【技术实现步骤摘要】
本专利技术属于机器人，具体的说是一种基于深度学习的人体识别与追踪机器人。
技术介绍
1、在现代社会中，随着科技的发展，人与机器之间的交互方式在日常生活中的比重不断增大，人机交互的主要目的是改善人与机器之间的交互方式，让机器能更了解用户需求，更好地提升用户体验。
2、同时机器人的应用越发的广泛，不论在工厂的流水线中，餐饮类的服务性工作中，还有在特殊危险应用的如排爆、搜索、救援现场中，都有着各式各样的机器人的应用,尤其在地形复杂，危险环境中，而传统的人机交互产品大多需要通过硬件进行控制，不能够进行直接的操作，而现阶段需要人机交互产品能够自动识别动作等信息，从而自主对目标人物进行追踪。
3、在目前的机器人算法中，多采用基于卷积神经网络的人体识别算法，这种识别算法容易受到物品遮挡、光照等因素影响，导致目标丢失，在人体识别中采用3d骨骼特征的方法，能够有效提高人物识别的准确率，从而实现对目标人物的追踪，因此，针对上述问题提出一种基于深度学习的人体识别与追踪机器人。
技术实现思路
<...【技术保护点】
1.一种基于深度学习的人体识别与追踪机器人，其特征是：
2.根据权利要求1所述的可置物人体识别与追踪机器人外观结构，其特征是：采用3D打印所设计的机箱、所述机箱采用双层结构，底层安装所选用的机器人底盘，底盘下方安装万向轮作为支撑、上层作为置物平台，根据个人需求放置物品，所述的机箱材质为镀锌板、所述的机器人底盘上安置单目相机、供电系统以及各类传感器。
3.根据权利要求1所述的一种能够对目标人物识别的算法，其特征是：通过Cascade R-CNN模型将不同帧间的目标人物进行识别并确定跟踪目标方位，Cascade R-CNN算法通过滤波器获得图像的特...
【技术特征摘要】
1.一种基于深度学习的人体识别与追踪机器人，其特征是：
2.根据权利要求1所述的可置物人体识别与追踪机器人外观结构，其特征是：采用3d打印所设计的机箱、所述机箱采用双层结构，底层安装所选用的机器人底盘，底盘下方安装万向轮作为支撑、上层作为置物平台，根据个人需求放置物品，所述的机箱材质为镀锌板、所述的机器人底盘上安置单目相机、供电系统以及各类传感器。
3.根据权利要求1所述的一种能够对目标人物识别的算法，其特征是：通过cascade r-cnn模型将不同帧间的目标人物进行识别并确定跟踪目标方位，cascade r-cnn算法通过滤波器获得图像的特征图，在特征图上，通过rpn，即基于滑窗的无类别物体检测器，将特征图分为若干的分区，将分区的的中心像素作为中心，生成多个尺寸不同的候选框，将候选框进行判别，判别是否存在检测目标，如果存在，那么根据特征图的信息进行修正框选的位置，随后送入神经网络中进行运算，本方法使用的cascade r-cnn拥有59层的神经网络结构，包含三个残差单元共9个卷积层，输入的图像被限定为112*112，随后依次送入至卷积层、池化层、归一化层等进行运算，最终将计算的结果送入分类器之中，以此来判别目标物体的种类以及目标人是否为待追踪目标，分类的结构采用分数的区间分类，当计算得到的结果位于某一分类器的分类区间中时，那么将识别目标归类为该识别器的种类所属，同时约接近分类器的阈值中位数，那么识别为该目标的准确度越高。
4.根据权利要求1所述的一种基于3d骨骼的人物运动预测算法，其特征是：采用alp...
【专利技术属性】
技术研发人员：梁原，王雅婷，陈茂森，关春颖，朱正，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。