[发明专利]人员识别方法及系统在审

专利信息
申请号: 202010996889.9 申请日: 2020-09-21
公开(公告)号: CN112132865A 公开(公告)日: 2020-12-25
发明(设计)人: 龚迪琛;李学生;牟春 申请(专利权)人: 德鲁动力科技(海南)有限公司
主分类号: G06T7/246 分类号: G06T7/246;G06T7/277;G06K9/00;G06K9/62
代理公司: 暂无信息 代理人: 暂无信息
地址: 571900 海南省三亚市澄迈县老城镇*** 国省代码: 海南;46
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人员 识别 方法 系统
【权利要求书】:

1.一种人员跟随方法,其用于机器人跟随单个人员,其特征在于,包括以下步骤:

S1.所述机器人确认所述机器人拍摄的图像中的人员数量并识别出所述机器人需要跟随的所述人员;

S2.所述机器人获取所述人员的实时特征信息以及路径信息;

S3.所述机器人对所述人员的下一步的位置进行预测;以及

S4.所述机器人根据所述S3步骤中预测的所述人员的位置信息确定所述机器人下一帧的检测范围并跟随所述人员。

2.根据权利要求1所述的跟随方法,其特征在于:

所述S1步骤包括:

S101.所述机器人确认图像中的所述人员数量;以及

S102.若所述机器人图像中的人员数量为一个时,所述机器人提取图像中的所述人员的特征;若所述机器人图像中的所述人员数量为至少两个时,所述机器人对图像中的所述人员进行特征匹配,确定所述机器人需要跟随的所述人员。

3.根据权利要求2所述的跟随方法,其特征在于:

所述S102步骤中,所述机器人对图像中的所述人员进行特征匹配时,所述机器人结合深度场信息以及所述人员的特征信息进行匹配。

4.根据权利要求1所述的跟随方法,其特征在于:

所述S2步骤包括:

S201.所述机器人将图像缩小至包括了所述人员所有信息的长方形图像;

S202.所述机器人对所述长方形图像框中的内容进行分析以获取所述人员的特征信息;以及

S203.所述机器人根据所述人员的移动方向与距离获取所述人员的路径信息。

5.根据权利要求1所述的跟随方法,其特征在于:

所述S4步骤包括:

S401.所述机器人依据卡尔曼滤波算法对所述人员的位置进行预测;以及

S402.所述机器人根据所述人员的位置的预测结果对所述机器人拍摄的图像进行裁剪。

6.一种人员跟随系统,其特征在于,包括:

拍摄模块,所述拍摄模块设置在所述机器人上,所述拍摄模块用于拍摄图像;

第一识别模块,所述第一识别模块识别所述拍摄模块拍摄的图像中所述人员的数量并确认所述机器人跟随的所述人员的身份;

第二识别模块,所述第二识别模块根据所述拍摄模块拍摄的图像识别所述人员的特征信息以及路径信息;

预测模块,所述预测模块对所述人员的位置进行预测;以及

调整模块,所述调整模块确定所述机器人下一帧的检测范围。

7.根据权利要求6所述的跟随系统,其特征在于:

所述第一识别模块包括:

数量识别单元,所述数量识别单元用于识别所述拍摄模块拍摄的图像中的所述人员的数量并将所述图像根据图像中的所述人员的数量进行分类,分为包括一个人员的第一图像以及包括至少两个人员的第二图像;

一次识别单元,所述一次识别单元用于识别所述第一图像中的所述人员的特征;以及

二次识别单元,所述二次识别单元用于对所述第二图像中的所述人员进行特征匹配以确定所述机器人需要跟随的所述人员。

8.根据权利要求7所述的跟随系统,其特征在于:

所述二次识别单元结合深度场信息以及所述人员的特征信息进行匹配。

9.根据权利要求6所述的跟随系统,其特征在于:

所述第二识别模块包括:

第一裁剪单元,所述第一裁剪单元对所述拍摄模块拍摄的图像进行裁剪,裁剪至包括了所述人员的所有信息的长方形图形;

第二识别单元,所述第二识别单元对所述长方形图形中的内容进行分析以获取所述人员的实时特征信息;以及

路径获取单元,所述路径获取单元根据所述拍摄单元拍摄的图像获取所述人员的实时路径信息。

10.根据权利要求6所述的跟随系统,其特征在于:

所述预测模块包括:

预测单元,所述预测单元依据所述第一识别单元或第二识别单元的识别结果对所述人员的位置进行预测;以及

第二裁剪单元,所述第二裁剪单元根据所述预测单元的预测结果对所述拍摄模块拍摄的下一帧图像进行裁剪。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于德鲁动力科技(海南)有限公司,未经德鲁动力科技(海南)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010996889.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top