la visione artificiale in applicazioni di sicurezza
DESCRIPTION
La Visione Artificiale in Applicazioni di Sicurezza. Giovanni Garibotto Elsag Spa Genova. Riconoscimento caratteri e lettura mobile di targhe Detezione di ostacoli 3D in movimento (un progetto in fase di sviluppo) Visione 3D per la ricostruzione di scene incidentate. - PowerPoint PPT PresentationTRANSCRIPT
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
La Visione Artificiale in
Applicazioni di Sicurezza
Giovanni Garibotto
Elsag Spa Genova
• Riconoscimento caratteri e lettura mobile di targhe
• Detezione di ostacoli 3D in movimento (un progetto in fase di sviluppo)
• Visione 3D per la ricostruzione di scene incidentate
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Sistema di lettura Targhe Mobile a Bordo Auto
O2CR “Auto-Detector”
Un Ausiliario Elettronico per la pattuglia a bordo
Due occhi dedicati alla sicurezza
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Auto-Detector
Specifiche dei Requisiti:• Massima raccolta targhe durante una normale missione di auto-pattuglia• Lettura in aree urbane ed extraurbane (autostrade) senza limiti di velocita’• Servizio continuativo 24 h su 24 (diurno-notturno)• Segnalazione immediata di allarme con liste aggiornate (> 500000 elementi)• Miniaturizzazione dell’apparato sensoriale (integrazione con dispositivi esistenti)• Bassi consumi e vincoli di alloggiamento• Non interferire con la normale operativita’ del personale
Sfide tecnologiche:• Lettura continua e integrazione temporale• Gestione di orientamenti arbitrari delle targhe e letture multiple• Compensazione della dinamica di illuminazione non controllabile
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Configurazione di ripresa per il Lettore a bordo auto
3 m c.a. 3 m c.a.
6 m. c.a. 6 m. c.a.
Copertura simultanea di lettura delle due corsie adiacenti a quella di marcia
Per ogni transito rilevato da ciascuna delle telecamere vengono registrati:• Stringa corrispondente alla targa letta• Ora e data• Posizione (georeferenziata GPS fornita dal dispositivo Route Planner di navigazione)• Immagine del transito (compressa)
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Condizioni di leggibilita’ targhe
dmax
dmax
S
Inclinazione α
Lmax
Le aree in rosso descrivono le zone coperte dal sistema di ripresa durante la marcia, in cui le targhe risultano “leggibili”
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
LAN
FPMRS 232
GEODI
Postazione Radiolocalizzazione Postazione Controllo Targhe
RS 232ModemGSM
ACCENTRA
CENTRALEOperativa
Telecamera sx
ModemGSM
TRG Introduzione ecancellazionetarghe in lista nera
Ricezione allarmi
Consultazione transiti
Comunicazione con veicolo
Radiolocalizzazione veicolo
Wireless-LAN
VEICOLO
Schema funzionale del sistema Auto-Detector
Telecamera dx
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Scheda Tecnica del sistema Auto-Detector
• Sensore miniaturizzato integrato con due microcamere digitali B/W progressive con ottica NF 12mm e mini illuminatori IR flash (88 LED on chip ad alta densita’) • Ampia possibilita’ di espansione verso
sensori ad alta risoluzione e alta sensibilita’
• Unita’ di elaborazione nel vano bagagli delle vettura• Processore INTEL X-Scale a elevate prestazioni
(880 MHz, 32 bits, 64 MB RAM)• Rete a 100 Mb/s • Bassi consumi < 15W, e alimentazione a 12 VDC• Elevata compattezza• Componente di una rete espandibile• Facilita’ di connessioni remote per manutenzione
ed aggiornamento
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
OO22CRCR--Diagramma di flussoDiagramma di flusso
Acquisizione video continua
Elaborazione immagini e regione di interesse ROI
Segmentazione ROI e riconoscimento caratteri
Analisi contestuale e Understanding
Aggiornamento e manutenzione Base-Dati targhe
Confronto liste targhe (bianche-nere)
Controllo esposizione
Interfaccia Applicativa (MMI - utente)
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Pre-Processing: Elaborazione della sequenza video per selezionare automaticamente i quadri immagine in movimento”
OCR Engine: Estrazione e misura caratteri targa nelle regioni ROI selezionate e validazione contestuale• Localizzazione Campo Targa• Segmentazione Caratteri• Misura e Riconoscimento Caratteri• Validazione Contestuale
Post-Processing: Integrazione temporale e fusione dei caratteri targa da letture successive
OO22CRCR Processo di Lettura TargheProcesso di Lettura Targhe
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Features utilizzate: mappa “grigi” locali di dimensione fissa e spaziatura adattataDistribuzione di probabilita`:
stimata con media e covarianza delle 36 classi alfanumericheClassificatore utilizzato:
maximum likelyhood con distanza di Mahalanobis -1/2 ( X-Mi )T Q-1 ( X-Mi ) dove
Mi vettore medio della classe i
Qi matrice di covarianza della classe i
Criterio di scarto distanza superiore ad un valore prefissato
OO22CRCR Engine :Riconoscimento e Misura 1 Engine :Riconoscimento e Misura 1
Si tratta in genere di OCR monofont, quindi con distribuzioni di probabilita` modellabili come “nuvole” centrate attorno ad un punto (archetipo) nello spazio delle features.
Esempio di carattere segmentato, mappa di
features
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
• Confronto e integrazione delle targhe riconosciute nei quadri immagine che compongono la sequenza video per selezionare i dati piu’ stabili e corretti
• Misura della distanza tra stringhe alfanumeriche di testo per decidere l’accettazione del candidato targa
• Si ottiene un sensibile miglioramento del riconoscimento targa rispetto alle misure condotte su singoli quadri immagine
• Confronti con liste bianche (veicoli autorizzati) e liste nere (generazione allarmi)
OO22CRCR Engine: Engine: Post-ProcessingPost-Processing
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Prestazioni del sistema Auto-Detector
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Prestazioni del sistema Auto-Detector
• Vetture parcheggiate al bordo strada lungo tratti urbani Riprese a velocita’ 50 km/h• Percentuale media di letture corrette
rispetto a quelle leggibili > 90%
• Vetture in movimento lungo tratti autostradali o strade ad elevato scorrimento• Percentuale media di letture corrette
rispetto a quelle leggibili > 95%
• Ottimizzato per le targhe italiane con equivoco inferiore a 0.5%
• Predisposto per la lettura targhe internazionali (training e contesto-libero)
• Lettura continua giorno e notte e transizioni brusche (gallerie) pioggia, ecc.
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
3D MODS
Moving Obstacle Detection System
• Le specifiche e requisiti applicativi di riferimento
• La soluzione proposta
• Configurazione adottata e modalita’ di installazione
• Descrizione del processo
• Alcuni esempi
• Sviluppi in corso
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
L’obiettivo principale dell’ODS e’ quello di generare un allarme quando un oggetto di dimensioni predefinite (un cubo di 30 cm. di lato e’ utilizzato come “test-body”) cade in una zona pericolo. (zona binari).
ODS- Stazioni Metropolitane 1
E’ definita una barriera virtuale all’altezza del marciapiede, come zona di sicurezza.
• L’oggetto non deve essere metallico ne’ avere proprieta’ di conducibilita’
• Non si devono avere falsi allarmi per:• Variazioni nelle condizioni atmosferiche e di illuminazione• Fogli di giornale, pacchetti di sigarette, ecc.• Transito di treni
• Tempo di risposta nella detezione oggetto (allarme) < 300 msec.• Copertura di tutta la lunghezza del binario in stazione (c.a. 40 m.)• Garantita una illuminazione ambientale >10 lux
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
ODS- Stazioni Metropolitane 2
Soluzioni attualmente in fase di valutazione
Barriere ottiche Barriere Laser• Frequenti falsi allarmi
• No-documentazione dell’evento
• Difficile installazione (ingombri in zona danger)
• Difficile manutenzione (interruzione servizio)
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Base telemetrica fra le due telecamere B
Assetto Binoculare convergente
Una telecamera (master) rileva le variazioni di movimento
La seconda telecamera verifica la consistenza 3D delle aree rilevate in movimento
Vantaggi:Elimina falsi allarmi generati da:• Ombre e riflessi di luce• Fogli o superfici piane
3D MODS- La Proposta Elsag 1
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
BModello predizione-verifica
Ogni piano nello spazio 3D determina una tabella di corrispondenza (look-up) tra i punti immagine Master e Slave
Vantaggi principali:• Insensibilita’ a variazioni di luce (coppie di
telecamere sincronizzate)• Velocita’ di processing (look-up limitate alle
aree in movimento)
Modello binoculare
Autocalibrazione sul piano da analizzare
3D MODS- La Proposta Elsag 3
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
MODS: Moving Obstacle Detection System
3D MODS- La Proposta Elsag 2
13.88 m
13.88 m
13.88 m
4.39 m 4.39 m
Configurazione sensoriale (6 sensori stereo) per coprire la lunghezza del binario in stazione
Sensore base:• Aggiornamento del background e controllo esposizione• Detezione movimento (change-detection) della Telecamera master: zone candidate (blob)• Estrazione contorni (in movimento)• Correlazione immagini (ai diversi pianio selezionati)• Estrazione features (globali e ai singoli piani): densita’ punti “attivi”, posizione
(baricentri) assi di inerzia• Detezione (warning e allarmi) con euristiche (processo “generico”) da specializzare con
opportuna fase di “training”
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
3D MODS- La Proposta Elsag 4
Architettura di sistema
Basic Sensor
Basic Sensor
Basic Sensor
Basic Sensor
Basic Sensor
Rail track 1 Rail track 2
Basic Sensor
Basic Sensor
Basic Sensor
LAN 1 LAN 2
Alarm Mngm. Supervision
SUP-1Alarm Mngm. Supervision
SUP-2
I/F to External Systems SCADA, TLC, ecc.
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
3D MODS- Situazione attuale prototipo “base”
Configurazione di ripresa
Sensore binoculare
Procedure di Calibrazione e Installazione (messa in servizio):
• Selezione nella scena di punti 3D (sparsi) su due piani ad altezza 0 e h, rispettivamente
• Costruzione della matrice fondamentale F (relazione epipolare)
• Costruzione delle trasformate (omografie) sui due piani selezionati
• Interpolazione lineare dei piani con vincolo epipolare
O = (1-dz/h) O0 + (dz/h) Oh
Left Right
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
P
O1
O2
Parallela alla direzione P1
P1
P2
Punti P con giacitura su un
piano di riferimento
3D MODS- Assetto stereo di ripresa”
Ep2
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Omografia al suolo O0 ottenuta dalla corrispondenza di N pti (>=4) su un piano di riferimento (piano dei binari)
Omografia all’infinito O ottenuta dalla corrispondenza dei punti all’infinito, rispetto ad un sistema di riferimento 3D comune nella scena (landmark “naturale” dei binari)
Relazione di interpolazione per ottenere l’omografia O al piano corrente, come:
O = H/(H-h) O0 - h / (H-h) O
Si utilizza un sistema di riferimento ortogonale nel mondo costituito da 3 direzioni ortogonali corrispondenti ai 3 pti di fuga (punti impropri) sul piano immagine
3D MODS- Interpolazione con omografia all’infinito
113231
232221
131211
y
x
mm
mmm
mmm
w
v
u
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
3D MODS- Landmark 3D nella scena
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
3D-MODS- Impianto Pilota METRO-Ge, Certosa-Brin
• Il sistema (un sensore) e’ installato alla stazione di Genova-Certosa, dal 30-4-03
• Il sistema e’ in grado di rilevare la presenza di oggetti (di dimensioni superiori a 15 cm. nella zona di sicurezza all’altezza della banchina
• Puo’ classificare i treni in transito
Esempio di coppia stereo sincronizzata
Cassetto di controllo
Sensore binoculare
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Componenti
Compasso landmark
Compatto lunghezza 1 m.
Materiale “Polidur” alta densita’ molecolare, resistente e leggero
Trattamento anti UVA con ampia resistenza a escursioni termiche e usura
Fotocamera digitale
4 Megapixel 2272x1704, a colori
Salvataggio su mini-CD a sola scrittura
Software di elaborazione
ORTHO-PHOTO
ORTO-FOTO: Ricostruzione e misure di scene incidenti
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Ricostruzione in pianta
Ricostruzione grafica scene (schizzo post-incidente)
Ricostruzione della scena per una mappatura piu’ realistica della scena
Recupero misure e dati senza elementi di disturbo (scena sgombra)
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
P0
Export dati in uscita
Per ogni immagine selezionata:• Scelta punto di origine (P0) sulla scena e direzione principale (P1) (ad es. lungo una corsia), per
identificare una posizione assoluta di riferimento, ben identificabile nella scena;• Tutte le coordinate misurate vengono riportate in questo sistema di riferimento
P1
Struttura dati in uscita:Sequenza dei punti misurati (segmenti in colore blu nella figura) al suolo nel sistema di riferimento selezionato, che possono essere posizionati su un grafico esterno (ad. Es. CAD) ESTERNO AL PROGRAMMA ORTHO-PHOTO
Una Società Finmeccanica Master in Matematica per le Applicazioni, Bologna 3/7/03
Nuove applicazioni e sviluppi in corso
• Misura velocita’ dalla lettura continua delle targhe dei veicoli in transito
• Lettura codici containers nel controllo accesso varchi portuali
• Detezione e classificazione di sorpassi tra mezzi pesanti (con modelli 3D di veicoli e mezzi)
• Misure stereometriche fra due foto-digitali non-calibrate (landmark)
• Riconoscimento e classificazione transiti di motocicli (struttura targe)
• Classificazione transiti a varchi (persone, veicoli, ecc.)
• Simulazione transiti