不包括行人的圖像，隨機的截取一些矩形區(qū)域，歸一化成50*20的大小，形成負樣本;標明所有樣本是正樣本還是負樣本，即為每一個樣本貼上一個正負樣本的標簽。
[0042]S302:分別提取所述正樣本、所述負樣本的方向梯度直方圖特征。
[0043]S303:采用支持向量機(SVM;support vector machine)算法對正樣本和負樣本的所述方向梯度直方圖特征進行訓練得到行人檢測模型。SVM是一種機器學習方法，送給SVM的數(shù)據(jù)既包括正樣本和負樣本的方向梯度直方圖特征，也包括與之對應的標簽。
[0044]圖4所示為本實用新型一實施例提供的采用人臉檢測方法統(tǒng)計每一秒鐘提取出的一幅數(shù)字圖像中的人臉數(shù)量的流程圖，具體包括:
[0045]S401:將一幅數(shù)字圖像分成若干大小相同的子圖。使用矩形滑窗的方式從所述數(shù)字圖像中獲取若干大小相同的子圖。
[0046]S402:分別提取若干個大小相同的子圖的Haar特征輸入到之前訓練好的人臉檢測模型。Haar特征，分為四類:邊緣特征、線性特征、中心特征和對角線特征，組合成特征模板。特征模板內(nèi)有白色和黑色兩種矩形，并定義該模板的特征值為白色矩形像素和減去黑色矩形像素和。Haar特征值反映了圖像的灰度變化情況。例如:臉部的一些特征能由矩形特征簡單的描述，如:眼睛要比臉頰顏色要深，鼻梁兩側(cè)比鼻梁顏色要深，嘴巴比周圍顏色要深等。因此Haar特征可以作為人臉檢測時所需特征表述。
[0047]S403:通過人臉檢測模型檢測出一幅數(shù)字圖像中的人臉數(shù)量。即確定圖像中人臉的位置，進而可以統(tǒng)計出一幅圖像中人臉的數(shù)量。
[0048]下面具體描述一幅數(shù)字圖像進行人臉檢測的過程。首先，提取一幅數(shù)字圖像并將其作為當前目標數(shù)字圖像，建立大小為24*24的矩形滑窗，從圖的左上角按照一定位移從左到右滑動直至圖像最右端，然后滑窗向下移動一定位移，重新從左至右掃描，直到完全遍歷整幅圖像;將矩形區(qū)域每次移動后所包圍的部分截取出來作為子圖，并提取該子圖的Haar特征;將子圖的Haar特征輸入給人臉檢測模型進行人臉判別。保持矩形滑窗的大小不變，按照一定的比例縮小目標數(shù)字圖像，形成新的目標數(shù)字圖像，按照上一步驟遍歷掃描新的目標數(shù)字圖像，并提取所有子圖的Haar特征，分別送給人臉檢測模型進行人臉判別。重復上述過程，直到目標圖像的寬高中有一個與矩形滑窗的寬高相等。通過上述過程可以檢測出圖像中人臉的位置，從而進一步確定人臉的數(shù)量。
[0049]在步驟S403中，圖5所示為本實用新型一實施例提供的人臉檢測模型的訓練過程流程圖，其包括:
[0050]S501:建立樣本，其中人臉圖像作為正樣本，非人臉圖像作為負樣本。例如，首先，找到一些包含有人臉的圖像，截取圖像中包含人臉的矩形區(qū)域，歸一化成24*24的大小，形成正樣本;找一些不包括人臉的圖像，隨機的截取一些矩形區(qū)域，歸一化成24*24的大小，形成負樣本;標明所有樣本是正樣本還是負樣本，即為每一個樣本貼上一個正負樣本的標簽。[0051 ] S502:分別提取所述正負樣本的Haar特征。
[0052]S503:采用Adaboost級聯(lián)分類器算法對正樣本和負樣本的Haar特征進行訓練得到人臉檢測模型。Adaboost是一種迭代算法，其核心思想是針對同一個訓練集訓練不同的分類器(弱分類器)，然后把這些弱分類器集合起來，構(gòu)成一個更強的最終分類器(強分類器)。其算法本身是通過改變數(shù)據(jù)分布來實現(xiàn)的，它根據(jù)每次訓練集之中每個樣本的分類是否正確，以及上次的總體分類的準確率，來確定每個樣本的權(quán)值。將修改過權(quán)值的新數(shù)據(jù)集送給下層分類器進行訓練，最后將每次訓練得到的分類器最后融合起來，作為最后的決策分類器。
[0053]圖6所示為本實用新型一個實施例提供的巡邏機器人系統(tǒng)結(jié)構(gòu)框圖。從圖6可以看出，根據(jù)本實施方式的巡邏機器人系統(tǒng)包括機器人端和遠程控制端，其中機器人端包括:主機、攝像頭、視頻采集卡、無線通訊模塊、GPS模塊、驅(qū)動模塊、電源;遠程監(jiān)控端包括:遠程監(jiān)控電腦、無線通訊模塊、操控臺、顯示終端。
[0054]攝像頭，用于獲取實時模擬圖像，并將所述實時模擬圖像上傳給視頻采集卡。視頻采集卡，用于將攝像頭傳來的所述實時模擬圖像轉(zhuǎn)換成數(shù)字圖像，并將所述數(shù)字圖像上傳給主機。主機，通過智能分析統(tǒng)計出所述數(shù)字圖像中行人和人臉的數(shù)量;判斷行人和人臉的數(shù)量是否大于設定閾值，如果大于，機器人端停止前進，并將當前的GPS位置信息、報警信息發(fā)送給遠程監(jiān)控端。GPS模塊，用于獲取所述機器人端的當前位置信息，并將所述當前位置信息上傳至主機。無線通訊模塊，用于遠程控制端和機器人端的信息交互。驅(qū)動模塊，在主機的控制下，實現(xiàn)整個機器人的有向運動。電源，為整個機器人供能。
[0055]可選地，主機還將所述數(shù)字圖像壓縮編碼發(fā)送給所述遠程監(jiān)控端，并且/或者，將所述數(shù)字圖像以本地高清形式存儲。
[0056]遠程監(jiān)控端包括:遠程監(jiān)控電腦，用于發(fā)送開始運行命令給機器人端，并接收機器人端發(fā)送來的實時圖像、GPS位置信息，以及報警信息。無線通訊模塊，用于遠程控制端和機器人端的信息交互。顯示終端，用于實時顯示無線通訊模塊接收到的圖像。操控臺，用于操作人員發(fā)出開始運行、停止運行指令。
[0057]根據(jù)本實用新型的一個實施例，巡邏機器人被實施成一個敞篷小汽車形，在小汽車上設置有機器人本體，其中:主機設置在敞篷小汽車的中間，并且位于機器人本體的下方;驅(qū)動模塊實施成敞篷小汽車的車輪;攝像頭設置成機器人本體的眼睛;無線通訊模塊與GPS模塊上下并列設置在機器人本體的頭部后方。
[0058]根據(jù)本實用新型實施方式的巡邏機器人，可以在自動巡邏的同時智能統(tǒng)計行人數(shù)量，并且能夠提供異常報警，使得社區(qū)巡邏監(jiān)控變得更加高效。
[0059]以上所述僅為本實用新型的較佳實施例而已，并不用以限制本實用新型，凡在本實用新型的精神和原則之內(nèi)，所作的任何修改、等同替換等，均應包含在本實用新型的保護范圍之內(nèi)。
【主權(quán)項】
1.一種巡邏機器人，其特征在于，包括攝像頭、存儲器、GPS模塊、和處理器， 所述攝像頭被配置為，獲取實時模擬圖像，并且將所述實時模擬圖像轉(zhuǎn)換為數(shù)字圖像； 所述存儲器被配置為，將所述數(shù)字圖像以本地高清形式進行存儲； 所述GPS模塊被配置為，獲取所述巡邏機器人的位置信息； 所述處理器被配置為，按照一定周期從存儲器中提取一幅所述數(shù)字圖像，采用智能分析方法統(tǒng)計出所述一幅數(shù)字圖像中的人數(shù)，并且判斷所統(tǒng)計的人數(shù)是否大于設定閾值，在所統(tǒng)計的人數(shù)大于設定閾值的情況下，控制所述巡邏機器人停止前進，并將報警信息和當前位置信息發(fā)送給遠程監(jiān)控端。2.根據(jù)權(quán)利要求1所述的巡邏機器人，其特征在于，所述處理器還被配置為，接收攝像頭轉(zhuǎn)換得到的所述數(shù)字圖像，將所述數(shù)字圖像壓縮編碼，并且發(fā)送給所述遠程監(jiān)控端。3.根據(jù)權(quán)利要求1或2所述的巡邏機器人，其特征在于，所述采用智能分析方法統(tǒng)計出所述一幅數(shù)字圖像中的人數(shù)，包括， 采用行人檢測方法統(tǒng)計出一幅數(shù)字圖像中的行人數(shù)量;和/或 采用人臉檢測方法統(tǒng)計出一幅數(shù)字圖像中的人臉數(shù)量。4.根據(jù)權(quán)利要求3所述的巡邏機器人，其特征在于，所述行人和/或所述人臉在所述遠程監(jiān)控端可以被框出。5.根據(jù)權(quán)利要求1或2所述的巡邏機器人，其特征在于，所述設定閾值根據(jù)時間并且/或者GPS信息進行設置。6.根據(jù)權(quán)利要求5所述的巡邏機器人，其特征在于，所述采用行人檢測方法統(tǒng)計出一幅數(shù)字圖像中的行人數(shù)量，具體包括: 將一幅所述數(shù)字圖像分成若干個大小相同的子圖； 分別提取所述若干個大小相同的子圖的方向梯度直方圖特征輸入到行人檢測模型； 通過所述行人檢測模型檢測出一幅所述數(shù)字圖像中的行人，即確定圖像中行人的位置，從而統(tǒng)計出圖像中行人的數(shù)量。7.根據(jù)權(quán)利要求6所述的巡邏機器人，其特征在于，所述行人檢測模型的訓練過程包括: 建立樣本，其中選擇行人圖像作為正樣本，非行人圖像作為負樣本； 分別提取所述正樣本、所述負樣本的方向梯度直方圖特征； 采用SVM算法對正樣本和負樣本的所述方向梯度直方圖特征進行訓練得到行人檢測模型。8.根據(jù)權(quán)利要求5所述的巡邏機器人，其特征在于，所述采用人臉檢測方法統(tǒng)計出一幅數(shù)字圖像中的人臉數(shù)量，具體包括: 將一幅所述數(shù)字圖像分成若干個大小相同的子圖； 分別提取所述若干個大小相同的子圖的Haar特征輸入到之前訓練好的人臉檢測模型；通過所述人臉檢測模型檢測出一幅所述數(shù)字圖像中的人臉，即確定圖像中人臉的位置，從而統(tǒng)計出圖像中人臉的數(shù)量。9.根據(jù)權(quán)利要求8所述的巡邏機器人，其特征在于，所述人臉檢測模型的訓練過程包括: 建立樣本，其中選擇人臉圖像作為正樣本，非人臉圖像作為負樣本； 分別提取所述正樣本、所述負樣本的Haar特征； 采用Adaboost算法對正樣本和負樣本的所述Haar特征進行訓練得到人臉檢測模型。10.一種巡邏機器人，其特征在于，包括: 攝像頭，用于獲取實時模擬圖像，并將所述實時模擬圖像上傳給視頻采集卡； 視頻采集卡，用于將攝像頭傳來的所述實時模擬圖像轉(zhuǎn)換成數(shù)字圖像，并將所述數(shù)字圖像發(fā)送給主機； GPS模塊，用于獲取所述巡邏機器人的位置信息； 驅(qū)動模塊，用于驅(qū)動所述巡邏機器人移動；以及 主機，用于通過智能分析統(tǒng)計出所述數(shù)字圖像中的人數(shù)，并且判斷所統(tǒng)計出的人數(shù)是否大于設定閾值，在所統(tǒng)計的人數(shù)大于設定閾值的情況下，通過所述驅(qū)動模塊控制所述巡邏機器人停止前進，并且通過所述GPS模塊獲取所述巡邏機器人的當前位置信息，并將報警信息和當前位置信息發(fā)送給遠程監(jiān)控端。
【專利摘要】本實用新型公開了一種巡邏機器人。該巡邏機器人行進過程中獲取實時模擬圖像，將所述實時模擬圖像轉(zhuǎn)換為數(shù)字圖像，并且通過智能分析統(tǒng)計出數(shù)字圖像中的人數(shù)。在判斷統(tǒng)計出的人數(shù)大于設定閾值的情況下，巡邏機器人停止前進，并將報警信息、當前GPS位置信息發(fā)送給遠程監(jiān)控系統(tǒng)。根據(jù)本實用新型實施方式，能夠在發(fā)現(xiàn)人員聚集的情況下，發(fā)出預警，提醒安保人員重點關(guān)注。
【IPC分類】B25J19/00, B25J11/00, B25J19/04
【公開號】CN205184784
【申請?zhí)枴緾N201520963772
【發(fā)明人】王可可, 劉英英, 劉園園
【申請人】深圳市神州云海智能科技有限公司
【公開日】2016年4月27日
【申請日】2015年11月27日