服务机器人基于双目视觉的人体检测与跟踪方法技术

本发明专利技术提供了一种服务机器人基于双目视觉的人体检测与跟踪方法，包括人体检测步骤和人体跟踪步骤；所述人体检测步骤，通过五级分类器串联进行人体图像检测；所述人体跟踪步骤，通过人体检测后获得每帧人体信息，执行跟踪，确认目标人体。通过上述交互实现了服务机器人智能引领、跟随的功能。

Human detection and tracking method based on binocular vision for service robot

The present invention provides a service robot human detection and tracking method based on binocular vision, including the steps of human detection and human tracking steps; the human detection steps, through the five level classifier series for human detection; the human tracking procedure, obtain information of human body, each frame through detection after performing tracking confirmation the target of human body. Through the above interaction, the function of Intelligent Lead and follow of service robot is realized.

【技术实现步骤摘要】
服务机器人基于双目视觉的人体检测与跟踪方法
本专利技术涉及机器人
，尤其涉及一种服务机器人基于双目视觉的人体检测与跟踪方法。
技术介绍
人体检测与跟踪技术是计算机视觉领域内的一个研究热点。该技术主要用于室内视频监控系统、辅助驾驶以及服务机器人的人机交互功能。目前，此方面的成熟产品相对较少，尤其是在服务机器人领域。对于人体检测与跟踪常用的方案，根据传感器的不同分为三类：1、基于单目相机；2、基于激光传感器；3、基于RGBD传感器。采用单目相机时，全部信息仅有图像，对于常见的人体检测算法，容易出现误检测的情况，即将场景中的某个区域当成为人体。由于场景信息为二维的，将丢失三维信息，该种误检测很难避免；同时对于跟踪过程，由于缺少三维信息，无法对目标人体进行位姿估计，以获得目标的运动轨迹。采用2D激光传感器实现人体腿部的检测与跟踪，该方法的好处是处理频率较快，所需系统计算资源相对较少。但是，其也有明显的缺陷，由于信息量过少，导致人体腿部的检测很容易误检测，需相对较为简单的场景才可正确识别人腿；同时对于跟踪过程，若出现相距较近的人腿则容易跟错对象。采用RGBD传感器的算法，该算法最大优势为传感器可以提供全面丰富的信息，包括图像的二维信息和相应的深度信息。由于存在深度信息，因此可以获得人体运动的轨迹来帮助机器人进行跟踪；同时由于信息量丰富，可通过深度信息有效的降低误识别率。
技术实现思路
基于此，本专利技术的目的在于提供一种服务机器人基于双目视觉的人体检测与跟踪方法。为了实现本专利技术的目的，提供一种服务机器人基于双目视觉的人体检测与跟踪方法，包括人体检测步骤和人体跟踪步骤；所述人体检测步骤，通过五级分类器串联进行人体图像检测；所述人体跟踪步骤，通过人体检测后获得每帧人体信息，执行跟踪，确认目标人体。优选地，所述五级分类器中的第一级分类器，所述第一级分类器中检测图像检测框的大小和人体与相机的距离固定，且检测图像检测框的横坐标位置和人体与相机的距离关联。优选地，所述五级分类器中的第二级分类器，所述第二级分类器通过Haar-like特征与Adaboost分类器进行人体图像检测。优选地，所述Haar特征包括边缘特征、线性特征、中心特征和对角线特征，并组合成特征模板。优选地，所述特征模版包括白色和黑色两种，设定所述特征模版的特征值为白色矩形像素和减去黑色矩形像素和的值。优选地，所述Adaboost分类器的训练过程为：S11、给定训练样本(x1、y1),...,(xi、yi),...,(xn、yn)，其中xi表示第i个样本，yi＝0表示为负样本，yi＝1表示为正样本，n为训练样本总数；S12、初始化训练样本的权重；S13、第一次迭代，训练弱分类器，并计算弱分类器的错误率；选取阈值，使得误差最小；更新样本权重；S14、T次循环，得到T个弱分类器，评价每一个弱分类器的重要性的权重进行加权叠加，最终得到强分类器。优选地，所述五级分类器中的第三级分类器，所述第三级分类器通过Haar-like特征与Adaboost分类器进行检测，所述第三级分类器在灰度图上进行训练、分类。优选地，所述五级分类器中的第五级分类器，所述第五级分类器通过Hog特征与SVM分类器结合。优选地，所述HOG特征提取为，S21、对图像进行灰度化；S22、对图像进行颜色空间的标准化；S23、计算图像每个像素的梯度；S24、将图像划分成小单元；S25、统计每个单元的梯度直方图，形成每个单元的描述器；S26、将不定数个单元组成一个块，所述块内所有单元的特征描述器串联，得到所述块的HOG特征描述器；S27、将图像内的所有块的HOG特征描述器串联，得到所述图像的HOG特征描述器。优选地，所述人体跟踪采用颜色直方图匹配确认当前检测到的人体中是否存在目标人体。区别于现有技术，上述服务机器人基于双目视觉的人体检测与跟踪方法，包括人体检测步骤和人体跟踪步骤。其中，所述人体检测步骤，通过五级分类器串联进行人体图像检测；所述人体跟踪步骤，通过人体检测后获得每帧人体信息，执行跟踪，确认目标人体。通过上述交互使服务机器人智能引领、跟随功能。【附图说明】图1为本专利技术一个实施例中服务机器人基于双目视觉的人体检测与跟踪方法的分类器训练过程图。图2为本专利技术一个实施例中服务机器人基于双目视觉的人体检测与跟踪方法的HOG特征提取图。【具体实施方式】为详细说明本专利技术的
技术实现思路
、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用来限定本专利技术。一种服务机器人基于双目视觉的人体检测与跟踪方法，包括人体检测步骤和人体跟踪步骤。其中，所述人体检测步骤，通过五级分类器串联进行人体图像检测；所述人体跟踪步骤，通过人体检测后获得每帧人体信息，执行跟踪，确认目标人体。在本专利技术的一个具体实施例中，一种基于双目视觉的服务机器人检测与跟踪方法，包括人体检测步骤和人体跟踪步骤。其中，所述人体检测步骤，通过五级分类器串联进行人体图像检测；所述人体跟踪步骤，通过人体检测后获得每帧人体信息，执行跟踪，确认目标人体所述五级分类器中的第一级分类器，可大幅降低检测框的个数，提升人体检测过程的时间，并且为后续分类器的正确分类提供基础。所述第一级分类器中检测图像检测框的大小和人体与相机的距离固定，且检测图像检测框的横坐标位置和人体与相机的距离关联。基于此，采用逻辑回归算法得到相应参数的变化范围，检测框的个数相对于一般的滑动窗口的方法有质的降低。可优选地，所述五级分类器中的第二级分类器，所述第二级分类器通过Haar-like特征与Adaboost分类器进行人体图像检测。其中，Haar特征用于表征人体特征，Adaboost分类器用于识别的人体图像。Haar特征包括边缘特征、线性特征、中心特征和对角线特征，并组合成特征模板。特征模版包括白色和黑色两种，并设定特征模版的特征值为白色矩形像素和减去黑色矩形像素和的值。该Haar特征值反映了图像的灰度变化情况。矩形特征仅对一些简单的图形结构，如边缘、线段较敏感，因此只能描述特定走向，水平、垂直、对角的结构。如图1所示，Adaboost通过将多个弱分类器进行集合得到的强分类器，具体地该Adaboost分类器的训练过程为：S11、给定训练样本(x1、y1),...,(xi、yi),...,(xn、yn)，其中xi表示第i个样本，yi＝0表示为负样本，yi＝1表示为正样本，n为训练样本总数；S12、初始化训练样本的权重；S13、第一次迭代，训练弱分类器，并计算弱分类器的错误率；选取阈值，使得误差最小；更新样本权重；S14、经过T次循环后，得到T个弱分类器，评价每一个弱分类器的重要性的权重进行加权叠加，最终得到强分类器。可优选地，所述五级分类器中的第三级分类器，所述第三级分类器通过Haar-like特征与Adaboost分类器进行检测，其中，所述第三级分类器在灰度图上进行训练、分类。该第三级分类器作用于视差图上，由视差图相对二维彩色图像，拥有更为明显且简练的特征，更容易进行人体目标的确认。所述五级分类器中的第四级分类器采用Haar-like特征结合支持向量机作为分类器。该支持向量机(SVM)为一分类效果较佳的分类器，通过在特本文档来自技高网...

【技术保护点】
服务机器人基于双目视觉的人体检测与跟踪方法，其特征在于，包括人体检测步骤和人体跟踪步骤；所述人体检测步骤，通过五级分类器串联进行人体图像检测；所述人体跟踪步骤，通过人体检测后获得每帧人体信息，执行跟踪，确认目标人体。

【技术特征摘要】
1.服务机器人基于双目视觉的人体检测与跟踪方法，其特征在于，包括人体检测步骤和人体跟踪步骤；所述人体检测步骤，通过五级分类器串联进行人体图像检测；所述人体跟踪步骤，通过人体检测后获得每帧人体信息，执行跟踪，确认目标人体。2.根据权利要求1所述的服务机器人基于双目视觉的人体检测与跟踪方法，其特征在于，所述五级分类器中的第一级分类器，所述第一级分类器中检测图像检测框的大小和人体与相机的距离固定，且检测图像检测框的横坐标位置和人体与相机的距离关联。3.根据权利要求1所述的服务机器人基于双目视觉的人体检测与跟踪方法，其特征在于，所述五级分类器中的第二级分类器，所述第二级分类器通过Haar-like特征与Adaboost分类器进行人体图像检测。4.根据权利要求3所述的服务机器人基于双目视觉的人体检测与跟踪方法，其特征在于，所述Haar特征包括边缘特征、线性特征、中心特征和对角线特征，并组合成特征模板。5.根据权利要求4所述的服务机器人基于双目视觉的人体检测与跟踪方法，其特征在于，所述特征模版包括白色和黑色两种，设定所述特征模版的特征值为白色矩形像素和减去黑色矩形像素和的值。6.根据权利要求3所述的服务机器人基于双目视觉的人体检测与跟踪方法，其特征在于，所述Adaboost分类器的训练过程为：S11、给定训练样本(x1、y1),...,(xi、yi),...,(xn、yn)，其中xi表示第i个样本，yi＝0表示为负样本，yi＝1表示为正样本，n...

【专利技术属性】
技术研发人员：姜楠，李邦宇，邹风山，徐方，张强，张涛，
申请(专利权)人：沈阳新松机器人自动化股份有限公司，
类型：发明
国别省市：辽宁,21