一种无人智能监护系统技术方案

本发明专利技术公开了一种无人智能监护系统。包括：智能监护小车：用于实时追踪目标，采集视频数据流，将视频数据流上传至云端服务器；云端服务器：利用深度学习技术训练好模型对视频数据流进行分析处理，并将分析处理结果反馈给智能监护小车和移动客户端；移动客户端：用于完成用户管理、视频数据实时浏览、远程控制、异常报警提示及异常报警历史可视化。本发明专利技术能够避免空巢老人在家发生猝死却无人知晓的情况，使用方便，准确性和实效性强。

An Unmanned Intelligent Monitoring System

The invention discloses an unmanned intelligent monitoring system. Including: Intelligent monitoring car: for real-time tracking target, collecting video data stream, uploading video data stream to cloud server; cloud server: using deep learning technology to train the model to analyze and process video data stream, and feedback the results of analysis and processing to intelligent monitoring car and mobile client; mobile client: for user management, video Number According to real-time browsing, remote control, abnormal alarm prompt and abnormal alarm history visualization. The invention can avoid sudden death of empty nester at home but nobody knows about it, and is convenient to use, accurate and effective.

【技术实现步骤摘要】
一种无人智能监护系统
本专利技术涉及一种监护系统，特别是一种无人智能监护系统。
技术介绍
由于我国人口基数大，加上20多年改革开放，人民生活水平日益提高，医疗卫生条件得到明显改善，人口预期寿命日益延长，老年人口逐年增加，到目前已接近1.41亿，我国成为全世界老年人口最多的国家，占世界老年人总数的1/5，占亚洲老年人口的1/2。2004年，中国的老年人口仅占总人口的11％。但到2014年，中国老年人总数将达到4.11亿，占到总人口的29％，它将超过法国、德国、意大利、日本和英国目前的人口总和。近十年来65岁以上人口逐年增加，解决好我国老年人口问题，对亚洲和世界都具有举足轻重的作用。随着中国跑步进入老龄化社会，60岁以上的老人数量快速增多，独居、孤寡的“空巢老人”也正在以前所未有的速度增长。空巢老人由于子女不在身边，基本生活和基本医疗缺乏保障，疾病、伤残、照料问题突出。在我们国家时常会出现老人在家里突发疾病猝死却无人知晓的情况，消息显示在我国的济南两个月就发生八起空巢老人在家里发生意外，因为没有得到及时的救治，致使死亡的事件。可想而知每年全国会发生多少起这样的案列，所以空巢老人在家的安全监督是一项极为重要的任务。目前市场上有很多针对老人的智能家居，包括一些智能手表、智能电视、智能坐椅等等来缓解老人生活上的孤独与对于家居舒适度的需求，但是在面对老人在家中猝死这样的情况真正需要一款智能监护的电子产品来实时向子女报告老人的活动情况，时刻跟随老人，当老人遇到跌倒、突发疾病等危急情况时能及时的通知子女和救护中心，避免发生老人出现意外几天后才知晓的情况。在空巢老人不断增加的背景下，如何对这些老年人进行智能家庭监护的问题也将日趋突出，并可能演化成社会性的难题。
技术实现思路
本专利技术的目的在于，提供一种无人智能监护系统。本专利技术能够避免空巢老人在家发生猝死却无人知晓的情况，使用方便，准确性和实效性强。本专利技术的技术方案：一种无人智能监护系统，包括：智能监护小车：用于实时追踪目标，采集视频数据流，将视频数据流上传至云端服务器；云端服务器：利用深度学习技术训练好模型对视频数据流进行分析处理，并将分析处理结果反馈给智能监护小车和移动客户端；移动客户端：用于完成用户管理、视频数据实时浏览、远程控制、异常报警提示及异常报警历史可视化。前述的无人智能监护系统中，所述的智能监护小车包括用作核心控制单元的主控板及与主控板连接的外设模块；所述的外设模块包括：供电模块，用于提供系统工作所需的5V供电，并保持电压稳定；电机驱动模块，用于驱动直流电机控制智能监护小车运动；舵机驱动模块，用于驱动直流舵机调整采集视频数据流的视频驱动模块方向角度变化；视频驱动模块，用于采集视频数据流；网络连接模块，用于传输视频数据流及接收来自云端服务器的分析处理结果及控制命令。前述的无人智能监护系统中，所述的外设模块还包括用于障碍物具体位置识别与壁障的超声驱动波模块。前述的无人智能监护系统中，所述的分析处理包括人体体态分析和人脸识别；所述的人体体态分析是识别目标的走、坐和跌倒三个姿态；根据识别的“走”的姿态来控制智能监护小车跟随目标走动；走动时，利用目标检测框的面积来控制智能监护小车与目标间的距离，同时利用目标检测框的中心点变化来判定目标所在监护画面的方位；所述的人脸识别包括人脸检测和人脸表情识别；所述的人脸检测采用基于caffe的mtcnn算法实现，所述mtcnn算法的级联网络结包括P-Net、R-Net和O-Net三个子网络；所述的P-Net用于生成候选框，R-Net用于去除非人脸框，O-Net与R-Net的差异在于增加了关键点位置的回归、输入大小调整为48*48、输出包含P个候选框的4个坐标信息、score和关键点信息；所述的mtcnn算法的训练数据来源于wider公开数据库，根据参与任务的差异，将训练数据分为人脸正样本、非人脸负样本、包含部分人脸的样本、标注关键点的人脸样本四类；所述的人脸正样本和非人脸负样本参与到分类任务，人脸正样本和包含部分人脸的样本参与到回归任务，标注关键点的人脸样本参与到关键点回归任务；关键点回归任务仅在O-Net中实用，此时标注关键点的人脸样本包含关键点的人脸框位置由P-Net和R-Net的模型检测得到，或是由关键点的坐标位置拟合出来；在每个训练批次中，人脸正样本∶非人脸负样本∶包含部分人脸的样本∶标注关键点的人脸样本＝1∶3∶1∶2；所述的人脸表情识别用于实现痛苦与不痛苦表情识别的二分类；训练采用fer2013图像数据集整合后与人脸表情数据合集；通过DeepID2学习人脸表情特征的网络结构图，通过设置初始的学习率、gamma，采用multistep策略逐步减小学习率，每个stepvalue的学习率减小为:当前学习率*gamma。有益效果与现有技术相比，本专利技术的无人智能监护系统采用智能监护小车移动监控与移动客户端远程控制相结合，实现360度无盲区监护，让工作在外的子女随时掌握加重老人情况，避免老人跌倒无人知晓的情况发生。除此外，本专利技术还结合人脸检测、人脸痛苦表情识别技术检测突发疾病的情况，避免空巢老人在家发生猝死却无人知晓的情况。同时，利用目标检测以及人体体态分析完成人的跌倒、坐、站等体态的识别，根据姿态信息调整智能监护小车跟随目标(老人)走动，利用目标检测框的面积来控制智能监护小车与目标间的距离，利用目标检测框的中心点变化来判定目标所在监护画面的方位；该方法有效提高了追踪的准确性及实效性，同时避免了在家每个房间安置摄像头带来的高额费用和穿戴式监护设备给老人带来的不便，旨在让老人的活动更随心。附图说明图1是本专利技术的整体框图；图2是智能监护小车的整体框图图3是云端服务器搭载的人脸检测mtcnn算法框架图；图4是云端服务器搭载的人脸表情识别的特征学习网络结构图；图5是嵌入式端软件设计流程图；图6是云端服务器软件设计流程图；图7是移动客户端软件设计流程图。具体实施方式下面结合附图和实施例对本专利技术作进一步的说明，但并不作为对本专利技术限制的依据。实施例1。一种无人智能监护系统(参见图1),包括：智能监护小车：用于实时追踪目标，采集视频数据流，将视频数据流上传至云端服务器；云端服务器：利用深度学习技术训练好模型对视频数据流进行分析处理，并将分析处理结果反馈给智能监护小车和移动客户端；检测出现在视频流中的被监护老人后，根据识别到的老人运行体态特征，服务器通过socket通信，利用移动互联网向智能监护小车发送相应的运动控制命令，小车接收命令后做相应的运动调整，确保被监护老人实时出现在监控视频范围内。如果云端服务器的深度学习模型分析处理发现被监护老人跌倒、面部表情痛苦及较长时间消失在智能监护小车前端监控摄像头监控范围内时，服务器立即启动报警预案，同时将相应的报警信息通过socket通信，利用移动互联网推送到移动客户端(手机App)。手机app收到报警信息后，就会出现震动、铃声等报警提示，如果收到的报警信息是被监护老人消失在监控范围内，则可以远程通过手机app发送智能监护小车运动控制命令及摄像头调整控制命令，相关命令通过socket通信利用移动互联网传输到远程云端服务器，再通过云端服务器转发给智能监护小车，从而控制智能监护小车的运动转向以及控制视频驱动本文档来自技高网...

【技术保护点】
1.一种无人智能监护系统，其特征在于，包括：智能监护小车：用于实时追踪目标，采集视频数据流，将视频数据流上传至云端服务器；云端服务器：利用深度学习技术训练好模型对视频数据流进行分析处理，并将分析处理结果反馈给智能监护小车和移动客户端；移动客户端：用于完成用户管理、视频数据实时浏览、远程控制、异常报警提示及异常报警历史可视化。

【技术特征摘要】
1.一种无人智能监护系统，其特征在于，包括：智能监护小车：用于实时追踪目标，采集视频数据流，将视频数据流上传至云端服务器；云端服务器：利用深度学习技术训练好模型对视频数据流进行分析处理，并将分析处理结果反馈给智能监护小车和移动客户端；移动客户端：用于完成用户管理、视频数据实时浏览、远程控制、异常报警提示及异常报警历史可视化。2.根据权利要求1所述的无人智能监护系统，其特征在于：所述的智能监护小车包括用作核心控制单元的主控板及与主控板连接的外设模块；所述的外设模块包括：供电模块，用于提供系统工作所需的5V供电，并保持电压稳定；电机驱动模块，用于驱动直流电机控制智能监护小车运动；舵机驱动模块，用于驱动直流舵机调整采集视频数据流的视频驱动模块方向角度变化；视频驱动模块，用于采集视频数据流；网络连接模块，用于传输视频数据流及接收来自云端服务器的分析处理结果及控制命令。3.根据权利要求2所述的无人智能监护系统，其特征在于：所述的外设模块还包括用于障碍物具体位置识别与壁障的超声驱动波模块。4.根据权利要求2所述的无人智能监护系统，其特征在于：所述的分析处理包括人体体态分析和人脸识别；所述的人体体态分析是识别目标的走、坐和跌倒三个姿态；根据识别的“走”的姿态来控制智能监护小车跟随目标走动；走动时，利用目标检测框的面积来控制智能监护小车与目标间的距离，同时利用目标检测框的中心点变化来判定目标所在监护画面的方位；所述的人...

【专利技术属性】
技术研发人员：刘宇红，彭燕，杨宇，侯涛，赵明娇，王曼曼，奚杏杏，
申请(专利权)人：贵州大学，
类型：发明
国别省市：贵州,52