Novel Vision-Based Camera Distance Estimation for Indoor Positioning

No mundo silencioso e complexo da navegação em ambientes internos, as ferramentas familiares nas quais confiamos ao ar livre frequentemente falham. O Sistema de Posicionamento Global, que nos guia através de cidades e campos, tem dificuldade em penetrar as paredes espessas e os tetos dos edifícios, deixando-nos sem um sinal confiável. Para resolver isso, cientistas voltaram-se para as câmeras que já vigiam nossos escritórios, hospitais e universidades. Esses sistemas de circuito fechado de televisão, ou CCTV, oferecem uma vantagem única: eles não precisam de sinais de rádio para enxergar. Em vez disso, capturam a geometria visual de um espaço, fornecendo um mapa rico de onde as pessoas estão em relação à câmera. No entanto, transformar uma imagem plana, bidimensional, em uma medição precisa de distância no mundo real é um quebra-cabeça complicado. Uma única foto não consegue, inerentemente, dizer a que distância um objeto está; uma pessoa parada perto da lente parece grande, enquanto a mesma pessoa longe parece pequena, criando uma ambiguidade confusa que há muito desafia pesquisadores.

Um novo estudo da Universidade de Koya, no Iraque, aborda esse desafio ensinando um computador a medir a distância entre uma câmera de segurança fixa e uma pessoa caminhando por um corredor. Os pesquisadores não tentaram adivinhar a localização exata da pessoa em um mapa global, uma tarefa que frequentemente leva a erros. Em vez disso, focaram em um objetivo mais gerenciável e confiável: determinar a distância física precisa da câmera até os pés da pessoa. Para fazer isso, construíram um sistema que primeiro identifica a pessoa na transmissão de vídeo e localiza seus tornozelos, o ponto específico onde seu corpo encontra o chão. Se os tornozelos estiverem escondidos ou difíceis de ver, o sistema utiliza um método de reserva baseado na parte inferior do contorno da pessoa. Os pesquisadores aplicaram então uma série de correções digitais para levar em conta a maneira como as lentes das câmeras naturalmente distorcem as imagens e usaram uma técnica de mapeamento geométrico para traduzir a localização do pixel na tela em uma posição real no chão.

Para refinar esse cálculo inicial, a equipe introduziu uma etapa de aprendizado que atua como um mecanismo de ajuste fino. O sistema analisa a imagem em busca de pistas sobre profundidade e o tamanho da pessoa, comparando essas características visuais com distâncias conhecidas para corrigir quaisquer pequenos erros restantes. Quando testado em filmagens de um corredor universitário, essa abordagem combinada provou ser notavelmente eficaz. O sistema estimou a distância até uma pessoa com um erro médio de apenas 0,159 metros, ou cerca de 15,9 centímetros. Em termos estatísticos, o erro quadrático médio, que contabiliza erros maiores, foi de 0,218 metros. Esses resultados sugerem que o método é estável e preciso o suficiente para uso prático em posicionamento interno.

O estudo também comparou este novo método com uma abordagem mais comum e pronta para uso, que depende apenas da detecção da forma geral de uma pessoa sem localizar precisamente seus pés ou aplicar correções geométricas. O método padrão, que simplesmente desenha uma caixa ao redor de uma pessoa, produziu um erro médio de 0,386 metros, mais do que o dobro do erro do novo sistema. Essa diferença destaca que simplesmente detectar uma pessoa não é suficiente; entender exatamente onde ela toca o chão e corrigir para o ângulo específico da câmera e as peculiaridades da lente é essencial para a precisão. Os pesquisadores observaram que o sucesso deles dependeu de um conjunto específico de condições, utilizando dados coletados em um único corredor bem iluminado com câmeras fixas. Eles reconhecem que ambientes do mundo real com multidões em movimento, mudanças de luz ou sombras intensas podem apresentar novas dificuldades.

Apesar dessas limitações, o trabalho demonstra que a infraestrutura de segurança existente pode ser reaproveitada para fornecer consciência espacial precisa sem a necessidade de novos sensores caros ou hardware especializado. Ao combinar a capacidade de detectar a postura humana com mapeamento matemático e uma etapa de correção aprendida, os pesquisadores mostraram que uma câmera padrão pode medir confiavelmente a que distância uma pessoa está. Essa capacidade poderia eventualmente ajudar a guiar pessoas através de grandes edifícios, auxiliar socorristas na localização de indivíduos ou ajudar robôs a navegar em espaços internos complexos, tudo isso simplesmente olhando para o mundo através de uma lente que já existe.