Logo
About usInnovation CMChallengesEuropa2iEntrepreneurshipR&D&I SearchAgentsEventsReports
en
PROCEDURE FOR THE DETECTION AND LOCALIZATION OF HUMANS IN PICTURES ACQUIRED BY OMNIDIRECTIONAL CAMERAS (Machine-translation by Google Translate, not legally binding)CM Patents

Índice de la ficha

Updated at
24/07/2026
Numero publicacion
ES.2657378.A1
Fecha publicacion
05/03/2018
Numero solicitud
ES20170030478
Fecha presentacion
30/03/2017

En detalle

Resumen

Procedure to detect and locate humans in images acquired by omnidirectional cameras. The procedure consists of two sub-procedures. The sub-procedure A of detection and localization of humans comprising the steps of capturing images of an omnidirectional camera, description of each image by a single vector of characteristics, distribution of the vector of characteristics to a set of foveal classifiers, binary prediction of the foveal classifiers, and approximate location and subsequently accurate of humans in the image, resulting in human detection in the image plane. The detection is robust to changes in pose, scale and lighting, to partial occlusions, and to geometric distortions of the omnidirectional images. The sub-procedure B of parameter adjustment uses a database of images with point annotations to adaptively generate positive and negative samples for each foveal classifier, which are used to train the parameters of the set of classifiers. (Machine-translation by Google Translate, not legally binding)

Reivindicaciones

1. 5 2. 10 3. 15 4. 20 5. 25 6. 30 7. REIVINDICACIONES 8. 1. Procedimiento para la detección y localización de humanos (1) en secuencias de imágenes (3) adquiridas por cámaras omnidireccionales (2), caracterizado porque comprende los siguientes sub-procedimientos: 9. a. Sub-procedimiento A para la detección y localización de humanos (1) sobre imágenes (3) adquiridas por una cámara estática omnidireccional (2), el cual está configurado para la detección y localización de humanos en un entorno/escena específico mediante las siguientes etapas: 10. i. Etapa A.1: adquisición de unas imágenes (3) con una cámara omnidireccional (2) en posición estática; 11. ii. Etapa A.2: extracción de un único super-vector de características (8) por cada una de las imágenes (3) adquiridas; 12. iii. Etapa A.3: distribución del super-vector de características (8) asociado a cada una de las imágenes (3) a un conjunto de M clasificadores foveales (9); 13. iv. Etapa A.4: predicción binaria por cada uno de los M clasificadores foveales (10) en las categorías "humano presente en la fóvea del clasificador” y su complementario "humano no presente en la fóvea del clasificador”; 14. v. Etapa A.5: localización aproximada (12) en la imagen (3) de los humanos detectados; y, 15. vi. Etapa A.6: localización precisa (4) en la imagen (3) de los humanos detectados; 16. b. Sub-procedimiento B de configuración de parámetros para la detección y localización en imágenes (3) de humanos (1) en un entorno/escena específico mediante las siguientes etapas: 17. i. Etapa B.1: creación de una base de datos (5) de imágenes (3) de una escena/entorno específico y que contiene instancias de humanos (1); donde las imágenes se adquieren con una 18. 5 19. 10 20. 15 21. 20 22. 25 23. 30 24. cámara omnidireccional (2), la cual debe estar situada en la misma posición que la cámara utilizada en la detección; 25. ii. Etapa B.2: anotación puntual de los humanos (1) en la base de datos de imágenes (3); 26. iii. Etapa B.3: generación adaptativa de muestras positivas y negativas para cada clasificador foveal (10) a partir de las anotaciones puntuales; 27. iv. Etapa B.4: ajuste de los parámetros de cada clasificador foveal (10) para la óptima detección de humanos (3) usando las muestras positivas y negativas generadas; 28. en donde la etapa A.2 comprende tres sub-etapas: 29. a. Sub-etapa A.2.1: división de la imagen (3) en bloques de NxN píxeles (6), los cuales pueden estar solapados o no; 30. b. Sub-etapa A.2.2: extracción de un vector de características (7) por cada bloque de NxN píxeles (6) referido en la sub-etapa anterior; donde el algoritmo de extracción de características está seleccionado entre: Histogramas de Gradientes Orientados, Patrones Binarios Locales, Transformada de Características Invariantes a Escala, y Características Haar; 31. c. Sub-etapa A.2.3: concatenación de los vectores (7) de características de cada bloque de la imagen en un único super-vector de características (8) que representa a toda la imagen (3); 32. en donde la etapa A.4, que consta de un conjunto de M clasificadores foveales (9), cada uno de los cuales (10) tiene asociado una fóvea y una referencia puntual sobre el plano imagen; 33. en donde la etapa A.5 utiliza las referencias puntuales de los clasificadores foveales activos (12); 34. en donde la etapa A.6 comprende tres sub-etapas: 35. a. Sub-etapa A.6.1: extracción de agrupaciones/vecindades (11) de detecciones de acuerdo a la rejilla/malla (9) que forman las referencias puntuales (10) de los clasificadores foveales; 36. 10 37. b. Sub-etapa A.6.2: supresión de no-máximos de las agrupaciones/vecindades (11) extraídas, obteniéndose una única agrupación/vecindad por humano (1); 38. c. Sub-etapa A.6.3: localización precisa (4) del humano (1) sobre la imagen (3) mediante la interpolación de las coordenadas de las referencias puntuales (10) de los clasificadores foveales que forma parte de cada agrupación/vecindad (11) obtenida en la etapa anterior; 39. de tal forma que se genera una única localización puntual por humano(1), que representa a su vez la detección final (4) del mismo.

Etiquetas

Inventores
Roberto del Blanco Adan CarlosCarballeira Lopez PabloJaureguizar Nunez FernandoGarcia Santos NarcisoGarcia de Lucas Lorena
Solicitantes
Universidad Politécnica de Madrid
Clasificacion ipc
G06T 7/ 70 A I
Logo

Innovation CM
Challenges
Europa2i
Entrepreneurship
R&D&I Search
Agents
Events
Reports
About us
Contact
Give us your opinion
Cookies
Legal notice
Privacy

© Copyright Espacio Madrileño de Investigación e Innovación 2026