一种巡逻机器人的制作方法
【技术领域】
[0001]本发明涉及智能机器人技术领域，具体涉及一种巡逻机器人。
【背景技术】
[0002]随着社会经济的发展，在生活社区、超市、会展中心、车站、机场等场所的人流量日益增多，活动人数的增加容易导致各种突发事件发生。此时传统的固定摄像头监控不能够有效的震慑和制止犯罪，已经无法满足日益增加安保需求。因此，移动视频监控巡逻机器人应运而生。
[0003]目前，市场上的移动巡逻机器人具有摄像头，并且能够提供视频录制存储功能。但是这种简单的视频录制和存储功能无法实现对巡逻监控范围内的意外事件快速发现或预目ο
【发明内容】
[0004]有鉴于此，本发明实施例提供了一种巡逻机器人及其监控方法，解决了对意外事件的预警问题。
[0005]根据本发明的实施方式，提供一种巡逻机器人，其包括摄像头、存储器、GPS模块和处理器。所述摄像头被配置为，获取实时模拟图像，并且将所述实时模拟图像转换为数字图像。所述存储器被配置为，将所述数字图像以本地高清形式进行存储。所述GPS模块被配置为，获取所述巡逻机器人的位置信息。所述处理器被配置为，按照一定周期从存储器中提取一幅所述数字图像，采用智能分析方法统计出所述一幅数字图像中的人数，并且判断所统计的人数是否大于设定阈值，在所统计的人数大于设定阈值的情况下，控制所述巡逻机器人停止前进，并将报警信息和当前位置信息发送给远程监控端。
[0006]进一步地，所述处理器还被配置为，接收摄像头转换得到的所述数字图像，将所述数字图像压缩编码，并且发送给所述远程监控端。
[0007]进一步地，所述设定阈值根据时间并且/或者GPS信息进行设置。
[0008]进一步地，所述采用智能分析方法所述统计出所述一幅数字图像中的人数，包括，采用行人检测方法统计出一幅数字图像中的行人数量；和/或采用人脸检测方法统计出一幅数字图像中的人脸数量。
[0009]进一步地，所述行人和/或所述人脸在所述远程监控端可以被框出。
[0010]进一步地，所述设定阈值根据时间并且/或者GPS信息进行设置。
[0011]进一步地，通过所述行人检测方法统计出所述一幅数字图像中的人数包括:将一幅所述数字图像分成若干个大小相同的子图；分别提取所述若干个大小相同的子图的方向梯度直方图特征输入到行人检测模型；通过所述行人检测模型的判断统计出一幅所述数字图像中的人数，即确定图像中行人的位置，从而统计出图像中行人的数量。
[0012]进一步地，所述行人检测模型的训练过程包括:建立样本，其中选择行人图像作为正样本，非行人图像作为负样本；分别提取所述正样本、所述负样本的方向梯度直方图特征；采用SVM算法对正样本和负样本的所述方向梯度直方图特征进行训练得到行人检测模型。
[0013]进一步地，所述采用人脸检测方法统计出一幅数字图像中的人脸数量，具体包括:将一幅数字图像分成若干个大小相同的子图；分别提取所述若干个大小相同的子图的Haar特征输入到之前训练好的人脸检测模型；通过所述人脸检测模型检测出一幅所述数字图像中的人脸，即确定图像中人脸的位置，从而统计出图像中人脸的数量。
[0014]进一步地，所述人脸检测模型的训练过程包括:建立样本，其中选择人脸图像作为正样本，非人脸图像作为负样本；分别提取所述正样本、所述负样本的Haar特征；采用Adaboost算法对正样本和负样本的所述Haar特征进行训练得到人脸检测模型。
[0015]进一步地，提供一种巡逻机器人，包括:摄像头，用于获取实时模拟图像，并将所述实时模拟图像上传给视频采集卡；视频采集卡，用于将摄像头传来的所述实时模拟图像转换成数字图像，并将所述数字图像发送给主机；GPS模块，用于获取所述巡逻机器人的位置信息；驱动模块，用于驱动所述巡逻机器人移动；以及主机，用于通过智能分析统计出所述数字图像中的人数，并且判断所统计出的人数是否大于设定阈值，在所统计的人数大于设定阈值的情况下，通过所述驱动模块控制所述巡逻机器人停止前进，并且通过所述GPS模块获取所述巡逻机器人的当前位置信息，并将报警信息和当前位置信息发送给远程监控端。
[0016]本发明实施例提供一种巡逻机器人，其能够对实时图像进行智能分析，并统计实时图像中的人数，即行人和人脸的数量。当行人和人脸的数量大于设定阈值时，发出预警，并将当前位置信息传送给远程监控端，提醒安保人员重点关注。
【附图说明】
[0017]图1所示为本发明一实施例提供的巡逻机器人执行监控方法的流程图；
[0018]图2所示为本发明一实施例提供的采用行人检测方法统计每一秒钟取出的一幅数字图像中的行人数量的流程图；
[0019]图3所示为本发明一实施例提供的行人检测模型的训练过程流程图；
[0020]图4所示为本发明一实施例提供的采用人脸检测方法统计每一秒钟提取出的一幅数字图像中的人脸数量的流程图；
[0021]图5所示为本发明一实施例提供的人脸检测模型的训练过程流程图；
[0022]图6所示为本发明一实施例提供的巡逻机器人系统结构框图。
【具体实施方式】
[0023]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0024]根据本发明的实施方式，提供一种巡逻机器人，其包括摄像头、存储器、GPS模块、和处理器。图1示出本发明一实施例提供的巡逻机器人执行监控方法的流程图。具体包括:
[0025]S101:摄像头获取实时模拟图像。
[0026]S102:摄像头将实时模拟图像转换为数字图像。
[0027]S103:将数字图像以本地高清形式存储在存储器中。
[0028]S104:处理器按照一定周期提取一幅所述数字图像，采用智能分析方法统计出一幅所述数字图像中的人数。优选地，每一秒钟提取一幅数字图像。
[0029]S105:处理器判断人数是否大于设定阈值，如果大于，机器人停止前进，并将报警信息、以及GPS模块获取的当前GPS位置信息发送给远程监控端。
[0030]根据本实施方式的巡逻机器人可以智能统计出监控视频中的人数，当统计的人数超出设定阈值时，发送预警信息给远程监控端，具有很好的对意外事件的预防作用。
[0031]根据本发明的一个实施方式，处理器还被配置为，接收摄像头转换得到的所述数字图像，将所述数字图像压缩编码，并且发送给所述远程监控端。实现视频图像在远程监控端的实时显示，一方面便于安保人员对机器人的预警信息进行确认，查看是否发生突发事件；另一方面使监控过程更加透明。
[0032]根据本发明的一个实施方式，采用智能分析方法统计出所述一幅数字图像中的人数，包括:采用行人检测方法统计出一幅数字图像中的行人数量；和/或采用人脸检测方法统计出一幅数字图像中的人脸数量。特别的，当行人背对摄像头的时候，能检测到行人，但是不能检测到人脸；而当人脸占据画面的大部分空间时，能检测到人脸，但无法检测出行人；鉴于上述情况，便需要同时具有行人检测与人脸检测的功能。
[0033]根据本发明的一个实施方式，远程监控端接收经处理器压缩编码后发送来的数字图像，解码之后在显示器上显示，并且显示器显示的图像中的行人可以被框出。通过这种方式，可以突出重点，加快监控人员的目标搜索时间。
[0034]根据本发明的一个实施方式，设定阈值可以根据时间、以及GPS信息分类设置。比如可以设定白天的时候发现5人及以上发出报警信息，晚上的时候发现1人即发出报警信息。当然也可以具体到时间，将一天24小时分成若干个区间，根据人的生活习惯合理设定报警阈值。再比如可以设定当发现围墙附近1人以上发出报警信息，在广场或门口发现10人以上发出报警信息。应当知道，这里的分类设置标准仅是示例性的。同理，人脸数量出现异常报警方式与此相同。
[0035]图2所示为本发明一实施例提供的采用行人检测方法统计每一秒钟取出的一幅数字图像中的行人数量的流程图，具体包括:
[0036]S201:将一幅数字图像分成若干个大小相同的子图。优选地，采用矩形滑窗的方式从所述数字图像中获取若干大小相同的子图。
[0037]S202:提取若干个大小相同的子图的方向梯度直方图特征输入到行人检测模型。在一幅图像中，局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地描述，而每个像素点的梯度可以用来描述它的方向密度，因此可以利用图像的梯度方向直方图来表述图像的特征。
[0038]S203:通过行人检测模型的判断统计出一幅数字图像中的行人数量。即确定图像中行人的位置，从而统计出图像中行人的数量。
[0039]下面具体描述一幅数字图像进行行人检测的过程。首先，提取一幅数字图像并将其作为当前目标数字图像，建立大小为50*20的矩形滑窗，从图的左上角按照一定位移从左到右滑动直至图像最右端，然后滑窗向下移动一定位移，重新从左至右扫描，直到完全遍历整幅图像；将矩形区域每次移动后所包围的部分截取出来作为子图，并提取该子图的方向梯度直方图特征；将子图的方向梯度直方图特征输入给行人检测模型进行行人判别。保持矩形滑窗的大小不变，按照一定的比例缩小目标数字图像，形成新的目标数字图像，按照上述过程遍历扫描新的目标数字图像，并提取所有子图的方向梯度直方图特征，分别送给行人检测模型进行行人判别。重复上述过程，直到目标图像的宽度或高度中有一个与矩形滑窗的宽度或高度相等。通过上述过程可以检测出图像中行人的位置，从而进一步确定行人的数量。
[0040]在步骤S203中，图3所示为本发明一实施例提供的行人检测模型的训练过程流程图，其包括:
[0041]S301:建立样本，其中选择行人图像作为正样本，非行人图像作为负样本。例如，首先，找到一些包含有行人的图像，截取图像中包含行人的矩形区域，归一化成50*20的大小，形成正样本；找一些不包括行人的图像，随机的截取一些矩形区域，归一化成5