CN106341661B - 巡逻机器人 - Google Patents
巡逻机器人 Download PDFInfo
- Publication number
- CN106341661B CN106341661B CN201610822663.0A CN201610822663A CN106341661B CN 106341661 B CN106341661 B CN 106341661B CN 201610822663 A CN201610822663 A CN 201610822663A CN 106341661 B CN106341661 B CN 106341661B
- Authority
- CN
- China
- Prior art keywords
- patrol robot
- portrait
- controller
- dangerous target
- dangerous
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 abstract description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种巡逻机器人,包括摄像装置、行走驱动装置、告警装置及控制器;所述摄像装置、行走驱动装置、告警装置均与所述控制器连接;摄像装置用于实时获取图像数据;行走驱动装置用于驱动巡逻机器人进行移动;告警装置用于发出警报信号;控制器用于根据图像数据进行图像识别以识别危险目标,且控制器还用于在识别出危险目标后控制行走驱动装置驱动巡逻机器人向危险目标移动,并控制告警装置在所述巡逻机器人移动至设定区域内后发出警报信号;设定区域将危险目标包围在内。当该巡逻机器人发现危险目标后,能够迫近危险目标,并发出警报信号来提示周边人员离开危险区域并能够威慑危险目标,从而能够在意外事件的发生现场及时介入,以减轻意外事件带来的损害。
Description
技术领域
本发明涉及机器人技术领域,特别是涉及一种巡逻机器人。
背景技术
随着社会经济的发展,在小区、商场、会议中心、车站、机场等场所的人流量日益增多,而活动人数的增加就容易导致各种意外事件的发生。因此传统的固定摄像头监控方式已经不能有效得震慑和制止犯罪,无法满足日益复杂的安保需求。由此,巡逻机器人应运而生。
然而,传统的巡逻机器人虽然具有监控摄像头,并能够提供视频的录制存储功能,但是这种简单的视频录制和存储功能主要作为意外事件发生后调查取证的工具,而在意外事件的发生现场无法发挥有效的作用。
发明内容
基于此,有必要针对如何改善传统巡逻机器人对意外事件的发生现场无法发挥有效作用的问题,提供一种巡逻机器人。
一种巡逻机器人,包括摄像装置、行走驱动装置、告警装置及控制器;所述摄像装置、行走驱动装置、告警装置均与所述控制器连接;
所述摄像装置用于实时获取图像数据;所述行走驱动装置用于驱动所述巡逻机器人进行移动;所述告警装置用于发出警报信号;所述控制器用于根据所述图像数据进行图像识别以识别危险目标,且所述控制器还用于在识别出所述危险目标后控制所述行走驱动装置驱动所述巡逻机器人向所述危险目标移动,并控制所述告警装置在所述巡逻机器人移动至设定区域内后发出所述警报信号;所述设定区域将所述危险目标包围在内。
在其中一个实施例中,所述行走驱动装置包括相连接的驱动模块和定位模块;所述定位模块用于获取所述巡逻机器人的实时位置信息;所述驱动模块用于根据所述实时位置信息规划路径并驱动所述巡逻机器人进行移动。
在其中一个实施例中,所述定位模块包括预测量获取单元、观测量获取单元及定位运算单元;所述预测量获取单元、观测量获取单元分别与所述定位运算单元连接;
所述定位运算单元用于根据所述预测量获取单元、观测量获取单元获取的数据利用设定滤波算法得出所述实时位置信息;所述设定滤波算法为利用前一时刻的预测量和现在时刻的观测量来得出现在时刻的估计值的递归滤波算法;
所述预测量获取单元用于利用视觉定位技术获取所述巡逻机器人的位姿信息和位姿协方差矩阵,以作为所述设定滤波算法第一次迭代过程中采用的预测量;所述观测量获取单元用于利用传感技术来获取所述巡逻机器人的位置信息及位置测量方差,以作为所述设定滤波算法每次迭代过程使用的观测量。
在其中一个实施例中,所述巡逻机器人还包括第一存储单元;所述第一存储单元与所述控制器连接,并存有包括多个人像的人像库;
所述巡逻机器人的工作阶段包括学习阶段和实用阶段,且所述学习阶段的执行时间在所述实用阶段的执行时间之前;同时,所述控制器用于在所述实用阶段从所述图像数据中识别人像,并将识别出的人像与所述人像库内的各人像进行比对,以根据比对结果判断所述识别出的人像是否属于所述危险目标。
在其中一个实施例中,所述控制器还用于在所述学习阶段从所述图像数据中识别人像,并将识别出的人像添加至所述第一存储单元中以形成所述人像库。
在其中一个实施例中,所述控制器还用于在所述学习阶段根据同一人像被识别出的次数在所述人像库内标注各所述人像的熟悉程度;各所述人像的熟悉程度与被识别出的次数成正比。
在其中一个实施例中,在所述实用阶段中,所述控制器用于将不在所述人像库中的识别出的人像或者所述熟悉程度低于设定阈值的识别出的人像判定为所述危险目标。
在其中一个实施例中,所述巡逻机器人还包括无线通信模块;所述无线通信模块与所述控制器连接,并用于与监控终端无线传输数据;所述控制器还用于在识别出所述危险目标时通过所述无线通信模块告知所述监控终端。
在其中一个实施例中,所述巡逻机器人还包括第二存储单元;所述第二存储单元连接于所述摄像装置与控制器之间,并用于存储所述图像数据。
在其中一个实施例中,所述摄像装置包括相连接的监控摄像头和视频采集卡;所述监控摄像头用于获取实时的模拟图像并传送至所述视频采集卡;所述视频采集卡用于将所述模拟图像转换为数字图像。
上述巡逻机器人具有的有益效果为:在该巡逻机器人中,摄像装置用于实时获取图像数据,控制器用于根据图像数据进行图像识别以识别危险目标,且控制器还用于在识别出危险目标后控制行走驱动装置驱动巡逻机器人向危险目标移动,并控制告警装置在巡逻机器人移动至设定区域内后发出警报信号;其中,设定区域将危险目标包围在内。因此,当该巡逻机器人发现危险目标后,能够通过行走驱动装置迫近危险目标,并通过告警装置发出警报信号来提示周边人员离开危险区域并能够威慑危险目标,从而能够在意外事件的发生现场及时介入,以减轻意外事件带来的损害。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他实施例的附图。
图1为一实施例提供的巡逻机器人的结构框图;
图2为图1所示实施例的巡逻机器人的其中一种具体结构框图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于发明的技术领域的技术人员通常理解的含义相同。本文中在发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
一实施例提供了一种巡逻机器人,如图1所示,该巡逻机器人包括摄像装置100、行走驱动装置200、告警装置300及控制器400。其中,摄像装置100、行走驱动装置200、告警装置300均与控制器400连接。
摄像装置100用于实时获取图像数据,并将图像数据传送至控制器400。本实施例中,摄像装置100用于获取巡逻机器人的巡逻监控范围内的图像数据。
行走驱动装置200用于驱动巡逻机器人进行移动。本实施例中,行走驱动装置200可以规划路径,从而使巡逻机器人准确移动至任意想要到达的位置。其中,规划路径是指行走驱动装置200根据一定的评价准则搜索一条从起点到终点的最优或次优路径,例如行走驱动装置200可以采用栅格分解法、拓扑法等方法来搜索路径。
告警装置300用于发出警报信号。警报信号例如为声音警报信号、光线警报信号或声光警报信号,从而能够对周边人员起到预警提醒作用。
控制器400用于根据图像数据进行图像识别以识别危险目标。本实施例中,控制器400利用图像识别算法,例如离线训练完善的深度卷积神经网络算法,来识别图像数据中的人或管制刀具等目标物体。其中,人或目标物体都可能成为危险目标,例如管制刀具、手持管制刀具的人均可视为危险目标。另外,控制器400还可以结合当前时段与周围的人群信息,设置识别出的对象的警戒级别,当警戒级别大于设定级别后,则认为该识别对象为危险目标。
另外,控制器400还用于在识别出危险目标后控制行走驱动装置200驱动巡逻机器人向危险目标移动,并控制告警装置300在巡逻机器人移动至设定区域内后发出警报信号。其中,设定区域将危险目标包围在内,即设定区域相当于危险目标的附近设定区域。因此,当巡逻机器人移动至危险目标的附近设定区域后,告警装置300开始发出警报信号,从而便于周边人员及时发现危险目标所处的位置,以进行相应的应急处理。另外,危险目标的位置可以直接从摄像装置100获取的图像数据中得出,那么,当控制器400识别出危险目标后,即可根据危险目标的位置通过行走驱动装置200使巡逻机器人迫近危险目标。
因此,当上述巡逻机器人发现危险目标后,能够通过行走驱动装置200迫近危险目标,并通过告警装置300发出的警报信号来提示周边人员离开危险区域并威慑危险目标,从而能够在意外事件的发生现场及时介入,以减轻意外事件带来的损害。
具体地,请参考图2,行走驱动装置包括相连接的驱动模块210和定位模块220。其中,定位模块220用于获取巡逻机器人的实时位置信息并发送至驱动模块210。驱动模块210用于根据该实时位置信息规划路径并驱动巡逻机器人进行移动。
本实施例中,定位模块220是基于视觉定位与传感定位技术并利用递归滤波算法来得出巡逻机器人的实时位置信息,具体方案如下。请继续参考图2,定位模块220包括预测量获取单元221、观测量获取单元222及定位运算单元223。其中,预测量获取单元221、观测量获取单元222分别与定位运算单元223连接。
定位运算单元223用于根据预测量获取单元221、观测量获取单元222获取的数据利用设定滤波算法得出巡逻机器人的实时位置信息。其中,设定滤波算法为递归滤波算法,且利用前一时刻的预测量和现在时刻的观测量来得出现在时刻的估计值,例如设定滤波算法可以为卡尔曼滤波算法、扩展卡尔曼滤波算法等。
预测量获取单元221用于利用视觉定位技术获取巡逻机器人的位姿信息和位姿协方差矩阵,以作为上述设定滤波算法第一次迭代过程中采用的预测量。其中,视觉定位技术是指通过机器视觉产品(例如图像摄取装置)将被摄取目标转换成图像信号,根据像素分布、亮度等信息,转换为数字化信号,再对这些数字信号进行运算来抽取目标的特征,进而判断目标的位置。
观测量获取单元222用于利用传感技术获取巡逻机器人的位置信息及位置测量方差,以作为上述设定滤波算法每次迭代过程使用的观测量。
其中,预测量获取单元221可以为双目视觉摄像头。观测量获取单元222可以为GPS模块。以设定滤波算法为卡尔曼滤波算法为例,接下来将介绍上述定位模块220的运行原理:
首先,双目视觉摄像头将采集到的左右目图像帧中提取特征点,并在双目中进行匹配,对匹配成功的特征点运用三角测距方法计算特征点位置坐标,之后计算巡逻机器人的位姿信息及其协方差矩阵,以作为卡尔曼滤波算法第一次迭代过程中采用的预测量,也即位姿初定位信息。同时,GPS模块获取巡逻机器人的位置信息及其测量方差,并将其作为卡尔曼滤波算法的观测量。
然后,定位运算单元223通过上述预测量的初始值和观测量,根据卡尔曼增益公式计算卡尔曼增益。之后通过上述卡尔曼增益,结合卡尔曼滤波公式,计算本次滤波后的巡逻机器人的位姿信息和协方差矩阵,作为本次迭代过程的输出。接下来再执行下一次迭代过程,最终得出巡逻机器人的实时位置信息。
因此,本实施例提供的定位模块220基于视觉定位和传感技术,在大幅度降低成本的同时还能确保实时控制的准确性和可靠性。与传统成本在数万元以上的激光传感器定位方式相比成本大幅降低,另外与传统的磁导轨巡线方案相比,本实施例无需进行任何场地施工布置工作,可快速适应不同的工作环境。
可以理解的是,定位模块220的实现方式不限于上述情况,只要能够在降低成本的同时得出巡逻机器人的实时位置信息即可。例如,预测量获取单元221、观测量获取单元222还可以采用其他类型的仪器代替。
进一步的,请继续参考图2,上述巡逻机器人还包括第一存储单元500,且第一存储单元500与控制器400连接。第一存储单元500存有包括多个人像的人像库。其中,人像库中的各人像与巡逻监控范围内经常出现的用户对应,安全性较高,可以用作判断是否有危险目标出现的其中一种标准。
本实施例中,巡逻机器人的工作阶段包括学习阶段和实用阶段,且学习阶段的执行时间在实用阶段的执行时间之前。学习阶段是指巡逻机器人未正式使用之前的准备工作阶段。实用阶段是指巡逻机器人正式投入使用阶段。
本实施例中,第一存储单元500内存储的人像库由巡逻机器人在学习阶段自动创建,即控制器400用于在学习阶段从摄像装置100获取的图像数据中识别人像,并将识别出的人像添加至第一存储单元500中以形成人像库。以社区为例,取得所有业主的人像是有现实难度的一件事,因此在社区布置好该巡逻机器人后,巡逻机器人首先要经历一段时间的学习过程(即学习阶段),而在此时期内巡逻机器人的主要任务就是建立人像库,把所有识别到的人像都添加到人像库中。
另外,控制器400还用于在学习阶段根据同一人像被识别出的次数在人像库内标注各人像的熟悉程度,且各人像的熟悉程度与被识别出的次数成正比。换言之,在学习阶段被巡逻机器人识别次数越多的人像,表明该人像越安全,该人像对应的用户为该巡逻监控范围的常住用户的概率较大。
进一步地,控制器400在实用阶段根据从摄像装置100获取的图像数据识别危险目标的其中一种具体方法为:控制器400用于在实用阶段从上述图像数据中识别人像,并将识别出的人像与上述人像库内的各人像进行比对,以根据比对结果判断识别出的人像是否属于危险目标。因此,该巡逻机器人对图像数据中提取出的人像进行识别的方式是根据与人像库内的各人像的比对结果而得出的。
基于上述巡逻机器人在学习阶段的工作方式,控制器400根据比对结果判断识别出的人像是否属于危险目标的具体方式可以为:控制器400用于将不在人像库中的识别出的人像或者熟悉程度低于设定阈值的识别出的人像判定为危险目标。其中,不在人像库中的识别出的人像是指从图像数据中识别出的人像没有在人像库中找到相同的人像,即该识别出的人像第一次出现在巡逻监控范围内。熟悉程度低于设定阈值的识别出的人像是指从图像数据中识别出的人像在人像库中对应的相同人像的熟悉程度低于设定阈值,即该识别出的人像较少出现在巡逻监控范围内。因此,巡逻机器人通过标识人像的熟悉程度能够进一步提高识别危险目标的准确性。
另外,控制器400若根据比对结果判定识别出的人像不属于危险目标,还可根据该识别出的人像对人像库中相同的人像信息进行更新和完善,例如:增加该人像的熟悉程度或者增加对该人像不同角度的图像,从而进一步提高后期识别的成功率。
可以理解的是,控制器400识别危险目标的具体方式还可以为其他方式,例如人像库也可不由控制器400建立,而是通过其他方式形成,这时巡逻机器人只需执行上述实用阶段的工作任务即可。
进一步的,请继续参考图2,上述巡逻机器人还包括无线通信模块600。无线通信模块600与控制器400连接,并用于与监控终端无线传输数据。同时,控制器400还用于在识别出危险目标时通过无线通信模块600告知监控终端。其中,控制器400可以将巡逻机器人的实时位置信息和压缩后的危险目标图像无线发送至监控终端,以供监控终端进行查看。另外,当控制器400判断识别出的人像不在人像库时,将该识别出的人像及告警信息发送至监控终端,监控终端可以选择将此识别出的人像添加至人像库中或进行其他处理。
因此,该巡逻机器人在发现危险目标后,不仅可以迫近危险目标以起到震慑作用,还可以通过无线通信模块600向监控终端无线发送告警信息,从而采取更全面的应对措施,进一步提高该巡逻机器人在安保方面的应用有效性。可以理解的是,巡逻机器人也可以通过其他方式向监控终端发送信号。
请继续参考图2,该巡逻机器人还包括第二存储单元700。第二存储单元700连接于摄像装置100与控制器400之间,且用于存储摄像装置100获取的图像数据。控制器400可以定期从第二存储单元700中提取相应的图像数据以进行识别。
请继续参考图2,该巡逻机器人中,上述摄像装置100包括相连接的监控摄像头110和视频采集卡120。其中,监控摄像头110用于获取实时的模拟图像并传送至视频采集卡120。视频采集卡120用于将模拟图像转换为数字图像,以形成上述图像数据。
可以理解的是,巡逻机器人的具体结构不限于上述情况,例如还可以将上述第一存储单元500和第二存储单元700合并为一个存储单元;或者摄像装置100也可替换为其他能够摄像的结构。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种巡逻机器人,其特征在于,包括摄像装置、行走驱动装置、告警装置及控制器;所述摄像装置、行走驱动装置、告警装置均与所述控制器连接;
所述摄像装置用于实时获取图像数据;所述行走驱动装置用于驱动所述巡逻机器人进行移动;所述行走驱动装置包括相连接的驱动模块和定位模块;所述定位模块包括预测量获取单元、观测量获取单元及定位运算单元;所述预测量获取单元、观测量获取单元分别与所述定位运算单元连接;所述定位运算单元用于根据所述预测量获取单元、观测量获取单元获取的数据利用设定滤波算法得出实时位置信息;所述设定滤波算法为利用前一时刻的预测量和现在时刻的观测量来得出现在时刻的估计值的递归滤波算法;所述预测量获取单元用于利用视觉定位技术获取所述巡逻机器人的位姿信息和位姿协方差矩阵,以作为所述设定滤波算法第一次迭代过程中采用的预测量;所述观测量获取单元用于利用传感技术来获取所述巡逻机器人的位置信息及位置测量方差,以作为所述设定滤波算法每次迭代过程使用的观测量;所述驱动模块用于根据所述实时位置信息规划路径并驱动所述巡逻机器人进行移动;
所述告警装置用于发出警报信号;所述控制器用于根据所述图像数据进行图像识别以识别危险目标以及所述危险目标的位置,且所述控制器还用于在识别出所述危险目标后控制所述行走驱动装置驱动所述巡逻机器人向所述危险目标的位置移动,并控制所述告警装置在所述巡逻机器人移动至设定区域内后发出所述警报信号;所述危险目标包括管制刀具或手持管制刀具的人中的至少一种;所述设定区域将所述危险目标包围在内。
2.根据权利要求1所述的巡逻机器人,其特征在于,所述警报信号包括声音警报信号、光线警报信号或声光警报信号中的任意一种。
3.根据权利要求1所述的巡逻机器人,其特征在于,所述规划路径是指所述行走驱动装置根据一定的评价准则搜索一条从起点到终点的最优或次优路径。
4.根据权利要求1所述的巡逻机器人,其特征在于,所述巡逻机器人还包括第一存储单元;所述第一存储单元与所述控制器连接,并存有包括多个人像的人像库;
所述巡逻机器人的工作阶段包括学习阶段和实用阶段,且所述学习阶段的执行时间在所述实用阶段的执行时间之前;同时,所述控制器用于在所述实用阶段从所述图像数据中识别人像,并将识别出的人像与所述人像库内的各人像进行比对,以根据比对结果判断所述识别出的人像是否属于所述危险目标。
5.根据权利要求4所述的巡逻机器人,其特征在于,所述控制器还用于在所述学习阶段从所述图像数据中识别人像,并将识别出的人像添加至所述第一存储单元中以形成所述人像库。
6.根据权利要求5所述的巡逻机器人,其特征在于,所述控制器还用于在所述学习阶段根据同一人像被识别出的次数在所述人像库内标注各所述人像的熟悉程度;各所述人像的熟悉程度与被识别出的次数成正比。
7.根据权利要求6所述的巡逻机器人,其特征在于,在所述实用阶段中,所述控制器用于将不在所述人像库中的识别出的人像或者所述熟悉程度低于设定阈值的识别出的人像判定为所述危险目标。
8.根据权利要求1所述的巡逻机器人,其特征在于,所述巡逻机器人还包括无线通信模块;所述无线通信模块与所述控制器连接,并用于与监控终端无线传输数据;所述控制器还用于在识别出所述危险目标时通过所述无线通信模块告知所述监控终端。
9.根据权利要求1所述的巡逻机器人,其特征在于,所述巡逻机器人还包括第二存储单元;所述第二存储单元连接于所述摄像装置与控制器之间,并用于存储所述图像数据。
10.根据权利要求1所述的巡逻机器人,其特征在于,所述摄像装置包括相连接的监控摄像头和视频采集卡;所述监控摄像头用于获取实时的模拟图像并传送至所述视频采集卡;所述视频采集卡用于将所述模拟图像转换为数字图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610822663.0A CN106341661B (zh) | 2016-09-13 | 2016-09-13 | 巡逻机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610822663.0A CN106341661B (zh) | 2016-09-13 | 2016-09-13 | 巡逻机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106341661A CN106341661A (zh) | 2017-01-18 |
CN106341661B true CN106341661B (zh) | 2023-04-07 |
Family
ID=57838966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610822663.0A Active CN106341661B (zh) | 2016-09-13 | 2016-09-13 | 巡逻机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106341661B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358675A (zh) * | 2017-07-12 | 2017-11-17 | 浙江国自机器人技术有限公司 | 一种管廊综合舱的巡检方法、***及巡检机器人 |
CN107390610A (zh) * | 2017-08-10 | 2017-11-24 | 芜湖德海机器人科技有限公司 | 一种工厂车间安全预警机器人 |
CN107740602B (zh) * | 2017-10-17 | 2019-07-19 | 北京都杰保安服务有限公司 | 一种定点巡逻的智能遮阳公共服务亭 |
CN108491758B (zh) * | 2018-02-08 | 2020-11-20 | 深圳市睿灵创新科技开发有限公司 | 一种轨道检测方法及机器人 |
CN108710366A (zh) * | 2018-05-04 | 2018-10-26 | 安徽三弟电子科技有限责任公司 | 一种基于摄像采集的农业田间巡逻机器人控制*** |
CN108772841A (zh) * | 2018-05-30 | 2018-11-09 | 深圳市创艺工业技术有限公司 | 一种智能巡逻机器人 |
CN108777071A (zh) * | 2018-07-04 | 2018-11-09 | 深圳智达机械技术有限公司 | 一种高速公路巡逻机器人 |
CN109461283A (zh) * | 2018-10-31 | 2019-03-12 | 名商科技有限公司 | 智能小区安全防护*** |
WO2021022456A1 (zh) * | 2019-08-05 | 2021-02-11 | 唐山哈船科技有限公司 | 一种减少流浪者冲突的监测***及监测方法 |
CN112333355A (zh) * | 2020-09-09 | 2021-02-05 | 北京潞电电气设备有限公司 | 一种隧道巡检*** |
CN113177712A (zh) * | 2021-04-29 | 2021-07-27 | 重庆天智慧启科技有限公司 | 用于社区巡更的智能规划*** |
CN114394100B (zh) * | 2022-01-12 | 2024-04-05 | 深圳力维智联技术有限公司 | 一种无人巡逻车控制***及无人车 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102706342A (zh) * | 2012-05-31 | 2012-10-03 | 重庆邮电大学 | 一种智能移动机器人的定位与环境建模方法 |
CN103914855A (zh) * | 2014-03-25 | 2014-07-09 | 苏州大学 | 一种运动目标的定位方法及装置 |
CN104809917A (zh) * | 2015-03-23 | 2015-07-29 | 南通大学 | 船舶实时跟踪监控方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5062626B2 (ja) * | 2007-10-23 | 2012-10-31 | 学校法人玉川学園 | 物体識別装置 |
WO2011137336A1 (en) * | 2010-04-30 | 2011-11-03 | President And Fellows Of Harvard College | Motion compensating catheter device |
CN102340651A (zh) * | 2011-07-28 | 2012-02-01 | 上海高位安全网络管理有限公司 | 移动式巡逻监视*** |
CN102385389B (zh) * | 2011-11-01 | 2014-08-06 | 中国科学院深圳先进技术研究院 | 巡逻机器人、预警***以及巡逻机器人的监控方法 |
CN103246869B (zh) * | 2013-04-19 | 2016-07-06 | 福建亿榕信息技术有限公司 | 基于人脸识别和行为语音识别的犯罪监控方法 |
CN103366516A (zh) * | 2013-07-30 | 2013-10-23 | 陈勃闻 | 智能型输电线路监控***及其监控方法 |
CN103514694B (zh) * | 2013-09-09 | 2016-05-11 | 重庆邮电大学 | 一种入侵检测监控*** |
CN103645733B (zh) * | 2013-12-02 | 2014-08-13 | 江苏建威电子科技有限公司 | 自寻充电机器人及其自寻充电***和方法 |
CN103680027B (zh) * | 2013-12-05 | 2017-01-04 | 阮桂芳 | 一种远程门卫监控装置 |
CN104723350B (zh) * | 2015-03-16 | 2016-07-20 | 珠海格力电器股份有限公司 | 工业机器人安全防护智能控制方法及*** |
CN105869015A (zh) * | 2016-03-28 | 2016-08-17 | 联想(北京)有限公司 | 一种信息处理方法及*** |
-
2016
- 2016-09-13 CN CN201610822663.0A patent/CN106341661B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102706342A (zh) * | 2012-05-31 | 2012-10-03 | 重庆邮电大学 | 一种智能移动机器人的定位与环境建模方法 |
CN103914855A (zh) * | 2014-03-25 | 2014-07-09 | 苏州大学 | 一种运动目标的定位方法及装置 |
CN104809917A (zh) * | 2015-03-23 | 2015-07-29 | 南通大学 | 船舶实时跟踪监控方法 |
Non-Patent Citations (1)
Title |
---|
王林 ; 彭辉 ; 朱华勇 ; 沈林成 ; .应用无人机跟踪地面目标――最新研究进展.***仿真学报.2010,(第S1期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN106341661A (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106341661B (zh) | 巡逻机器人 | |
CN108297059B (zh) | 新型智能安防机器人及其自动巡检方法 | |
CN108802758B (zh) | 一种基于激光雷达的智能安防监控装置、方法和*** | |
CN108284427A (zh) | 安防机器人及其自动巡检方法 | |
CN111860318A (zh) | 一种建筑工地行人徘徊检测方法、装置、设备及存储介质 | |
CN107644519A (zh) | 一种基于视频人体行为识别的智能报警方法和*** | |
CN112396658A (zh) | 一种基于视频的室内人员定位方法及定位*** | |
CN116743970B (zh) | 一种具有视频ai预警分析的智能管理平台 | |
CN106851229B (zh) | 一种基于图像识别的安防智能决策的方法与*** | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
KR20160109761A (ko) | 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템 | |
CN104156819A (zh) | 一种重要岗位不安全行为自动观察纠偏方法及装置 | |
KR20160074208A (ko) | 비콘신호를 이용한 안전 서비스 제공 시스템 및 방법 | |
CN111881322B (zh) | 一种目标搜索方法、装置、电子设备及存储介质 | |
KR101454644B1 (ko) | 보행자 추적기를 이용한 서성거림을 탐지하는 방법 | |
CN112614260A (zh) | 一种基于人脸识别和定位的智能安防*** | |
CN112530144A (zh) | 一种基于神经网络的火力发电厂违规行为警示方法和*** | |
CN115457449A (zh) | 一种基于ai视频分析和监控安防的预警*** | |
CN210666820U (zh) | 一种基于dsp边缘计算的行人异常行为检测*** | |
CN113505704B (zh) | 图像识别的人员安全侦测方法、***、设备及存储介质 | |
CN110633623A (zh) | 用于变电站工作人员作业过程的管控方法 | |
CN106803937B (zh) | 一种具有文本日志的双摄像头视频监控方法、***和监控装置 | |
CN111966126A (zh) | 无人机巡逻方法、装置及无人机 | |
CN104392201A (zh) | 一种基于全向视觉的人体跌倒识别方法 | |
JP2010068466A (ja) | 移動体追跡装置及び移動体追跡方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |