一种基于深度摄像头的多特征人体识别方法
【技术领域】
[0001] 本发明涉及到基于深度摄像头的多特征人体识别方法。该方法适用于室内动态环 境下的机器人识别环境中的人。特别适用于在大型会展中心，以及具有拥挤人群的环境中 的识别人的任务。在健壮的视觉与图像特征的基础上，特别实现了识别的"人机友好性"，该 特性是指机器人对人的识别，不需要人给予机器人额外的帮助。例如，人出现在离机器人较 远的地方，人不需要等待机器人移动到人的面前，更不需要主动走到机器人面前来进行识 另IJ，而是只要人出现在机器人的视野中，就能立即被识别。本发明与其相关的基础技术，是 一种通用方法，能用于所有室内宽敞环境以及人群拥挤环境下的人体识别。包括但不限于 家用服务机器人，助老助残机器人，迎宾导购机器人，紧急状况下的疏散，引导机器人。
【背景技术】
[0002] 机器人的人体识别是室内机器人的核心支撑技术，所有室内服务机器人，包括家 庭服务机器人，助老机器人，商城和会展中心等地的迎宾导购导引机器人，等都需要人体识 别的支持。特别的，我们考虑大型会展中心以及人群拥挤环境这样一个典型场景，在其中进 行人体识别的机器人需要具备如下基本功能：
[0003] 首先，人站在机器人面前，机器人要能根据摄像头得到数据，识别出这个人机器人 是否认识，如果认识的话，那么这个人是谁？
[0004] 其次，机器人对于场景中一些常见的物体实例，根据摄像头得到的数据，计算出相 应的视觉特征，能够准确的识别出该物体实例的名字。
[0005] 深度摄像头作为室内机器人的通用传感器部件，可以返回带有深度信息的彩色图 像。合理利用这些信息，可以高效，准确的得到人的点云信息。因此被广泛的使用在机器人 视觉中。
[0006] 本发明基于深度摄像头，在人脸识别和物体识别的技术基础上，提出基于深度摄 像头的多特征人体识别方法。使用该方法，不需要人和机器人在识别过程中给予额外辅助， 就能准确的识别出人，因此具有普适性。并且只要人出现在机器人的视野中，就能立即完成 识别，具有尚效的特点。
[0007] 现有的室内机器人的人体识别通常是基于人脸识别，例如让人走到机器人面前， 机器人根据人脸识别算法判断出这个人是谁。如果场景中有很多人，让机器人从这些人中 找出张三，则机器人需要一个一个都走到场景中的每一个人面前，进行识别，直到确定这个 人就是张三才结束。最坏情况下，机器人需要把所有人都识别一遍，才能找出谁是张三。这 就表现出了一种人机不友好。
[0008] 还有一种人体识别方法，是将人类比于物体，直接运用物体识别的方法，来识别 人。由于，人不是刚体，有很多关节，能做出各种各样的姿势，这样得到的图像千差万别，再 加上光线，角度等一系列的影响，往往识别度很难达到人们的需求。
[0009] 要实现室内机器人高效、准确的人体识别，在技术上主要有如下几个问题。
[0010] 1.人体检测，目标是在环境中准确的将人的点云与周围环境的点云分离出来。
[0011] 2.特征提取，目标是选择合适的特征，使得人体识别的准确率较高。由于光线，角 度等一系列的变化，需要找出对光线变化以及角度变化不敏感的特征。
[0012] 3.特征学习，得到了上述特征数据，还需要对上述特征进行学习，得到一个合适的 判别式，使得同一个人特征值差别要比不同人的特征值差别要小。
【发明内容】
[0013] 针对需要解决的问题，本发明提出一种基于深度摄像头的多特征人体识别方法， 主要分为如下几个步骤：
[0014] 步骤1、基于深度摄像头的人体检测
[0015] 在基于深度摄像头的人体检测过程中，通过深度摄像头得到周围环境的点云数 据，首先对得到的点云数据，根据距离，法向量信息，将点云分割成多块，之后，选取其中高 度在1米到2米之间，宽度在1米以内的点云块，初步认为这些点云块很有可能是人，然后， 提取这些点云块的HOD特征和提取训练好的人体特征进行比较，选取其中被确定为人体的 点云块；
[0016] 步骤2、多特征提取以及特征学习
[0017] (2.1)、特征提取
[0018] 将人体检测得到每个人的点云进行分条处理，先按照点云的高度进行分割，将点 云从〇到2. 0分割成10个区间，这样每个区间就包含高度跨度0. 2米的点，然后对这些区 间分别提取HSV和LBP特征；HSVi, LBPi,其中i e {1，2,…，N}，N为区间的个数；
[0019] (2. 2)、特征匹配
[0020] 将目标特征与机器人人体库里存储的人特征计算马氏距离，如果小于指定阈值， 则认为目标就是人体库中存储的这个人，否则，目标即为陌生人；
[0021] 对于两个人A和B，计算他们的匹配程度：
[0022]
【主权项】
1. 一种基于深度摄像头的多特征人体识别方法，其特征在于采用如下步骤： 步骤1、基于深度摄像头的人体检测 在基于深度摄像头的人体检测过程中，通过深度摄像头得到周围环境的点云数据，首 先对得到的点云数据，根据距离，法向量信息，将点云分割成多块，之后，选取其中高度在1 米到2米之间，宽度在1米以内的点云块，初步认为这些点云块很有可能是人，然后，提取 这些点云块的HOD特征和提取训练好的人体特征进行比较，选取其中被确定为人体的点云 块； 步骤2、多特征提取以及特征学习 (2.1)、特征提取 将人体检测得到每个人的点云进行分条处理，先按照点云的高度进行分割，将点云从0 到2. 0分割成10个区间，这样每个区间就包含高度跨度0. 2米的点，然后对这些区间分别 提取HSV和LBP特征；HSVi, LBPi,其中i e {1，2,…，N}，N为区间的个数； (2. 2)、特征匹配 将目标特征与机器人人体库里存储的人特征计算马氏距离，如果小于指定阈值，则认 为目标就是人体库中存储的这个人，否则，目标即为陌生人； 对于两个人A和B，计算他们的匹配程度：
其中Dis tan ce ()计算两个特征向量的欧式距离，Cii, PiS参数，〇〈a D 通过 步骤2. 3学习获得，HSVi㈧和LBPi㈧分别代表目标A的第i个区间的HSV特征和LBP特 征； (2. 3)、参数学习 采集大量的特征数据，并记录好每个数据对应哪个人，接下来，使用最大边界学习方 法，使得同一个人的特征数据的马氏距离小于不同人特征数据的马氏距离；
其中s代表提取的特征来自同一个人，d代表提取的特征来自不同的人； minLoss(a, β)，学习出α, β这两组参数。
【专利摘要】本发明公开了一种基于深度摄像头的多特征人体识别方法，该方法基于深度摄像头，先通过HOG特征将人的点云与周围环境的点云分离出来，然后来提取多种特征来进行人体识别，并通过最大边界的方法来学习自主学习出人体识别中所用到的参数。本发明提出的基于深度摄像头的多特征人体识别方法，其基于点云高度的分条特征提取方法是其中的关键和创新点。在此基础上，通过参数学习的方法，能够较好的实现人体识别。
【IPC分类】G06K9-00
【公开号】CN104732222
【申请号】CN201510160961
【发明人】唐可可, 陈小平
【申请人】中国科学技术大学
【公开日】2015年6月24日
【申请日】2015年4月7日