基于深度增强学习的家用安全防护机器人及方法技术

本公开提供了一种基于深度增强学习的家用安全防护机器人及方法。其中，基于深度增强学习的家用安全防护机器人包括：机体，所述机体上安装有摄像头；所述摄像头用于采集目标人物的行为状态信息，并传送至处理器；所述处理器还与传感器模块相连，所述传感器模块用于感知目标人物的位置及目标人物所处环境的障碍物位置；所述处理器，被配置为：接收目标人物的行为状态信息、目标人物的位置及所处环境的障碍物位置；锁定目标人物并避障追踪其运动轨迹；其中，利用高低双层BP神经网络输出避障策略，低层输出为机器人运动，高层输出为地形障碍物状态。

Household Safety Protection Robot and Method Based on Deep Enhanced Learning

The present disclosure provides a home safety protection robot and method based on deep enhanced learning. Among them, the home security protection robot based on deep enhanced learning includes: a body with a camera installed on the body; the camera is used to collect information of the behavior state of the target person and transmit it to the processor; the processor is also connected with the sensor module, which is used to sense the position of the target person and the position of obstacles in the environment where the target person is located. The processor is configured to receive the information of the behavior state of the target person, the position of the target person and the position of obstacles in the environment, lock the target person and avoid obstacles to track its trajectory, in which the obstacle avoidance strategy is output by using the high-low double-layer BP neural network, the low-level output is robot motion, and the high-level output is terrain obstacle state.

【技术实现步骤摘要】
基于深度增强学习的家用安全防护机器人及方法
本公开属于防护机器人领域，尤其涉及一种基于深度增强学习的家用安全防护机器人及方法。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。近年来，我国老年空巢家庭数量不断呈上升趋势。老人或者孩童独自在家时，极有可能出现意外事故，安全问题也存在隐患，极易成为犯罪分子实施犯罪的对象。安装家庭监控成为当下一个较好的选择。家庭监控装置不断走进人们家中，被更多人所接受，但是隐私与成本问题也非常需要解决。专利技术人发现传统家庭监控布设于家中各个房间，价格昂贵成本较高，电能损耗大，还存在很大的家庭隐私大规模泄露的风险。综上所述，专利技术人发现亟需提供一种性价比高、能保障隐私安全且能够锁定目标人物并避障追踪其运动轨迹的家用防护机器人。
技术实现思路
根据本公开的一个或多个实施例的一个方面，提供一种基于深度增强学习的家用安全防护机器人，其利用双层神经网络，提高避障学习的效率，更加精准。本公开的一个或多个实施例提供的一种基于深度增强学习的家用安全防护机器人，包括：机体，所述机体上安装有摄像头；所述摄像头用于采集目标人物的行为状态信息，并传送至处理器；所述处理器还与传感器模块相连，所述传感器模块用于感知目标人物的位置及目标人物所处环境的障碍物位置；所述处理器，被配置为：接收目标人物的行为状态信息、目标人物的位置及所处环境的障碍物位置；锁定目标人物并避障追踪其运动轨迹；其中，利用高低双层BP神经网络输出避障策略，低层输出为机器人运动，高层输出为地形障碍物状态。在一个或多个实施例中，所述处理器，还被配置为：判断目标人物与机器人本身之间的距离是否在预设范围内，若是，则控制机器人保持不动；否则，控制机器人上前跟随。在一个或多个实施例中，在所述处理器中，锁定目标人物的具体过程为：从目标人物的行为状态信息中提取目标人物动作特征；将目标人物动作特征输入已训练的预测网络来预测目标人物的下一动作；预测的动作信息输入至高低双层BP神经网络中；筛选最优动作来跟踪目标人物，对目标人物实现锁定追踪。在一个或多个实施例中，所述机体上仅安装一个可垂直180度和水平360度旋转的摄像头。在一个或多个实施例中，所述处理器还与通信传输模块相连。在一个或多个实施例中，机器人还设置有存储模块，存储模块内存储有紧急联系人库。在一个或多个实施例中，所述传感器模块包括：水平方向安装的四个红外传感器，每相邻两个红外传感器间夹角为90度，任选两个相邻红外传感器结合实现对任意位置的使用者位置的定位，剩余两个红外传感器用于感知除使用者之外的障碍物，为避障以及路径规划服务。在一个或多个实施例中，所述处理器，还被配置为：接收目标人物动作视频信息；识别出目标人物的动作，若某一动作保持时间超过预设时间，则判断当前动作属于危险动作，并发出报警信息至远程移动终端；危险动作包括晕倒、摔倒和久坐不起。本公开的一个或多个实施例的一个方面，提供了基于深度增强学习的家用安全防护机器人的工作方法，其利用双层神经网络，提高避障学习的效率，更加精准。本公开的一个或多个实施例的一种基于深度增强学习的家用安全防护机器人的工作方法，包括：摄像头采集目标人物的行为状态信息，传送至处理器；传感器模块感知目标人物的位置及目标人物所处环境的障碍物位置，传送至处理器；处理器接收目标人物的行为状态信息、目标人物的位置及所处环境的障碍物位置；锁定目标人物并避障追踪其运动轨迹；其中，利用高低双层BP神经网络输出避障策略，低层输出为机器人运动，高层输出为地形障碍物状态。在一个或多个实施例中，基于深度增强学习的家用安全防护机器人的工作方法，还包括：判断目标人物与机器人本身之间的距离是否在预设范围内，若是，则机器人保持不动；否则，机器人上前跟随。在一个或多个实施例中，基于深度增强学习的家用安全防护机器人的工作方法，还包括：从目标人物的行为状态信息中提取目标人物动作特征；将目标人物动作特征输入已训练的预测网络来预测目标人物的下一动作；预测的动作信息输入至高低双层BP神经网络中；筛选最优动作来跟踪目标人物，对目标人物实现锁定追踪。在一个或多个实施例中，基于深度增强学习的家用安全防护机器人的工作方法，还包括：接收目标人物动作视频信息；识别出目标人物的动作，若某一动作保持时间超过预设时间，则判断当前动作属于危险动作，并发出报警信息至远程移动终端；危险动作包括晕倒、摔倒和久坐不起。与现有技术相比，本专利技术的有益效果是：(1)深度增强学习学会避障，可以应对不同环境情况：利用深度增强学习来实现避障功能，机器人通过深度增强学习，利用双层神经网络，提高避障学习的效率，更加精准。通过输入地形距离等特征进行训练，不断地迭代学习得到最大化的奖励，让机器人掌握家中地形，学会避障跟随。与传统的传感器避障相比，基于深度增强学习的避障是更高效的，当机器人遍历了室内地形后通过不断地学习生成了最优策略，再次面对不同障碍物的环境时，通过对最优策略的选择进行避障。(2)避免大规模隐私泄露：机器人的监控范围跟随人的位置变化而实时变化，监控范围有限，可以避免传统家庭监控造成的整个家中隐私大规模泄露的情况，增加安全系数。(3)一对一看护追踪：次只追踪看护一位使用者的安全，通过初始化后对使用者的特征提取进行目标锁定，实现对使用者的一对一看护，方便有效，保护使用者的个人安全与家庭财产安全。(4)节约成本：机器人的设计只使用一个摄像头，节约了摄像头，与现有家庭监控相比可以节约购买和使用成本。(5)降低能耗：机器人通过充电进行工作，一次充电可工作较长时间，与传统的24小时工作通电的家用监控相比可以降低能耗，节约电能。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。图1是避障追踪运动轨迹流程图。图2是锁定目标人物流程图。图3是分层的BP神经网络模型。图4是机器人活动距离范围图。具体实施方式应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。本公开的一个或多个实施例提供的一种基于深度增强学习的家用安全防护机器人，包括：机体，所述机体上安装有摄像头；所述摄像头用于采集目标人物的行为状态信息，并传送至处理器；所述处理器还与传感器模块相连，所述传感器模块用于感知目标人物的位置及目标人物所处环境的障碍物位置；如图1所示，所述处理器，被配置为：接收目标人物的行为状态信息、目标人物的位置及所处环境的障碍物位置；锁定目标人物并避障追踪其运动轨迹；其中，利用高低双层BP神经网络输出避障策略，低层输出为机器人运动，高层输出为地形障碍物状态。在一个或多个实施例中，在所述处理器中，如图2所示，锁定目标人物的具体过程为：从目标人物的行为状态信息中提本文档来自技高网...

【技术保护点】
1.一种基于深度增强学习的家用安全防护机器人，其特征在于，包括：机体，所述机体上安装有摄像头；所述摄像头用于采集目标人物的行为状态信息，并传送至处理器；所述处理器还与传感器模块相连，所述传感器模块用于感知目标人物的位置及目标人物所处环境的障碍物位置；所述处理器，被配置为：接收目标人物的行为状态信息、目标人物的位置及所处环境的障碍物位置；锁定目标人物并避障追踪其运动轨迹；其中，利用高低双层BP神经网络输出避障策略，低层输出为机器人运动，高层输出为地形障碍物状态。

【技术特征摘要】
1.一种基于深度增强学习的家用安全防护机器人，其特征在于，包括：机体，所述机体上安装有摄像头；所述摄像头用于采集目标人物的行为状态信息，并传送至处理器；所述处理器还与传感器模块相连，所述传感器模块用于感知目标人物的位置及目标人物所处环境的障碍物位置；所述处理器，被配置为：接收目标人物的行为状态信息、目标人物的位置及所处环境的障碍物位置；锁定目标人物并避障追踪其运动轨迹；其中，利用高低双层BP神经网络输出避障策略，低层输出为机器人运动，高层输出为地形障碍物状态。2.如权利要求1所述的一种基于深度增强学习的家用安全防护机器人，其特征在于，所述处理器，还被配置为：判断目标人物与机器人本身之间的距离是否在预设范围内，若是，则控制机器人保持不动；否则，控制机器人上前跟随。3.如权利要求1所述的一种基于深度增强学习的家用安全防护机器人，其特征在于，在所述处理器中，锁定目标人物的具体过程为：从目标人物的行为状态信息中提取目标人物动作特征；将目标人物动作特征输入已训练的预测网络来预测目标人物的下一动作；预测的动作信息输入至高低双层BP神经网络中；筛选最优动作来跟踪目标人物，对目标人物实现锁定追踪。4.如权利要求1所述的一种基于深度增强学习的家用安全防护机器人，其特征在于，所述机体上仅安装一个可垂直180度和水平360度旋转的摄像头；或所述处理器还与通信传输模块相连；或机器人还设置有存储模块，存储模块内存储有紧急联系人库。5.如权利要求1所述的一种基于深度增强学习的家用安全防护机器人，其特征在于，所述传感器模块包括：水平方向安装的四个红外传感器，每相邻两个红外传感器间夹角为90度，任选两个相邻红外传感器结合实现对任意位置的使用者位置的定位，剩余两个红外传感器用于感知除使用者之...

【专利技术属性】
技术研发人员：任晓惠，王翔宇，范一诺，孙天骄，郑茂森，陆佃杰，张桂娟，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东,37