y la diferencia tipo \sigma_{Z_{i}} de los niveles radiométricos sobre la zona Z_{i};
- -
- El conjunto de puntos detectados con los atributos de cada punto (posición, nivel radiométrico S, nivel de ruido medio m_{Z_{i}} y diferencia tipo \sigma_{Z_{i}} de los niveles radiométricos sobre la zona Z_{i});
Así, cada vez que un punto ha sido detectado en
una nueva observación, se es capaz de determinar un conjunto de
umbrales de comparación (un umbral o una pluralidad de umbrales), en
función de las características radiométricas de la zona homogénea
sobre el cual el punto ha sido detectado, y en aplicar un criterio
de validación de la pista hipótesis asociada PH_{i}, función de
los umbrales de comparación asociados con cada uno de los puntos de
esta pista. Típicamente, estos umbrales se determinan explotando la
ecuación (ec. 3). Para cada pista de la cual se conoce el número Q
de observaciones y P de detecciones actuales, se calcula el
porcentaje de falsas alarmas necesario para asegurar el porcentaje
de falsas pistas requerido. Se deduce de ello el umbral th_{d}
que permite obtener este porcentaje de falsas alarmas. Si las
detecciones que han servido para crear la pista han sobrepasado este
umbral, entonces la decisión de creación de la pista es tomada
inmediatamente.
Más precisamente el criterio adaptativo según la
invención, consiste en mirar si existen i puntos entre los p puntos
de la pista para los cuales su relación entre señal y ruido es
superior o igual a un umbral de comparación definido para i puntos.
Así, la pista hipótesis puede ser validada al cabo de 1, 2,...p
puntos, o no validada, según las condiciones de observación.
Este criterio es adaptativo y dinámico, pues
se re-evalúa cada vez que un nuevo punto se asocia
con la pista hipótesis:
- -
- en función de la zona homogénea sobre la cual se habrá detectado, el blanco al desplazarse, de una observación a otra puede no estar del todo sobre el mismo tipo de fondo; por consiguiente la complejidad puede variar.
- -
- en función del número q de observaciones realizadas, contabilizadas. Los umbrales no son tan selectivos si se trata de la 10^{a} observación que si lo son de la primera, lo cual está relacionado con la ley estadística de probabilidad de detección.
- -
- En función del número p de puntos asociados con la pista hipótesis considerada: para un número q de observaciones predeterminado, los umbrales son menos selectivos según se consideren 4 puntos o un solo punto, lo cual está relacionado con la ley estadística de probabilidad de detección.
Esto permite por consiguiente aumentar la
reactividad sobre las alarmas cuya relación entre señal y ruido es
elevada y que tiene por consiguiente más probabilidad de sobrepasar
umbrales th_{d} asociados con una puesta en pista más rápida.
Se obtiene así un procedimiento de validación
adaptativo y dinámico, que permite la puesta en pista rápida (es
decir, la validación de pista hipótesis) en el caso de puntos con
fuertes RSB, permitiendo siempre la puesta en pista en el caso de
puntos con bajo RSB. En otras palabras, el tiempo de puesta en pista
va en función del contraste del píxel. La reactividad del sistema
se mejora por consiguiente. Particularmente, el procedimiento
descrito permite una puesta en pista rápida de los objetos más
próximos del sensor que el alcance límite.
Este proceso de validación de una pista
hipótesis según la invención se desencadena en cada nueva
observación, si en esta observación, un nuevo punto se ha asociado
con esta pista hipótesis. Este procedimiento necesita determinar
los umbrales de comparación asociados con cada punto detectado en la
imagen. Estos umbrales se determinan a partir de las
características radiométricas asociadas con la zona homogénea sobre
la cual el punto ha sido detectado, y esto para cada punto y con
cada nueva imagen. También se determinan en función del número de
puntos que se consideran para verificar el criterio.
En la práctica la determinación de las
características radiométricas del fondo local para definir los
umbrales de comparación aplicables para cada punto detectado puede
ser más o menos facilitada según el modo de descomposición de la
imagen en zonas homogéneas.
Un método conocido de descomposición de una
imagen en zonas homogéneas utiliza como criterio de definición de
una zona homogénea, un mismo nivel radiométrico (nivel de gris) en
cada píxel de la zona. Según este método, se establece una especie
de radiografía de la imagen observada, como se ha representado
esquemáticamente en la tabla dada a continuación:
Se obtiene así una partición de la imagen en
zonas homogéneas, con el mismo nivel de señal (nivel de gris), sobre
las cuales se realizan cálculos de ruido medio y diferencia
tipo.
Luego, para cada punto detectado, se observa en
que zona homogénea de esta radiografía se encuentra este punto, para
calcular una relación entre señal y ruido correspondiente.
Según la invención, se define entonces un umbral
o una pluralidad de umbrales en función del fondo local definido
por la zona homogénea sobre la cual el punto ha sido detectado. Sin
embargo, un método de este tipo necesita tiempos de cálculo
suplementarios de puesta en práctica por cada punto detectado.
Según un modo de realización preferido, el modo
de descomposición de la imagen en zonas homogéneas permite una
modelización de la complejidad del fondo local. En este modo de
realización preferido, se utiliza un criterio de mayor proximidad
uniforme alrededor de cada píxel. Así, en este método, se parte del
píxel, para determinar las zonas homogéneas en la imagen.
Un criterio de uniformidad puede definirse a
partir de una función de distribución radiométrica. Por ejemplo,
puede definirse a partir de la diferencia-tipo: una
zona uniforme es entonces una zona sobre la cual la diferencia tipo
del nivel radiométrico es constante, igual al nivel de ruido del
sensor optrónico. Se puede también integrar en la definición
nociones de rampas de niveles.
Según una descomposición de este tipo en zona
homogéneas, se trata entonces de determinar en cada píxel de la
imagen, la zona homogénea Z_{i} que es la mayor zona de proximidad
uniforme alrededor de este píxel: es la zona más grande alrededor
del píxel, fuera del píxel propiamente dicho, sobre la cual se
verifica el criterio de uniformidad. Los tratamientos algorítmicos
asociados con este método de descomposición de imagen en zonas
homogéneas son bien conocidos por el experto en la materia y no
serán detallados.
En la práctica, se puede modelizar esta
descomposición utilizando tamaños TF_{k} de ventanas comprendidas
entre un tamaño máximo TF_{1} y un tamaño mínimo TF_{t}. La
descomposición consiste entonces en mirar en cada píxel, que tamaño
de ventana responde al criterio de mayor proximidad uniforme. Más
precisamente, el método de descomposición de la imagen consiste en
cada píxel en abrir la ventana de tamaño máximo (u óptimo)
TF_{1} alrededor del píxel, y en aplicar los cálculos de criterio
de uniformidad sobre la zona de imagen en la ventana. Si el
criterio de uniformidad se verifica en esta zona, es que se trata de
la zona de proximidad local uniforme más grande en el sentido
precisado anteriormente. Si no se reduce el tamaño de ventana
alrededor del píxel y así sucesivamente, hasta el tamaño más pequeño
de ventana TF_{t} definido.
Al término de esta fase de descomposición, cada
píxel está así asociado con un tamaño TF_{k} de ventana. La zona
homogénea Z_{i} en cada píxel queda así definida por un tamaño de
ventana TF_{k}, y el cálculo de la relación entre señal y ruido
RSB en un píxel dado de la imagen se realiza con relación a esta
zona.
Esta descomposición se basa en un criterio de
distribución radiométrico uniforme permite hacer corresponder con
cada tamaño TF_{k} de ventana, variando k de 1 a t, un criterio k
de complejidad de fondo local. Si se utilizan t tamaños de
ventana, se obtiene así un criterio de complejidad que varía de 1 a
t. Por convención, se ha indicado TF_{1} el tamaño más grande de
ventana y por TF_{t} el tamaño más pequeño de ventana. Con esta
convención, obtener una ventana de tamaño máximo TF_{1}, significa
que el píxel considerado se sitúa en una región simple de la escena
observada y obtener una ventana de tamaño mínimo TF_{t}, significa
que el píxel considerado se sitúa en una región compleja de la
escena observada. En una región de este tipo, la probabilidad de
detección de puntos es mucho más baja que en una región simple.
Al término de esta fase de división, cada píxel
se asocia así con un tamaño TF_{k} de ventana en la imagen
observada. Este tamaño TF_{k} de ventana define la zona homogénea
Z_{i} (Z_{i} es igual a la ventana de tamaño TF_{k} centrada
sobre el pixel considerado). Se comprende que se encontrarán las
zonas homogéneas más grandes en las regiones "simples" de la
escena observada correspondiente a campos, bosques...y las zonas
homogéneas más pequeñas, en las regiones "complejas":
carreteras, lindes...
Se ha modelizado así la complejidad del fondo de
la imagen mediante tamaños de ventana.
Según un modo de realización preferido de la
invención, esta modelización permite predefinir los umbrales de
comparación asociados con los puntos detectados, en función del
tamaño de la zona homogénea asociada con cada punto.
En una realización preferida de la invención, se
utiliza un sistema de vigilancia optrónico que utiliza una división
de la imagen en zonas homogéneas, basado en un criterio de
distribución radiométrico uniforme, aplicándose el indicado
criterio en cada píxel de la imagen observada para determinar el
tamaño más grande de ventana aplicada alrededor de dicho píxel sobre
el cual se ha verificado el indicado criterio.
En este contexto, el nivel k de complejidad del
fondo asociado con un punto detectado es facilitado por el tamaño
de la ventana asociada con este punto, por esta división. Se puede
así cuantificar la complejidad de un fondo local sobre k niveles,
correspondientes a los tamaños k de ventana del criterio de
distribución uniforme.
Cada ventana que representa un fondo uniforme,
la densidad de probabilidad de detección sobre esta ventana está
únicamente relacionada con el ruido captador y con la señal
blanco.
La utilización de un modelo de ventanas
"normalizadas" para representar la complejidad del fondo
permite el conocimiento a priori de las curvas de densidad
de probabilidad de detección y de falsas alarmas, para cada tamaño
de ventana. En efecto, cuando se está sobre un fondo uniforme, la
densidad de probabilidad de detección es una escala gausiana cuyos
parámetros están únicamente relacionados con el ruido captador y con
la señal blanco. Se puede por consiguiente determinarla
estadísticamente. Es lo que se utiliza para
pre-determinar un conjunto E_{k} de umbrales de
comparación aplicables para cada nivel cuantificado k de complejidad
del fondo.
La puesta en práctica del criterio adaptativo,
consiste entonces en simplemente indexar el conjunto de umbrales de
comparación aplicable al nuevo punto detectado, sobre el tamaño
TF_{k} o sobre el criterio k de complejidad de la zona homogénea
asociada, luego en aplicar el criterio de validación sobre la pista
hipótesis correspondiente seleccionando los conjuntos de umbrales de
comparación así indexados de los puntos de la pista hipótesis.
Así, se es capaz de decidir la validación de una
pista cada vez que se detecta un nuevo punto, y esto, asegurando la
fiabilidad del sistema (porcentajes de detección y porcentajes de
falsas alarmas).
En la figura 5, se proporciona una
representación de un conjunto E_{k} de umbrales de comparación
determinados en función del nivel k de complejidad del fondo local
según la invención.
Como se aprecia claramente en esta figura 5,
cada conjunto E_{k} comprende \frac{P\times Q}{2} umbrales
th_{i,j,k}, con i=1 en P y j=1 en Q, con i\leqj, y donde P es el
número máximo de puntos asociados y Q el número máximo de
observaciones. En la práctica, se tiene P=Q.
Cada conjunto E_{k} se estructura en forma de
una tabla de dos entradas, que define, para un número q de
observaciones corrientes (es decir ya realizadas, comprendida la
observación actual), un subconjunto T_{q,k} de q umbrales de
comparación th_{i,q,k,} i=1 en q, con
th_{1,q,k}>th_{2,q,k}>th_{3,q,k....}>th_{i,q,k}>...>th_{q,q,k}
(para un número q de observaciones dado, los umbrales son menos
selectivos si se consideran 4 puntos que si se considera un solo
punto, lo cual está relacionado con la ley estadística de
probabilidad de detección).
Se puede escribir así:
lo que corresponde en la tabla de
la figura 5 a las
columnas.
En cada conjunto E_{k}, se tiene también (en
cada línea, en la tabla de la figura 5) :
th_{p,1,k}\leqth_{p,2,k....}\leqth_{p,Q,k}, (para un
número p de puntos considerado, los umbrales no son tan selectivos
si se encuentra en la 10^{a} observación que si se encuentra en la
primera, unido a la ley estadística de probabilidad de
detección).
En esta representación:
- -
- El nivel k de complejidad de la zona sobre la cual un punto ha sido detectado se utiliza como apuntador en el conjunto E_{k} de umbrales a utilizar para este punto en el proceso de validación;
- -
- El número q de observaciones realizadas desde el primer punto asociado de la pista hipótesis considerada, se utiliza como apuntador para seleccionar el subconjunto de umbrales T_{q,k} en el conjunto E_{k} y
- -
- El número p de puntos asociados con la pista hipótesis se utiliza como apuntador para seleccionar los p primeros umbrales de este subconjunto, o
- sea:
8
Estos umbrales forman en realidad un
multi-criterio de validación, pues son todos a
considerar sucesivamente, comenzando por el primero, th_{1,q,k}.
Todos los umbrales se pasan así sucesivamente en revisión hasta el
último, salvo que se encuentre en un valor de i\leqp, para el cual
el criterio de validación se verifica es decir si existen i puntos
entre los p puntos asociados de la pista hipótesis tal que cada uno
de los i puntos tenga su RSB que comprueba: RSB \geq th_{i,q,k}
para su valor de k asociado.
En un ejemplo dado a título ilustrativo de la
invención, el proceso de validación realizado por el módulo de
seguimiento puede ser como sigue, retomando las observaciones
siguientes: se está en la qª observación para la pista hipótesis PH
(es decir la qª observación desde un primer punto ha sido asociada
con la pista hipótesis, o sea, desde que la pista hipótesis ha sido
creada) y durante esta qª observación, un pº punto se asocia con
esta pista hipótesis. Se obtiene p\leqq.
Un atributo de cada uno de los p puntos
asociados con la pista hipótesis PH_{i} es el nivel k de
complejidad de la zona homogénea sobre la cual este punto ha sido
detectado.
Según la invención, el módulo de seguimiento
consiste:
\ding{172}- En los conjuntos E_{k} de
umbrales de comparación aplicables, indexados por los niveles de
complejidad k asociados con los p puntos de la pista hipótesis
considerada, para seleccionar los subconjuntos indexados por el
número q de observaciones corrientes, es decir los subconjuntos
\ding{173}- En inicializar un bucle de
comparación con i=1, consistiendo este bucle en las etapas
siguientes:
- -a).
- Selección de los umbrales th_{i,q,k} de índice i en los subconjuntos T_{q,k} y verificación del criterio siguiente:
- \sqbullet
- Si existen i puntos entre los p puntos de la pista hipótesis PHI tales que cada punto entre estos i puntos compruebe la desigualdad siguiente: RSB \geq th_{i,q,k} para el valor del nivel de complejidad k asociado con este punto.
- \bullet
- entonces la pista se valida - final del bucle.
- \sqbullet
- si no, etapa b).
- -b).
- i=i+1.
- \sqbullet
- Mientras que i\leqp, vuelve a la etapa a).
- \sqbullet
- Si no, etapa c).
- -c).
- si i>p, entonces la pista no es validada - final del bucle.
\vskip1.000000\baselineskip
Se supone por ejemplo que q=4. Si se supone que
los dos primeros puntos de la pista hipótesis tienen un atributo k
asociado igual a 2, y que los otros dos puntos de la pista hipótesis
tienen un atributo k asociado igual a 3, se selecciona por
consiguiente en el conjunto E_{2}, el subconjunto T_{4,2} que
comprende los umbrales siguientes (figura 5): th_{1,4,2}>
th_{2,4,2}> th_{3,4,2}> th_{4,4,2}. Se selecciona
igualmente el subconjunto T_{4,3} que comprende los umbrales
siguientes (figura 5): th_{1,4,3}> th_{2,4,3}>
th_{3,4,3}> th_{4,4,3}.
En un ejemplo, se tiene
th_{1,4,2} \approx =8,3> th_{2,4,2}
\approx 5,5 > th_{3,4,2} \approx 4,4 >
th_{4,4,2}\approx 3,7.
th_{1,4,3} \approx 9> th_{2,4,3}
\approx 6> th_{3,4,3} \approx 4,6> th_{4,4,3}
\approx 3,8.
\vskip1.000000\baselineskip
El proceso de validación de la pista en la q=4ª
observación, es observar:
- si un punto entre los p puntos asociados
comprueba RSB\leqth_{1,4,k} para su valor de k asociado; si es
afirmativo, la pista es validada. Si no es así, observar:
- si p\geq2, si dos puntos entre los p puntos
asociados verifican cada uno RSB\leqth_{2,4,k} para su valor de
k respectivo: si es afirmativo, la pista se valida. Si no es así,
observar:
- si p\geq3, si tres puntos entre los p puntos
asociados comprueban cada uno RSB\leqth_{3,4,k} para su valor de
k respectivo: si es afirmativo, la pista se valida. Si no es así,
observar:
- si p\geq4, si cuatro puntos entre los p
puntos asociados verifican cada uno RSB\leqth_{4,4,k} para su
valor de k respectivo: si es así, la pista es validada.
\vskip1.000000\baselineskip
Si no es así, la pista no es validada.
Por ejemplo, en el caso de la pista hipótesis
descrita, si el segundo punto (k = 2) tiene un RSB superior a 5,5 y
si el tercer punto (k=3) tiene un RSB superior a 6, los dos cumplen
las condiciones para una creación de pista en P=2 sobre sus niveles
k de complejidad respectivos, y por consiguiente la pista puede ser
creada.
Se comprende que se obtiene la puesta en pista
mucho más rápidamente que en el caso del criterio establecido (P, Q,
th_{d}) habitualmente utilizado en el estado de la técnica.
En un perfeccionamiento de la invención, si en
una observación, ningún punto está asociado con la pista hipótesis
PH, se compara el par (p,q) asociado con la pista (es decir que el
número p de observaciones realizadas desde el primer punto
asociado, y el número q de puntos asociados). Si este par se
encuentra próximo a valores máximos (P, Q) establecidos en el
proceso de validación, entonces se observa el nivel de complejidad
asociado con la zona de predicción de la pista hipótesis. Si esta
predicción se realiza con un fondo complejo, entonces se decide la
validación de la pista hipótesis. Esto será típicamente el caso si
se tiene un nivel de complejidad k en la zona de predicción igual a
t o t-1 (correspondiente al tamaño de ventana
mínimo), según la convención de modelización retenida. Así, en
otras palabras, en el caso en que ningún punto sea detectado en la
imagen observada corriente para una pista hipótesis dada, se prevé
una etapa de comparación del par (p,q) del número p de puntos de
una pista hipótesis y de un número q de observaciones realizadas
desde el primer punto asociado con la indicada pista hipótesis, con
un par óptimo (P,Q), para validar la indicada pista hipótesis en
función de la diferencia entre estos dos pares (p,q) y (P,Q) y en
función del nivel de complejidad k asociado con la zona de
predicción de posición de punto en la imagen corriente.
Para ilustrar este propósito, si se tiene
(P,Q)=(10,10), un perfeccionamiento de este tipo podrá ser puesto en
práctica con (p,q)=8,9) por ejemplo.
Según otro aspecto de la invención, el nivel de
complejidad k se utiliza también para hacer adaptativo el proceso
de asociación de puntos con una pista validada. Se trata aquí de
asegurar el seguimiento de la pista, es decir el alcance del
blanco.
Un blanco dado tiene una señal radiométrica que
permanece constante en primer orden. Así, si la trayectoria de este
blanco pasa sobre fondos simples y complejos, la relación entre
señal y ruido de este blanco variará fuertemente. En zonas
complejas, puede resultar demasiado débil para ser detectado por el
módulo de detección.
Se recuerda que el módulo de detección aplica un
umbral de detección fijo th_{d}. En la práctica este umbral fijo
th_{d} corresponde al umbral mínimo de las tablas E_{k}, que
será dado por el umbral th_{Q,Q,1} de la Tabla E_{1}
(correspondiente a un fondo simple).
La figura 6 representa las densidades de
probabilidad de detección dp(x), para un blanco y para el
ruido, en función de la relación entre señal y ruido, para una
ventana de tamaño dada.
Con ventana de tamaño constante, la probabilidad
de detección es el área bajo la curva dp(x) del blanco,
delimitada a la izquierda por la recta vertical correspondiente al
umbral de detección th_{d} del módulo de detección, lo
cual se escribe p(det) 10 blanco .
th_{d} es elegido para que p(det)=90%.
La probabilidad de falsa alarma se facilita por
el área delimitada a la izquierda por el umbral de detección
th_{d} y la porción de curva de densidad de probabilidad del ruido
a la derecha.
Ahora, si el blanco pasa por un fondo más
complejo, el tamaño de la ventana varía. Esto se traduce por una
curva de densidad de probabilidad de detección de blanco que se
desplaza hacia la izquierda como se ha representado con líneas de
trazo discontinuo en la figura 7. Para mantener la misma
probabilidad de detección, es preciso entonces disminuir el umbral
de detección. En el cálculo de área, eso viene a añadir la porción
"a" de superficie grisácea bajo la curva de densidad de
probabilidad de detección de blanco, es decir 11
_{blanco}. Este umbral se indica por th_{da} en la figura 7. Es
elegido para que la probabilidad de detección del blanco sea del
90%.
Se aprecia, que de este modo, la probabilidad de
falsa alarma aumenta al mismo tiempo.
La idea es por consiguiente, en el caso de una
pista validada, controlar en el módulo de detección una reducción
local del umbral de detección, en el caso de un fondo local
complejo, si el módulo de detección que aplica el umbral
establecido th_{d} de detección no ha permitido detectar un punto
correspondiente a esta pista validada, en la zona de predicción.
Adaptando localmente el umbral de detección, se permite la detección
de un punto que se llama punto fantasma. Este principio no es del
todo aplicable en la detección de puntos para las pistas hipótesis,
pues en el caso de las pistas hipótesis, se aumentaría entonces la
probabilidad de falsa alarma, lo cual no es buscado.
En la práctica, una realización del
procedimiento según la invención comprende dos aspectos: un aspecto
predicción y un aspecto detección.
En esta realización, cuando un nuevo punto ha
sido asociado con la pista validada considerada PV_{i}:
- -
- El módulo de predicción calcula para esta pista validada PV_{i}, la posición que debería tener el punto del blanco en la imagen observada siguiente, pero también, en que zona de la imagen este punto debería encontrarse. El módulo puede realizar esta predicción ya que dispone a la entrada de la posición del punto y de la zona homogénea asociada en el cual se encuentra en la imagen actual. Puede a partir de esta predicción, y utilizando los atributos del punto asociado con la pista validada en la imagen actual, de la zona asociada y de la zona de predicción en la imagen observada siguiente, deducir llegado el caso la futura pérdida de contraste del blanco en función de la cinemática asociada con el blanco. Si el blanco se desplaza de una zona simple a una zona más compleja, se podrá así predecir el RSB del punto que se deberá detectar en la imagen siguiente.
- -
- En la observación siguiente, el módulo de asociación de puntos en las pistas validadas, abre una zona de asociación alrededor de la predicción de posición de punto para cada pista validada. Se recuerda que la zona de asociación es la zona de búsqueda de un punto, función del modelo de movimiento asociado con la pista. El modelo de movimiento permite en efecto realizar una predicción de la futura posición del blanco. Es alrededor de esta posición que se buscará el punto correspondiente a la nueva fecha (nueva observación). Como el modelo de movimiento no es perfecto y puede cambiar si el blanco se mueve, se proporciona una latitud al módulo de asociación para realizar su búsqueda. Es la zona de asociación definida por un radio de asociación alrededor de la posición predicha.
- Si en esta zona de asociación el módulo de asociación no encuentra ningún punto detectado por el módulo de detección, observa el nivel k de complejidad en la zona en la cual se encuentra la posición predicha del punto, como se ha determinado en la imagen precedente por el módulo de predicción. Esta zona es facilitada por el proceso de descomposición de la imagen del módulo de detección.
- Si k=1, indicando un fondo simple, el proceso se detiene. No existe punto detectado, y por consiguiente ningún punto asociado con la pista PV para esta observación.
- Si k es superior a 1, selecciona un umbral de detección adaptado th_{da}, correspondiente al nivel k de complejidad de esta zona y aplica este umbral adaptado a la entrada del módulo de detección para una aplicación local sobre la zona de asociación considerada. El módulo de detección envía en retorno, el resultado de la detección: cero, uno o más puntos fantasma pf_{i}.
\vskip1.000000\baselineskip
Así, la utilización del criterio de complejidad
del fondo local de los puntos, permite de forma ventajosa hacer más
robusto el módulo de asociación de puntos con las pistas validadas.
El riesgo de desvinculación de pista se disminuye.
La invención mejora los rendimientos del módulo
de seguimiento de un sistema de vigilancia optrónico, explotando las
informaciones radiométricas sobre las imágenes, para definir niveles
de complejidad de zonas homogéneas de la imagen.
De forma más detallada, para determinar el
umbral de detección adaptado th_{da} a las condiciones de la
detección, se aplica el proceso siguiente:
- -
- La tabla de puntos asociados con la pista validada proporciona un valor medio S_{m} de la señal radiométrica del blanco correspondiente.
\vskip1.000000\baselineskip
En efecto para un punto pl_{i}, se conoce la
señal radiométrica S_{i} medida, transmitida por el módulo de
detección.
La señal media S_{m} asociada con el blanco se
facilita por consiguiente por:
El valor S_{m} se calcula de nuevo cada vez
que se asocia un nuevo punto con la pista._{ }
Este valor puede ser utilizado por el módulo de
predicción para predecir la relación entre señal y ruido que debería
tener un punto de esta pista en la imagen siguiente. Se indica con
RSB_{p} esta predicción.
En efecto, el módulo de predicción proporciona
una predicción de posición. Es por consiguiente capaz de predecir
la zona homogénea Z_{i} sobre la cual se encuentra esta
predicción. Como se conoce el valor medio de la señal de blanco
S_{m}, y la media y la diferencia tipo de la señal radiométrica
sobre la zona Z_{i'}, se deduce con ello la relación entre señal y
ruido predicha en la futura observación:
El tamaño de ventana (o el nivel de complejidad
k) asociado con esta zona Z_{i'} es conocido por la observación
precedente.
De estas diferentes informaciones, se es capaz
de determinar un umbral de detección th_{da} adaptado, para ser
capaz de detectar una relación señal sobre ruido correspondiente a
la relación entre señal y ruido anteriormente indicada RSB_{p}
del blanco, utilizando las ecuaciones clásicas de densidad de
probabilidad de detección (figuras 7 y 8) habitualmente utilizadas
para la determinación del umbral de detección. El umbral th_{da}
de detección está de preferencia determinado para obtener una
probabilidad de detección del punto buscado próximo al 100%, en la
zona de asociación abierta. El punto detectado por este
procedimiento se denomina punto fantasma.
\newpage
Cada vez que sea necesario, el módulo de
conducción conducirá el módulo de detección para que aplique
localmente un umbral adaptado th_{dai}, en una zona de asociación
determinada Z_{ai}, correspondiente a la búsqueda de un punto para
una pista validada PV_{i}, (Figura 4).
El módulo de detección así conducido, observará
la relación entre señal y ruido en cada píxel de esta zona de
asociación Z_{ai} para compararlo, píxel por píxel, con el umbral
de detección adaptado th_{dai}. Si detecta un punto fantasma
pf_{i}, envía los atributos de este punto fantasma al módulo de
asociación, que puede asociar este punto con la pista validada
PV_{i}.
El principio de detección de los puntos
fantasma, para las pistas validadas puede también comprenderse del
modo siguiente: Se sabe sobre que zona Z_{i'}, se hace la
detección. Si esta zona tiene un nivel de complejidad elevado, la
detección se realiza en realidad sobre una pequeña zona de
proximidad uniforme de la imagen, y por consiguiente los errores
sobre la media y la diferencia tipo calculados para esta zona son
grandes (debido al bajo número de píxeles de la zona considerada).
La relación entre señal y ruido RSB calculada es por consiguiente
subestimada. Para detectar un punto que permita la asociación con la
pista validada, es preciso por consiguiente reducir el umbral de
detección localmente sobre esta zona, para garantizar la misma
probabilidad de detección que la que habría sido obtenida para el
mismo RSB_{p} predicho, pero sobre un fondo más simple.
Así, la puesta en práctica de este procedimiento
permite por medio de la función de predicción predecir el tipo de
fondo sobre el cual se encontrará una pista en una fecha ulterior
(observación siguiente). Utilizando esta información el seguimiento
es capaz de prever la futura pérdida de probabilidad de detección
sobre los fondos complejos, y remediar con ello conduciendo
localmente un umbral de detección adaptado, que permita el
mantenimiento de las pistas.
Así en un primer aspecto de la invención, el
nivel de complejidad asociado con cada una de las zonas de la
imagen observada permite definir un juego de umbrales de comparación
aplicable para validar una pista hipótesis, que permite hacer el
criterio de validación adaptativo y dinámico, en función de las
condiciones locales de detección de los puntos, del número p de
puntos de la pista hipótesis y del número q de observaciones.
En un segundo aspecto de la invención, el nivel
de complejidad asociado con cada una de las zonas de la imagen
observada permite adaptar localmente el umbral de detección, para
detectar un punto correspondiente a una pista validada, en función
del nivel de complejidad de la zona sobre el cal se sitúa la
predicción de posición de este punto.
Así, el módulo de seguimiento se adapta a las
condiciones de detección encontradas en las diferentes zonas de las
imágenes proporcionadas por los sensores de vigilancia optrónica.
El módulo toma en cuenta las características radiométricas del
fondo local sobre el cual evolucionan los puntos extraídos por el
módulo de detección, con el fin de adaptar los criterios de
validación de pistas hipótesis, y de mantenimiento de las pistas
validadas.
Los diferentes aspectos de la invención se
presentan de forma esquemática en las figuras 4 y 5.
En la figura 3, los tres tratamientos realizados
por el módulo de seguimiento se presentan: en primer lugar, el
módulo de seguimiento se interesa por las pistas ya validadas
PV_{i}. Es en esta fase de asociación con las pistas validadas,
cuando el módulo de seguimiento acciona el módulo de detección para
la búsqueda de puntos fantasma mediante reducción local del umbral
de detección, utilizando las informaciones proporcionadas por el
módulo de predicción.
En segundo lugar, el módulo de seguimiento se
interesa por las pistas hipótesis PH_{i}. Es en esta fase cuando
el módulo de seguimiento pone en práctica el criterio adaptativo y
dinámico, utilizando los conjuntos de umbrales de comparación
determinados en función de la complejidad local del fondo sobre el
cual los puntos considerados en esta fase han sido detectados, para
decidir la validación de una pista hipótesis.
Por último, en tercer lugar, el módulo de
seguimiento se interesa por los puntos detectados no atribuidos en
las dos etapas precedentes, para crear nuevas pistas hipótesis.
Por otro lado, el módulo de seguimiento
comprende un módulo de predicción, que realiza los tratamientos
adaptados (filtrado de Kalman) para determinar para las pistas
hipótesis y las pistas validadas, su posición futura.
En la figura 4, se ha recuperado el
esquema-bloque de la figura 3 respecto al módulo de
detección, y se ha completado mediante un
esquema-bloque simplificado del módulo de
seguimiento 5, indicando las entradas/salidas de cada uno. En
particular, los datos de salida DET_{OUT} del módulo de detección
aplicados en entradas del módulo de seguimiento comprenden los
atributos de los puntos pero también de las zonas Z_{i}.
El módulo de seguimiento pilota además la fase
de detección del módulo de detección 4, para aplicar localmente un
umbral de detección adaptado th_{dai}, en una zona determinada
z_{ai} con el fin de detectar puntos fantasma pf_{i}.
Por último, los conjuntos de umbrales E_{k}
utilizados en el módulo de seguimiento, por la fase de asociación de
las pistas hipótesis del módulo de seguimiento, para la validación
de estas pistas, se representan simbólicamente, en forma de
tablas.
\newpage
La puesta en práctica de la invención en un
tratamiento de imagen optrónico, para detectar y seguir pistas de
blancos puntuales, permite mediante la toma en cuenta del nivel de
complejidad del fondo local sobre el cual se detecta un blanco
puntual, validar más rápidamente las pistas hipótesis para las
cuales los puntos detectados son de fuerte contraste. Permite
además la detección de puntos fantasma, para fines exclusivos de
seguimiento de las pistas validadas, mediante reducción del umbral
de detección de punto, localmente, en una zona de la imagen compleja
en la cual debería situarse el blanco.
Una utilización ventajosa de la invención aplica
la modelización de la complejidad del fondo local por medio del
criterio de complejidad k, asociado con un criterio de distribución
radiométrico uniforme, que permite pre-calcular los
conjuntos E_{k}. Pero la misma se aplica más generalmente a todas
las técnicas de recorte de imagen en zonas homogéneas.
Claims (14)
1. Procedimiento de tratamiento de imágenes
optrónico, para asegurar la detección de blancos puntuales y el
seguimiento de la pista de cada blanco detectado en las indicadas
imágenes, mediante creación y validación de pistas hipótesis a
partir de puntos detectados en una imagen observada, comprendiendo
una pista hipótesis al menos un punto detectado, comprendiendo el
mencionado procedimiento para cada imagen observada,
una etapa de detección (4) de puntos en la
imagen, que comprende
una partición de la imagen observada en una
pluralidad de zonas homogéneas, siendo una zona homogénea una zona
sobre la cual se comprueba un criterio de uniformidad definido por
una función de distribución radiométrica determinada,
el cálculo para cada píxel de la imagen
observada de una relación entre señal y ruido (RSB) correspondiente
con relación a la zona homogénea en la cual se encuentra el indicado
píxel, y la comparación de la relación entre señal y ruido calculada
con un umbral de detección (thd), tal que se detecta un punto para
un píxel de la imagen si la relación entre señal y ruido calculada
para este píxel es superior o igual al indicado umbral de
detección,
y para cada punto detectado, la determinación de
un conjunto (Ek) de umbrales de comparación asociado con dicho
punto, comprendiendo el mencionado conjunto una o más pluralidades
de umbrales, siendo los indicados umbrales de comparación superiores
o iguales al mencionado umbral de detección (thd),
una etapa de validación de pistas hipótesis que
comprende para cada punto detectado, una etapa de aplicación de un
criterio de validación de la pista hipótesis asociada con dicho
punto, siendo el indicado criterio de validación función de los
umbrales de comparación asociados con cada uno de los puntos de la
pista hipótesis.
\vskip1.000000\baselineskip
2. Procedimiento según la reivindicación 1,
caracterizado porque la indicada etapa de determinación de
umbrales de comparación asociados con un punto es función del fondo
local definido por la zona homogénea sobre el cual se ha detectado
el indicado punto.
3. Procedimiento según la reivindicación 1 ó 2,
caracterizado porque la indicada etapa de determinación de
umbrales de comparación asociados con un punto comprende la
determinación de un umbral de comparación aplicable en función de un
número i de puntos de la pista hipótesis sobre los cuales se aplica
el criterio de validación.
4. Procedimiento según la reivindicación 3,
caracterizado porque si la pista hipótesis comprende p
puntos, el criterio de validación consiste en comprobar si existen i
puntos, i=1 en p, tales que para cada punto entre los i puntos, la
relación entre señal y ruido (RSB) sea superior que el umbral de
comparación aplicable para i puntos.
5. Procedimiento según una cualquiera de las
reivindicaciones 1 a 4, caracterizado porque comprende para
cada zona homogénea (Z_{i}) de la imagen, el cálculo de una media
(m_{Z_{i}}) y una diferencia tipo (\sigma_{Z_{i}}) de los
niveles radiométricos de los píxeles sobre la indicada zona,
permitiendo el cálculo de la relación entre señal y ruido en cada
píxel de la imagen observada con relación a la zona homogénea en la
cual se encuentra, 14 dado por donde S es el nivel
de la señal radiométrica del píxel considerado.
6. Procedimiento según una cualquiera de las
reivindicaciones 1 a 5, caracterizado porque la partición de
la imagen en zonas homogéneas comprende la aplicación de una etapa
de determinación de una zona homogénea (Z_{i}) para cada píxel de
la imagen observada, correspondiente a una búsqueda de una zona de
la imagen que es la más grande posible alrededor del píxel, aparte
del píxel, sobre la cual se comprueba el indicado criterio de
uniformidad de distribución radiométrica, siendo la indicada zona
homogénea (Z_{i}) así definida denominada la mayor zona de
proximidad alrededor de dicho píxel.
7. Procedimiento según la reivindicación 6,
caracterizado porque la indicada etapa de determinación de la
mayor zona de proximidad alrededor de dicho píxel, aplica una
modelización por tamaño TFk de ventana, correspondiente a un nivel
de complejidad k de fondo local, comprendiendo la mencionada
modelización la definición de t tamaños de ventana, consistiendo la
determinación de la indicada mayor zona de proximidad alrededor de
un píxel en determinar el tamaño más grande de ventana sobre la cual
se comprueba el indicado criterio de uniformidad, y la definición
de un criterio de complejidad k de fondo local asociado con cada
tamaño de ventana, variando k de 1 en t, tal que es igual a 1 para
la ventana de tamaño más grande y en t para la ventana de tamaño más
pequeño, y porque en cada punto detectado se asocia el nivel de
complejidad k correspondiente al tamaño de ventana TF_{k} de la
indicada zona más grande de proximidad así determinada.
8. Procedimiento según la reivindicación 7,
caracterizado porque un conjunto de umbrales de comparación
(E_{k}) se determina \frac{P\times Q}{2} para cada nivel de
complejidad k de fondo local, comprendiendo cada conjunto (E_{k})
umbrales th_{i,j,k}, con i=1 en P y j=1 en Q, con i\leq j,
donde P representa un número máximo de puntos asociados y Q un
número máximo de observaciones.
9. Procedimiento según la reivindicación 8,
caracterizado porque cada conjunto de umbrales de
comparación (E_{k}) define, para un número q de observaciones
actuales, un subconjunto de q umbrales de comparación th_{i,q,k}
i=1 a q, con
th_{1,q,k}>th_{2,q,k}>th_{3,q,k,}....>th_{i,q,k}>...>th_{q,q,k}.
10. Procedimiento según la reivindicación 9,
caracterizado porque consiste, cuando un pº punto de una
pista hipótesis PH ha sido detectado en la qª observación:
- -
- en los conjuntos de umbrales de comparación (E_{k}) indexados por los niveles de complejidad k asociados con los p puntos de la pista hipótesis (PH_{i}), en seleccionar los subconjuntos en función del número q de observaciones;
- -
- en inicializar un bucle de comparación con i=1, consistiendo este bucle en las etapas siguientes:
- -a).
- Selección de los umbrales th_{i,q,k} de índice i en los subconjuntos seleccionados y aplicación del criterio siguiente:
- \sqbullet
- Si existen i puntos entre los p puntos de la pista hipótesis PH tales que cada punto entre estos i puntos verifica la desigualdad siguiente: RSB \geq th_{i,q,k} para el valor del nivel de complejidad k asociado con este punto.
- \bullet
- Entonces la pista se valida - final del bucle.
- \sqbullet
- si no, etapa b).
- -b).
- i=i+1.
- \sqbullet
- Mientras que i\leqp, vuelve a la etapa a).
- \sqbullet
- Si no, etapa c).
- -c).
- si es i>p, entonces la pista no es validada.
\vskip1.000000\baselineskip
11. Procedimiento según una cualquiera de las
reivindicaciones anteriores, que comprende una etapa de predicción
de una posición de un punto de una pista en la imagen observada
siguiente, comprendiendo la indicada predicción, la predicción de
una zona homogénea asociada.
12. Procedimiento según la reivindicación
precedente, en el caso en que ningún punto sea detectado en la
imagen observada actual para una pista hipótesis dada, el
procedimiento comprende una etapa de comparación del número p de
puntos de una pista hipótesis y de un número q de observaciones
realizadas desde el primer punto asociado con la indicada pista
hipótesis, con valores óptimos predefinidos, respectivamente un
número máximo de puntos P a comparar con el valor p y un número
máximo de observaciones Q a comparar con el valor q, para validar la
indicada pista hipótesis en función de la diferencia a los
indicados valores óptimos y en función del nivel de complejidad k
asociado con la zona de predicción de posición de punto en la imagen
actual.
13. Procedimiento según la reivindicación 11 ó
12, que comprende una etapa suplementaria de asociación de puntos a
una pista validada (PV_{i}), donde en el caso en que ningún punto
sea detectado en la imagen observada actual para una pista validada
(PV_{i}) dada, la indicada etapa comprende el control del umbral
de detección en la etapa de detección (4), para adaptarlo localmente
en función del nivel de complejidad k asociado con una zona de
predicción de posición de punto para la pista validada
considerada.
14. Sistema de vigilancia optrónico que
comprende una o varias pluralidades de sensores optrónicos aptos
para proporcionar imágenes de observación de una escena,
comprendiendo el sistema medios de tratamiento de las indicadas
imágenes que ponen en práctica un procedimiento según una cualquiera
de las reivindicaciones precedentes.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0409972 | 2004-09-21 | ||
| FR0409972A FR2875626B1 (fr) | 2004-09-21 | 2004-09-21 | Procede de detection et de pistage de cibles ponctuelles, dans un systeme de surveillance optronique |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2335517T3 true ES2335517T3 (es) | 2010-03-29 |
Family
ID=34953292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES05787158T Active ES2335517T3 (es) | 2004-09-21 | 2005-09-19 | Procedimiento de deteccion y de seguimiento de blancos puntuales, en un sistema de vigilancia optronico. |
Country Status (10)
| Country | Link |
|---|---|
| EP (1) | EP1792278B1 (es) |
| JP (1) | JP4900611B2 (es) |
| KR (1) | KR101207225B1 (es) |
| AT (1) | ATE448530T1 (es) |
| DE (1) | DE602005017646D1 (es) |
| ES (1) | ES2335517T3 (es) |
| FR (1) | FR2875626B1 (es) |
| IL (1) | IL181820A (es) |
| MY (1) | MY140799A (es) |
| WO (1) | WO2006032650A1 (es) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2923024B1 (fr) * | 2007-10-26 | 2010-08-13 | Thales Sa | Procede de detection d'une cible |
| FR2932278B1 (fr) * | 2008-06-06 | 2010-06-11 | Thales Sa | Procede de detection d'un objet dans une scene comportant des artefacts |
| FR2975807B1 (fr) | 2011-05-23 | 2013-06-28 | Sagem Defense Securite | Detection et pistage de cibles dans une serie d'images |
| FR3059127B1 (fr) * | 2016-11-18 | 2019-05-10 | Safran Electronics & Defense | Procede de detection et de pistage de cibles |
| US10788583B2 (en) * | 2017-10-16 | 2020-09-29 | Raytheon Company | Rapid robust detection decreaser |
| CN112749620B (zh) * | 2020-11-25 | 2023-01-06 | 中国电子科技集团公司第十一研究所 | 一种目标检测方法、装置及可读存储介质 |
| CN117191130A (zh) * | 2023-09-27 | 2023-12-08 | 深圳市英博伟业科技有限公司 | 一种多场景在线温湿度监控方法和系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5210798A (en) * | 1990-07-19 | 1993-05-11 | Litton Systems, Inc. | Vector neural network for low signal-to-noise ratio detection of a target |
| JP3892059B2 (ja) * | 1995-03-07 | 2007-03-14 | 松下電器産業株式会社 | 動物体追跡装置 |
| JP2001272466A (ja) | 2000-03-27 | 2001-10-05 | Toyota Central Res & Dev Lab Inc | レーダ装置 |
-
2004
- 2004-09-21 FR FR0409972A patent/FR2875626B1/fr not_active Expired - Fee Related
-
2005
- 2005-09-19 EP EP05787158A patent/EP1792278B1/fr active Active
- 2005-09-19 DE DE602005017646T patent/DE602005017646D1/de active Active
- 2005-09-19 WO PCT/EP2005/054670 patent/WO2006032650A1/fr active Application Filing
- 2005-09-19 AT AT05787158T patent/ATE448530T1/de not_active IP Right Cessation
- 2005-09-19 ES ES05787158T patent/ES2335517T3/es active Active
- 2005-09-19 JP JP2007531762A patent/JP4900611B2/ja active Active
- 2005-09-19 KR KR1020077006421A patent/KR101207225B1/ko active IP Right Grant
- 2005-09-21 MY MYPI20054419A patent/MY140799A/en unknown
-
2007
- 2007-03-08 IL IL181820A patent/IL181820A/en active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| MY140799A (en) | 2010-01-15 |
| JP4900611B2 (ja) | 2012-03-21 |
| KR101207225B1 (ko) | 2012-12-04 |
| JP2008513868A (ja) | 2008-05-01 |
| ATE448530T1 (de) | 2009-11-15 |
| IL181820A (en) | 2011-03-31 |
| FR2875626B1 (fr) | 2006-11-17 |
| WO2006032650A1 (fr) | 2006-03-30 |
| IL181820A0 (en) | 2007-07-04 |
| EP1792278B1 (fr) | 2009-11-11 |
| DE602005017646D1 (de) | 2009-12-24 |
| EP1792278A1 (fr) | 2007-06-06 |
| KR20070067095A (ko) | 2007-06-27 |
| FR2875626A1 (fr) | 2006-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2335517T3 (es) | Procedimiento de deteccion y de seguimiento de blancos puntuales, en un sistema de vigilancia optronico. | |
| US11544964B2 (en) | Vision based target tracking that distinguishes facial feature targets | |
| ES2390295T3 (es) | Identificación de personas usando múltiples tipos de entradas | |
| Jie et al. | Tree-structured reinforcement learning for sequential object localization | |
| US20180336700A1 (en) | Image capture direction recognition method and server, surveillance method and system and image capture device | |
| US20110142282A1 (en) | Visual object tracking with scale and orientation adaptation | |
| US20190346280A1 (en) | Apparatuses and methods for correcting orientation information from one or more inertial sensors | |
| CN112288770A (zh) | 基于深度学习的视频实时多目标检测与跟踪方法和装置 | |
| WO2019129255A1 (zh) | 一种目标跟踪方法及装置 | |
| KR20180051335A (ko) | 신경망 학습에 기반한 입력 처리 방법 및 이를 위한 장치 | |
| CN111104925B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
| CN111222589B (zh) | 图像文本识别方法、装置、设备及计算机存储介质 | |
| CN115004269B (zh) | 监视装置、监视方法及程序 | |
| CN112052821B (zh) | 消防通道安全检测方法、装置、设备及存储介质 | |
| CN109522838A (zh) | 一种基于宽度学习的安全帽图像识别算法 | |
| CN111027555B (zh) | 一种车牌识别方法、装置及电子设备 | |
| CN116057587A (zh) | 活体检测方法、活体检测模型的训练方法及其装置和系统 | |
| CN111738085A (zh) | 实现自动驾驶同时定位与建图的系统构建方法及装置 | |
| KR20170027116A (ko) | 드론과 IoT를 연동한 재난 안전 시스템 | |
| CN115620242B (zh) | 多行人目标重识别方法、装置及应用 | |
| Elassal et al. | Unsupervised crowd counting | |
| Wang et al. | Detection Anomaly in Video Based on Deep Support Vector Data Description | |
| Kaskela | Temporal Depth Completion for Autonomous Vehicle Lidar Depth Sensing | |
| CN110599542A (zh) | 面向几何区域的自适应vslam局部建图的方法和装置 | |
| US11663790B2 (en) | Dynamic triggering of augmented reality assistance mode functionalities |