Un método de cálculo de ordenador para el seguimiento distribuido de múltiples blancos (102) u objetivos utilizando un algoritmo de Maximización de Expectación (EM) variable,

en el que el método controla un sistema de vigilancia, comprendiendo el sistema de vigilancia una pluralidad de seguidores (502) que siguen a múltiples blancos (102) correspondientes, comprendiendo el método: estimar (604) una variable de estado de movimiento de cada uno de la pluralidad de seguidores (502), siendo efectuada la estimación en la operación E del algoritmo EM variable; estimar (606) una variable (302) de asociación de datos de cada uno de la pluralidad de seguidores (502) basándose en un algoritmo de optimización discreto basado en un gráfico, siendo ejecutada la estimación en la operación M del algoritmo EM variable en donde la variable (302) de asociación de datos puede tener valores de un conjunto discreto; y seguir (608) los múltiples blancos (102) basados en la variable de estado de movimiento y la variable (302) de asociación de datos de cada uno de la pluralidad de seguidores (502)

ANTECEDENTES DE LA INVENCIÓN

Esta invención se refiere generalmente al seguimiento de múltiples blancos u objetivos y más particularmente a un método y un sistema para el seguimiento de blancos u objetivos múltiples en un sistema de vigilancia.

Karl J. Molnar y otros, describen en IEEE Transactions, Signal Processing, Vol. 46, Nº 1, Enero 1998 un procedimiento iterativo para el seguimiento repetitivo multiblanco/multi-sensor.

Jordan M. I. y otros, Máquina de Aprendizaje, Editores Académicos Kluwer, Boston, EE.UU., Vol. 37, Nº 2, Noviembre 1999, las páginas 183-234 describen la utilización de métodos variables para la interferencia y el aprendizaje en los modos gráficos.

Los seguimientos de múltiples blancos son importantes en muchas aplicaciones, tales como, por ejemplo, vigilancia de vídeo, control del tráfico, análisis de la actividad humana, análisis de vídeo de deportes, y actividades similares. En adición al seguimiento de la posición de un blanco, otras propiedades del blanco tales como su velocidad, tamaño, etc. pueden ser observadas. El análisis de la trayectoria de un blanco permite la predicción de la trayectoria futura del blanco de modo que puede ser decidida una acción apropiada. Por ejemplo, el seguimiento de actividades humanas en un área apiñada tal como un aeropuerto es importante porque pueden ser detectadas actividades inusuales y cualquier posible daño puede ser evitado.

Es más fácil seguir blancos cuyas apariencias sean distintivas puesto que pueden ser usados múltiples seguidores de blanco independientes para detectarlos. En ese tipo de situación, todos los blancos distintos a un blanco específico pueden ser vistos como fondo debido a su distinta apariencia. No obstante, es difícil observar múltiples blancos cuyas apariencias sean similares, tales como gente en espacios apiñados. El seguimiento de múltiples blancos es de modo fundamental diferente del seguimiento de un blanco único y requiere la asociación lógica de datos complejos para separar las mediciones detectadas de la partición para cada fuente de datos individual, y el establecimiento de su correspondencia con los seguidores mantenidos. Esto implica dos procedimientos importantes que deciden el éxito de un algoritmo de seguimiento multiblanco, la asociación de mediciones del seguidor y la filtración del seguidor, que son, en esencia, dos propiedades intercaladas. Además. El seguimiento de múltiples blancos está relacionado con la oclusión de blancos, en adición a otros problemas asociados con el seguimiento de un blanco único. Con otras palabras, u blanco debe ser reconocido y seguido incluso mientras esté ocultado o bloqueado por otros objetos.

Soluciones ordinarias para resolver este problema efectúan una representación generalizada de un vector de asociación común, que es entonces estimado ya sea mediante enumeraciones exhaustivas, tales como el filtro de la Asociación de Datos Probabilísticos Combinados (JPDA), o mediante la optimización de Monte Carlo probabilística. No obstante, en estos métodos, la complejidad computacional implicada es tremenda, especialmente cuando un gran número de trayectorias y necesidades de datos de medición que se necesitan han de ser manipulados. Soluciones basadas en el muestreo han sido propuestas también para modelar la función de probabilidad conjunta, estimando por tanto el estado combinado de todos los blancos directamente. Sin recurrir a calcular explícitamente la asociación de datos, las soluciones basadas en el muestreo demuestran las capacidades de seguimiento de múltiples blancos cuando están presentes movimientos complejos. No obstante, debido a la naturaleza centralizada de la representación del estado de la unión, la complejidad de estas soluciones crece exponencialmente a medida que el número de blancos a ser detectado aumenta.

A la luz del examen anterior, existe una necesidad de un método que proporcione una complejidad de cálculo reducida para el seguimiento de múltiples blancos.

BREVE DESCRIPCIÓN DE LA INVENCIÓN

La presente invención se define en las reivindicaciones 1 y 6.

Una realización a modo de ejemplo de la invención proporciona un método y un sistema para el seguimiento distribuido de múltiples blancos en un sistema de vigilancia que usa un algoritmo de Maximización de la Expectación (EM). Para cada imagen sucesiva recibida, un módulo de detección detecta múltiples blancos en el bastidor recibido y proporciona las detecciones a un módulo de seguimiento. El módulo de seguimiento incluye una pluralidad de seguidores. Cada seguidor calcula su propio estado de movimiento variable en la operación E del algoritmo EM variable. Además, cada seguidor calcula su variable de asociación de datos con una de las múltiples detecciones de blanco en la operación M del algoritmo EM variable. El sistema de seguimiento distribuido presenta condicionantes sobre los valores de las variables de asociación de datos de la pluralidad de seguidores de los mismos que impiden asociaciones de datos no razonables. Basado en la variable de estado de movimiento calculada y en la variable de asociación de datos, cada seguidor sigue su blanco correspondiente.

Otra realización a modo de ejemplo de la invención proporciona un seguidor capaz de calcular su propia variable de estado de movimiento y la variable de asociación de datos. Cada seguidor calcula su propia variable de estado de movimiento en la operación E de un algoritmo EM variable. Además, cada seguidor calcula su variable de asociación de datos asociando el seguidor con uno de los múltiples blancos en la operación M del algoritmo EM variable y proporciona la información relacionada con su variable de asociación de datos calculada a otros seguidores en el sistema de seguimiento distribuido. Basado en la variable de estado de movimiento calculada y la variable de asociación de datos, cada seguidor sigue su blanco correspondiente. Además, cada seguidor actualiza su propia variable de asociación de datos basándose en la información recibida de los otros seguidores y es capaz de seguir un blanco incluso cuando el blanco está parcialmente ocultado por un objeto o por otro blanco.

Estas y otras ventajas y características se comprenderán mejor a partir de la descripción detallada siguiente de realizaciones preferidas de la invención que se proporciona en conexión con los dibujos que se acompañan.

BREVE DESCRIPCIÓN DE LOS DIBUJOS

La Figura 1 representa un medio en el que las realizaciones de la invención pueden ser puestas en práctica. La Figura 2 es un diagrama de bloques que representa un sistema para el seguimiento de múltiples blancos de acuerdo con una realización de la invención. La Figura 3 representa limitaciones de la asociación de datos por pares de múltiples seguidores de acuerdo con una realización de la invención. La Figura 4 es un diagrama de bloques que representa un seguidor de acuerdo con diversas realizaciones de la invención. Las Figuras 5A. 5B y 5C representan la asociación entre seguidores y blancos en imágenes consecutivos de acuerdo con diversas realizaciones de la invención. La Figura 6 es un diagrama de flujo que representa un método para el seguimiento de múltiples blancos de acuerdo con una realización de la invención.

Las Figuras 7A y 7B son diagramas de flujo que ilustran un método para el seguimiento de múltiples blancos de acuerdo con otra realización de la invención.

DESCRIPCIÓN DETALLADA DE LA INVENCIÓN

Varias realizaciones de la invención proporcionan un método y un sistema para el seguimiento distribuido de múltiples blancos. Un algoritmo de Expectación-Maximización (EM) variable se usa para calcular variables de estado de movimiento y variables de asociación de datos de una pluralidad de seguidores. La pluralidad de seguidores sigue sus correspondientes blancos sobre la base de variables de estado de movimiento calculadas y variables de asociación de datos.

La Figura 1 representa un medio 100 en el que realizaciones de la invención pueden ser puestas en práctica. El medio 100 incluye tres blancos 102a, 102b y 102c, y una presentación 104. La presentación 104 presenta los blancos que son seguidos continuamente sobre su pantalla. La presentación 104 puede ser empleada en un área muy poblada tal como un aeropuerto, de modo que las actividades humanas en el aeropuerto pueden ser detectadas y las actividades inusuales pueden ser detectadas. Las imágenes de vídeo presentadas en la presentación 104 pueden ser vigiladas por un operador humano y/o...

1. Un método de cálculo de ordenador para el seguimiento distribuido de múltiples blancos (102) u objetivos utilizando un algoritmo de Maximización de Expectación (EM) variable, en el que el método controla un sistema de vigilancia, comprendiendo el sistema de vigilancia una pluralidad de seguidores (502) que siguen a múltiples blancos (102) correspondientes, comprendiendo el método:

estimar (604) una variable de estado de movimiento de cada uno de la pluralidad de seguidores (502), siendo efectuada la estimación en la operación E del algoritmo EM variable; estimar (606) una variable (302) de asociación de datos de cada uno de la pluralidad de seguidores (502) basándose en un algoritmo de optimización discreto basado en un gráfico, siendo ejecutada la estimación en la operación M del algoritmo EM variable en donde la variable (302) de asociación de datos puede tener valores de un conjunto discreto; y seguir (608) los múltiples blancos (102) basados en la variable de estado de movimiento y la variable (302) de asociación de datos de cada uno de la pluralidad de seguidores (502).

2. El método de la reivindicación 1 que comprende además inicializar (708) la pluralidad de seguidores (502) para seguir los múltiples blancos (102), en donde la asociación entre la pluralidad de seguidores (502) y los múltiples blancos (102) está basada en un mapeo de uno con uno.

3. El método de las reivindicaciones 1 ó 2, en el que el estado de movimiento variable de cada uno de la pluralidad de seguidores (502) se estima como una función de distribución de probabilidad en la operación E del algoritmo variable EM.

4. El método de una cualquiera de las reivindicaciones precedentes, en el que la variable (302) de asociación de datos de cada uno de la pluralidad de seguidores

(502) es estimada como un máximo a posteriori (MAP) al estimar en la operación M el algoritmo EM variable.

5. El método de una cualquiera de las reivindicaciones precedentes, en el que la operación E y la operación M del algoritmo EM variable son repetidas un número predefinido de veces para hacer converger los valores de la variable de estado de movimiento y la variable (302) de asociación de datos en un margen predefinido.

6. Un sistema (200) de seguimiento distribuido para el seguimiento distribuido de múltiples blancos (102) que usa algoritmo de Maximización de Expectación (EM) para la vigilancia del sistema que comprende:

un módulo (212) de seguimiento que comprende una pluralidad de seguidores

(502) para seguir múltiples blancos correspondientes (102), están do asociado cada uno de la pluralidad de seguidores (502) con estado de movimiento variable y una asociación de datos variable (302); en el que cada uno de la pluralidad de seguidores (502) estima la variable de estado de movimiento en la operación E del algoritmo EM variacional; y en el que cada uno de la pluralidad de seguidores (502) estima una variable

(302) de asociación de datos que puede tener valores procedentes de un conjunto discreto basados en una formulación de optimización basada en gráficos, siendo efectuada la estimación en la operación M del algoritmo EM variacional.

7. El sistema (200) de seguimiento distribuido de la reivindicación 6, en el que el módulo (212) de seguimiento inicializa la pluralidad de seguidores (502) para que sigan múltiples blancos (102), en donde la asociación entre la pluralidad de seguidores

(502) y los múltiples blancos (102 está basada en un mapeo de uno con uno.

8. El sistema (200) de seguimiento distribuido de las reivindicaciones 6 ó 7, en el que la variable de estado de movimiento de cada uno de la pluralidad de seguidores

(502) es estimada como una distribución de la probabilidad en la operación E del algoritmo variacional EM.

9. El sistema (200) de seguimiento distribuido de una cualquiera de las reivindicaciones 6 a 8, en el que la variable (302) de asociación de datos de cada uno de la pluralidad de seguidores (502) es estimada como un máximo a posteriori (MAP) de la estimación en la operación M del algoritmo variacional EM.

10. El sistema (200) de seguimiento distribuido de una cualquiera de las reivindicaciones 6 a 9, en el que la operación E y la operación M del algoritmo varacional EM son repetidas un número predefinido de veces para hacer converger los valores de la variable de estado de movimiento y la variable (302) de asociación de datos en un rango predefinido.