ForestPersons: A Large-Scale Dataset for Under-Canopy Missing Person Detection

Este artículo presenta ForestPersons, un nuevo conjunto de datos a gran escala diseñado para la detección de personas desaparecidas bajo el dosel forestal desde perspectivas a nivel del suelo y baja altitud, abordando las limitaciones de los enfoques aéreos tradicionales en misiones de búsqueda y rescate.

Lo esencial

¡Claro que sí! Imagina que eres un búho detective que tiene que encontrar a una persona perdida en un bosque espeso. Aquí te explico de qué trata este paper (un artículo de investigación) usando una historia sencilla y analogías cotidianas.

🌲 El Problema: El Búho que no ve nada desde arriba

Imagina que tienes un dron gigante que vuela muy alto, como un águila. Desde esa altura, puedes ver todo el bosque de un vistazo rápido. Es genial para ver caminos o ríos, pero si intentas encontrar a alguien perdido entre los árboles, el dron falla.

¿Por qué? Porque las ramas, las hojas y la maleza actúan como un cortinaje de hojas. Desde arriba, la persona desaparece bajo el "techo" del bosque. Es como intentar encontrar una moneda en el suelo de una habitación llena de muebles altos; si solo miras desde el techo, solo ves los muebles, no la moneda.

Además, la persona perdida podría estar sentada, tumbada o escondida detrás de un tronco. Los modelos de inteligencia artificial actuales están entrenados para ver gente de pie en calles o parques abiertos, no gente escondida bajo un dosel de árboles.

🛠️ La Solución: "ForestPersons" (El Bosque de las Personas)

Los autores de este paper crearon algo llamado ForestPersons. Imagina que es como un gimnasio de entrenamiento para los ojos de los robots.

En lugar de enseñarles a los robots a buscar personas desde el cielo (donde no pueden ver bien), les enseñaron a buscarlas desde el suelo, a la altura de los ojos de un humano o de un dron pequeño que vuela entre los árboles (llamado MAV).

¿Qué hace especial a este "gimnasio"?

1. Es enorme: Tienen casi 100,000 fotos y más de 200,000 anotaciones. Es como tener un álbum de fotos gigante donde cada persona está etiquetada.
2. Es realista: Las fotos no son de gente sonriendo en un parque. Son de gente tumbada en el suelo, sentada en una rama, o medio escondida por hojas.
3. Tiene "etiquetas de dificultad": Cada persona tiene una etiqueta que dice:
   • Postura: ¿Está de pie, sentada o tumbada? (Como si el robot aprendiera que la gente perdida no siempre está de pie).
   • Visibilidad: ¿Se ve bien? (100%), ¿está medio tapada? (70%), o ¿está casi invisible entre las ramas? (20%).
4. Variedad: Hay fotos de verano (con muchas hojas verdes que tapan todo), invierno (con nieve y menos hojas), lluvia y sol.

🧪 La Prueba: ¿Funciona?

Los investigadores tomaron los mejores "detectives" (modelos de inteligencia artificial) que ya existían y los pusieron a prueba en este nuevo bosque.

• El resultado: ¡Fue un desastre! Los modelos que funcionaban bien en otros lugares (como en ciudades o desde drones altos) no podían encontrar a nadie en este bosque. Se confundían con las ramas y no sabían qué hacer con alguien tumbado.
• La lección: Esto demuestra que no puedes usar el mismo mapa para buscar en una ciudad que para buscar en un bosque. Necesitas un entrenamiento específico.

🚀 ¿Para qué sirve todo esto?

Imagina que un dron pequeño (como un insecto robótico) entra en el bosque. Gracias a ForestPersons, este dron puede:

1. Volar bajo, entre los árboles.
2. Reconocer a una persona aunque solo vea un brazo o una pierna asomando entre las hojas.
3. Entender que si la persona está tumbada, podría estar herida o cansada.

Esto aumenta las posibilidades de rescatar a alguien a tiempo en misiones de búsqueda y rescate reales.

🍎 En resumen (La analogía final)

Antes, intentar encontrar a alguien perdido en un bosque con un dron era como intentar encontrar una aguja en un pajar mirando solo la punta del pajar desde un helicóptero.

Con ForestPersons, ahora les damos a los robots unas gafas de bucear y les enseñamos a nadar dentro del pajar, entre las agujas, para encontrar la aguja sin importar si está escondida, rota o tumbada.

¡Es un paso gigante para que la tecnología pueda salvar vidas en los lugares más difíciles de la Tierra! 🌲🤖🆘

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "FORESTPERSONS: A LARGE-SCALE DATASET FOR UNDER-CANOPY MISSING PERSON DETECTION", publicado en ICLR 2026.

1. El Problema

La detección de personas desaparecidas en entornos forestales densos representa un desafío crítico para las misiones de Búsqueda y Rescate (SAR) asistidas por drones. Aunque los Vehículos Aéreos No Tripulados (UAV) son efectivos para cubrir grandes áreas, las perspectivas aéreas tradicionales (desde altitudes elevadas o ángulos oblicuos) sufren de limitaciones severas en bosques:

• Oclusión por dosel: La densa vegetación oculta a los individuos, reduciendo su visibilidad a pocos píxeles o eliminándolos por completo de la imagen.
• Limitaciones de los conjuntos de datos existentes: Los conjuntos de datos actuales para SAR se basan principalmente en vistas aéreas de alta altitud, mientras que los conjuntos de datos de nivel del suelo (como COCO o CityPersons) carecen de la complejidad de oclusión natural y las posturas no erguidas (sentado, acostado) típicas de una emergencia en el bosque.
• Brecha de dominio: Los modelos entrenados en datos aéreos o en entornos urbanos no generalizan bien a las condiciones de baja altitud y alta oclusión que enfrentan los Micro Vehículos Aéreos (MAV) durante la búsqueda real.

2. Metodología y Propuesta: ForestPersons

Los autores presentan ForestPersons, un nuevo conjunto de datos a gran escala diseñado específicamente para la detección de personas bajo el dosel forestal, simulando la perspectiva de los MAVs.

• Recopilación de Datos:

  • Se utilizaron cámaras manuales y montadas en trípodes a una altitud de 1.5 a 2.0 metros, emulando la altura de vuelo de los MAVs.
  • Se capturaron 96,482 imágenes derivadas de 377 secuencias de video.
  • Diversidad: Los datos cubren diversas estaciones (verano, otoño, invierno con nieve), condiciones climáticas (cielo despejado, nublado, lluvia) y momentos del día (tarde, atardecer).
  • Escenarios: Incluye interiores de bosques densos, valles y bordes de caminos.

• Anotaciones y Atributos:

  • 204,078 instancias anotadas con cajas delimitadoras (bounding boxes).
  • Etiquetas de Oclusión y Visibilidad: Cada instancia incluye un nivel de visibilidad (20, 40, 70, 100) basado en el porcentaje del cuerpo visible, crucial para evaluar la dificultad.
  • Postura: Las personas se etiquetaron en tres posturas: de pie, sentada y acostada (esta última es crítica en SAR pero rara en otros datasets).
  • Privacidad: Se aplicó un protocolo de anonimización automática y manual para difuminar rostros.
  • Dataset IR: Se liberó un conjunto de datos complementario, ForestPersonsIR, con 64,142 imágenes térmicas para evaluar la detección basada en calor.

• Estrategia de División (Split):

  • Para evitar el "fuga de datos" temporal, la división en entrenamiento, validación y prueba se realizó a nivel de secuencia de video, no de imagen individual.
  • Se implementó una división consciente de la dificultad: las secuencias se clasificaron según el rendimiento de un modelo pre-entrenado (Faster R-CNN) y se distribuyeron equitativamente entre los conjuntos de datos para asegurar que cada división contenga una mezcla balanceada de escenarios fáciles, medios y difíciles.

3. Contribuciones Clave

1. Primer Benchmark Específico: Es el primer dataset de gran escala diseñado explícitamente para la detección de personas bajo el dosel forestal desde una perspectiva de nivel del suelo/baja altitud.
2. Análisis de Oclusión y Postura: Introduce anotaciones ricas en atributos (visibilidad y postura) que permiten un análisis sistemático de cómo la oclusión y la posición del cuerpo afectan el rendimiento del modelo.
3. Evaluación de Brecha de Dominio: Demuestra empíricamente que los modelos entrenados en datasets SAR aéreos o datasets de nivel del suelo convencionales fallan catastróficamente en este entorno, justificando la necesidad de un dataset específico.
4. Validación en Drones Reales: Se evaluaron los modelos entrenados en ForestPersons en un conjunto de datos real capturado por un MAV, demostrando una buena generalización a pesar de que los datos de entrenamiento fueron capturados manualmente.

4. Resultados Experimentales

• Rendimiento de Modelos Base: Se evaluaron múltiples arquitecturas (YOLO, Faster R-CNN, DETR, DINO, etc.).
  • El modelo Deformable R-CNN obtuvo el mejor AP (Average Precision) en el conjunto de prueba con 66.3%.
  • DINO obtuvo el mejor AR (Average Recall) con 77.7%, lo cual es vital para misiones SAR donde los falsos negativos son inaceptables.
  • CZ Det (con mecanismo de zoom en cascada) logró los mejores resultados en AP50 (96.1%) y AP75 (77.9%).
• Impacto de los Atributos:
  • Visibilidad: El rendimiento de detección disminuye drásticamente a medida que aumenta la oclusión (niveles de visibilidad 20 y 40).
  • Postura: Los modelos entrenados solo con personas de pie fallan significativamente al detectar personas sentadas o acostadas. La diversidad de posturas en el dataset es esencial para la generalización.
  • Estaciones: Los modelos entrenados solo en invierno generalizan mal en verano (y viceversa), destacando la necesidad de datos multi-temporales.
• Comparación con Datasets Previos: Los modelos entrenados en datasets SAR aéreos (como SARD, HERIDAL) obtuvieron un AP cercano a 0% en ForestPersons, confirmando la incompatibilidad de las perspectivas aéreas para este escenario.
• Modelos VLM (Zero-Shot): Los modelos de lenguaje-visión (como GPT-4o, Gemini) mostraron un rendimiento muy bajo en detección precisa (AP < 2%), mientras que los detectores de vocabulario abierto (Grounding DINO) lograron un AP50 de ~77%, aunque aún por debajo de los modelos supervisados específicamente (92.7% en AP50).

5. Significado e Impacto

El trabajo de ForestPersons es fundamental para avanzar en la autonomía de los sistemas de rescate:

• Superación de la Escasez de Datos: Aborda la falta crítica de datos de entrenamiento que reflejen las condiciones reales de búsqueda en bosques densos.
• Mejora de la Supervivencia: Al permitir entrenar modelos que pueden detectar personas parcialmente ocultas y en posturas no erguidas, aumenta significativamente la probabilidad de localizar y rescatar a personas desaparecidas antes de que su estado crítico empeore.
• Estándar de Evaluación: Establece un nuevo benchmark riguroso que obliga a la comunidad de visión por computadora a considerar la oclusión, la postura y la diversidad ambiental como factores centrales, en lugar de solo la precisión en entornos abiertos.
• Aplicabilidad Real: La demostración de que los modelos entrenados con datos simulados (manuales) funcionan bien en drones reales sugiere que este enfoque es viable para despliegues operativos inmediatos, reduciendo la necesidad de costosas y peligrosas recolecciones de datos con drones en misiones reales.

En resumen, ForestPersons cierra la brecha entre la investigación académica en detección de objetos y las necesidades operativas reales de las misiones de búsqueda y rescate en entornos forestales complejos.