Novel Vision-Based Camera Distance Estimation for Indoor Positioning

Dans le monde calme et complexe de la navigation intérieure, les outils familiers sur lesquels nous comptons à l'extérieur échouent souvent. Le Système de Positionnement Global, qui nous guide à travers les villes et les champs, peine à pénétrer les murs épais et les plafonds des bâtiments, nous laissant sans signal fiable. Pour résoudre ce problème, les scientifiques se sont tournés vers les caméras qui surveillent déjà nos bureaux, hôpitaux et universités. Ces systèmes de télévision en circuit fermé, ou CCTV, offrent un avantage unique : ils n'ont pas besoin de signaux radio pour voir. Au lieu de cela, ils capturent la géométrie visuelle d'un espace, fournissant une carte riche de l'endroit où se trouvent les personnes par rapport à la caméra. Cependant, transformer une image plate en deux dimensions en une mesure précise de la distance réelle est un puzzle complexe. Une seule photo ne peut pas intrinsèquement dire à quelle distance se trouve un objet ; une personne debout près de l'objectif paraît grande, tandis que cette même personne, éloignée, paraît petite, créant une ambiguïté déroutante qui a longtemps mis les chercheurs au défi.

Une nouvelle étude de l'Université de Koya en Irak répond à ce défi en apprenant à un ordinateur comment mesurer la distance entre une caméra de sécurité fixe et une personne marchant dans un couloir. Les chercheurs n'ont pas tenté de deviner l'emplacement exact de la personne sur une carte globale, une tâche qui mène souvent à des erreurs. Au lieu de cela, ils se sont concentrés sur un objectif plus gérable et plus fiable : déterminer la distance physique précise entre la caméra et les pieds de la personne. Pour ce faire, ils ont construit un système qui identifie d'abord la personne dans le flux vidéo et localise ses chevilles, le point spécifique où son corps rejoint le sol. Si les chevilles sont cachées ou difficiles à voir, le système utilise une méthode de secours basée sur le bas de la silhouette de la personne. Les chercheurs ont ensuite appliqué une série de corrections numériques pour tenir compte de la manière dont les objectifs de caméra déforment naturellement les images et ont utilisé une technique de cartographie géométrique pour traduire la position du pixel sur l'écran en une position réelle sur le sol.

Pour affiner ce calcul initial, l'équipe a introduit une étape d'apprentissage qui agit comme un mécanisme de réglage précis. Le système analyse l'image à la recherche d'indices sur la profondeur et la taille de la personne, comparant ces caractéristiques visuelles à des distances connues pour corriger toute petite erreur restante. Lors de tests sur des séquences d'un couloir universitaire, cette approche combinée s'est révélée remarquablement efficace. Le système a estimé la distance par rapport à une personne avec une erreur moyenne de seulement 0,159 mètre, soit environ 15,9 centimètres. En termes statistiques, l'erreur quadratique moyenne, qui tient compte des erreurs plus importantes, était de 0,218 mètre. Ces résultats suggèrent que la méthode est suffisamment stable et précise pour une utilisation pratique dans le positionnement intérieur.

L'étude a également comparé cette nouvelle méthode à une approche plus courante et prête à l'emploi qui repose uniquement sur la détection de la forme générale d'une personne sans localiser précisément ses pieds ou appliquer de corrections géométriques. La méthode standard, qui dessine simplement un cadre autour d'une personne, a produit une erreur moyenne de 0,386 mètre, soit plus du double de l'erreur du nouveau système. Cette différence souligne que le simple fait de repérer une personne ne suffit pas ; comprendre exactement où elle touche le sol et corriger l'angle spécifique de la caméra ainsi que les particularités de l'objectif est essentiel pour la précision. Les chercheurs ont noté que leur succès reposait sur un ensemble de conditions spécifiques, utilisant des données collectées dans un couloir unique, bien éclairé, avec des caméras fixes. Ils reconnaissent que les environnements du monde réel avec des foules en mouvement, des changements de lumière ou des ombres denses pourraient présenter de nouvelles difficultés.

Malgré ces limites, ce travail démontre que les infrastructures de sécurité existantes peuvent être détournées pour fournir une conscience spatiale précise sans nécessiter de nouveaux capteurs coûteux ou de matériel spécialisé. En combinant la capacité de détecter la posture humaine avec une cartographie mathématique et une étape de correction apprise, les chercheurs ont montré qu'une caméra standard peut mesurer de manière fiable la distance de séparation avec une personne. Cette capacité pourrait éventuellement aider à guider les gens à travers de grands bâtiments, aider les intervenants d'urgence à localiser des individus ou aider les robots à naviguer dans des espaces intérieurs complexes, tout cela en regardant simplement le monde à travers un objectif qui existe déjà.