人员识别方法及系统与流程

本发明涉及机器人识别方法及系统领域，具体涉及一种人员识别方法及系统。

背景技术：

随着科技的进步，现有的机器人能够代替人工来实现越来越多的功能，其中机器人跟随特定的人员是必不可少的功能。现有的机器人跟随人员的方法分为生成式方法和判别式方法。其中生成式方法采用特征模型描述目标的外观特征，再最小化跟踪目标与候选目标之间的重构误差来确认目标；生成式方法着重于目标本身的特征提取，忽略目标的背景信息，在目标外观发生剧烈变化或者遮挡时候容易出现目标漂移或者目标丢失。由于判别式的跟随方法能够显著的区分背景与人员之间的差异性，并且性能优异，抗干扰能力强，近年来判别式的跟随方法占据了主流位置，以相关滤波和深度学习为代表的判别式方法取得了令人满意的跟随效果。

但是现有的判别式跟随方法，需要机器人进行深度学习以能够准确识别人员与背景之间的差异，但是深度学习对于机器人在人员跟随领域的应用并不顺利，因为目标跟随任务的特殊性，机器人仅能利用初始帧的图像数据，缺乏大量的数据供神经网络进行学习，只有通过卷积神经网络来将数据迁移到目标跟踪中来才能实现机器人的行人跟随，因此现有的行人跟踪方法中，机器人的推理速度慢，在丢失人员信息后难以重新对人员进行跟随。

技术实现要素：

本发明的目的是提供一种行人识别方法，其能够解决现有的行人识别方法的缺陷，提高机器人的推理速度且在机器人丢失人员信息后也能够重新对人员进行跟随。具体地，一种人员跟随方法，其用于机器人跟随单个人员，其包括以下步骤：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。

根据本发明的实施例，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。

根据本发明的实施例，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。

根据本发明的实施例，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。

根据本发明的实施例，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。

本发明还公开了一种人员跟随系统，其能够实现上述人员跟随方法，具体地，一种人员跟随系统，其包括：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。

根据本发明的实施例，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。

根据本发明的实施例，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。

根据本发明的实施例，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。

根据本发明的实施例，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。

通过采用上述技术方案，本发明主要有如下几点技术效果：

1.通过预测人员下一步的位置，机器人提前确定下一帧需要检测的范围，提高了机器人检测行人的速度；

2.机器人结合深度信息对人员的特征信息进行匹配，机器人的训练速度快且人员检测准确率高；

3.机器人对人员的身份信息进行提取，提取并记录人员的实时特征信息，在机器人丢失人员图像之后也可以利用实时特征信息对人员进行找回；

4.通过卡尔曼滤波预测人员的位置，提高机器人的检测速度，同时缩小检测方位能够保证人员以原始尺寸进入深度学习模型，提高了检测的准确性。

附图说明

图1为根据本发明的实施例的人员跟随方法的示意图；

图2为根据本发明的实施例的人员跟随系统的示意图。

图中：1、拍摄模块；2、第一识别模块；21、数量识别单元；22、一次识别单元；23、二次识别单元；3、第二识别模块；31、第一裁剪单元；32、第二识别单元；33、路径获取单元；4、预测模块；41、预测单元；42、第二裁剪单元；5、调整模块。

具体实施方式

下面结合说明书附图来说明本发明的具体实施方式。

本发明公开了一种人员跟踪方法，其用于机器人跟随单个人员，具体包括以下步骤：

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。

其中，s1步骤具体包括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；若所述机器人拍摄的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。机器人先确定其拍摄的初识图像中的人员的数量，根据人员数量的不同采用不同的识别方式，本实施例中为提高机器人的识别速度，在图像中仅存在一个人员时，机器人采用人员重识别算法来提取人员的特征信息，在图像中存在至少两个成员时，机器人利用匹配算法和既定目标进行匹配，从而从多个人员中确定机器人需要跟随的人员具体为哪一个。并且，为了能够在机器人丢失了人员图像后能够重新对人员进行跟随，本实施例中的机器人提取的人员特征信息中包括了人员的身份信息，通过身份信息，机器人能够快速重新跟随人员。并且，为快速在多个人员中分辨出机器人需要跟随的人员，机器人对视野中的人员进行特征匹配时，机器人结合深度场的信息以及人员的特征信息对人员进行匹配。

具体地，上述s2步骤具体包括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视野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。通过将图像缩小，机器人在识别过程中需要识别的图像大小较小，降低机器人需要识别的内容，从而提高机器人的识别与检测的速度。通过将图像缩小至包括了人员所有特征信息的大小的长方形图形，机器人对图形进行识别时只需识别缩小后的图形即可，无需检测图像中的全部信息。此外，机器人获取人员的路径信息能够帮助机器人对人员的后续路径与位置进行预测。

另外，本实施例中的s4步骤具体包括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。通过采用上述技术方案，机器人在进行人员跟随的过程中仅在开始阶段需要对拍摄的图像的全部内容进行识别以识别出机器人需要跟随的人员的具体特征信息与路径信息，机器人通过预测人员的位置与路径，提前规划好后续图像的裁剪工作，机器人在除了需要对初始帧的图像进行全部识别外，后续帧的图像机器人仅需识别裁剪后的图像，进而提高机器人识别人员特征信息的速度。

此外，为实现上述人员识别方法，本实施例还公开了一种行人跟随系统，其包括设置在机器人上的拍摄模块1、第一识别模块2、第二识别模块3、预测模块4以及调整模块5。其中拍摄模块1设置在机器人上以拍摄人员图像，第一识别模块2识别拍摄模块1拍摄的图像中人员的数量并确认机器人跟随的人员的身份，第二识别模块3根据拍摄模块1拍摄的退昂识别人员的特征信息以及路径信息，预测模块4对人员的位置进行预测，调整模块5确定机器人下一帧的检测范围。

同时，为实现对不同人员数量的图像分别进行检测，本实施例中的第一识别模块2包括用于识别拍摄模块1拍摄的图像中的人员的数量的数量识别单元21、一次识别单元22以及二次识别单元23。其中，数量识别单元21在识别出图像中的人员数量后将图像分类为仅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22用于识别第一图相中的人员的特征，二次识别单元23用于对第二图像中的人员内进行特征匹配以确定机器人需要跟随的人员。本实施例中一次识别单元22采用人员重识别算法来提取人员特征信息，二次识别单元23利用匹配算法和既定目标进行匹配从而确定机器人需要跟随的人员。此外，为提高二次识别单元23的匹配的准确性，本实施例中的二次识别单元23结合深度场信息以及人员的特征信息来进行人员匹配。

本实施例中的第二识别模块3包括第一裁剪单元31、第二识别单元32以及路径获取单元33，其中第一裁剪单元31对拍摄模块1拍摄的图像进行裁剪，裁剪至包括了人员的所有信息的长方形图形，第二识别单元32对长方形图像中的内容进行分析以获取人员的实时特征信息，路径获取单元33根据拍摄单元拍摄的图像获取人员的实时路径信息。本实施例中的路径获取单元33可以为根据拍摄模块1的历史拍摄图像来对人员的实时路径进行计算与获取，也可以通过其他的方式来获取人员的路径信息。

本实施例中的预测模块4包括了预测单元41以及第二裁剪单元42，预测单元41根据第一识别单元或第二识别单元32的识别结果对人员的位置进行预测，第二裁剪单元42根据预测单元41的预测结果对拍摄模块1拍摄的下一帧图像进行裁剪。本实施例中的预测单元41采用卡尔曼滤波算法对人员的后续位置以及路径进行预测。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。