一种人体识别方法和装置制造方法及图纸

本申请提供一种人体识别方法和装置，方法包括：获取图像信息；对所述图像信息进行深度处理，获得深度图和彩色图；对所述彩色图进行DeepCNN的人体检测，确定所述彩色图中的人体边界框；判断所述人体边界框对应在深度图中的人体边界框区域内是否存在唯一一个人体；如果所述人体边界框区域内存在有两个及两个以上个人体时，将所述两个及两个以上个的人体进行分离；依据在深度图中的人体边界框区域内的人体个数，确定所述图像信息中人体的个数。本申请基于深度图实现对彩色图中识别到的人体进行二次识别，避免了重叠人体被误判为一个人体的情况，本申请利用深度图的图像信息辅助人体识别，提高了人体识别的准确度。

Human body identification method and device

The present invention provides a human body recognition method and device. The method comprises the following steps: acquiring the image information; the depth of processing of the image information, the depth map and color map; human testing of DeepCNN on the color map, determining the color map of the human body in the human judgment boundary box; bounding box body boundary in the depth map of the corresponding box if there is only one area of the body; if there are two or more than two of a human body in the body when the bounding box of the human body, the two and two above the separation; based on the depth map of the human body region bounding box number by determining the number of the image information in the human body. The application depth map for the two time to achieve recognition of color image in the identification of the human body based on the human body to avoid the overlapping was mistaken for a human body, the invention applies depth map image information aided human recognition, improve the human body recognition accuracy.

【技术实现步骤摘要】
一种人体识别方法和装置
本申请涉及机器人制造
，尤其涉及一种人体识别方法和装置。
技术介绍
随着科学技术的高速发展，机器人制造技术也得以发展迅速，机器人的应用已逐步进入家庭服务行业。物业服务机器人是一种不受环境、温度的影响，能够动态地实现对用户身份识别的机器人，该类机器人需要在用户身份识别方面有卓越的辨识能力，因此对于人体识别的要求非常之高。目前传统的物业服务机器人都是利用高清摄像头捕捉用户图像信息，通过对捕捉到的用户图像信息进行分析来达到人体识别的目的。然而，在实际应用过程中，高清摄像头捕捉到的用户图像信息中往往会出现多名用户重叠在一个区域的情况，此时在对用户图像信息进行分析的过程中，一般会将发生重叠情况较为严重的多名用户默认处理为一名用户，显然这与实际并不相符。因此现有人体识别方法的准确度较低。
技术实现思路
有鉴于此，本申请提供一种人体识别方法和装置，以提高人体识别的准确度。技术方案如下：基于本申请的一方面，本申请提供一种人体识别方法，包括：获取图像信息；对所述图像信息进行深度处理，获得深度图和彩色图；对所述彩色图进行深度卷积神经网络DeepCNN的人体检测，确定所述彩色图中的人体边界框；判断所述人体边界框对应在深度图中的人体边界框区域内是否存在唯一一个人体；如果所述人体边界框区域内存在有两个及两个以上个人体时，将所述两个及两个以上个的人体进行分离；依据在深度图中的人体边界框区域内的人体个数，确定所述图像信息中人体的个数。优选地，还包括：如果所述人体边界框区域内不存在人体，则删除所述人体边界框区域对应在所述彩色图中的人体边界框。优选地，所述确定出所述人体边界框区域内的人体后，所述方法还包括：确定所述人体的相对位置信息。优选地，在确定出所述人体边界框区域内的人体后，所述方法还包括：依据所述彩色图中的人体边界框，确定每个人体的人脸位置。优选地，所述依据所述彩色图中的人体边界框，确定每个人体的人脸位置之后，所述方法还包括：依据所述人脸位置对应在所述深度图中的位置区域，判断所述人脸位置是否正确；如果不正确，删除所述人脸位置。基于本申请的另一方面，本申请还提供一种人体检测装置，包括：获取单元，用于获取图像信息；深度信息处理单元，用于对所述图像信息进行深度处理，获得深度图和彩色图；人体边界框确定单元，用于对所述彩色图进行深度卷积神经网络DeepCNN的人体检测，确定所述彩色图中的人体边界框；第一判断单元，用于判断所述人体边界框对应在深度图中的人体边界框区域内是否存在唯一一个人体；人体分离单元，用于当所述第一判断单元判断所述人体边界框区域内存在有两个及两个以上个人体时，将所述两个及两个以上个的人体进行分离；人体个数确定单元，用于依据在深度图中的人体边界框区域内的人体个数，确定所述图像信息中人体的个数。优选地，还包括：第一删除单元，用于当所述第一判断单元判断所述人体边界框区域内不存在人体，则删除所述人体边界框区域对应在所述彩色图中的人体边界框。优选地，还包括：相对位置确定单元，用于确定所述人体的相对位置信息。优选地，还包括：人脸位置确定单元，用于依据所述彩色图中的人体边界框，确定每个人体的人脸位置。优选地，还包括：第二判断单元，用于依据所述人脸位置对应在所述深度图中的位置区域，判断所述人脸位置是否正确；第二删除单元，用于当所述第二判断单元判断所述人脸位置不正确时，删除所述人脸位置。本申请提供的人体识别方法，通过将获取到的图像信息进行深度处理得到深度图和彩色图，对彩色图进行DeepCNN(DeepConvolutionalNeuralNetworks，深度卷积神经网络)的人体检测，确定出彩色图中的人体边界框，进而判断所述人体边界框对应在深度图中的人体边界框区域内是否存在唯一一个人体，如果人体边界框区域内存在有两个及两个以上个人体时，将所述两个及两个以上个的人体进行分离，最后依据在深度图中的人体边界框区域内的人体个数，确定图像信息中人体的个数。本申请基于深度图实现对彩色图中识别到的人体进行二次识别，避免了重叠人体被误判为一个人体的情况，本申请利用深度图的图像信息辅助人体识别，提高了人体识别的准确度。附图说明为了更清楚地说明本申请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申请的实施例，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，还可以根据提供的附图获得其他的附图。图1为本申请提供的一种人体识别方法的流程图；图2为本申请提供的一种人体识别装置的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。请参阅图1，其示出了本申请提供的一种人体识别方法的流程图，包括：步骤101，获取图像信息。在本申请实施例中，可以利用双目摄像头来实时获取视频图像信息，本申请将其获取的每一帧视频图像信息称之为图像信息。步骤102，对所述图像信息进行深度处理，获得深度图和彩色图。步骤103，对所述彩色图进行DeepCNN的人体检测，确定所述彩色图中的人体边界框。在本申请实施例中，人体检测的DeepCNN深度学习网络由卷积层网络、区域提取网络和区域分类网络构成。当将彩色图输入至DeepCNN中进行信息提取后，DeepCNN能够直接计算并输出该彩色图中的人体边界框。其中，人体边界框为在彩色图中用于表示一个人体的边界框。例如该彩色图中包括三名用户，那么该彩色图进行DeepCNN的人体检测后，可以确定出该彩色图中包括三个人体边界框。步骤104，判断所述人体边界框对应在深度图中的人体边界框区域内是否存在唯一一个人体。如果是，执行步骤106，如果不是，执行步骤105。因为本申请中的深度图和彩色图是经过对同一个图像信息进行深度处理后得到的，因此深度图和彩色图的内容实质是一致的，只是其表现形式不同。当本申请在彩色图中确定出人体边界框后，进而判断确定出的人体边界框对应在深度图中的人体边界框区域内是否存在唯一一个人体。其中，人体边界框区域与由彩色图中的人体边界框所围成的区域相同。进一步，本申请还可以结合人体几何信息，如人体的高度、尺寸、位置等来判断人体边界框区域内的人体是否正确。在实际应用过程中，有些物体的外形尺寸跟人体的外形尺寸比较相近，那么本申请在对彩色图进行DeepCNN的人体检测后，可能也会将该物体误判为一个人体，而获取其人体边界框。基于此，本申请在判断人体边界框对应在深度图中的人体边界框区域内存在有至少一个人体时，进一步结合人体几何信息判断该存在的至少一个人体是否正确。如果判断得知有人体是误判，并不是真正的人体，那么将该误判的人体删除，如果人体边界框对应在深度图中的人体边界框区域内不存在任何一个人体时，即可确定相应的彩色图中确定的人体边界框就是错误的，因此删除所述人体边界框区域对应在所述彩色图中的人体边界框。步骤105，将人体边界框区域内存在的两个及两个以上个的人体进行分离。由于通过DeepCNN的人体检测后，对于发生重本文档来自技高网...

【技术保护点】
一种人体识别方法，其特征在于，包括：获取图像信息；对所述图像信息进行深度处理，获得深度图和彩色图；对所述彩色图进行深度卷积神经网络Deep CNN的人体检测，确定所述彩色图中的人体边界框；判断所述人体边界框对应在深度图中的人体边界框区域内是否存在唯一一个人体；如果所述人体边界框区域内存在有两个及两个以上个人体时，将所述两个及两个以上个的人体进行分离；依据在深度图中的人体边界框区域内的人体个数，确定所述图像信息中人体的个数。

【技术特征摘要】
1.一种人体识别方法，其特征在于，包括：获取图像信息；对所述图像信息进行深度处理，获得深度图和彩色图；对所述彩色图进行深度卷积神经网络DeepCNN的人体检测，确定所述彩色图中的人体边界框；判断所述人体边界框对应在深度图中的人体边界框区域内是否存在唯一一个人体；如果所述人体边界框区域内存在有两个及两个以上个人体时，将所述两个及两个以上个的人体进行分离；依据在深度图中的人体边界框区域内的人体个数，确定所述图像信息中人体的个数。2.根据权利要求1所述的方法，其特征在于，还包括：如果所述人体边界框区域内不存在人体，则删除所述人体边界框区域对应在所述彩色图中的人体边界框。3.根据权利要求1所述的方法，其特征在于，所述确定出所述人体边界框区域内的人体后，所述方法还包括：确定所述人体的相对位置信息。4.根据权利要求1-3任一项所述的方法，其特征在于，在确定出所述人体边界框区域内的人体后，所述方法还包括：依据所述彩色图中的人体边界框，确定每个人体的人脸位置。5.根据权利要求4所述的方法，其特征在于，所述依据所述彩色图中的人体边界框，确定每个人体的人脸位置之后，所述方法还包括：依据所述人脸位置对应在所述深度图中的位置区域，判断所述人脸位置是否正确；如果不正确，删除所述人脸位置。6.一种人体检测装置，其特征在于，包括：获取单元，用于获取图...

【专利技术属性】
技术研发人员：周禄兵，苗振伟，黄巍伟，
申请(专利权)人：中新智擎有限公司，
类型：发明
国别省市：广东,44