The present invention provides a method for service robot visual guidance based on face detection, including face detection steps and data fusion steps; the steps of face detection, face image detection by Haar feature and Adaboost classifier; the data fusion step for inverse optical image processing; wherein, the Haar features for characterizing facial features and the Adaboost classifier for face image recognition. The invention of visual lead for service robot based on face detection, face detection and fusion step by step data, combined with the image data obtained from the vision sensor, analyze and deal with the surrounding environment, so as to improve the intelligence of robots.
【技术实现步骤摘要】
基于人脸检测的服务机器人视觉引领方法
本专利技术涉及服务机器人
,尤其涉及一种基于人脸检测的服务机器人视觉引领方法。
技术介绍
当前,市面上的机器人品种众多,主要分为服务领域和工业领域。相对来说,工业领域的机器人技术较为成熟,使用广泛,具有很高的实际生产价值;服务机器人领域相应的产品相对较少,且成熟性较差,大部分当前的服务机器人还停留在智能化较低的展示阶段。对于服务机器人智能引领方面,目前主要的方案有两类,一类是不考虑后方人群是否跟上,即不存在服务机器人与人的智能交互能力,而是由机器人自行行走,人需要很好的跟上机器人,否则容易跟丢;另一类时使用激光传感器进行机器人跟随功能,此方法通常采用距离地面不高的二维激光,对人腿进行检测与跟踪,该方法比较适用于较为广阔的场景,如果用在餐馆等比较复杂的环境,则会由于桌子或凳子腿与人腿很相似而很容易跟踪丢失,造成引领失败。因此,如何有效解决通过视觉处理,以引导服务机器人成为筮待解决的问题。
技术实现思路
基于此,本专利技术的目的在于提供一种基于人脸检测的服务机器人视觉引领方法,解决现有技术存在的问题。为了实现本专利技术的目的,提供一种基于人脸检测的服务机器人视觉引领方法,包括人脸检测步骤和数据融合步骤;所述人脸检测步骤,通过Haar特征与Adaboost分类器进行人脸图像检测;所述数据融合步骤,用于处理逆光图像;其中,所述Haar特征用于表征人脸特征,所述Adaboost分类器用于识别的人脸图像。在一些实施例中,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,所述边缘特征、所述线性特征、所述中心 ...
【技术保护点】
基于人脸检测的服务机器人视觉引领方法,其特征在于,包括人脸检测步骤和数据融合步骤;所述人脸检测步骤,通过Haar特征与Adaboost分类器进行人脸图像检测;所述数据融合步骤,用于处理逆光图像;其中,所述Haar特征用于表征人脸特征,所述Adaboost分类器用于识别的人脸图像。
【技术特征摘要】
1.基于人脸检测的服务机器人视觉引领方法,其特征在于,包括人脸检测步骤和数据融合步骤;所述人脸检测步骤,通过Haar特征与Adaboost分类器进行人脸图像检测;所述数据融合步骤,用于处理逆光图像;其中,所述Haar特征用于表征人脸特征,所述Adaboost分类器用于识别的人脸图像。2.根据权利要求1所述的基于人脸检测的服务机器人视觉引领方法,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,所述边缘特征、所述线性特征、所述中心特征和所述对角线特征组合成特征模板。3.根据权利要求2所述的基于人脸检测的服务机器人视觉引领方法,其特征在于,所述特征模版包括白色矩形和黑色矩形,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。4.根据权利要求1所述的基于人脸检测的服务机器人视觉引领方法,其特征在于,所述Adaboost分类器为CascadeAdaboost分类器;所述CascadeAdaboost分类器,由多个强Adaboost分类器级联而成。5.根据权利要求4所述的基于人脸检测的服务机器人视觉引领方法,其特征在于,所述强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...
【专利技术属性】
技术研发人员:姜楠,曲道奎,徐方,王宏玉,李邦宇,张强,
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。