IT201800003188A1 - Dispositivo contateste e metodo di processamento di immagini digitali - Google Patents

Dispositivo contateste e metodo di processamento di immagini digitali Download PDF

Info

Publication number
IT201800003188A1
IT201800003188A1 IT102018000003188A IT201800003188A IT201800003188A1 IT 201800003188 A1 IT201800003188 A1 IT 201800003188A1 IT 102018000003188 A IT102018000003188 A IT 102018000003188A IT 201800003188 A IT201800003188 A IT 201800003188A IT 201800003188 A1 IT201800003188 A1 IT 201800003188A1
Authority
IT
Italy
Prior art keywords
image
module
counter device
noise area
counting
Prior art date
Application number
IT102018000003188A
Other languages
English (en)
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 filed Critical
Priority to IT102018000003188A priority Critical patent/IT201800003188A1/it
Priority to EP19737228.7A priority patent/EP3803685A1/en
Priority to US17/058,850 priority patent/US11663844B2/en
Priority to PCT/IB2019/054322 priority patent/WO2019224791A1/en
Publication of IT201800003188A1 publication Critical patent/IT201800003188A1/it

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/30196—Human being; Person
    • 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
    • G06T2207/30242—Counting objects in image

Description

“Dispositivo contateste e metodo di processamento di immagini digitali”
DESCRIZIONE
CAMPO TECNICO
La presente invenzione si riferisce a tecniche di elaborazione di immagini digitali impiegabili per i dispositivi conosciuti con il termine di contateste. STATO DELL'ARTE
Il conteggio di persone risulta interessante, fra altro, per analisi statistiche volte a valutazioni di tipo commerciale. Infatti, possono essere contate le persone che stazionano di fronte ad un vetrina di un negozio o che attraversano un centro commerciale, in modo da valutare la capacità attrattiva di tali luoghi.
Sono noti dispostivi contateste che effettuano il conteggio automatico di persone che sostano o transitano in una determinata area. Il conteggio è effettuato mediante l’elaborazione di immagini digitali che riprendono l’area di interesse.
Il documento US-A-2010232644 descrive un metodo per analizzare il numero di persone che osservano un cartellone pubblicitario basato sull’elaborazione di immagini ottenute da una camera digitale.
Il documento US-A-5465115 descrive un metodo di monitoraggio di persone che simultaneamente entrano ed escono da una zona pedonale quale l’ingresso di un punto commerciale, basato sull’elaborazioni di immagini video.
SOMMARIO DELL’INVENZIONE
La presente invenzione affronta il problema di fornire una tecnica di conteggio di persone, utilizzabile per applicazioni all’aperto (cioè, outdoor) che coniughi precisione nel conteggio e velocità computazionale.
In particolare, la presente invenzione ha per oggetto un dispositivo contateste come definito dalla rivendicazione 1 e da sue forme di attuazione preferite, definite dalle rivendicazioni indipendenti da 2-9.
Forma oggetto della presente invenzione anche un metodo di processamento di immagini digitali come definito dalla rivendicazione 10. BREVE DESCRIZIONE DEI DISEGNI
La presente invenzione viene qui di seguito dettagliatamente descritta, a titolo esemplificativo e non limitativo, con riferimento agli allegati disegni, nei quali:
- la figura 1 illustra schematicamente un esempio di un dispositivo contateste; - la figura 2 si riferisce ad alcune fasi esemplificative del metodo di processamento di immagini digitali in accordo con la presente invenzione. DESCRIZIONE DETTAGLIATA
Mentre l’invenzione è suscettibile di varie modifiche e costruzioni alternative, alcune forme di realizzazione particolari sono mostrate nei disegni e saranno descritte qui di seguito in dettaglio. Nella presente descrizione, elementi o componenti analoghi o identici saranno indicati nelle figure con lo stesso simbolo identificativo.
La figura 1 mostra un dispositivo contateste 100 comprendente una telecamera digitale 1 e un modulo di processamento di immagini digitali 2. La telecamera digitale 1 è, vantaggiosamente, una telecamera ad alta risoluzione in grado di catturare immagini, per esempio, fino ad una distanza di 60 metri.
Il modulo di processamento 2 è, per esempio, un microcontrollore idoneo ad eseguire un software di processamento di immagini digitali.
Il dispositivo contateste 100 comprende, preferibilmente, una batteria elettrica 5 oppure è collegabile ad una sorgente di energia elettrica esterna, per la sua alimentazione elettrica. Inoltre, il dispositivo contateste 100 può essere dotato di un modulo di comunicazione 6, adatto a trasmettere dati/informazioni all’esterno del dispositivo stesso e, in particolare, verso un sistema cloud. In particolare, questi dati/informazioni sono “metadati” e cioè non comprendono immagini digitali fornite dalla telecamera 1 ma soltanto il risultato aggregato che deriva dall’elaborazione delle immagini digitali che sarà descritta esemplificativamente nel seguito.
Il dispositivo contateste 100 può prevedere un contenitore 3 che alloggia i componenti sopra indicati ed è anche munito di mezzi meccanici per il suo fissaggio ad un supporto.
Il dispositivo contateste 100 è idoneo ad effettuare un conteggio della presenza di persone in una zona all’esterno ed è, quindi, tale da operare in ambito outdoor (anche se in modo non esclusivo). Il dispositivo contateste 100 può essere impiegato per il conteggio di persone che attraversano o percorrono un determinata zona quale, ad esempio: una piazza, una strada, un marciapiede. Inoltre, il dispositivo contateste 100 è utilizzabile non solo per il conteggio di persone ma anche per il conteggio di veicoli, o animali. Con il termine “individui” si intendono, ai fini della presente invenzione, persone, veicoli o animali.
Il dispositivo contateste 100 può essere montato all’esterno di qualsiasi oggetto statico (come ad esempio un palo, un cartellone pubblicitario e la facciata di un palazzo), su di un mezzo in movimento (come ad esempio un’automobile, una bicicletta, un autobus) oppure esso può essere utilizzato come oggetto portatile da una persona.
Il modulo di processamento 2 è configurato per ricevere un’immagine digitale fornita dalla telecamera 1, riconoscere la presenza delle persone presenti nell’immagine e contarne il numero. In maggior dettaglio, il modulo di processamento 1 è provvisto di un modulo di ritaglio o cropping 7 (CROP), configurato per la rimozione di rumore, e di un modulo di analisi e conteggio 8. Secondo una forma di attuazione, il modulo di analisi e conteggio 8 comprende un modulo di identificazione di persone 9 (P-ID), un modulo di identificazione dei volti delle persone 10 (F-ID) e un modulo di profilazione delle persone 11 (P-PR).
I moduli 7-11 sopra elencati possono corrispondere a porzioni di codice di un software di processamento di immagini digitali che può essere anche commercializzato indipendentemente dalla telecamera 1 e che può eseguito, per esempio, in un processore remoto rispetto alla telecamera stessa.
Il funzionamento del dispositivo contateste 100 verrà descritto nel seguito anche con riferimento alle figura 2 che mostra, esemplificativamente, il processamento di un’immagine digitale. Le funzioni svolte dai moduli 7-11 corrispondono a fasi di un metodo di processamento di immagini digitali.
In questo esempio, si consideri che il dispositivo contateste 100 sia montato su una parete di un edificio e che ritragga una scena esterna relativa ad una strada, con edifici laterali e marciapiedi sui quali possono transitare delle persone.
La telecamera digitale 1 fornisce un’immagine secondo una prefissata frequenza. Si consideri che la telecamera digitale 1 fornisca al modulo di processamento 2 una prima immagine IM1 avente una prima dimensione orizzontale N (lungo un asse orizzontale x) e una prima dimensione verticale M (lungo un asse verticale y). I valori N ed M possono essere uguali o diversi. Le dimensioni N x M della prima immagine IM1 si riferiscono, come evidente al tecnico del rampo, al numero di pixel contenuti nella prima immagine IM1.
Il modulo di cropping 7 riceve la prima immagine IM1 (cioè i dati digitali che la definiscono) e la analizza in modo da indentificare un’area di rumore PCR. L’area di rumore PCR è un area dell’immagine che intrinsecamente non è di interesse per il conteggio di persone ed è associata a scenari incompatibili con la presenza di individui che transitano.
Per scenari incompatibili, si intendono quelle aree dove non è presumibile individuare persone in transito. Per esempio, sono aree di rumore, quelle porzioni delle immagini relative al cielo, alla vegetazione (ad esempio, alberi) e alle pareti di edifici. L’area di rumore può anche riguardare una combinazione di zone di cielo, pareti di edifici o estremità di alberi o vegetazione.
L’area di rumore PCR è individuata in base ad un processamento che tiene conto di almeno una delle seguenti caratteristiche: intensità luminosa dei pixel, colore dei pixel, presenza di pattern predefiniti.
Secondo un particolare esempio, il modulo di cropping 7 procede all’identificazione nella prima immagine IM1 di aree relative alla presenza di cielo SK (cioè di un’area dell’immagine relativa ad una zona non di interesse per il conteggio di persone). L’identificazione del cielo SK è effettuata analizzando l’intensità luminosa dei tre canali RGB (Red Green Blu) associati ai pixel, considerando che le porzioni di immagini fra loro adiacenti che sono caratterizzate da pixel con predominanza del colore Blu sono relative al cielo Vantaggiosamente, allo scopo di evitare falsi riconoscimenti per esempio, dovuti ad oggetti blu (autoveicoli) o a zone con riflessi di cielo, il cielo SK viene identificato, fra altre zone di colore Blu presenti, come quello che presenta l’area più ampia e/o presenta una più alta densità di pixel Blu.
Se viene determinata una presenza rilevante del cielo nella prima immagine IM1 si procede a rimuovere dalla stessa immagine una porzione periferica PCR che contiene tale cielo, che si estende per tutta la dimensione orizzontale N della prima immagine e che presenta una lunghezza verticale pari ad un valore DSK stabilito in base all’estensione del cielo. Per esempio, può essere ritagliata la porzione PCR indicata in figura 2 da un tratteggio, avente coordinate orizzontali x comprese fra 0 ed N e coordinate verticali y comprese fra M e M-DSK.
Vantaggiosamente, una volta identificata la porzione di cielo PCR da ritagliare (e quindi il suo valore sull’asse y), si sottrae un margine di sicurezza SM in modo da ridurre la porzione di cielo da ritagliare PCR: PCR-SM.
Nel caso in cui la porzione dell’immagine associata al cielo non copra un’area rilevante rispetto alla dimensione M (per esempio, si estende lungo l’asse verticale y per una lunghezza significativamente inferiore a M) è prevista anche un’analisi volta ad identificare la presenza di aree che mostrano facciate di edifici BDG ad altezze (lungo l’asse y) superiori a quelle che interessano ai fini del conteggio delle persone. Per esempio, se la porzione di cielo rilevata, in termini di dimensione verticale sull’asse verticale y, è inferiore al 20% dell’intera dimensione verticale M dell’immagine, allora si applica l’analisi sulle facciate degli edifici.
A tal proposito, si consideri una situazione esemplificativa in cui la telecamera 1 sia montata su un palo/edifico ad un’altezza superiore a quella dell’uomo, per riuscire a riprendere la zona di interesse questa telecamera dovrà essere inclinata verso il basso di un certo angolo. Essendo quindi l’immagine campionata ad un’angolazione rivolta verso il basso, la porzione di cielo dovrebbe essere ridotta, se non addirittura inesistente. In tale situazione esemplificativa, si utilizzano le facciate degli edifici (se presenti nell’immaggine e quindi correttamente rilevati) per le fasi di processamento successive.
Per quanto riguarda l’identificazione di pareti di edifici si può effettuare il riconoscimento di pattern predefiniti, relativi ad elementi architettonici tipici degli edifici, quali, preferibilmente, le finestre. Infatti, le finestre sono riconoscibili dalla presenza di linee o contorni orizzontali (i davanzali o gli architravi) e verticali (gli stipiti).
Le tipica struttura delle finestre permette anche di individuare una linea orizzontale che unisce i davanzali di più finestre di uno stesso piano abitativo (per esempio, il primo piano o il secondo piano). Tale linea orizzontale può costituire un limite inferiore per la definizione dell’area di rumore PCR. Ad esempio, tale linea può corrispondere con un valore di soglia TRH (esprimibile come numero di pixel).
Una volta individuata l’area di rumore PCR che, nell’esempio di figura 2, include sia una porzione di cielo SK sia una porzione relativa alle facciate dell’edificio BDG si procede a ritagliare, ossia a rimuovere l’area di rumore PCR dalla prima immagine IM1.
Per individuare un’area di rumore PCR con presenza di vegetazione (per esempio, uno sfondo con alberi) il processamento è basato sull’intensità luminosa dei pixel della prima immagine IM1, associati al colore verde. Quindi, anche l’area di rumore PCR relativa a vegetazione (occupante una porzione periferica della prima immagine IM1 ad un’altezza lungo l’asse verticale y superiore al valore di soglia TRH) viene ritagliata come nel caso del cielo SK o delle facciate di edifici BDG.
In seguito al ritaglio, si ottiene una seconda immagine IM2 avente un numero ridotto di pixel rispetto a quello della prima immagine IM1 quindi, non con dimensione NxM ma con una dimensione ridotta: (M-DSK+SM)) x N.
Si osservi che, vantaggiosamente, è anche prevista una fase di ridimensionamento (eseguibile, per esempio dallo stesso modulo di cropping 7) nella quale la seconda immagine IM2 risultante dalla fase di ritaglio o cropping è riportata alla dimensione della prima immagine IM1. Tale ridimensionamento può essere fatto aggiungendo alla seconda immagine IM2 dei pixel aggiuntivi generati a partire dai pixel già esistenti in tale immagine frutto del ritaglio. Questi pixel aggiuntivi possono essere ottenuti, per esempio, da un’interpolazione lineare di pixel adiacenti o da medie su pixel adiacenti.
Si noti che l’insieme della fase di ritaglio effettuata dal modulo di cropping 7 e del successivo ridimensionamento delle dimensioni al valore iniziale MxN è corrispondente ad un’operazione di zoom digitale effettuata sulla porzione dell’immagine rilevante ai fini del conteggio persone e priva (o sostanzialmente priva) di cielo, vegetazioni e pareti di edifici.
Le operazioni di ritaglio e ridimensionamento possono essere effettuate in base ad un software appositamente configurato per le funzioni sopra esposte e basato, per esempio, su tecniche di elaborazione di immagini note all’esperto del settore.
In seguito al cropping e al ridimensionamento (7) è ottenuta una terza immagine digitale IM3 che viene fornita al modulo di analisi e conteggio 8 e quindi al modulo di identificazione di persone 9.
Il modulo di identificazione di persone 9 elabora la terza immagine IM3 applicando un algoritmo (che può essere di tipo noto), adatto a riconoscere la presenza di persone e permette di individuare un certo numero di persone PERS1-PERS3 in tale immagine. Per esempio, vengono individuate un numero di persone P pari a 3. È anche possibile che un’immagine non ritragga alcuna persona ed il modulo di identificazione di persone 9 restituirà un valor di conteggio P pari a 0.
Il modulo di identificazione dei volti delle persone 10 elabora le porzioni di immagini relative alle persone PERS1-PERS3 sopra individuate in modo da distinguerne i volti: per esempio, i due volti V1 e V2.
Il modulo di profilazione delle persone 11 elabora (applicando un algoritmo che può essere di tipo noto) le immagini relative ai volti V1 e V2 e genera informazioni di profilazione, relative alle persone riprese dalla telecamera 1. In particolare, queste informazioni di profilazione riguardano il sesso (Maschio o Femmina) della persona ritratta o la sua età stimata (AGE), per esempio, espressa mediante un intervallo.
Il modulo di profilazione delle persone 11 può anche essere dotato di un algoritmo (per esempio, di tipo noto) che consente di stimare l’attenzione per un oggetto di riferimento quale, ad esempio, una vetrina, un cartellone, un display o altro da parte ella persona analizzata. Tale stima può essere effettuata, per esempio, sulla base dell’orientamento della testa, degli occhi e dei tempi osservazione dell’oggetto da parte del passante.
Sia il numero di conteggio P, sia i dati di profilazione relativi al sesso e all’età e/o all’attenzione (metadati) possono essere memorizzati in locale oppure, preferibilmente, sono inviati ad un cloud server (non mostrato) mediante il modulo di comunicazione 6.
Le elaborazioni effettuate dal modulo di analisi e conteggio 8 possono essere implementate anche mediante una rete neurale. Per esempio, può essere impiegata una rete R-FCN (Region-based Fully Convolutional Network), quale, in particolare, una rete del tipo di quella descritta nel documento: Jifeng Dai et al., “R-FCN: Object Detection via Region-based Fully Convolutional Networks”, https://arxiv.org/abs/1605.06409; 21 Giugno 2016.
Si noti che, grazie all’operazione di ritaglio sopra descritta, le elaborazioni svolte dal modulo di analisi e conteggio 8 risultano pienamente adatte ad applicazioni outdoor, con prestazioni elevate. Infatti, l’eliminazione delle aree di rumore PCR effettuata come sopra descritto permette di eseguire le fasi di identificazione e conteggio (9), nonché quelle di profilazione (11), su un’immagine digitale (cioè la terza immagine IM3) nella quale la porzione con possibile presenza di persone risulta aumentata (in dimensioni relative), rispetto alle dimensioni relative che la stessa porzione presenta all’interno della prima immagine IM1. Ciò rende le elaborazioni effettuate dal modulo di analisi e conteggio 8 più precise, meno onerose computazionalmente e più rapide di quelle che si sarebbero ottenute processando direttamente la prima immagine IM1.
È anche opportuno osservare che siccome il riconoscimento ed il ritaglio delle aree di rumore PCR è effettuato automaticamente dal software del modulo di cropping 7, non sono richieste, in fase di installazione del dispositivo contateste 100 in una determinata posizione, complesse operazioni di configurazione dello stesso, aventi lo scopo di massimizzare l’inquadratura della zona interessata dal passaggio di persone, rispetto al cielo o ad altre aree di non interesse.
Inoltre, il ritaglio condotto in modo automatico del cielo, delle facciate di edifici e degli alberi, effettuato dal dispositivo contateste 100 ne permette l’utilizzo anche in movimento (su veicoli o trasportato da persone).
Si noti che la possibilità di processare le immagini in locale, cioè all’interno del dispositivo contateste 100, appare vantaggiosa in quanto elimina i ritardi dovuti alla trasmissione dei dati corrispondenti alle immagini digitali riprese, caratteristici di un processamento svolto da remoto.
Si osservi anche che il processamento dell’immagine effettuato in locale (cioè presso il dispositivo contateste 100) permette di non violare direttive sulla privacy facendo sì che nessuna persona possa disporre delle immagini processate, rendendo impossibile l’identificazione delle persone riprese. Una volta processata, l’immagine può essere eliminata ed i soli metadati corrispondenti al numero di persone rilevate, genere ed età vengono trasmessi in maniera aggregata al server cloud.

Claims (10)

  1. RIVENDICAZIONI 1. Dispositivo contateste (100) comprendente: - una telecamera digitale (1) configurata per fornire una prima immagine digitale (IM1) rappresentativa di una zona di conteggio (STR) di individui; la prima immagine definendo una prima dimensione orizzontale (N) e una prima dimensione verticale (M); - un modulo di ritaglio (7) configurato per: analizzare la prima immagine (IM1) ed indentificare un’area di rumore (PCR) in base ad almeno una delle seguenti caratteristiche: intensità luminosa di pixel, colore di pixel, presenza di pattern predefiniti; detta area di rumore essendo associata a scenari incompatibili con la presenza di individui; ritagliare l’area di rumore (PCR) dalla prima immagine (IM1) ottenendo una seconda immagine (IM2) priva dell’area di rumore; l’area di rumore (PCR) essendo una porzione periferica della prima immagine avente detta prima dimensione orizzontale e avente una seconda dimensione (M-DSK SM) verticale inferiore alla prima dimensione verticale (M); - un modulo di analisi e conteggio (8) configurato per riconoscere almeno un individuo (PERS1-PERS3) ritratto nella seconda immagine (IM2) e fornire un numero di conteggio (P) di detto almeno un individuo nella zona (STR).
  2. 2. Dispositivo contateste (100) secondo la rivendicazione 1, in cui: il modulo di ritaglio (7) è inoltre configurato per ridimensionare la seconda immagine privata dell’area di rumore (PCR) ottenendo una terza immagine (IM3) avente la prima dimensione orizzontale e la prima dimensione verticale; il modulo di analisi e conteggio (8) è configurato per riconoscere detto almeno un individuo (PERS1-PERS3) elaborando la terza immagine digitale (IM3).
  3. 3. Dispositivo contateste (100) secondo la rivendicazione 2, in cui il modulo di ritaglio (7) è configurato per ottenere la terza immagine (IM3) in base alla generazione di pixel aggiuntivi calcolati processando ulteriori pixel presenti nella seconda immagine (IM2).
  4. 4. Dispositivo contateste (100) secondo la rivendicazione 3, in cui il modulo di ritaglio (7) è configurato per generare i pixel aggiuntivi effettuando un’interpolazione lineare di detti ulteriori pixel presenti nella seconda immagine (IM2).
  5. 5. Dispositivo contateste (100) secondo la rivendicazione 2, in cui il modulo di ritaglio (7) è configurato per identificare detta area di rumore (PCR) che ritrae almeno uno fra i seguenti sfondi: cielo, vegetazione, edifici.
  6. 6. Dispositivo contateste (100) secondo la rivendicazione 5, in cui il modulo di ritaglio (7) è configurato per: identificare lo sfondo cielo (SK) in base all’intensità luminosa dei pixel della prima immagine (IM1) associati al colore blu; identificare lo sfondo vegetazione in base all’intensità luminosa dei pixel della prima immagine (IM1) associati al colore verde; identificare lo sfondo edificio (BDG) in base a pattern di elementi architettonici riconoscibili in detta prima immagine (IM1 )
  7. 7. Dispositivo contateste (100) secondo la rivendicazione 1, in cui il modulo di analisi e conteggio (8) comprende: un modulo di identificazione di individui (9) configurato per identificare individui nella terza immagine (IM3) e fornire detto numero di conteggio (P).
  8. 8. Dispositivo contateste (100) secondo la rivendicazione 1 o 7, in cui il modulo di identificazione di individui (9) e atto al riconoscimento di persone ed in cui il modulo di analisi e conteggio (8) comprende almeno uno dei seguenti moduli: - un modulo di identificazione di volti delle persone (10) configurato per identificare il volto di una persona rappresentata nella terza immagine (IM3); - un modulo di profilazione di persone (11) configurato per stimare l’età e/o il sesso di una persona rappresentata nella terza immagine (IM3). - un modulo di stima dell’attenzione configurato per fornire un valore di stima dell’attenzione di una persona rappresentata nella terza immagine (IM3) nei confronti di un oggetto predefinito.
  9. 9. Dispositivo contateste (100) secondo la rivendicazione 8, inoltre comprendente un modulo di comunicazione (6) configurato per trasmettere all’esterno almeno uno dei seguenti dati: il numero di conteggio (P), l’età, il sesso, il valore di stima dell’attenzione.
  10. 10. Metodo di processamento di immagini digitali, comprendente: ricevere una prima immagine digitale (IM1) rappresentativa di una zona (STR) di conteggio di individui; la prima immagine definendo una prima dimensione orizzontale (N) e una prima dimensione verticale (M); analizzare la prima immagine (IM1) ed indentificare un’area di rumore (PCR) in base ad almeno una delle seguenti caratteristiche di detta area di rumore: intensità luminosa di pixel, colore di pixel, presenza di pattern predefiniti; l’area di rumore essendo associata a scenari incompatibili con la presenza di individui; ritagliare l’area di rumore (PCR) dalla prima immagine (IM1) ottenendo una seconda immagine (IM2) priva dell’area di rumore; l’area di rumore essendo una porzione periferica della prima immagine avente detta prima dimensione orizzontale e avente una seconda dimensione verticale (M-DSK+SM) inferiore alla prima dimensione verticale; riconoscere almeno un individuo ritratto nella seconda immagine (IM2) e fornire un numero di conteggio di detto almeno un individuo in detta zona.
IT102018000003188A 2018-05-25 2018-05-25 Dispositivo contateste e metodo di processamento di immagini digitali IT201800003188A1 (it)

Priority Applications (4)

Application Number Priority Date Filing Date Title
IT102018000003188A IT201800003188A1 (it) 2018-05-25 2018-05-25 Dispositivo contateste e metodo di processamento di immagini digitali
EP19737228.7A EP3803685A1 (en) 2018-05-25 2019-05-24 Head-counter device and method for processing digital images
US17/058,850 US11663844B2 (en) 2018-05-25 2019-05-24 Head-counter device and method for processing digital images
PCT/IB2019/054322 WO2019224791A1 (en) 2018-05-25 2019-05-24 Head-counter device and method for processing digital images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
IT102018000003188A IT201800003188A1 (it) 2018-05-25 2018-05-25 Dispositivo contateste e metodo di processamento di immagini digitali

Publications (1)

Publication Number Publication Date
IT201800003188A1 true IT201800003188A1 (it) 2019-11-25

Family

ID=62683389

Family Applications (1)

Application Number Title Priority Date Filing Date
IT102018000003188A IT201800003188A1 (it) 2018-05-25 2018-05-25 Dispositivo contateste e metodo di processamento di immagini digitali

Country Status (4)

Country Link
US (1) US11663844B2 (it)
EP (1) EP3803685A1 (it)
IT (1) IT201800003188A1 (it)
WO (1) WO2019224791A1 (it)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201800003188A1 (it) 2018-05-25 2019-11-25 Dispositivo contateste e metodo di processamento di immagini digitali
EP4128014A1 (en) * 2020-04-30 2023-02-08 Google LLC Privacy preserving sensor including a machine-learned object detection model
AT524640B1 (de) * 2020-12-30 2022-10-15 Folyo Gmbh Verfahren zur Bestimmung der Passantenfrequenz in einem geografischen Gebiet

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6282317B1 (en) * 1998-12-31 2001-08-28 Eastman Kodak Company Method for automatic determination of main subjects in photographic images
EP2693373A1 (en) * 2011-03-31 2014-02-05 Panasonic Corporation Number of persons measurement device
US20160110613A1 (en) * 2014-10-20 2016-04-21 King Abdullah University Of Science And Technology System and method for crowd counting and tracking
US9449506B1 (en) * 2016-05-09 2016-09-20 Iteris, Inc. Pedestrian counting and detection at a traffic intersection based on location of vehicle zones

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4658788B2 (ja) * 2005-12-06 2011-03-23 株式会社日立国際電気 画像処理装置、画像処理方法およびプログラム
US9020298B2 (en) * 2009-04-15 2015-04-28 Microsoft Technology Licensing, Llc Automated image cropping to include particular subjects
US8406515B2 (en) * 2009-06-24 2013-03-26 Hewlett-Packard Development Company, L.P. Method for automatically cropping digital images
EP3021583B1 (en) * 2014-11-14 2019-10-23 Axis AB Method of identifying relevant areas in digital images, method of encoding digital images, and encoder system
US10043097B2 (en) * 2015-03-10 2018-08-07 Fringefy Ltd. Image abstraction system
US10122965B2 (en) * 2016-11-29 2018-11-06 Facebook, Inc. Face detection for background management
US10360494B2 (en) * 2016-11-30 2019-07-23 Altumview Systems Inc. Convolutional neural network (CNN) system based on resolution-limited small-scale CNN modules
KR102370063B1 (ko) * 2017-03-28 2022-03-04 삼성전자주식회사 얼굴 인증 방법 및 장치
US11295139B2 (en) * 2018-02-19 2022-04-05 Intellivision Technologies Corp. Human presence detection in edge devices
IT201800003188A1 (it) 2018-05-25 2019-11-25 Dispositivo contateste e metodo di processamento di immagini digitali

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6282317B1 (en) * 1998-12-31 2001-08-28 Eastman Kodak Company Method for automatic determination of main subjects in photographic images
EP2693373A1 (en) * 2011-03-31 2014-02-05 Panasonic Corporation Number of persons measurement device
US20160110613A1 (en) * 2014-10-20 2016-04-21 King Abdullah University Of Science And Technology System and method for crowd counting and tracking
US9449506B1 (en) * 2016-05-09 2016-09-20 Iteris, Inc. Pedestrian counting and detection at a traffic intersection based on location of vehicle zones

Also Published As

Publication number Publication date
US11663844B2 (en) 2023-05-30
US20210216784A1 (en) 2021-07-15
EP3803685A1 (en) 2021-04-14
WO2019224791A1 (en) 2019-11-28

Similar Documents

Publication Publication Date Title
US10192313B2 (en) Networked capture and 3D display of localized, segmented images
Varma et al. Real time detection of speed hump/bump and distance estimation with deep learning using GPU and ZED stereo camera
JP4692371B2 (ja) 画像処理装置、画像処理方法、画像処理プログラム、および画像処理プログラムを記録した記録媒体、ならびに移動物体検出システム
US9449236B2 (en) Method for object size calibration to aid vehicle detection for video-based on-street parking technology
CN109657581B (zh) 基于双目相机行为检测的城市轨道交通闸机通行控制方法
IT201800003188A1 (it) Dispositivo contateste e metodo di processamento di immagini digitali
Lin et al. A vision-based parking lot management system
CN109598794B (zh) 三维gis动态模型的构建方法
US20130265419A1 (en) System and method for available parking space estimation for multispace on-street parking
CN103729858B (zh) 一种视频监控系统中遗留物品的检测方法
CN106446873A (zh) 人脸检测方法及装置
JP2009271758A (ja) 画像認識装置
CN105590309A (zh) 前景图像分割方法和装置
CN104902258A (zh) 一种基于立体视觉的多场景人流量统计方法、系统以及双目相机
JP2013109760A (ja) 対象検知方法及び対象検知システム
CN102609724B (zh) 一种基于双摄像头的周围环境信息提示方法
KR101246120B1 (ko) 전후면 번호판 영상 기반 차량번호 인식 시스템
CN111160220B (zh) 一种基于深度学习的包裹检测方法、装置、存储介质
CN106586731B (zh) 一种访客识别系统、方法以及一种猫眼
CN107016348A (zh) 结合深度信息的人脸检测方法、检测装置和电子装置
CN110264651A (zh) 列车站台行人越线监测方法、装置、终端及存储介质
CN106612385A (zh) 视频检测方法和视频检测装置
CN112070053B (zh) 背景图像的自更新方法、装置、设备及存储介质
Li et al. Automatic lip localization under face illumination with shadow consideration
DE60229608D1 (de) Verfahren zur Überwachung einer Aufzugkabine