人员识别方法及系统技术方案

本发明专利技术公开了一种人员跟随方法，其用于机器人跟随单个人员，其包括以下步骤：S1.所述机器人确认所述机器人拍摄的图像中的人员数量并识别出所述机器人需要跟随的所述人员；S2.所述机器人获取所述人员的实时特征信息以及路径信息；S3.所述机器人对所述人员的下一步的位置进行预测；以及S4.所述机器人根据所述S3步骤中预测的所述人员的位置信息确定所述机器人下一帧的检测范围并跟随所述人员。通过预测人员下一步的位置，机器人提前确定下一帧需要检测的范围，提高了机器人检测与识别行人的速度从而实现机器人跟随人员。

【技术实现步骤摘要】
人员识别方法及系统
本专利技术涉及机器人识别方法及系统领域，具体涉及一种人员识别方法及系统。
技术介绍
随着科技的进步，现有的机器人能够代替人工来实现越来越多的功能，其中机器人跟随特定的人员是必不可少的功能。现有的机器人跟随人员的方法分为生成式方法和判别式方法。其中生成式方法采用特征模型描述目标的外观特征，再最小化跟踪目标与候选目标之间的重构误差来确认目标；生成式方法着重于目标本身的特征提取，忽略目标的背景信息，在目标外观发生剧烈变化或者遮挡时候容易出现目标漂移或者目标丢失。由于判别式的跟随方法能够显著的区分背景与人员之间的差异性，并且性能优异，抗干扰能力强，近年来判别式的跟随方法占据了主流位置，以相关滤波和深度学习为代表的判别式方法取得了令人满意的跟随效果。但是现有的判别式跟随方法，需要机器人进行深度学习以能够准确识别人员与背景之间的差异，但是深度学习对于机器人在人员跟随领域的应用并不顺利，因为目标跟随任务的特殊性，机器人仅能利用初始帧的图像数据，缺乏大量的数据供神经网络进行学习，只有通过卷积神经网络来将数据迁移到目标跟踪中来才能实现本文档来自技高网...

【技术保护点】
1.一种人员跟随方法，其用于机器人跟随单个人员，其特征在于，包括以下步骤：/nS1.所述机器人确认所述机器人拍摄的图像中的人员数量并识别出所述机器人需要跟随的所述人员；/nS2.所述机器人获取所述人员的实时特征信息以及路径信息；/nS3.所述机器人对所述人员的下一步的位置进行预测；以及/nS4.所述机器人根据所述S3步骤中预测的所述人员的位置信息确定所述机器人下一帧的检测范围并跟随所述人员。/n

【技术特征摘要】
1.一种人员跟随方法，其用于机器人跟随单个人员，其特征在于，包括以下步骤：
S1.所述机器人确认所述机器人拍摄的图像中的人员数量并识别出所述机器人需要跟随的所述人员；
S2.所述机器人获取所述人员的实时特征信息以及路径信息；
S3.所述机器人对所述人员的下一步的位置进行预测；以及
S4.所述机器人根据所述S3步骤中预测的所述人员的位置信息确定所述机器人下一帧的检测范围并跟随所述人员。


2.根据权利要求1所述的跟随方法，其特征在于：
所述S1步骤包括：
S101.所述机器人确认图像中的所述人员数量；以及
S102.若所述机器人图像中的人员数量为一个时，所述机器人提取图像中的所述人员的特征；若所述机器人图像中的所述人员数量为至少两个时，所述机器人对图像中的所述人员进行特征匹配，确定所述机器人需要跟随的所述人员。


3.根据权利要求2所述的跟随方法，其特征在于：
所述S102步骤中，所述机器人对图像中的所述人员进行特征匹配时，所述机器人结合深度场信息以及所述人员的特征信息进行匹配。


4.根据权利要求1所述的跟随方法，其特征在于：
所述S2步骤包括：
S201.所述机器人将图像缩小至包括了所述人员所有信息的长方形图像；
S202.所述机器人对所述长方形图像框中的内容进行分析以获取所述人员的特征信息；以及
S203.所述机器人根据所述人员的移动方向与距离获取所述人员的路径信息。


5.根据权利要求1所述的跟随方法，其特征在于：
所述S4步骤包括：
S401.所述机器人依据卡尔曼滤波算法对所述人员的位置进行预测；以及
S402.所述机器人根据所述人员的位置的预测结果对所述机器人拍摄的图像进行裁剪。


6.一种人员跟随系统，其特征在于，包括：
拍摄模块，所述拍摄模块设置在所述机器人上，所述拍摄...

【专利技术属性】
技术研发人员：龚迪琛，李学生，牟春，
申请(专利权)人：德鲁动力科技海南有限公司，
类型：发明
国别省市：海南;46