一种用于丢失儿童的识别定位方法、装置、设备及介质制造方法及图纸

本说明书实施例公开了一种用于丢失儿童的识别定位方法，应用于智能巡检机器人，方法包括：获取智能巡检机器人上基于预置红外摄像模块采集的图像信息与视频信息；基于图像信息与视频信息，获取红外摄像模块当前可视范围内的人脸图像信息；将人脸图像信息输入预先训练的跨年龄神经网络模型中，以输出判断结果；若基于判断结果确定当前可视范围内存在目标人员，则提取存在目标人员的目标图像信息；基于目标图像信息获取目标人员的当前位置信息，并通过视频信息获取目标人员的运动轨迹，以基于目标人员当前位置信息、运动轨迹与智能巡检机器人的当前位置信息，确定智能巡检机器人的跟踪路线，实现对丢失儿童的实时定位。实现对丢失儿童的实时定位。实现对丢失儿童的实时定位。

【技术实现步骤摘要】
一种用于丢失儿童的识别定位方法、装置、设备及介质


[0001]本说明书涉及智能机器人识别跟踪
，尤其涉及一种用于丢失儿童的识别定位方法、装置、设备及介质。

技术介绍

[0002]近年来，儿童走丢的情况越来越多。尤其是在公共场所，儿童走丢后，寻找难度大，且如何确定儿童的父母也成为了一个难题。
[0003]目前对于丢失儿童的寻找方式，一般是基于儿童丢失时的图片基于人脸识别方式进行寻找，人脸识别作为一种重要的生物特征识别技术，目前已得到越来越广泛的应用。在人脸识别的实际应用中，待识别的人脸图像会受到各种外界因素的影响，例如光照、遮挡、姿态、表情和年龄等等。当儿童丢失时间过长时，经过多年的成长，由于身高、体重等发育的变化，导致人脸图像发生进而使得人脸识别的可辨识度降低，给找寻丢失儿童带来更大的难度。且当前获取图像信息的方式一般是基于各个公共场所设置的监控设备提供，导致了获取图像时可能存在监控盲区的问题，从而降低了识别的成功率。并且无法对丢失儿童进行跟踪，从而导致定位成功的丢失儿童无法获取后续踪迹，影响后续救援行动。

技术实现思路

[0004]为了解决上述技术问题，本说明书一个或多个实施例提供了一种用于丢失儿童的识别定位方法、装置、设备及介质。
[0005]本说明书一个或多个实施例采用下述技术方案：
[0006]本说明书一个或多个实施例提供一种用于丢失儿童的识别定位方法，应用于智能巡检机器人，方法包括：
[0007]获取所述智能巡检机器人上基于预置红外摄像模块采集的图像信息与视频信息；
[0008]基于所述图像信息与所述视频信息，获取所述红外摄像模块当前可视范围内的人脸图像信息；
[0009]将所述人脸图像信息输入预先训练的跨年龄神经网络模型中，以输出判断结果；
[0010]若基于所述判断结果确定所述当前可视范围内存在目标人员，则提取存在所述目标人员的目标图像信息；
[0011]基于所述目标图像信息获取所述目标人员的当前位置信息，并通过视频信息获取所述目标人员的运动轨迹，以基于所述目标人员当前位置信息、所述运动轨迹与所述智能巡检机器人的当前位置信息，确定所述智能巡检机器人的跟踪路线，以实现对所述丢失儿童的实时定位。
[0012]进一步地，在本说明书一个或多个实施例中，所述基于所述图像信息与所述视频信息，获取所述红外摄像模块当前可视范围内的人脸图像信息，具体包括：
[0013]过滤所述图像信息，以提取所述图像信息中存在人物的第一图像信息，并提取所述视频信息中存在人物的关键帧图像，获得第二图像信息；
[0014]获取所述第一图像与所述第二图像中各人物的图像子面积以及所述第一图像与所述第二图像分别对应的总面积；
[0015]基于各所述人物的图像子面积与所述第一图像的总面积，获得各所述人物的第一占比，并基于各所述人物的图像子面积与所述第二图像的总面积，获得各所述人物的第二占比；
[0016]基于预设占比阈值过滤所述第一占比所对应的第一人物与所述第二占比所对应的第二人物；
[0017]基于预设尺寸分割所述第一图像中的第一人物获得第一人脸图像信息，并基于预设尺寸分割所述第二图像中的第二人物获得第二人脸图像信息；
[0018]汇总所述第一人脸图像信息与所述第二人脸信息获得当前可视范围内的人脸图像信息。
[0019]进一步地，在本说明书一个或多个实施例中，所述将所述人脸图像信息输入预先训练的跨年龄神经网络模型中，以输出判断结果之前，所述方法还包括：
[0020]基于预设时间周期确定初始跨年龄神经网络模型的子分类层，并基于所述预设时间周期为所述子分类层分配对应年代的训练图像；
[0021]基于所述初始跨年龄神经网络模型的各所述子分类层训练所述对应年代的训练图像，以获得所述符合要求的子分类层；
[0022]基于所述符合要求的子分类层构成所述预先训练的跨年龄神经网络模型。
[0023]进一步地，在本说明书一个或多个实施例中，所述基于所述预设时间周期为所述子分类层分配对应年代的训练图像之前，所述方法还包括：
[0024]基于预设网站分别收集同一人物不同年龄所对应的图像信息；
[0025]基于预设时间周期对所述不同年龄所对应的图像信息进行拆分，获得各时间周期下所对应的图像信息样本；
[0026]基于预设比例对所述图像信息样本进行拆分，以获得训练图像、验证图像，以便为所述子分类层分配对应年代的训练图像。
[0027]进一步地，在本说明书一个或多个实施例中，所述基于所述目标图像信息获取所述目标人员的当前位置信息，并通过视频信息获取所述目标人员的运动轨迹具体包括：
[0028]基于所述视频信息获取所述目标人员的实时运动信息；
[0029]根据所述目标图像信息获取所述目标人员的当前位置信息，并基于所述实时运动信息确定所述目标人员历史位置信息；
[0030]根据预设采样频率对预设时间范围内历史位置信息进行采样，获得所述目标人员的历史位置点；
[0031]基于所述历史位置点所对应的时间戳顺序连接所述历史位置点，以获得所述目标人员的运动轨迹。
[0032]进一步地，在本说明书一个或多个实施例中，所述基于所述目标人员当前位置信息、所述运动轨迹与所述智能巡检机器人的当前位置信息，确定所述智能巡检机器人的跟踪路线，具体包括：
[0033]基于所述智能机器人的当前位置信息与所述目标人员的当前位置信息，确定所述智能机器人与所述目标人员之间的距离；
[0034]将所述目标人员当前位置信息与所述运动轨迹输入预置轨迹预测模型中，以输出所述目标人员预测运动轨迹；
[0035]若所述距离大于预设距离阈值，则根据所述智能巡检机器人的当前位置信息与所述目标人员预测运动轨迹，确定所述智能巡检机器人的跟踪路线。
[0036]进一步地，在本说明书一个或多个实施例中，所述根据所述智能巡检机器人的当前位置信息与所述目标人员预测运动轨迹，确定所述智能巡检机器人的跟踪路线，具体包括：
[0037]根据所述目标人员预测运动轨迹，确定所述目标人员下一时刻位置信息；
[0038]对比所述智能机器人的当前位置信息与所述目标人员下一时刻位置信息，确定所述智能机器人的当前位置与所述目标人员下一时刻位置之间的预测距离；
[0039]确定所述预设距离阈值与所述预测距离的差值，以基于所述当前位置信息与所述差值，确定所述智能巡检机器人下一时刻的位置范围；
[0040]将所述智能巡检机器人下一时刻的位置范围内各位置点的坐标，基于最优路径算法获取各位置点的坐标中的最优坐标，以基于所述最优坐标确定所述智能巡检机器人下一时刻位置信息，实现所述智能巡检机器人的跟踪路线的确定。
[0041]本说明书一个或多个实施例提供一种用于丢失儿童的识别定位装置，应用于智能巡检机器人，装置包括：
[0042]信息采集模块，用于获取所述智能巡检机器人上基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于丢失儿童的识别定位方法，其特征在于，应用于智能巡检机器人，所述方法包括：获取所述智能巡检机器人上基于预置红外摄像模块采集的图像信息与视频信息；基于所述图像信息与所述视频信息，获取所述红外摄像模块当前可视范围内的人脸图像信息；将所述人脸图像信息输入预先训练的跨年龄神经网络模型中，以输出判断结果；若基于所述判断结果确定所述当前可视范围内存在目标人员，则提取存在所述目标人员的目标图像信息；基于所述目标图像信息获取所述目标人员的当前位置信息，并通过视频信息获取所述目标人员的运动轨迹，以基于所述目标人员当前位置信息、所述运动轨迹与所述智能巡检机器人的当前位置信息，确定所述智能巡检机器人的跟踪路线，以实现对所述丢失儿童的实时定位。2.根据权利要求1所述的一种用于丢失儿童的识别定位方法，其特征在于，所述基于所述图像信息与所述视频信息，获取所述红外摄像模块当前可视范围内的人脸图像信息，具体包括：过滤所述图像信息，以提取所述图像信息中存在人物的第一图像信息，并提取所述视频信息中存在人物的关键帧图像，获得第二图像信息；获取所述第一图像与所述第二图像中各人物的图像子面积以及所述第一图像与所述第二图像分别对应的总面积；基于各所述人物的图像子面积与所述第一图像的总面积，获得各所述人物的第一占比，并基于各所述人物的图像子面积与所述第二图像的总面积，获得各所述人物的第二占比；基于预设占比阈值过滤所述第一占比所对应的第一人物与所述第二占比所对应的第二人物；基于预设尺寸分割所述第一图像中的第一人物获得第一人脸图像信息，并基于预设尺寸分割所述第二图像中的第二人物获得第二人脸图像信息；汇总所述第一人脸图像信息与所述第二人脸信息获得当前可视范围内的人脸图像信息。3.根据权利要求1所述的一种用于丢失儿童的识别定位方法，其特征在于，所述将所述人脸图像信息输入预先训练的跨年龄神经网络模型中，以输出判断结果之前，所述方法还包括：基于预设时间周期确定初始跨年龄神经网络模型的子分类层，并基于所述预设时间周期为所述子分类层分配对应年代的训练图像；基于所述初始跨年龄神经网络模型的各所述子分类层训练所述对应年代的训练图像，以获得所述符合要求的子分类层；基于所述符合要求的子分类层构成所述预先训练的跨年龄神经网络模型。4.根据权利要求3所述的一种用于丢失儿童的识别定位方法，其特征在于，所述基于所述预设时间周期为所述子分类层分配对应年代的训练图像之前，所述方法还包括：基于预设网站分别收集同一人物不同年龄所对应的图像信息；
基于预设时间周期对所述不同年龄所对应的图像信息进行拆分，获得各时间周期下所对应的图像信息样本；基于预设比例对所述图像信息样本进行拆分，以获得训练图像、验证图像，以便为所述子分类层分配对应年代的训练图像。5.根据权利要求1所述的一种用于丢失儿童的识别定位方法，其特征在于，所述基于所述目标图像信息获取所述目标人员的当前位置信息，并通过视频信息获取所述目标人员的运动轨迹具体包括：基于所述视频信息获取所述目标人员的实时运动信息；根据所述目标图像信息获取所述目标人员的当前位置信息，并基于所述实时运动信息确定所述目标人员历史位置信息；根据预设采样频率对预设时间范围内历史位置信息进行采样，获得所述目标人员的历史位置点；基于所述历史位置点所对应的时间戳顺序连接所述历史位置点，以获得所述目标人员的运动轨迹。6.根据权利要求1所述的一种用于丢失儿童的识别定位方法，其特征在于，所述基于所述目标人员当前位置信息、所述运动轨迹与所述智能巡检机器人的当前位置信息，确定所述智能巡检机器人的跟踪路线，具体包括：基于所述智能机器人的当前位置信息与所述目标人员的当前位置信息，确定所述智能机器人与所述目标人员之间的距离；将所述目标人...

【专利技术属性】
技术研发人员：闫盼盼，姜荣，谭强，
申请(专利权)人：山东新一代信息产业技术研究院有限公司，
类型：发明
国别省市：