WO2015092040A1 - Procédé d'estimation du nombre de personnes et/ou d'objets dans un espace - Google Patents

Procédé d'estimation du nombre de personnes et/ou d'objets dans un espace Download PDF

Info

Publication number
WO2015092040A1
WO2015092040A1 PCT/EP2014/078905 EP2014078905W WO2015092040A1 WO 2015092040 A1 WO2015092040 A1 WO 2015092040A1 EP 2014078905 W EP2014078905 W EP 2014078905W WO 2015092040 A1 WO2015092040 A1 WO 2015092040A1
Authority
WO
WIPO (PCT)
Prior art keywords
connected component
depth map
circularity
threshold
surface threshold
Prior art date
Application number
PCT/EP2014/078905
Other languages
English (en)
Inventor
Simona MAGGIO
Jean-François Guillaume GOUDOU
Original Assignee
Thales
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Thales filed Critical Thales
Publication of WO2015092040A1 publication Critical patent/WO2015092040A1/fr

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • 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

Definitions

  • the present invention relates to a method for estimating the number of persons and / or objects in a space, an associated computer program and an access control system using such an estimation method.
  • Access control systems are commonly used in the area of passenger transport.
  • access control systems are used in land and air transport.
  • Such systems are found in railway stations, metro stations or terminals.
  • These access control systems comprise a corridor whose access is regulated by the opening or closing of a door. It is then appropriate to detect the passage or at least the presence of a person in the portion of the corridor that precedes the door. The opening of the door is then synchronized with the passage of the detected person. In addition, the duration of the opening of the door is adapted and limited to allow the passage of the person detected without allowing the passage of the next person whose access has not been controlled and validated. Indeed, it is desirable to allow the passage of the physical access control system only to persons holding a valid ticket, in order to avoid fraud.
  • this object is achieved by a method of estimating the number of persons and / or objects in a space comprising a floor using a depth map, a vertical direction being defined as the normal on the ground, the depth map being representative of the distance in the vertical direction, acquired by an optical sensor.
  • the method includes a step of determining a connected component in the depth map, a step of comparing the area of the connected component to at least one surface threshold, and a step of estimating the number of people and / or objects in the connected component based on the result of the area comparison step, the values of the at least one surface threshold dependent on an average person's head model and acquisition parameters the depth map and / or treatments applied to the depth map.
  • the method comprises one or more of the following characteristics, taken (s) isolation or in any technically possible combinations:
  • the space is a corridor, the corridor comprising a passage, the passage extending mainly in a first transverse direction, a door extending in a second transverse direction, the second transverse direction being perpendicular to the first transverse direction; vertical direction being perpendicular to the two transverse directions, an optical sensor being positioned in line with the corridor.
  • the method further comprises the steps of providing an image of the space, providing a conversion law and reconstructing the depth map from the image supplied and the conversion law provided.
  • the method further comprises the steps of providing at least one image of a part of the space, each image having a spatial overlap with at least one other image, and reconstruction of the depth map from the images provided.
  • the step of comparing the area comprises comparing the area of the connected component with a first surface threshold, a second surface threshold and a third surface threshold, the second surface threshold being strictly greater than at the first surface threshold and the third surface threshold being strictly greater than the second surface threshold.
  • the method further comprises a step of calculating the circularity of the connected component, the circularity being defined mathematically by
  • A is the area of the connected component
  • ⁇ P is the perimeter of the related component.
  • the method further comprises a step of comparing the circularity calculated at a circularity threshold, the circularity threshold depending on a head model of an average person, and parameters for acquiring the card in depth and / or treatments applied to the map in depth, the step of estimating the number of people and / or objects in the related component also being a function of the step of comparing the circularity.
  • the estimation step it is estimated that no element is present in the connected component if the area of the connected component is less than the first surface threshold, that an element is present in the connected component if the area of the connected component is between the first surface threshold and the second surface threshold, an element is present in the connected component if the area of the connected component is between the second surface threshold and the third surface threshold and if the circularity is less than the circularity threshold, an element is present in the connected component if the area of the connected component is between the second surface threshold and the third surface threshold and if the circularity is greater than the circularity threshold, two elements are present in the connected component if the area of the connected component is between the second surface threshold and the third surface threshold and if the circularity is less than the circularity threshold, and three elements are present in the connected component if the area of the connected component is greater than the third surface threshold, the element being a person or object.
  • the acquisition parameters of the depth map are chosen from the group consisting of the height of the camera, the acquisition frequency of the camera and the field of the camera.
  • the processing parameters applied to the map in depth are obtained by a learning algorithm on people or people carrying objects or people pushing or pulling objects.
  • the detection steps are implemented by a detection of the head and shoulders of any people in the map in depth.
  • a computer program product comprising programming code instructions adapted to be implemented by a processor, the processor being able to implement the method as previously described.
  • an access control system comprising a corridor extending along a first direction and barred by a door opening or closing to allow or prohibit the passage of persons, depending on the detection of attendance of persons and / or access authorization verification assigned to said persons.
  • the access control system includes a corridor access location recognition means, an optical sensor adapted to acquire a depth map of at least a portion of the access control system and positioned at right angles to it. the corridor, and a controller adapted to perform the recognition and contour tracking of people and / or objects present in the corridor, with a view to a suitable command opening and closing the door, the controller being clean to implement the method as previously described.
  • this object is achieved by a method of estimating the number of persons and / or objects in a space using a map in depth of the space resulting from an optical sensor comprising a step of determining a connected component in the map in depth, a step of comparing the area of the connected component with at least one surface threshold, and a step of estimating the number of people and / or objects in the related component based on the result of the area comparison step.
  • the values of the at least one surface threshold depend on an average person's head model and deep map acquisition parameters and / or treatments applied to the map in depth. In other words, the values of at least one surface threshold depend on a head model of an average person, and on at least one parameter chosen from among parameters depth map acquisition and processing parameters applied to the map in depth.
  • the method comprises one or more of the following characteristics, taken (s) isolation or in any technically possible combinations:
  • the step of comparing the area comprises comparing the area of the connected component with a first surface threshold, a second surface threshold and a third surface threshold, the second surface threshold being strictly greater than at the first surface threshold and the third surface threshold being strictly greater than the second surface threshold.
  • the method further comprises a step of calculating the circularity of the connected component, the circularity being defined mathematically by
  • A is the area of the connected component
  • the method further comprises a step of comparing the circularity calculated at a circularity threshold, the circularity threshold depending on a head model of an average person, and parameters for acquiring the card in depth and / or treatments applied to the map in depth, the step of estimating the number of people and / or objects in the related component also being a function of the step of comparing the circularity.
  • the estimation step it is estimated that no element is present in the connected component if the area of the connected component is less than the first surface threshold, that an element is present in the connected component if the area of the connected component is between the first surface threshold and the second surface threshold, an element is present in the connected component if the area of the connected component is between the second surface threshold and the third surface threshold and if the circularity is less than the circularity threshold, an element is present in the connected component if the area of the connected component is between the second surface threshold and the third surface threshold and if the circularity is greater than the circularity threshold, two elements are present in the connected component if the area of the connected component is between the second surface threshold and the third surface threshold and if the circularity is below the threshold of circularity, and three elements are present in the connected component if the area of the connected component is greater than the third surface threshold, the element being a person or an object.
  • the acquisition parameters of the depth map are chosen from the group consisting of the height of the camera, the acquisition frequency of the camera and the field of the camera.
  • the processing parameters applied to the map in depth are obtained by a learning algorithm on people or people carrying objects or people pushing or pulling objects.
  • the detection steps are implemented by a detection of the head and shoulders of any people in the map in depth.
  • a computer program comprising programming code instructions adapted to be implemented by a processor, the processor being able to implement the method as previously described.
  • an access control system comprising a corridor extending along a first direction and barred by a door opening or closing to allow or prohibit the passage of persons, depending on the detection of attendance of persons and / or access authorization verification assigned to said persons.
  • the access control system includes a corridor access location recognition means, an optical sensor adapted to acquire a depth map of at least a portion of the access control system and positioned at right angles to it. the corridor, and a controller adapted to perform the recognition and contour tracking of people and / or objects present in the corridor, with a view to a suitable command opening and closing the door, the controller being clean to implement the method as previously described.
  • FIG. 1 an overview, in perspective, of an exemplary access control system
  • FIG. 2 a plan view from above of the access control system of FIG. 1,
  • FIG. 3 a flow chart of an exemplary detection method
  • FIG. 4 an example of depth map of the bottom
  • FIG. 5 an example of a depth map representing a person with a stroller
  • FIG. 6 an example of a mask obtained with a first sensitivity threshold
  • FIG. 7 an example of a mask obtained with a second sensitivity threshold
  • FIG. 8 an example of a depth map corresponding to the passage of a person
  • FIG. 9 a representation of the volume occupied by the person represented in FIG. 8,
  • FIG. 10 a schematic representation of the person of FIG. 8 after the substep of determining regions of interest
  • FIG. 11 a schematic representation of the comparison sub-step with a theoretical zone forming the head of the person of FIG. 8, and
  • FIG. 12 a schematic representation of the comparison sub-step with a theoretical zone forming the head and shoulders of the person of FIG. 8.
  • FIG. 10 An access control system 10 is shown in FIG.
  • the access control system 10 is a physical access control system.
  • the access control system 10 is bidirectional type. In the case of a "bidirectional" access control system, as considered in the example illustrated in FIG. 1, it may be an alternating bidirectional access control system, that is, that, during a given period, allows passage in only one of two senses, suitably chosen, or a permanent two-way access control system, that is to say moment, allows passage in both directions.
  • the direction of movement allowed is indicated by an arrow 12.
  • arrow 12 As a result, it can be defined a left side and a right side.
  • the left side is the left side of a passenger traveling in the direction of travel while the right side is the right side of the same passenger traveling in the direction of traffic.
  • the access control system 10 comprises a corridor 14, a door 16, an optical sensor 18 and a controller 20.
  • the corridor 14 includes a passage 22, a first chest 24, a second chest
  • the passage 22 extends mainly along a first direction X.
  • the first chest 24 is on the left side of the passage 22 while the second chest is on the right of the passage 22.
  • the second box 26 comprises the first recognition means 28.
  • the first recognition means 28 is positioned at one end of the second trunk 26, this end being the distal end relative to the door 16.
  • the first box 24 comprises the second recognition means 28, the second recognition means 28 being positioned at one end of the first box 24, this end being the distal end relative to the door 16.
  • each recognition means 28 is a reader.
  • the recognition means 28 is adapted to allow the passage of the corridor 14 by a person when a ticket, a magnetic card conferring a right of access, is presented to the reader 28. To confer a right of access, the title transport or the magnetic card must be recognized as valid by the means of recognition 28.
  • the second safe 26 comprises a remote reader capable of remotely reading the identification means of said person instead of the reader 28.
  • the door 16 is adapted to open or close to allow or prohibit the passage of people based on the detection of presence of people and / or verification of access permissions assigned to said persons.
  • the door 16 extends along a second direction Y perpendicular to the first direction X and is disposed midway of the corridor 14. This means that the door 16 is equidistant along the first direction X of each end of the chests 24, 26 delimiting the corridor 14.
  • the door 16 comprises two leaves 30 and 32: a left leaf 30 and a right leaf 32.
  • the two leaves 30 and 32 are made of glass in order to obtain mechanically resistant leaves.
  • the two leaves 30 and 32 are movable in the same vertical plane transverse to the corridor 14 between a position called the open position and a position called closed position.
  • the transition from the open position to the closed position is by sliding. This sliding is indicated by two arrows 34 on line 1.
  • the two arrows 34 are in the second direction Y.
  • each box 24, 26 comprises a member for controlling the movements of the leaf 30, 32 respectively.
  • the control members are not shown in Figures 1 and 2 for the sake of simplification.
  • the control members are adapted to control the opening and closing of the leaf 30, 32 to which these members are associated.
  • the control member of the first box 24 is thus able to control the movements of the left leaf 30 while the control member of the second box 26 is adapted to control the movements of the right leaf 32.
  • the control members are engines.
  • the two leaves 30, 32 are movable between a position of opening and closing by rotation of the leaves 30 and 32 around a clean axis.
  • the two leaves 30 and 32 are pivoting.
  • the door 16 comprises a single leaf or is a gate.
  • the optical sensor 18 is able to acquire one or more images of the access control system 10. More specifically, the sensor 18 is able to acquire images of at least the passage 22 of the corridor 14.
  • the optical sensor 18 is positioned vertically above the corridor 14. In the particular case of Figure 1, this means that the optical sensor 18 is substantially in a third direction Z perpendicular to the directions X and Y. Thus, the optical sensor 18 is at the right of the passage 22 of the passage 14, that is to say that it is located vertically of the passage 22.
  • the optical sensor 18 is able to acquire images of at least the passage 22 of the corridor 14, this implies that the distance of the optical sensor 18 along the third direction Z with respect to the ground delimiting the corridor 14 is relatively large, typically greater than 300 cm and preferably greater than 250 cm.
  • the optical sensor 18 is a camera operating on the principle of flight time (often designated by the corresponding English acronym TOF for "Time of Flight"). Such a camera makes it possible to acquire three-dimensional maps or depth maps of the corridor 14.
  • a depth map or three-dimensional map is a two-dimensional matrix giving the distance of the element seen by the sensor 18 with respect to the optical sensor 18 instead of giving the number of photons coming from the element seen by the optical sensor 18.
  • the optical sensor 18 comprises a matrix detector 36 and an optical system 38.
  • the matrix detector 36 is, for example, a CCD type detector.
  • a CCD detector Charge Coupled Device is a detector capable of transforming a light signal into an electrical signal.
  • the optical system 38 includes, by way of illustration, lenses.
  • the optical system 38 comprises prisms and / or waveguides.
  • the optical sensor 18 comprises only a matrix detector 36.
  • the controller 20 is capable of realizing the contour recognition and tracking of people and / or objects present in the corridor 14 from the depth maps acquired by the optical sensor 18, with a view to an appropriate opening control. / closing the door 16.
  • the controller 20 is able to recognize the contours of the persons engaged in the corridor 14, including the possible presence of a backpack, or a bulky object pulled by the person, or a small child accompanying said person.
  • the controller 20 is also able to make an opening or closing decision according to the contours recognized and / or followed.
  • the controller 20 comprises an own electrical processing unit to perform the analysis and the processing of the depth maps coming from the sensor 18.
  • the electronic processing unit is able to implement a method for detecting people and / or objects in a space.
  • the controller 20 is located in the second box 26 and cooperates with the optical sensor 18, the access right recognition means 28 and the movement control members of each leaf 30 and 32.
  • This cooperation is, for example, implemented by optical signal communication.
  • a person introduced into the reader 28 a ticket recognized as valid and authorizing the passage of the person.
  • the sensor 18 acquires depth maps that show the person passing through the passage 22.
  • the controller 20 is then able to detect one or more people and / or one or more objects in the depth maps acquired by the optical sensor 18.
  • the controller 20, or more precisely the electronic processing unit implements a method for detecting people and / or objects in the corridor 14 as illustrated by the flow chart of FIG.
  • the detection method comprises a step 100 of providing a depth map of the corridor 14 and any persons and / or objects in the corridor 14.
  • the depth map is derived from the optical sensor 18.
  • the sensor Optical 18 sends the data corresponding to the acquired depth map to the controller 20 via optical signals.
  • the detection method then comprises a step 102 for processing the depth map supplied at the step 100 of supply.
  • the processing step 102 aims to improve the quality of the depth map provided. In particular, it is desirable to reduce the acquisition noise which comes from the moment when the optical sensor 18 acquired the depth cards to increase the signal / noise ratio.
  • the processing step 102 is implemented using an image denoising algorithm.
  • a smoothing of the depth map by a Gaussian nucleus is used.
  • the Gaussian kernel is characterizable with respect to a pixel of the depth map
  • the Gaussian kernel is of size 3x3 pixels with a width of 0.5 pixels.
  • the detection method then comprises a step 104 for extracting the bottom of the processed depth map.
  • Step 104 of extraction of the detection method comprises four substeps 104 1, 104 2, 104 3 and 104 4 which will now be detailed.
  • the detection method first comprises a first sub-step 104 1 for providing a depth map of the corridor 14 in the absence of persons and / or objects in the corridor 14.
  • a depth map is called in the remainder of the description, a "bottom depth map” or “background image” according to English terminology.
  • the bottom depth map corresponds to a depth map of the corridor 14 in the absence of persons or objects having undergone the same treatment aimed at improving the quality as the treatment proposed at step 102 of treatment.
  • a smoothing of the depth-of-depth map is performed with a Gaussian nucleus.
  • the method comprises a second substep 104 2 for choosing a first desired detection height.
  • the first desired detection height is denoted H1 in the remainder of the description.
  • the choice is automatic or made by a user of the process.
  • the method then comprises a third substep 104 3 for generating a first base map from the depth map and the first detection height H1.
  • the controller 20 converts the first detection height H1 into a first parameter P1 said scale factor or sensitivity factor.
  • This first parameter P1 is between 0 and 1.
  • the controller then obtains the first depth-of-depth image by multiplying the depth-of-depth map with the first parameter P1.
  • a depth map corresponds to the value of the distance relative to the optical sensor 18 for a plurality of pixels.
  • multiplying a depth map by a scalar means that the distance value of each pixel is multiplied by the scalar.
  • the method then comprises a fourth substep 104 4 for subtracting the first depth map from the processed depth map to obtain a first depth map to be analyzed.
  • the first depth map to be analyzed makes it possible to detect all the persons and objects between the optical sensor 18 and the first height.
  • Figures 4 to 7 illustrate step 104 of extracting the bottom of the processed depth map.
  • Figure 4 shows an example of a bottom depth map.
  • the depth map shown in Figure 5 corresponds to a processed depth map obtained in the presence of a person with a stroller. It is chosen a first parameter P1 of 0.75. The first associated background image is not represented. By subtracting this first depth map from the depth map of FIG. 5, a first depth map to be analyzed is obtained.
  • a depth mask is a binary representation of a depth map.
  • a null value indicates that an object or a person exceeds the detection height while a value of 1 (black) indicates the absence of an object or a person exceeding the detection height.
  • the detection height decreases as the first parameter P1 increases. Therefore, for a height corresponding to a first parameter of 0.75, it is observed only the head and shoulders of the person pushing the stroller while for a first parameter equal to 0.9, it is observed at the same time the body of the adult pushing the stroller, but also a shape corresponding to the stroller.
  • the detection method then comprises a step 106extraction of the relevant connected components of the depth mask.
  • An algorithm for calculating connected components applied directly to the depth mask extracts the connected components of the depth mask. These related components, however, are not the relevant related components because the depth mask has imperfections associated with the acquisition of the depth map and the fluctuations during this acquisition.
  • the step 106 for extracting the relevant connected components comprises two substeps 106_1 and 106_2: a first sub-step 106_1 for regulating the depth mask and a sub-step 106_2 calculation of the connected components of the regularized depth mask.
  • Regulatory sub-step 106_1 is performed using morphological operations for the purpose of suppressing the small-sized regions of the mask. These areas would not be relevant for the intended purpose of recognizing macroscopic objects and people. Depending on the case, there are some isolated white pixels that are blackened or black pixels that are rendered white. This change is based on the pixel environment and the morphology of the expected areas in the presence of people or everyday objects.
  • the regulation sub-step 106_1 comprises smoothing treatments.
  • the component-related analysis of the calculation sub-step 106_2 then makes it possible to extract the relevant connected components of the regularized mask.
  • the relevant term in this step of extracting the related components means relevant to the detected objects or to the detected persons.
  • step 106 of extracting the relevant connected components a number of related components are thus obtained. Each of these related components will be successively examined.
  • the treatment applied to a single connected component is only described knowing that, in the general case, the same treatment is applied to all connected components successively. For this, the method will be illustrated using a particular situation where only one person is present as shown in Figure 8.
  • the determination method then comprises a step 108 of determining the number of objects and / or persons contained in the connected component studied.
  • This determination step 108 exploits the number of pixels surface of the connected component as well as its morphology.
  • the circularity denoted C is a parameter defined by the following formula: 4
  • A is the area of the connected component
  • the threshold values S1, S2, S3 and S4 depend on a head model of an average person.
  • the model also depends on parameters of acquisition of the map in depth and / or processing parameters applied to the map in depth.
  • the acquisition parameters of the map in depth can include the desired detection height (H1 in this case), the height of the camera, the acquisition frequency of the camera, the field of the camera.
  • the processing parameters applied to the depth map include, for example, the parameters of the denoising core applied to the depth map, the first parameter P1 or the characteristic parameters of the possible morphological filters applied to extract the relevant connected components.
  • the processing parameters are obtained empirically using the experience of those skilled in the art or by a learning algorithm on people or persons carrying objects or people pushing or pulling Objects.
  • the learning algorithm makes it possible to establish an overall optimization of the choice of parameters by considering several parameters simultaneously, unlike the empirical method of positioning for certain parameters at the level of a local optimum in order to obtain the best results. choice.
  • This method of estimating the number of objects is therefore a process with evolving thresholds, which makes it possible to improve the accuracy of the detection of the number of people and / or objects in certain particular cases, such as during the transition from two children in hallway 14.
  • a model simply using the representation of the head of an average person, only one person is detected whereas with the proposed method, two people are detected.
  • the estimation method comprises only a step of comparing the area of the connected component without comparison for the circularity. This is easier to implement.
  • the space considered, namely the connected component studied comprises only one object or one person.
  • the detection method then comprises a step 1 10 for detecting people and / or objects in the connected component studied.
  • the detection step 1 comprises a plurality of substeps 1 10 1, 1 10_2 and
  • the detection step 1 comprises a substep 1 10 1 for determining regions of interest.
  • the card comprises a set of pixels each associated with a distance to the optical sensor 18.
  • a region of interest groups the pixels associated with the same distance to ⁇ 5%. Each region of interest can therefore be defined by a distance to the optical sensor 18.
  • the determined regions of interest group only the contiguous pixels. Indeed, in the context of a detection of a human being, the regions of interest correspond to parts of the body and are therefore continuous.
  • a region of interest can be obtained by a clustering algorithm.
  • clustering data clustering for English speakers
  • data classification methods such as the hierarchical grouping method or the data partitioning method.
  • the data to be classified are distances to the optical sensor 18.
  • regions of interest were determined as shown in figure 10.
  • three regions of interest appear: a first region of interest 200 associated with the person's head, a second region of interest 201 associated with the person's shoulders, and a third region of interest 204 associated with the person's arms.
  • the detection step 1 comprises an additional step of selecting the regions of interest.
  • One way to select regions of interest is to choose the distances with which they are associated. For example, for the method described, the two regions of interest whose distance to the optical sensor 18 is the lowest are particularly interesting insofar as the probability that these regions of interest correspond to the head and shoulders is important.
  • the detection step 1 10 further comprises a sub-step 1 10_2 of adjusting theoretical zones from a human model for the head and shoulders to the first two regions of interest 200 and 202.
  • the region of interest 200 corresponding to the head and the region of interest 202 corresponding to the shoulders are compared respectively to two theoretical zones.
  • the theoretical zone of the head is a first ellipse while two ellipses correspond to the theoretical zone of the shoulders.
  • the theoretical zones are adjusted according to a selected metric so that the theoretical zones correspond from the point of view of their orientation and their position to the selected regions of interest.
  • the best orientation of the theoretical zone is chosen as that which gives the best correlation.
  • the detection step 1 10 a sub-step of calculating a similarity score between the human model and the connected component studied, this score being compared to a threshold. When the score is above the threshold, a human being is detected
  • the similarity score is calculated using the following formula:
  • Heading is the similarity score for the head
  • est is the area associated with the theoretical zone for the head
  • D is the area associated with the region of interest 200 corresponding to the head
  • n D head is the area associated with the intersection of the theoretical area for the head and the region of interest 200 corresponding to the head.
  • S, est is the similarity score for the shoulders.
  • the overall score is decreased if the difference between the distance associated with the region of interest 200 corresponding to the head and the distance associated with the region of interest 202 corresponding to the shoulders is less than 250 mm.
  • such a distance corresponds to the minimum distance between the head and the shoulders. So, if the distance between the head and the shoulders is less than 250 mm, this usually means that the connected component detected and studied is actually an object.
  • the overall similarity score may be multiplied by a scalar less than 1, for example 0.8.
  • the overall similarity score is then compared to a threshold.
  • the threshold is determined by a learning algorithm.
  • the detection method also comprises a step 1 12 for tracking objects and / or people.
  • object tracking can be done according to the Munkres algorithm.
  • the method may also comprise a step 1 14 of environment detection of people and / or objects surrounding the person detected at the end of the detection step 1 10.
  • an environment detection step 14 is to resume the steps 104 extraction of the background, 106 extraction of the relevant related components, 108 estimation and 1 10 detection of persons and / or objects in the connected component studied at a second predetermined height H2 (and therefore a value of first parameter equal to 0.9 instead of 0.75).
  • controller 20 controls the opening of the door 16 at the moment when the authorized person is in front of the door 16.
  • the controller 20 maintains the opening of the door 16.
  • the controller 20 commands the closing of the door 16.
  • the person wears a backpack or luggage, pulls a stroller, or pulls a child accompanying him.
  • the controller 20 maintains the opening of the door 16.
  • the controller 20 commands the closing of the door 16.
  • the access control system 10 also makes it possible to avoid fraud with two people following each other closely, or if a person tries to use the right of way granted to another person by crossing the passage 22 in the opposite direction. in the sense of circulation.
  • the access control system 10 is able to detect and discriminate a person wearing a backpack or a person pulling a baggage or a stroller, or a person with a small child.
  • the access control system 10 thus has a precise detection, allowing in particular to adapt the opening time of the door 16 in each case. This avoids all accidents or incidents due to early closure. Therefore, the safe operation of the access control system 10 is ensured, the door 16 does not close after the complete passage of a person.
  • the access control system 10 can be used in all physical access control applications: public transport networks (stations, subway stations), terminals, public or private buildings, theaters, sports event sets, or others.
  • the detection method presented with reference to Figure 2 can be used in any application in which it is necessary to detect the number of people in a volume.
  • step 104 of extraction of the bottom to obtain a predetermined height can be implemented with another detection method involving only the detection of the head.
  • a detection at a second height is implemented for example as is the case here to detect a stroller.
  • step 108 it is possible to estimate the number of objects and / or people (step 108) in a connected component of a depth map in other contexts. This estimate is independent of the proposed head and shoulder detection method.
  • the step 100 of providing a depth map of the method for detecting people and / or objects in a space using a depth map comprises a plurality of sub-units. steps.
  • the supply step 100 comprises a substep of providing at least one image and a sub-step of reconstructing a depth map representative of the distance in the third direction Z, which corresponds to the vertical direction.
  • the reconstruction sub-step is generally implemented by the controller 20.
  • the step 100 of supply further comprises a substep of providing a conversion law.
  • the image comes from a camera for which an optical axis can be defined.
  • the optical axis is shifted angularly with respect to the third direction Z.
  • the optical axis is angularly offset by an angle having a value less than or equal to 45 °, preferably less than or equal to 30 ° and preferably, less than or equal to at 10 °.
  • Such a camera is suitable for acquiring an image of space.
  • the camera makes it possible to acquire images of the passage 22 in the direction of the optical axis of the camera.
  • the camera comprises a detector and a focusing optical system.
  • the detector is, for example, a CCD detector (acronym for
  • the detector is, alternatively, a CMOS detector, that is to say a detector resulting from a manufacturing technology of CMOS type (acronym for the expression "Complementary Metal Oxide Semiconductor” meaning metal oxide semiconductor complementary).
  • the focusing optical system is usually a lens having a plurality of lenses.
  • the focusing optical system is a simple lens to limit the overall cost of the camera and limit the resolution capacity of the camera to not identify the person imaged when the legislation of the country requires it.
  • the image obtained is not a depth map representative of the distance along the third direction Z.
  • the depth map is representative of the distance along the axis optical and the optical axis is angularly shifted with respect to the third direction Z
  • a conversion law is provided for converting the supplied image to the image providing sub-step into a depth map representative of the distance according to the third direction Z.
  • the conversion law is obtained by performing a preliminary calibration, the position of the camera used in the sub-step of providing image being known. For example, a test image, for which the depth map representative of the distance along the third direction Z is known, is acquired by the camera for determine the law of conversion. If necessary, several test images can be used to obtain a more robust conversion law.
  • the conversion law is applied to the supplied image. This makes it possible to obtain a depth map representative of the distance along the third direction Z.
  • Such a first example has the advantage of using only one camera while allowing to position it with a certain latitude relative to the position to the plumb.
  • a plurality of images are provided.
  • two, three or four images are provided each from a different camera.
  • Each of the images is an image of the passageway 22 in different directions.
  • the cameras are thus oriented so that their field of vision includes at least part of the passage 22.
  • each image includes at least one spatial area that is also included in at least one other image.
  • the spatial arrangement of the cameras is chosen so that such spatial overlap is possible.
  • each camera is located substantially at the same distance from the ground. It is understood by the expression “substantially” a distance equal to 5%.
  • the optical axis of each camera is angularly offset with respect to the third direction Z.
  • the optical axis is angularly offset by an angle having a value of less than or equal to 45 °, preferably less than or equal to 45 °. or equal to 30 ° and preferably less than or equal to 10 °.
  • the offset is the same for each camera.
  • the position of the cameras is such that their center of gravity forms a regular polygon.
  • the different cameras are identical to facilitate the implementation of the reconstruction sub-step.
  • an algorithm is applied to extract from the images a depth map.

Abstract

L'invention concerne un procédé d'estimation du nombre de personnes et/ou d'objets dans un espace comportant une étape de : - détermination d'une composante connexe dans une carte en profondeur, - comparaison de l'aire de la composante connexe à au moins un seuil de surface, - estimation du nombre de personnes et/ou d'objets dans la composante connexe en fonction du résultat de l'étape de comparaison de l'aire, les valeurs du au moins un seuil de surface dépendant d'un modèle de tête d'une personne moyenne et de paramètres d'acquisition de la carte en profondeur et/ou de traitements appliqués à la carte en profondeur.

Description

Procédé d'estimation du nombre de personnes et/ou d'objets dans un espace
La présente invention concerne un procédé d'estimation du nombre de personnes et/ou d'objets dans un espace, un programme d'ordinateur associé et un système de contrôle d'accès utilisant un tel procédé d'estimation.
Des systèmes de contrôle d'accès sont couramment utilisés dans le domaine des transports de personnes. A titre d'exemple, des systèmes de contrôle d'accès sont employés dans les transports en commun terrestres et aériens. Ainsi, de tels systèmes se trouvent dans les gares, les stations de métro ou les aérogares.
Ces systèmes de contrôle d'accès comprennent un couloir dont l'accès est régulé par l'ouverture ou la fermeture d'une porte. Il convient alors de convenablement détecter le passage ou du moins la présence d'une personne dans la portion de couloir qui précède la porte. L'ouverture de la porte est alors synchronisée avec le passage de la personne détectée. De plus, la durée de l'ouverture de la porte est adaptée et limitée pour permettre le passage de la personne détectée sans autoriser le passage de la personne suivante dont le droit d'accès n'a pas été contrôlé et validé. En effet, il est souhaitable de n'autoriser le passage du système de contrôle d'accès physique qu'aux personnes munies d'un titre de transport valide, en vue d'éviter la fraude.
Pour cela, il est connu des systèmes de contrôle d'accès dont le couloir est délimité latéralement de chaque côté par un coffre. Un des coffres comporte des cellules d'émission de faisceaux lumineux et l'autre coffre comprend des cellules de réception de faisceaux lumineux placées en regard d'une cellule d'émission correspondante. Ainsi, la détection des personnes est réalisée par coupure d'un ou de plusieurs faisceaux lumineux.
Des raisons économiques conduisent à limiter le nombre de cellules. Il en résulte des accidents, en particulier dus à une fermeture brutale et intempestive de la porte sur une personne. Par exemple, dans le cas d'une personne adulte accompagnée d'une jeune enfant, de petite taille, la porte risque de se refermer avant le passage de l'enfant, si l'enfant suit la personne adulte. D'une manière similaire, si une personne porte un gros sac à dos ou tire un bagage à roulettes ou conduit une poussette, ce qui est relativement courant dans le cas d'accès à des réseaux de transport, il existe un risque de fermeture intempestive de la porte sur le sac à dos ou le bagage à roulettes ou la poussette.
Pour empêcher de tels accidents, le temps d'ouverture de la porte est simplement augmenté.
Mais ceci n'est pas complètement satisfaisant. En effet, d'une part le risque de fraude est augmenté, puisqu'une possibilité de passage à des personnes non autorisées est laissée. D'autre part, le nombre de personnes pouvant franchir un couloir par unité de temps est réduit, ce qui peut affecter la « fluidité » du passage, à moins d'augmenter le nombre de couloirs parallèles.
Ainsi, pour assurer une bonne sécurité, il convient de disposer du plus grand nombre possible de cellules dans les coffres des systèmes de contrôle d'accès.
Toutefois, dans certaines situations, du fait de l'éloignement des cellules, des cas spécifiques de fraude comme deux personnes qui se suivent de manière très proche ou se situent au même niveau ne sont pas détectées. Ce type de fraude est appelé « tailgating ».
II existe donc un besoin pour un procédé d'estimation du nombre de personnes et/d'objets dans un espace présentant une meilleure efficacité.
Selon l'invention, ce but est atteint par un procédé d'estimation du nombre de personnes et/ou d'objets dans un espace comprenant un sol à l'aide d'une carte de profondeur, une direction verticale étant définie comme la normale au sol, la carte de profondeur étant représentative de la distance selon la direction verticale, acquise par un capteur optique. Le procédé comporte une étape de détermination d'une composante connexe dans la carte de profondeur, une étape de comparaison de l'aire de la composante connexe à au moins un seuil de surface, et une étape d'estimation du nombre de personnes et/ou d'objets dans la composante connexe en fonction du résultat de l'étape de comparaison de l'aire, les valeurs du au moins un seuil de surface dépendant d'un modèle de tête d'une personne moyenne et de paramètres d'acquisition de la carte en profondeur et/ou de traitements appliqués à la carte de profondeur.
Suivant des modes de réalisation particuliers, le procédé comprend une ou plusieurs des caractéristiques suivantes, prise(s) isolement ou suivant toutes les combinaisons techniquement possibles :
- l'espace est un couloir, le couloir comprenant un passage, le passage s'étendant principalement selon une première direction transversale, une porte s'étendant suivant une deuxième direction transversale, la deuxième direction transversale étant perpendiculaire à la première direction transversale, la direction verticale étant perpendiculaire aux deux directions transversales, un capteur optique étant positionné à l'aplomb du couloir.
- le procédé comporte, en outre, les étapes de fourniture d'une image de l'espace, fourniture d'une loi de conversion et reconstruction de la carte de profondeur à partir de l'image fournie et de la loi de conversion fournie. - le procédé comporte, en outre, les étapes de fourniture d'au moins une image d'une partie de l'espace, chaque image ayant un recouvrement spatial avec au moins une autre image, et reconstruction de la carte de profondeur à partir des images fournies.
- l'étape de comparaison de l'aire comprend la comparaison de l'aire de la composante connexe à un premier seuil de surface, à un deuxième seuil de surface et à un troisième seuil de surface, le deuxième seuil de surface étant strictement supérieur au premier seuil de surface et le troisième seuil de surface étant strictement supérieur au deuxième seuil de surface.
- le procédé comporte, en outre, une étape de calcul de la circularité de la composante connexe, la circularité étant définie mathématiquement par
4
P2
Où :
• C est la circularité de la composante connexe,
• A est l'aire de la composante connexe, et
· P est le périmètre de la composante connexe.
- le procédé comporte, en outre, une étape de comparaison de la circularité calculée à un seuil de circularité, le seuil de circularité dépendant d'un modèle de tête d'une personne moyenne, de paramètres d'acquisition de la carte en profondeur et/ou de traitements appliqués à la carte en profondeur, l'étape d'estimation du nombre de personnes et/ou d'objets dans la composante connexe étant également fonction de l'étape de comparaison de la circularité.
- à l'étape d'estimation, il est estimé qu' aucun élément n'est présent dans la composante connexe si l'aire de la composante connexe est inférieure au premier seuil de surface, qu'un élément est présent dans la composante connexe si l'aire de la composante connexe est comprise entre le premier seuil de surface et le deuxième seuil de surface, qu'un élément est présent dans la composante connexe si l'aire de la composante connexe est comprise entre le deuxième seuil de surface et le troisième seuil de surface et si la circularité est inférieure au seuil de circularité, qu'un élément est présent dans la composante connexe si l'aire de la composante connexe est comprise entre le deuxième seuil de surface et le troisième seuil de surface et si la circularité est supérieure au seuil de circularité, que deux éléments sont présents dans la composante connexe si l'aire de la composante connexe est comprise entre le deuxième seuil de surface et que le troisième seuil de surface et si la circularité est inférieure au seuil de circularité, et trois éléments sont présents dans la composante connexe si l'aire de la composante connexe est supérieure au troisième seuil de surface, l'élément étant une personne ou un objet.
- les paramètres d'acquisition de la carte en profondeur sont choisis dans le groupe constitué de la hauteur de la caméra, de la fréquence d'acquisition de la caméra et du champ de la caméra.
- les paramètres de traitements appliqués à la carte en profondeur sont obtenus par un algorithme d'apprentissage sur des personnes ou sur des personnes portant des objets ou sur des personnes poussant ou tirant des objets.
- les étapes de détection sont mises en œuvre par une détection de la tête et des épaules des éventuelles personnes dans la carte en profondeur.
En outre, il est proposé un produit programme d'ordinateur comportant des instructions de codes de programmation aptes à être mises en œuvre par un processeur, le processeur étant apte à mettre en œuvre le procédé tel que précédemment décrit.
Il est également proposé un système de contrôle d'accès comportant un couloir s'étendant le long d'une première direction et barré par une porte s'ouvrant ou se fermant pour autoriser ou interdire le passage de personnes, en fonction de la détection de présences de personnes et/ou de vérification d'autorisation d'accès affectés auxdites personnes. Le système de contrôle d'accès comprend un moyen de reconnaissance d'endroits d'accès au couloir, un capteur optique propre à acquérir une carte de profondeur d'au moins une partie du système de contrôle d'accès et positionnée à l'aplomb du couloir, et un contrôleur propre à réaliser la reconnaissance et le suivi de contour de personnes et/ou d'objets présents dans le couloir, en vue d'une commande adaptée d'ouverture et de fermeture de la porte, le contrôleur étant propre à mettre en œuvre le procédé tel que précédemment décrit.
Selon l'invention, ce but est atteint par un procédé d'estimation du nombre de personnes et/ou d'objets dans un espace à l'aide d'une carte en profondeur de l'espace issue d'un capteur optique comportant une étape de détermination d'une composante connexe dans la carte en profondeur, une étape de comparaison de l'aire de la composante connexe à au moins un seuil de surface, et une étape d'estimation du nombre de personnes et/ou d'objets dans la composante connexe en fonction du résultat de l'étape de comparaison de l'aire. Les valeurs du au moins un seuil de surface dépendent d'un modèle de tête d'une personne moyenne et de paramètres d'acquisition de la carte en profondeur et/ou de traitements appliqués à la carte en profondeur. Autrement dit, les valeurs d'au moins un seuil de surface dépendent d'un modèle de tête d'une personne moyenne, et d'au moins un paramètre choisi parmi des paramètres d'acquisition de la carte en profondeur et des paramètres de traitements appliqués à la carte en profondeur.
Suivant des modes de réalisation particuliers, le procédé comprend une ou plusieurs des caractéristiques suivantes, prise(s) isolement ou suivant toutes les combinaisons techniquement possibles :
- l'étape de comparaison de l'aire comprend la comparaison de l'aire de la composante connexe à un premier seuil de surface, à un deuxième seuil de surface et à un troisième seuil de surface, le deuxième seuil de surface étant strictement supérieur au premier seuil de surface et le troisième seuil de surface étant strictement supérieur au deuxième seuil de surface.
- le procédé comporte, en outre, une étape de calcul de la circularité de la composante connexe, la circularité étant définie mathématiquement par
4
P2
Où :
· C est la circularité de la composante connexe,
• A est l'aire de la composante connexe, et
• P est le périmètre de la composante connexe.
- le procédé comporte, en outre, une étape de comparaison de la circularité calculée à un seuil de circularité, le seuil de circularité dépendant d'un modèle de tête d'une personne moyenne, de paramètres d'acquisition de la carte en profondeur et/ou de traitements appliqués à la carte en profondeur, l'étape d'estimation du nombre de personnes et/ou d'objets dans la composante connexe étant également fonction de l'étape de comparaison de la circularité.
- à l'étape d'estimation, il est estimé qu' aucun élément n'est présent dans la composante connexe si l'aire de la composante connexe est inférieure au premier seuil de surface, qu'un élément est présent dans la composante connexe si l'aire de la composante connexe est comprise entre le premier seuil de surface et le deuxième seuil de surface, qu'un élément est présent dans la composante connexe si l'aire de la composante connexe est comprise entre le deuxième seuil de surface et le troisième seuil de surface et si la circularité est inférieure au seuil de circularité, qu'un élément est présent dans la composante connexe si l'aire de la composante connexe est comprise entre le deuxième seuil de surface et le troisième seuil de surface et si la circularité est supérieure au seuil de circularité, que deux éléments sont présents dans la composante connexe si l'aire de la composante connexe est comprise entre le deuxième seuil de surface et que le troisième seuil de surface et si la circularité est inférieure au seuil de circularité, et trois éléments sont présents dans la composante connexe si l'aire de la composante connexe est supérieure au troisième seuil de surface, l'élément étant une personne ou un objet.
- les paramètres d'acquisition de la carte en profondeur sont choisis dans le groupe constitué de la hauteur de la caméra, de la fréquence d'acquisition de la caméra et du champ de la caméra.
- les paramètres de traitements appliqués à la carte en profondeur sont obtenus par un algorithme d'apprentissage sur des personnes ou sur des personnes portant des objets ou sur des personnes poussant ou tirant des objets.
- les étapes de détection sont mises en œuvre par une détection de la tête et des épaules des éventuelles personnes dans la carte en profondeur.
En outre, il est proposé un programme d'ordinateur comportant des instructions de codes de programmation aptes à être mises en œuvre par un processeur, le processeur étant apte à mettre en œuvre le procédé tel que précédemment décrit.
Il est également proposé un système de contrôle d'accès comportant un couloir s'étendant le long d'une première direction et barré par une porte s'ouvrant ou se fermant pour autoriser ou interdire le passage de personnes, en fonction de la détection de présences de personnes et/ou de vérification d'autorisation d'accès affectés auxdites personnes. Le système de contrôle d'accès comprend un moyen de reconnaissance d'endroits d'accès au couloir, un capteur optique propre à acquérir une carte de profondeur d'au moins une partie du système de contrôle d'accès et positionnée à l'aplomb du couloir, et un contrôleur propre à réaliser la reconnaissance et le suivi de contour de personnes et/ou d'objets présents dans le couloir, en vue d'une commande adaptée d'ouverture et de fermeture de la porte, le contrôleur étant propre à mettre en œuvre le procédé tel que précédemment décrit.
D'autres caractéristiques et avantages de l'invention apparaîtront à la lecture de la description qui suit de modes de réalisation de l'invention, donnée à titre d'exemple uniquement et en référence aux dessins qui sont :
- figure 1 , une vue d'ensemble, en perspective, d'un exemple de système de contrôle d'accès,
- figure 2, une vue en plan de dessus du système de contrôle d'accès de la figure 1 ,
- figure 3, un ordinogramme d'un exemple de procédé de détection,
- figure 4, un exemple de carte de profondeur du fond, - figure 5, un exemple de carte de profondeur représentant une personne avec une poussette,
- figure 6, un exemple de masque obtenu avec un premier seuil de sensibilité,
- figure 7, un exemple de masque obtenu avec un deuxième seuil de sensibilité, - figure 8, un exemple de carte de profondeur correspondant au passage d'une personne,
- figure 9, une représentation du volume occupé par la personne représentée à la figure 8,
- figure 10, une représentation schématique de la personne de la figure 8 après la sous-étape de détermination de régions d'intérêt,
- figure 1 1 , une représentation schématique de la sous-étape de comparaison avec une zone théorique formant la tête de la personne de la figure 8, et
- figure 12, une représentation schématique de la sous-étape de comparaison avec une zone théorique formant la tête et des épaules de la personne de la figure 8.
Un système de contrôle d'accès 10 est représenté à la figure 1 .
Le système de contrôle d'accès 10 est un système de contrôle d'accès physique.
Le système de contrôle d'accès 10 est de type bidirectionnel. Dans le cas d'un système de contrôle d'accès « bidirectionnel », tel que considéré dans l'exemple illustré à la figure 1 , il peut s'agir d'un système de contrôle d'accès bidirectionnel alterné, c'est-à- dire qui, pendant une période donnée n'autorise le passage que dans l'un des deux sens, convenablement choisi, ou d'un système de contrôle d'accès bidirectionnel permanent, c'est-à-dire qui, à tout moment, autorise le passage dans les deux sens.
Selon l'exemple de la figure 1 , le sens de circulation autorisé est indiqué par une flèche 12. De ce fait, il peut être défini un côté gauche et un côté droit. Le côté gauche correspond au côté gauche d'un passager circulant dans le sens de circulation alors que le côté droit correspond au côté droit du même passager circulant dans le sens de circulation.
Le système de contrôle d'accès 10 comporte un couloir 14, une porte 16, un capteur optique 18 et un contrôleur 20.
Le couloir 14 comprend un passage 22, un premier coffre 24, un deuxième coffre
26 et deux moyens de reconnaissance 28 d'un droit d'accès.
Le passage 22 s'étend principalement le long d'une première direction X.
Le premier coffre 24 se situe sur le côté gauche du passage 22 tandis que le deuxième coffre se situe sur la droite du passage 22.
Selon l'exemple de la figure 1 , dans le sens de circulation, le deuxième coffre 26 comporte le premier moyen de reconnaissance 28. Le premier moyen de reconnaissance 28 est positionné à une extrémité du deuxième coffre 26, cette extrémité étant l'extrémité distale par rapport à la porte 16.
En outre, dans le sens inverse du sens de circulation, le premier coffre 24 comporte le deuxième moyen de reconnaissance 28, le deuxième moyen de reconnaissance 28 étant positionné à une extrémité du premier coffre 24, cette extrémité étant l'extrémité distale par rapport à la porte 16.
Dans l'exemple représenté, chaque moyen de reconnaissance 28 est un lecteur.
Le moyen de reconnaissance 28 est propre à permettre le passage du couloir 14 par une personne lorsqu'un titre de transport, une carte magnétique conférant un droit d'accès, est présenté au lecteur 28. Pour conférer un droit d'accès, le titre de transport ou la carte magnétique doit être reconnu comme valable par le moyen de reconnaissance 28.
En variante, le deuxième coffre 26 comporte un lecteur à distance capable de lire à distance le moyen d'identification de ladite personne au lieu du lecteur 28.
La porte 16 est propre à s'ouvrir ou se fermer pour autoriser ou interdire le passage de personnes en fonction de la détection de présence de personnes et/ou de vérification d'autorisations d'accès affectées auxdites personnes.
La porte 16 s'étend le long d'une deuxième direction Y perpendiculaire à la première direction X et est disposée à mi-distance du couloir 14. Cela signifie que la porte 16 se trouve à égale distance le long de la première direction X de chaque extrémité des coffres 24, 26 délimitant le couloir 14.
La porte 16 comporte deux vantaux 30 et 32 : un vantail gauche 30 et un vantail droit 32.
Par exemple, les deux vantaux 30 et 32 sont fabriqués en verre afin d'obtenir des vantaux résistants du point de vue mécanique.
Les deux vantaux 30 et 32 sont déplaçables dans un même plan vertical transversal au couloir 14 entre une position dite position d'ouverture et une position dite position de fermeture. Le passage de la position d'ouverture à la position de fermeture se fait par un coulissement. Ce coulissement est indiqué par deux flèches 34 sur la ligne 1 .
Les deux flèches 34 sont selon la deuxième direction Y.
La position d'ouverture est représentée sur la figure 1 . Dans la position d'ouverture, les deux vantaux 30, 32 sont escamotés respectivement dans le premier coffre 24 et dans le deuxième coffre 26, ce qui libère le passage par le couloir 14.
La position de fermeture des vantaux 30 et 32 est représentée sur la figure 2. Dans la position de fermeture, les deux vantaux 30 et 32 sont rapprochés l'un de l'autre de manière à barrer le passage par le couloir 14. Pour obtenir ce fonctionnement particulier, selon l'exemple de la figure 1 , chaque coffre 24, 26 comporte un organe de commande des mouvements du vantail 30, 32 respectif. Les organes de commande ne sont pas représentés sur les figures 1 et 2 dans un souci de simplification. Les organes de commande sont propres à commander l'ouverture et la fermeture du vantail 30, 32 auquel ces organes sont associés. L'organe de commande du premier coffre 24 est ainsi propre à commander les mouvements du vantail gauche 30 alors que l'organe de commande du deuxième coffre 26 est propre à commander les mouvements du vantail droit 32. Par exemple, les organes de commande sont des moteurs.
En variante, les deux vantaux 30, 32 sont déplaçables entre une position d'ouverture et de fermeture par rotation des vantaux 30 et 32 autour d'un axe propre. Dans ce cas, les deux vantaux 30 et 32 sont pivotants.
Selon d'autres modes de réalisation, la porte 16 comporte un seul vantail ou est un portillon.
Le capteur optique 18 est propre à acquérir une ou plusieurs images du système de contrôle d'accès 10. Plus spécifiquement, le capteur 18 est propre à acquérir des images d'au moins le passage 22 du couloir 14.
Pour cela, selon l'exemple de la figure 1 , le capteur optique 18 est positionné à l'aplomb du couloir 14. Dans le cas particulier de la figure 1 , cela signifie que le capteur optique 18 est sensiblement, selon une troisième direction Z, perpendiculaire aux directions X et Y. Ainsi, le capteur optique 18 est au droit du passage 22 du couloir 14, c'est-à-dire qu'il est situé à la verticale du passage 22.
En outre, comme le capteur optique 18 est propre à acquérir des images d'au moins le passage 22 du couloir 14, cela implique que la distance du capteur optique 18 le long de la troisième direction Z par rapport au sol délimitant le couloir 14 est relativement grande, typiquement supérieure à 300 cm et de préférence supérieure à 250 cm.
Dans l'exemple représenté, le capteur optique 18 est une caméra fonctionnant sur le principe du temps de vol (souvent désigné par l'acronyme anglais correspondant TOF pour « Time of Flight »). Une telle caméra permet d'acquérir des cartes tridimensionnelles ou cartes de profondeur du couloir 14. Par définition, une carte de profondeur ou carte tridimensionnelle est une matrice bidimensionnelle donnant la distance de l'élément vu par le capteur 18 par rapport au capteur optique 18 au lieu de donner le nombre de photons provenant de l'élément vu par le capteur optique 18.
Dans l'exemple représenté, le capteur optique 18 comprend un détecteur matriciel 36 et un système optique 38. Le détecteur matricielle 36 est, par exemple, un détecteur de type CCD. Un détecteur de type CCD (acronyme anglais de « Charge Coupled Device » pour « dispositif à transfert de charges ») est un détecteur propre à transformer en signal lumineux en signal électrique.
Le système optique 38 comprend, à titre d'illustration, des lentilles.
En variante, le système optique 38 comporte des prismes et/ou des guides d'ondes.
Selon un autre mode de réalisation, le capteur optique 18 comporte uniquement un détecteur matricielle 36.
Le contrôleur 20 est propre à réaliser la reconnaissance et le suivi de contour de personnes et/ou d'objets présents dans le couloir 14 à partir des cartes de profondeur acquises par le capteur optique 18, en vue d'une commande adaptée d'ouverture/ fermeture de la porte 16.
Notamment, le contrôleur 20 est propre à reconnaître les contours des personnes engagées dans le couloir 14, y compris la présence éventuelle d'un sac à dos, ou d'un objet volumineux tiré par la personne, ou d'un enfant de petite taille accompagnant ladite personne.
Le contrôleur 20 est également propre à prendre une décision d'ouverture ou de fermeture en fonction des contours reconnus et/ou suivis.
Le contrôleur 20 comporte une unité électrique de traitement propre à effecteur l'analyse et le traitement des cartes de profondeur issues du capteur 18. En particulier, l'unité électronique de traitement est propre à mettre en œuvre un procédé de détection de personnes et/ou d'objets dans un espace.
Selon l'exemple de la figure 1 , le contrôleur 20 est situé dans le deuxième coffre 26 et coopère avec le capteur optique 18, le moyen de reconnaissance d'un droit d'accès 28 et les organes de commande des mouvements de chaque vantail 30 et 32. Cette coopération est, par exemple, mise en œuvre par communication de signaux optiques.
Le fonctionnement du système de contrôle d'accès 10 est maintenant décrit.
Une personne introduit dans le lecteur 28 un titre de transport reconnu comme valable et autorisant le passage de la personne.
En parallèle, le capteur 18 acquiert des cartes de profondeur qui montrent la personne en train de passer par le passage 22.
Le contrôleur 20 est alors propre à détecter une ou des personnes et/ou un ou des objets dans les cartes de profondeur acquises par le capteur optique 18. Pour cela, le contrôleur 20, ou plus précisément l'unité électronique de traitement, met en œuvre un procédé de détection de personnes et/ou d'objets dans le couloir 14 tel qu'illustré par l'ordinogramme de la figure 3.
Le procédé de détection comporte une étape 100 de fourniture d'une carte de profondeur du couloir 14 et des éventuelles personnes et/ou objets se trouvant dans le couloir 14. La carte de profondeur est issue du capteur optique 18. Par exemple, le capteur optique 18 envoie les données correspondant à la carte de profondeur acquise au contrôleur 20 via des signaux optiques.
Le procédé de détection comprend alors une étape 102 de traitement de la carte de profondeur fournie à l'étape 100 de fourniture.
L'étape 102 de traitement vise à améliorer la qualité de la carte de profondeur fournie. Notamment, il est souhaitable de réduire le bruit d'acquisition qui provient du moment où le capteur optique 18 a acquis les cartes de profondeur pour augmenter le rapport signal/bruit.
De préférence, l'étape 102 de traitement est mise en œuvre à l'aide d'un algorithme de débruitage d'image.
Par exemple, à l'étape 102 de traitement, un lissage de la carte de profondeur par un noyau gaussien est utilisé. En l'occurrence, le noyau gaussien est caractérisable par rapport à un pixel de la carte de profondeur, le noyau gaussien est de taille 3x3 pixels avec une largeur de 0,5 pixels.
En variante d'autres types de lissage ou de traitement sont envisageables.
A l'issue de l'étape 102 de traitement, une carte de profondeur traitée est donc obtenue.
Le procédé de détection comprend ensuite une étape 104 d'extraction du fond de la carte de profondeur traitée.
L'étape 104 d'extraction du procédé de détection comprend quatre sous-étapes 104 1 , 104 2, 104 3 et 104 4 qui vont maintenant être détaillées.
Le procédé de détection comporte d'abord une première sous-étape 104 1 de fourniture d'une carte de profondeur du couloir 14 en l'absence de personnes et/ou d'objets dans le couloir 14. Une telle carte de profondeur est appelée dans la suite de la description, une « carte de profondeur de fond » ou « background image » selon la terminologie anglaise.
De préférence, la carte de profondeur de fond correspond à une carte de profondeur du couloir 14 en l'absence de personnes ou d'objets ayant subi le même traitement visant à améliorer la qualité que le traitement proposé à l'étape 102 de traitement. Notamment, selon l'exemple du procédé de l'ordinogramme de la figure 3, un lissage de la carte de profondeur de fond est effectué avec un noyau gaussien.
Le procédé comporte une deuxième sous-étape 104 2 de choix d'une première hauteur de détection souhaitée. La première hauteur de détection souhaitée est notée H1 dans la suite de la description.
Selon les cas, le choix est automatique ou effectué par un utilisateur du procédé.
Le procédé comporte ensuite une troisième sous-étape 104 3 de génération d'une première carte de fond à partir de la carte de profondeur de fond et de la première hauteur de détection H1 .
Pour cela, le contrôleur 20 convertit la première hauteur de détection H1 en un premier paramètre P1 dit facteur d'échelle ou facteur de sensibilité. Ce premier paramètre P1 est compris entre 0 et 1 .
Le contrôleur obtient ensuite la première image de profondeur de fond par multiplication de la carte de profondeur de fond avec le premier paramètre P1 . Dans ce contexte, pour définir la multiplication d'une carte de profondeur par un scalaire, il convient de rappeler qu'une carte de profondeur correspond à la valeur de la distance par rapport au capteur optique 18 pour une pluralité de pixels. Ainsi, multiplier une carte de profondeur par un scalaire signifie que la valeur de distance de chaque pixel est multipliée par le scalaire.
Le procédé comporte ensuite une quatrième sous-étape 104 4 de soustraction de la première carte de profondeur de fond à la carte de profondeur traitée pour obtenir une première carte de profondeur à analyser.
Il peut être montré qu'en soustrayant la première carte de profondeur de fond, une carte de profondeur limitée à une certaine hauteur par rapport au capteur optique 18 est obtenue. Ainsi la première carte de profondeur à analyser permet de détecter l'ensemble des personnes et des objets compris entre le capteur optique 18 et la première hauteur
H1 par rapport au sol délimitant le couloir 14.
Les figures 4 à 7 illustrent l'étape 104 d'extraction du fond de la carte de profondeur traitée.
La figure 4 présente un exemple de carte de profondeur du fond.
La carte de profondeur représentée à la figure 5 correspond à une carte de profondeur traitée obtenue en présence d'une personne avec une poussette. Il est choisi un premier paramètre P1 de 0,75. La première image de fond associée n'est pas représentée. En soustrayant cette première carte de profondeur à la carte de profondeur de la figure 5, il est obtenu une première carte de profondeur à analyser.
Le masque de profondeur associé est représenté à la figure 6. Par définition, un masque de profondeur est une représentation binaire d'une carte de profondeur. Une valeur nulle (blanc) indique qu'un objet ou une personne dépasse la hauteur de détection tandis qu'une valeur de 1 (noir) indique l'absence d'un objet ou d'une personne dépassant la hauteur de détection.
Dans le cas où le premier paramètre P1 est augmenté à 0,9, le masque de la figure 7 est obtenu.
La hauteur de détection diminue lorsque le premier paramètre P1 augmente. De ce fait, pour une hauteur correspondant à un premier paramètre de 0,75, il est observé seulement la tête et les épaules de la personne poussant la poussette alors que pour un premier paramètre égal à 0,9, il est observé à la fois le corps de la personne adulte poussant la poussette, mais également une forme correspondant à la poussette.
Autrement dit, dans les cas représentés, pour un premier paramètre de 0,75 il est possible de détecter des objets avec une taille supérieure à 1 m environ (d'où le fait que la poussette n'est pas observée) et pour une sensibilité de 0,9, pratiquement tous les objets de taille supérieure au sol sont détectés.
Le procédé de détection comporte alors une étape 106d'extraction des composantes connexes pertinentes du masque de profondeur.
Un algorithme de calcul des composantes connexes appliqué directement au masque de profondeur permet d'extraire les composantes connexes du masque de profondeur. Ces composantes connexes ne sont toutefois pas les composantes connexes pertinentes dans la mesure où le masque de profondeur comporte des imperfections liées à l'acquisition de la carte de profondeur et aux fluctuations lors de cette acquisition.
De ce fait, selon l'exemple de la figure 2, l'étape 106 d'extraction des composantes connexes pertinentes comprend deux sous-étapes 106_1 et 106_2: une première sous- étape 106_1 de régularisation du masque de profondeur et une sous-étape 106_2 de calcul des composantes connexes du masque de profondeur régularisé.
La sous-étape 106_1 de régularisation est effectuée à l'aide d'opérations morphologiques ayant pour but de supprimer les régions de petite taille du masque. Ces régions ne seraient pas pertinentes dans le cadre de l'application visée, à savoir reconnaître des objets macroscopiques et des personnes. Selon les cas, ce sont quelques pixels blancs isolés qui sont noircis ou des pixels noirs qui sont rendus blancs. Ce changement se fonde sur l'environnement du pixel et la morphologie des zones attendues en présence de personnes ou d'objets usuels.
En variante, la sous-étape 106_1 de régularisation comprend des traitements de lissage. L'analyse en composantes connexes de la sous-étape 106_2 de calcul permet alors d'extraire les composantes connexes pertinentes du masque régularisé.
Il est donc compris que le terme pertinent dans le cadre de cette étape 106 d'extraction des composantes connexes signifie pertinent vis-à-vis des objets détectés ou des personnes détectées.
A l'issue de l'étape 106 d'extraction des composantes connexes pertinentes, il est donc obtenu un certain nombre de composantes connexes. Chacune de ces composantes connexes va être successivement examinée. Dans la suite de la description, le traitement appliqué sur une seule composante connexe est seulement décrit sachant que, dans le cas général, le même traitement est appliqué à toutes les composantes connexes successivement. Pour cela, le procédé sera illustré à l'aide d'une situation particulière où seule une personne est présente ainsi que représenté à la figure 8.
Le procédé de détermination comporte ensuite une étape 108 de détermination du nombre d'objets et/ou de personnes contenus dans la composante connexe étudiée.
Cette étape 108 de détermination exploite la surface en nombre de pixels de la composante connexe ainsi que sa morphologie.
A titre d'illustration pour le cas présenté, il est estimé que dans une seule composante connexe, un, deux, ou trois éléments (objets ou personnes) sont présents dans les cas suivants :
- si l'aire de la composante connexe est inférieure à une première valeur de seuil de surface S1 : il n'y a aucun élément dans la composante connexe,
- si l'aire de la composante connexe est comprise entre la première valeur de seuil de surface S1 et la deuxième valeur de seuil de surface S2 un élément se trouve dans la composante connexe,
- si l'aire de la composante connexe est supérieure à la deuxième valeur de seuil de surface S2 et inférieure à une troisième valeur de seuil de surface S3 et que la circularité de la composante connexe est supérieure à un seuil de circularité C1 , un élément est présent dans la composante connexe,
- si l'aire de la composante connexe est comprise entre la deuxième valeur de seuil de surface S2 et la troisième valeur de seuil de surface S3 et si la circularité de la composante connexe est inférieure à la valeur de seuil de circularité C1 , deux éléments sont présents dans la composante connexe, et
- si l'aire de la surface de la composante connexe est supérieure à la troisième valeur de seuil de surface S3, alors il y a trois éléments dans la composante connexe.
La circularité notée C est un paramètre défini par la formule suivante : 4
P2
Où :
• A est l'aire de la composante connexe et
• P est le périmètre de la composante connexe.
Les valeurs de seuil S1 , S2, S3 et S4 dépendent d'un modèle de tête d'une personne moyenne. Le modèle dépend également de paramètres d'acquisition de la carte en profondeur et/ou de paramètres de traitements appliqués à la carte en profondeur.
Les paramètres d'acquisition de la carte en profondeur peuvent notamment comprendre la hauteur de détection souhaitée (H1 en l'occurrence), la hauteur de la caméra, la fréquence d'acquisition de la caméra, le champ de la caméra.
Les paramètres de traitements appliqués à la carte en profondeur comprennent par exemple les paramètres du noyau de débruitage appliqué à la carte en profondeur, le premier paramètre P1 ou encore les paramètres caractéristiques des éventuels filtres morphologiques appliqués pour extraire les composantes connexes pertinentes.
Selon les modes de réalisation, les paramètres de traitement sont obtenus de manière empirique en utilisant l'expérience de l'homme du métier ou par un algorithme d'apprentissage sur des personnes ou sur des personnes portant des objets ou sur des personnes poussant ou tirant des objets. L'algorithme d'apprentissage permet d'établir une optimisation globale du choix des paramètres en considérant plusieurs paramètres simultanément au contraire de la méthode empirique qui consiste à se positionner pour certains paramètres au niveau d'un optimum local en vue d'obtenir le meilleur choix.
Ce procédé d'estimation du nombre d'objets est donc un procédé avec des seuils évolutifs, ce qui permet d'améliorer la précision de la détection du nombre de personnes et/ou d'objets dans certains cas particuliers, comme lors du passage de deux enfants dans le couloir 14. Avec un modèle utilisant simplement la représentation de la tête d'une personne moyenne, seule une personne est détectée alors qu'avec le procédé proposé, deux personnes sont détectées.
En variante, le procédé d'estimation comporte uniquement une étape de comparaison de l'aire de la composante connexe sans comparaison pour la circularité. Ceci est plus simple à mettre en œuvre.
Dans le cas illustré, à l'issue de l'étape 108 d'estimation il est déterminé que l'espace considéré, à savoir la composante connexe étudiée, ne comprend qu'un seul objet ou qu'une seule personne.
Le procédé de détection comporte alors une étape 1 10 de détection de personnes et/ ou d'objets dans la composante connexe étudiée. L'étape 1 10 de détection comporte une pluralité de sous-étapes 1 10 1 , 1 10_2 et
1 10_3 qui sont maintenant décrites.
L'étape 1 10 de détection comporte une sous-étape 1 10 1 de détermination de régions d'intérêt.
Dans le cadre de l'invention, il est rappelé que la carte comporte un ensemble de pixels associés chacun à une distance au capteur optique 18. Une région d'intérêt regroupe les pixels associés à la même distance à ± 5% près. Chaque région d'intérêt peut donc être définie par une distance au capteur optique 18.
Selon un mode de réalisation préférée, les régions d'intérêts déterminées regroupent uniquement les pixels contigus. En effet, dans le cadre d'une détection d'un être humain, les régions d'intérêt correspondent à des parties du corps et sont donc continues.
De multiples algorithmes connus permettent d'obtenir les régions d'intérêt. A titre d'exemple, une région d'intérêt peut être obtenue par un algorithme de clustering. En analyse de données statistiques, le clustering (data clustering pour les anglophones) décrit des méthodes de classification de données comme la méthode de regroupement hiérarchique ou la méthode de partitionnement de données. En l'occurrence, les données à classer sont des distances au capteur optique 18.
A titre d'illustration, pour le cas d'une personne traversant le couloir (cas de a figure 8), plusieurs régions d'intérêts ont été déterminées comme le montre la figure 10. Apparaissent notamment trois régions d'intérêts : une première région d'intérêt 200 associée à la tête de la personne, une deuxième région d'intérêt 201 associée aux épaules de la personne ainsi qu'une troisième région d'intérêt 204 associée aux bras de la personne.
Optionnellement, l'étape 1 10 de détection comporte une étape additionnelle de sélection des régions d'intérêts. Une manière de sélectionner les régions d'intérêt est de choisir les distances auxquelles elles sont associées. Par exemple, pour le procédé décrit, les deux régions d'intérêt dont la distance au capteur optique 18 est la plus faible sont particulièrement intéressantes dans la mesure où la probabilité que ces régions d'intérêt correspondent à la tête et aux épaules est importante.
L'étape 1 10 de détection comporte en outre une sous-étape 1 10_2 d'ajustement de zones théoriques issues d'un modèle humain pour la tête et les épaules aux deux premières régions d'intérêt 200 et 202.
La région d'intérêt 200 correspondant à la tête et la région d'intérêt 202 correspondant aux épaules sont comparées respectivement à deux zones théoriques. En l'occurrence, la zone théorique de la tête est une première ellipse tandis que deux ellipses correspondent à la zone théorique des épaules. Dans chacun des cas, les zones théoriques sont ajustées selon une métrique sélectionnée pour que les zones théoriques correspondent du point de vue de leur orientation et de leur position aux régions d'intérêt sélectionnées.
Dans l'exemple illustré par la figure 1 1 , la meilleure orientation de la zone théorique est choisie comme celle qui donne la meilleure corrélation.
La même procédure est répétée pour les épaules.
L'étape 1 10 de détection une sous-étape de calcul d'un score de similarité entre le modèle humain et la composante connexe étudié, ce score étant comparé à un seuil. Lorsque que le score est supérieur au seuil, un être humain est détecté
A l'aide de ces zones théoriques ajustées, il est possible d'obtenir un score de similarité entre la zone théorique ajustée et la région d'intérêt étudiée. Pour la tête, le score de similarité se calcule en utilisant la formule suivante :
Figure imgf000019_0001
Où :
• Stête est le score de similarité pour la tête,
• M,ête est l'aire associée à la zone théorique pour la tête,
• D,ête est l'aire associée à la région d'intérêt 200 correspondant à la tête, et
• Mme n Dtête est l'aire associée à l'intersection de la zone théorique pour la tête et de la région d'intérêt 200 correspondant à la tête.
Le score de similarité pour les épaules se calcule de la même manière
Pour obtenir un score de similarité global avec un modèle humain, une moyenne arithmétique des deux scores de similarité est effectuée. Ceci s'écrit mathématiquement comme :
Figure imgf000019_0002
Où :
S est le score de similarité global, et
S,ête est le score de similarité pour les épaules.
De préférence, pour améliorer la détection, le score global est diminué si la différence entre la distance associée à la région d'intérêt 200 correspondant à la tête et la distance associée à la région d'intérêt 202 correspondant aux épaules est inférieure à 250 mm. En effet, selon la demanderesse, une telle distance correspond à la distance minimale entre la tête et les épaules. De ce fait, si la distance entre la tête et les épaules est inférieure à 250 mm, cela signifie généralement que la composante connexe détectée et étudiée est en réalité un objet.
Par exemple, le score de similarité global peut être multiplié par un scalaire inférieur à 1 , par exemple 0,8.
Le score de similarité global est alors comparé à un seuil. De préférence, le seuil est déterminé par un algorithme d'apprentissage.
En l'occurrence, comme un être humain est présent, il est détecté la présence d'une personne.
Le procédé de détection comporte également une étape 1 12 de suivi d'objets et/ou de personnes. Par exemple, le suivi d'objets peut être fait selon l'algorithme de Munkres.
Le cas échéant, le procédé peut également comporter une étape 1 14 de détection d'environnement de personnes et/ou d'objets entourant la personne détectée à l'issue de l'étape 1 10 de détection. Par exemple, une telle étape 1 14 de détection d'environnement consiste à reprendre les étapes 104 d'extraction du fond, 106 d'extraction des composante connexes pertinentes, 108 d'estimation et 1 10 de détection de personnes et/ou d'objets dans la composante connexe étudiée à une deuxième hauteur prédéterminée H2 (et donc une valeur de premier paramètre égale à 0,9 au lieu de 0,75).
Cela permet de bénéficier des résultats de la première analyse à la première hauteur prédéterminée H1 et de détecter la poussette avec plus de facilité. La présence d'une personne a déjà été détectée et il reste simplement à déterminer qu'une poussette se trouve à côté d'elle.
Ainsi, en étudiant le procédé présenté, il a été montré que le contrôleur 20 commande l'ouverture de la porte 16 à l'instant où la personne autorisée se présente devant la porte 16.
Tant que la personne n'est pas entièrement passée, le contrôleur 20 maintient l'ouverture de la porte 16.
Dès que la personne est passée, le contrôleur 20 commande la fermeture de la porte 16.
L'exemple précédemment décrit de fonctionnement est le cas d'utilisation le plus simple. D'autres exemples sont également gérés par le système de contrôle d'accès 10.
Dans certains cas, la personne porte un sac à dos ou un bagage, tire une poussette ou tire la main d'un enfant l'accompagnant.
Dans cette situation, tant que ladite personne et ce qu'elle porte, tire ou l'enfant ne sont pas entièrement passés, le contrôleur 20 maintient l'ouverture de la porte 16.
Dès que la personne est passée ainsi que ce qu'elle porte, tire ou l'enfant également, le contrôleur 20 commande la fermeture de la porte 16. Similairement, le système de contrôle d'accès 10 permet également d'éviter les fraudes avec deux personnes se suivant de près, ou si une personne cherche à utiliser le droit de passage accordé à une autre personne en franchissant le passage 22 dans le sens opposé au sens de circulation.
Ainsi, le système de contrôle d'accès 10 est capable de détecter et de discriminer une personne portant un sac à dos ou une personne tirant un bagage ou une poussette, ou encore une personne accompagnée d'un enfant de petite taille. Le système de contrôle d'accès 10 présente donc une détection précise, permettant notamment d'adapter le temps d'ouverture de la porte 16 à chaque cas. Ceci évite tous les accidents ou incidents dus à une fermeture précoce. De ce fait, le fonctionnement en toute sécurité du système de contrôle d'accès 10 est donc assuré, la porte 16 ne se refermant qu'après le passage complet d'une personne.
Le système de contrôle d'accès 10 est utilisable dans toutes les applications de contrôle d'accès physique : réseaux de transport en commun (gares, stations de métro), aérogares, bâtiments publics ou privés, salles de spectacles, ensembles de manifestations sportifs, ou autres.
Le procédé de détection présenté en référence à la figure 2 est utilisable dans toute application dans lequel il convient de détecter le nombre de personnes dans un volume.
En outre, il sera compris que certaines étapes peuvent être réalisées de manière autonome avec d'autres procédés de détection. Notamment, l'étape 104 d'extraction du fond pour obtenir une hauteur prédéterminée peut être mise en œuvre avec un autre procédé de détection n'impliquant que la détection de la tête. Une fois que la détection de la tête a été effectuée, une détection à une deuxième hauteur est mise en œuvre par exemple comme c'est le cas ici pour détecter une poussette.
Egalement, il est possible d'estimer le nombre d'objets et/ou de personnes (étape 108) dans une composante connexe d'une carte de profondeur dans d'autres contextes. Cette estimation est indépendante du procédé de détection de la tête et des épaules proposé.
Selon un mode de réalisation particulier, l'étape 100 de fourniture d'une carte de profondeur du procédé de détection de personnes et/ou d'objets dans un espace à l'aide d'une carte de profondeur comporte une pluralité de sous-étapes.
De manière générale, l'étape 100 de fourniture comprend une sous-étape de fourniture d'au moins une image et une sous-étape de reconstruction d'une carte de profondeur représentative de la distance selon la troisième direction Z, qui correspond à la direction verticale. La sous-étape de reconstruction est généralement mise en œuvre par le contrôleur 20.
Selon un premier exemple, l'étape 100 de fourniture comprend, en outre, une sous-étape de fourniture d'une loi de conversion.
A la sous-étape de fourniture d'image(s), il est fourni une seule image. A titre d'illustration, l'image est issue d'une caméra pour laquelle un axe optique peut être défini. L'axe optique est décalé angulairement par rapport à la troisième direction Z. L'axe optique est décalé angulairement d'un angle ayant une valeur inférieure ou égale à 45°, de préférence inférieure ou égale à 30° et préférentiellement, inférieure ou égale à 10°.
Une telle caméra est propre à acquérir une image de l'espace. Dans le cas illustré précédemment, la caméra permet d'acquérir des images du passage 22 selon la direction de l'axe optique de la caméra.
Selon un mode de réalisation particulier, la caméra comporte un détecteur et un système optique de focalisation.
Le détecteur est, par exemple, des détecteur de type CCD (acronyme anglais de
« Charge Coupled Device » pour « dispositif à transfert de charges »). Le détecteur est, en variante, un détecteur CMOS, c'est-à-dire un détecteur issu d'une technologie de fabrication de type CMOS (acronyme de l'expression anglaise « Complementary Métal Oxide Semiconductor » signifiant semi-conducteur à oxyde métallique complémentaire).
Le système optique de focalisation est usuellement un objectif comportant une pluralité de lentilles. En variante, le système optique de focalisation est une simple lentille pour limiter le coût global de la caméra et limiter la capacité de résolution de la caméra pour ne pas identifier la personne imagée lorsque la législation du pays concerné le requiert.
Même dans le cas où la caméra est une caméra TOF, l'image obtenue n'est pas une carte de profondeur représentative de la distance selon la troisième direction Z. En effet, la carte de profondeur est représentative de la distance selon l'axe optique et l'axe optique est décalé angulairement par rapport à la troisième direction Z
A la sous-étape de fourniture d'une loi de conversion, il est fourni une loi de conversion permettant de convertir l'image fournie à la sous-étape de fourniture d'image en une carte de profondeur représentative de la distance selon la troisième direction Z.
Usuellement, la loi de conversion est obtenue en effectuant une calibration préalable, la position de la caméra utilisée à la sous-étape de fourniture d'image étant connue. Par exemple, une image test, pour laquelle la carte de profondeur représentative de la distance selon la troisième direction Z est connue, est acquise par la caméra pour déterminer la loi de conversion. Si besoin, plusieurs images tests peuvent être utilisées pour obtenir une loi de conversion plus robuste.
A la sous-étape de reconstruction, la loi de conversion est appliquée à l'image fournie. Cela permet d'obtenir une carte de profondeur représentative de la distance selon la troisième direction Z.
Un tel premier exemple présente l'avantage de n'utiliser qu'une seule caméra tout en permettant de la positionner avec une certaine latitude par rapport à la position à l'aplomb.
Selon un deuxième exemple, à la sous-étape de fourniture d'images, il est fourni une pluralité d'images.
A titre d'illustration, il est fourni deux, trois ou quatre images provenant chacune d'une caméra différente.
Chacune des images est une image du passage 22 selon des directions différentes.
Les caméras sont donc orientées de manière que leur champ de vision inclue au moins une partie du passage 22.
En outre, il existe un recouvrement spatial entre les différentes images. Cela signifie que chaque image comprend au moins une zone spatiale qui est également incluse dans au moins une autre image.
L'agencement spatial des caméras est choisi pour qu'un tel recouvrement spatial soit possible.
Selon un mode de réalisation particulier, chaque caméra est située sensiblement à la même distance du sol. Il est entendu par l'expression « sensiblement » une distance égale à 5% près.
Selon un autre mode de réalisation particulier, l'axe optique de chaque caméra est décalé angulairement par rapport à la troisième direction Z. L'axe optique est décalé angulairement d'un angle ayant une valeur inférieure ou égale à 45°, de préférence inférieure ou égale à 30° et préférentiellement, inférieure ou égale à 10°.
Avantageusement, le décalage est le même pour chaque caméra.
Selon un mode de réalisation, la position des caméras est telle que leur centre de gravité forme un polygone régulier.
En particulier, dans le cas où trois caméras sont utilisées, il est obtenu un triangle équilatéral.
De préférence, les différentes caméras sont identiques pour faciliter la mise en œuvre de la sous-étape de reconstruction. A la sous-étape de reconstruction, un algorithme est appliqué permettant d'extraire à partir des images une carte de profondeur.

Claims

REVENDICATIONS
1 . - Procédé d'estimation du nombre de personnes et/ou d'objets dans un espace comprenant un sol à l'aide d'une carte de profondeur, une direction verticale (Z) étant définie comme la normale au sol, la carte de profondeur étant représentative de la distance selon la direction verticale (Z), acquise par un capteur optique (18),comportant une étape de :
- détermination d'une composante connexe dans la carte de profondeur,
- comparaison de l'aire de la composante connexe à au moins un seuil de surface, et
- estimation du nombre de personnes et/ou d'objets dans la composante connexe en fonction du résultat de l'étape de comparaison de l'aire,
les valeurs du au moins un seuil de surface dépendant d'un modèle de tête d'une personne moyenne et de paramètres d'acquisition de la carte de profondeur et/ou de traitements appliqués à la carte de profondeur.
2. - Procédé d'estimation selon la revendication 1 , dans lequel l'espace est un couloir (14), le couloir comprenant un passage (22), le passage (22) s'étendant principalement selon une première direction transversale (X), une porte (16) s'étendant suivant une deuxième direction transversale (Y), la deuxième direction transversale (Y) étant perpendiculaire à la première direction transversale (X), la direction verticale (Z) étant perpendiculaire aux deux directions transversales (X, Y), un capteur optique (18) étant positionné à l'aplomb du couloir (14).
3. - Procédé d'estimation selon la revendication 1 ou 2, dans lequel le procédé comporte, en outre, les étapes de :
- fourniture d'une image de l'espace,
- fourniture d'une loi de conversion et
- reconstruction de la carte de profondeur à partir de l'image fournie et de la loi de conversion fournie.
4. - Procédé d'estimation selon la revendication 1 ou 2, dans lequel le procédé comporte, en outre, les étapes de :
- fourniture d'au moins une image d'une partie de l'espace, chaque image ayant un recouvrement spatial avec au moins une autre image, et - reconstruction de la carte de profondeur à partir des images fournies.
5. - Procédé d'estimation selon les revendications 1 à 4, dans lequel l'étape de comparaison de l'aire comprend la comparaison de l'aire de la composante connexe à un premier seuil de surface à un deuxième seuil de surface et à un troisième seuil de surface, le deuxième seuil de surface étant strictement supérieur au premier seuil de surface et le troisième seuil de surface étant strictement supérieur au deuxième seuil de surface.
6. - Procédé d'estimation selon la revendication 1 à 5, dans lequel le procédé comporte, en outre, une étape de :
- calcul de la circularité de la composante connexe, la circularité étant définie mathématiquement par :
Où :
• C est la circularité de la composante connexe,
• A est l'aire de la composante connexe, et
• P est le périmètre de la composante connexe.
7. - Procédé d'estimation selon la revendication 6, dans lequel le procédé comporte, en outre, une étape de :
- comparaison de la circularité calculée à un seuil de circularité, le seuil de circularité dépendant d'un modèle de tête d'une personne moyenne, et de paramètres d'acquisition de la carte de profondeur et/ou de traitements appliqués à la carte de profondeur,
l'étape d'estimation du nombre de personnes et/ou d'objets dans la composante connexe étant également fonction de l'étape de comparaison de la circularité.
8. - Procédé d'estimation selon l'une quelconque des revendications 1 à 7, dans lequel à l'étape d'estimation, il est estimé que :
- aucun élément n'est présent dans la composante connexe si l'aire de la composante connexe est inférieure au premier seuil de surface,
- un élément est présent dans la composante connexe si l'aire de la composante connexe est comprise entre le premier seuil de surface et le deuxième seuil de surface, - un élément est présent dans la composante connexe si l'aire de la composante connexe est comprise entre le deuxième seuil de surface et le troisième seuil de surface et si la circularité est inférieure au seuil de circularité,
- un élément est présent dans la composante connexe si l'aire de la composante connexe est comprise entre le deuxième seuil de surface et le troisième seuil de surface et si la circularité est supérieure au seuil de circularité,
- deux éléments sont présents dans la composante connexe si l'aire de la composante connexe est comprise entre le deuxième seuil de surface et le troisième seuil de surface et si la circularité est inférieure au seuil de circularité, et
- trois éléments sont présents dans la composante connexe si l'aire de la composante connexe est supérieure au troisième seuil de surface,
l'élément étant une personne ou un objet.
9. - Procédé selon l'une quelconque des revendications 1 à 8, dans lequel les paramètres d'acquisition de la carte de profondeur sont choisis dans le groupe constitué de la hauteur de la caméra, de la fréquence d'acquisition de la caméra et du champ de la caméra.
10. - Procédé selon l'une quelconque des revendications 1 à 9, dans lequel les paramètres de traitements appliqués à la carte de profondeur sont obtenus par un algorithme d'apprentissage sur des personnes ou sur des personnes portant des objets ou sur des personnes poussant ou tirant des objets.
1 1 . - Procédé de détection selon quelconque des revendications précédentes, dans lequel les étapes de détection sont mises en œuvre par une détection de la tête et des épaules des éventuelles personnes dans la carte de profondeur.
12. - Produit programme d'ordinateur comprenant des instructions de code de programmation aptes à être mises en œuvre par un processeur, le processeur étant apte à mettre en œuvre le procédé selon l'une quelconque des revendications 1 à 1 1 .
13. - Système de contrôle d'accès (10) comportant un couloir (14) s'étendant le long d'une première direction (X) et barré par une porte (16) s'ouvrant ou se fermant pour autoriser ou interdire le passage de personnes, en fonction de la détection de présences de personnes et/ou de vérification d'autorisation d'accès affectés auxdites personnes, le système de contrôle d'accès (10) comprenant : - un moyen de reconnaissance d'endroits d'accès (28) au couloir (14),
- un capteur optique (18) propre à acquérir une carte de profondeur d'au moins une partie du système de contrôle d'accès (10) et positionnée à l'aplomb du couloir (14),
- un contrôleur (20) propre à réaliser la reconnaissance et le suivi de contour de personnes et/ou d'objets présents dans le couloir (14), en vue d'une commande adaptée d'ouverture et de fermeture de la porte (16), le contrôleur (20) étant propre à mettre en œuvre le procédé selon l'une quelconque des revendications 1 à 1 1 .
PCT/EP2014/078905 2013-12-20 2014-12-19 Procédé d'estimation du nombre de personnes et/ou d'objets dans un espace WO2015092040A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1303047A FR3015731B1 (fr) 2013-12-20 2013-12-20 Procede d'estimation du nombre de personnes et ou d'obets dans un espace
FR1303047 2013-12-20

Publications (1)

Publication Number Publication Date
WO2015092040A1 true WO2015092040A1 (fr) 2015-06-25

Family

ID=50828953

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2014/078905 WO2015092040A1 (fr) 2013-12-20 2014-12-19 Procédé d'estimation du nombre de personnes et/ou d'objets dans un espace

Country Status (2)

Country Link
FR (1) FR3015731B1 (fr)
WO (1) WO2015092040A1 (fr)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112539756A (zh) * 2020-11-30 2021-03-23 深圳市银星智能科技股份有限公司 一种长通道识别方法及机器人

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3054042B1 (fr) * 2016-07-12 2018-08-17 Rockwell Collins France Procede et dispositif de determination d'une zone geographique operationnelle observee par un capteur

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1482448A2 (fr) * 2003-05-28 2004-12-01 TRW Automotive U.S. LLC Procédé et dispositif de détermination de position de la tête d'un passager, dans un système déclenchable de retenue de passager
US20070268145A1 (en) * 2006-05-19 2007-11-22 Bazakos Michael E Automated tailgating detection via fusion of video and access control
US20120087572A1 (en) * 2010-10-11 2012-04-12 Goksel Dedeoglu Use of Three-Dimensional Top-Down Views for Business Analytics
CN103069796A (zh) * 2010-08-17 2013-04-24 Lg电子株式会社 用于计数目标的方法和使用多个传感器的装置
WO2013158955A1 (fr) * 2012-04-20 2013-10-24 Rensselaer Polytechnic Institute Système et procédé d'éclairage sensoriel pour caractériser un espace d'éclairage

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1482448A2 (fr) * 2003-05-28 2004-12-01 TRW Automotive U.S. LLC Procédé et dispositif de détermination de position de la tête d'un passager, dans un système déclenchable de retenue de passager
US20070268145A1 (en) * 2006-05-19 2007-11-22 Bazakos Michael E Automated tailgating detection via fusion of video and access control
CN103069796A (zh) * 2010-08-17 2013-04-24 Lg电子株式会社 用于计数目标的方法和使用多个传感器的装置
US20120087572A1 (en) * 2010-10-11 2012-04-12 Goksel Dedeoglu Use of Three-Dimensional Top-Down Views for Business Analytics
WO2013158955A1 (fr) * 2012-04-20 2013-10-24 Rensselaer Polytechnic Institute Système et procédé d'éclairage sensoriel pour caractériser un espace d'éclairage

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
DAVID BEYMER ET AL: "Real-Time Tracking of Multiple People Using Continuous Detection", IEEE ICCV'99 FRAME-RATE WORKSHOP, 21 September 1999 (1999-09-21), XP055143923 *
JORGE DIAS ET AL: "Cooperation between visual and inertial information for 3D vision", PROCEEDINGS / MED 2002, 10TH MEDITERRANEAN CONFERENCE ON CONTROL AND AUTOMATION : INSTITUTO SUPERIOR TÉCNICO, JULY 9 - 12, 2002, LISBOA, PORTUGAL, INSTITUTO SUPERIOR TÉCNICO, LISBOA, 9 July 2002 (2002-07-09), pages 1 - 10, XP002635401 *
LOBO J AND DIAS J: "Inertial Sensed Ego-Motion for 3D Vision", JOURNAL OF ROBOTIC SYSTEMS, WILEY, NEW YORK, NY, US, vol. 21, no. 1, 23 December 2003 (2003-12-23), pages 3 - 12, XP002359112, ISSN: 0741-2223, DOI: 10.1002/ROB.10122 *
LOBO J ET AL: "Registration and segmentation for 3D map building a solution based on stereo vision and inertial sensors", PROCEEDINGS / 2003 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION : SEPTEMBER 14 - 19, 2003, THE GRAND HOTEL, TAIPEI, TAIWAN; [PROCEEDINGS OF THE IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION], IEEE SERVICE CENTER, PISCATAWAY, NJ, vol. 1, 14 September 2003 (2003-09-14), pages 139 - 144, XP010667351, ISBN: 978-0-7803-7736-3, DOI: 10.1109/ROBOT.2003.1241586 *
LOBO J ET AL: "Segmentation of dense depth maps using inertial data a real-time implementation", PROCEEDINGS OF THE 2002 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS. (IROS 2002). LAUSANNE, SWITZERLAND, SEPT. 30 - OCT. 4, 2002; [IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS], NEW YORK, NY : IEEE, US, vol. 1, 30 September 2002 (2002-09-30), pages 92 - 97, XP010609234, ISBN: 978-0-7803-7398-3, DOI: 10.1109/IRDS.2002.1041368 *
SANGHO PARK ET AL: "Head segmentation and head orientation in 3D space for pose estimation of multiple people", 20000402; 20000402 - 20000404, 2 April 2000 (2000-04-02), pages 192 - 196, XP010378658 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112539756A (zh) * 2020-11-30 2021-03-23 深圳市银星智能科技股份有限公司 一种长通道识别方法及机器人

Also Published As

Publication number Publication date
FR3015731A1 (fr) 2015-06-26
FR3015731B1 (fr) 2016-02-05

Similar Documents

Publication Publication Date Title
EP3707676B1 (fr) Procédé d'estimation de pose d'une caméra dans le référentiel d'une scène tridimensionnelle, dispositif, système de réalite augmentée et programme d'ordinateur associé
EP2024900B1 (fr) Procede d'identification d'une personne et dispositif d'acquisition
EP2593907B1 (fr) Procédé de détection d'une cible dans des images stéréoscopiques par apprentissage et classification statistique à partir d'une loi de probabilité
US11461592B2 (en) Methods and systems for object recognition in low illumination conditions
EP2751739B1 (fr) Detection de fraude pour systeme de controle d'acces de type biometrique
EP3271869B1 (fr) Procédé de traitement d'un signal asynchrone
FR3058548A1 (fr) Drone comprenant un dispositif de determination d'une representation d'une cible via un reseau de neurones, procede de determination et programme d'ordinateur associes
EP3901794A1 (fr) Procédé d'authentification ou d'identification d'un individu
EP3866064A1 (fr) Procede d'authentification ou d'identification d'un individu
CN112424795A (zh) 卷积神经网络、人脸防伪方法、处理器芯片及电子设备
EP2257924A2 (fr) Procede pour generer une image de densite d'une zone d'observation
EP3614306A1 (fr) Procédé de localisation et d'identification de visage et de détermination de pose, à partir d'une vue tridimensionnelle
FR3015746A1 (fr) Systeme de controle d'acces
WO2015092040A1 (fr) Procédé d'estimation du nombre de personnes et/ou d'objets dans un espace
EP2926294A1 (fr) Procédé de détection de personnes et/ou d'objets dans un espace
FR2958767A1 (fr) Procede de detection de cibles dans des images stereoscopiques.
WO2015092045A1 (fr) Procédé de détection de personnes et/ou d'objets dans un espace
FR3059133B1 (fr) Procede et systeme de detection d'un objet en relief dans un parking
EP3926529B1 (fr) Systèmes et méthodes de détermination d'un nombre de personnes dans un véhicule
Mishra Automatic moving vehicle's information extraction from one-pass worldview-2 satellite imagery
EP3274913B1 (fr) Dispositif et procede pour l'acquisition biometrique de l'iris
FR2927442A1 (fr) Procede pour determiner un taux de transformation local d'un objet d'interet.
FR2872326A1 (fr) Procede de detection d'evenements par videosurveillance
WO2012163927A1 (fr) Systeme et methode pour l'identification d'individus a la volee
FR3117234A1 (fr) Méthode de comptage automatique des entrées et sorties de personnes empruntant un lieu de passage identifié

Legal Events

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

Ref document number: 14818994

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14818994

Country of ref document: EP

Kind code of ref document: A1