【技术实现步骤摘要】
本专利技术涉及视觉，尤其涉及一种基于人脸识别的室内追踪定位方法、系统及存储介质。
技术介绍
1、随着技术的快速发展，室内定位和追踪技术在多个领域变得越来越重要，这项技术不仅在安全监控领域扮演着关键角色，而且在零售、智能建筑管理、会议记录以及紧急情况响应等多个领域也有广泛应用。这类技术通过实时监控和分析人员的位置和移动模式，能够提高安全水平，优化空间使用效率，以及增强顾客体验。随着人工智能和图像处理技术的进步，市场对于更加精准和智能的室内追踪定位系统的需求日益增加。
2、现有技术中的室内追踪定位技术主要依赖于视频监控，并对监控获得视频进行人脸识别以对目标进行定位和追踪，但是常规的人脸识别技术的缺点在于，视频监控系统在处理复杂环境和多个移动目标时，可能会出现识别错误或追踪丢失的情况，单纯的人脸识别技术在人脸遮挡或角度变化较大时识别效果不佳，而且难以实现精确的三维空间定位，虽然可以通过点云数据处理虽然能提供三维空间信息，但处理速度较慢且对硬件要求高，限制了其在实时追踪应用中的效能。
3、鉴于此，需要对现有技术中的室内追踪技术加以改进，以解决人脸识别容易受到干扰，导致追踪效果不佳的技术问题。
技术实现思路
1、本专利技术的目的在于提供一种基于人脸识别的室内追踪定位方法、系统及存储介质，解决以上的技术问题。
2、为达此目的，本专利技术采用以下技术方案：
3、一种基于人脸识别的室内追踪定位方法，包括：
4、通过slam技术建立室内空间
5、启动所述取像摄像头实时捕捉室内空间的图像信息，并识别所述图像信息中的人脸信息；
6、启动所述热成像仪对室内空间进行红外扫描，获得目标人物在三维点云地图内的空间位置，以标记为目标空间；
7、调节所述深度摄像头的方位，以对所述目标空间进行拍摄获得视频信息，采用姿态识别方法分析目标人物在所述视频信息的行为和运动模式，以获得姿态信息；
8、构建多模态数据融合模型，将所述人脸信息和姿态信息输入于所述多模态数据融合模型进行匹配，获得人脸-姿态的定位信息。
9、可选的，所述通过slam技术建立室内空间的三维点云地图，具体包括：
10、根据室内空间的环境特点和需求选择对应的slam系统；
11、通过移动模块带动所述slam系统沿预设路径遍历所述室内空间，在移动过程中，所述slam系统持续采集沿着所述预设路径的反馈信息，以获得运动反馈信息；
12、所述slam系统对获得所述运动反馈信息进行处理，通过匹配算法将slam系统的位置和姿态与所述运动反馈信息相匹配，同时构建室内空间的初步三维地图。
13、可选的，所述通过slam技术建立室内空间的三维点云地图，还包括：
14、采用闭环检测对所述初步三维地图进行优化处理，获得优化的初步三维地图；
15、利用特征点匹配和环境识别技术，对优化的初步三维地图进行连续的定位校正，并在优化的初步三维地图上增加关键特征和标记，获得室内空间的三维点云地图。
16、可选的，所述调节所述深度摄像头的方位，以对所述目标空间进行拍摄获得视频信息；具体包括：
17、根据目标空间的位置信息，预估所述深度摄像头拍摄的最佳角度和焦距，并通过控制系统调整所述深度摄像头置于所述最佳角度和焦距；
18、根据目标空间的环境光线条件，同步调整所述深度摄像头的光学参数；所述光学参数包括曝光、对焦和白平衡参数；
19、实时获得所述热成像仪的目标空间，通过控制系统动态调整所述深度摄像头的方位，使所述目标人物位于所述深度摄像头的拍摄范围内，并实时运行以拍摄关于所述目标人物的视频信息；
20、将所述视频信息的视频帧与所述取像摄像头的图像信息进行时间轴的同步处理。
21、可选的，所述采用姿态识别方法分析目标人物在所述视频信息的行为和运动模式，以获得姿态信息；具体包括：
22、采用姿态识别方法对获得的视频信息进行分析，实时识别并跟踪目标人物的关键身体点；
23、结合同步处理的所述图像信息和视频信息的视频帧，定位每个所述关键身体点在所述三维点云地图中的位置，建立目标人物的姿态模型；
24、分析所述视频信息中的目标人物的关键身体点的运动轨迹，提取动作特征；
25、将提取的动作特征输入于深度学习模型进行模型训练，以识别行为模式和动作序列；
26、通过所述行为模式和动作序列对所述姿态模型进行优化，以获得姿态信息。
27、可选的，所述构建多模态数据融合模型，具体包括：
28、确定多模态数据融合模型的基本架构，所述基本架构包括输入层、处理层和输出层；
29、在所述处理层设计用于处理不同类型数据的特定网络层，以及将不同类型数据进行整合的融合层；所述特定网络层用于处理人脸信息和姿态信息；
30、采用预设数量的标记数据输入于所述多模态数据融合模型的输入层，所述输入层对所述标记数据进行预处理后输送至所述处理层；
31、所述特定网络层采用交叉验证法对所述标记数据进行训练和验证，并通过所述融合层的特征融合算法对所述标记数据进行整合，以获得融合数据；
32、通过将所述融合数据与预设目标数据进行对比，以验证所述多模态数据融合模型的性能。
33、可选的，所述将所述人脸信息和姿态信息输入于所述多模态数据融合模型进行匹配，获得人脸-姿态的定位信息；具体包括：
34、对收集到的所述人脸信息和姿态信息进行预处理；所述预处理包括规一化、去噪和特征提取；
35、将实时获取的所述人脸信息和所述姿态信息输入到所述多模态数据融合模型中进行融合处理，并输出人脸-姿态定位信息。
36、本专利技术还提供了一种室内追踪定位装置，用于实现如上所述的基于人脸识别的室内追踪定位方法，所述定位装置包括：
37、slam系统，用于建立室内空间的三维点云地图；
38、取像摄像头，用于捕捉室内空间的图像信息并从中识别人脸信息；
39、热成像仪，用于对室内空间进行红外扫描，获得目标人物在三维点云地图内的空间位置；
40、深度摄像头，用于对所述目标空间进行拍摄获得视频信息；
41、姿态识别模块，用于处理所述视频信息，并实时识别和跟踪目标人物的姿态；
42、控制系统，用于控制所述定位装置运行；
43、用户界面，用于显示人脸-姿态定位信息。
44、本专利技术还提供了一种存储介质，所述存储介质上存储有指令，所述指令用于实现如上所述的基于人脸识别的室内追踪定位方法。
45、与现有技术相比，本专利技术具有以下有益效果：工作时，利用slam技术创建室内空间的三维点云地图，并在关键位置安装取像摄像头、深度摄像头本文档来自技高网...
【技术保护点】
1.一种基于人脸识别的室内追踪定位方法，其特征在于，包括：
2.根据权利要求1所述的基于人脸识别的室内追踪定位方法，其特征在于，所述通过SLAM技术建立室内空间的三维点云地图，具体包括：
3.根据权利要求2所述的基于人脸识别的室内追踪定位方法，其特征在于，所述通过SLAM技术建立室内空间的三维点云地图，还包括：
4.根据权利要求1所述的基于人脸识别的室内追踪定位方法，其特征在于，所述调节所述深度摄像头的方位，以对所述目标空间进行拍摄获得视频信息；具体包括：
5.根据权利要求4所述的基于人脸识别的室内追踪定位方法，其特征在于，所述采用姿态识别方法分析目标人物在所述视频信息的行为和运动模式，以获得姿态信息；具体包括：
6.根据权利要求1所述的基于人脸识别的室内追踪定位方法，其特征在于，构建多模态数据融合模型，具体包括：
7.根据权利要求6所述的基于人脸识别的室内追踪定位方法，其特征在于，所述将所述人脸信息和姿态信息输入于所述多模态数据融合模型进行匹配，获得人脸-姿态的定位信息；具体包括：
8.一种室内
9.一种存储介质，其特征在于，所述存储介质上存储有指令，所述指令用于实现如权利要求1至7中任一项所述的基于人脸识别的室内追踪定位方法。
...【技术特征摘要】
1.一种基于人脸识别的室内追踪定位方法，其特征在于，包括：
2.根据权利要求1所述的基于人脸识别的室内追踪定位方法，其特征在于，所述通过slam技术建立室内空间的三维点云地图，具体包括：
3.根据权利要求2所述的基于人脸识别的室内追踪定位方法，其特征在于，所述通过slam技术建立室内空间的三维点云地图，还包括：
4.根据权利要求1所述的基于人脸识别的室内追踪定位方法，其特征在于，所述调节所述深度摄像头的方位，以对所述目标空间进行拍摄获得视频信息；具体包括：
5.根据权利要求4所述的基于人脸识别的室内追踪定位方法，其特征在于，所述采用姿态识别方法分析目标人物在所述视频信息的行...
【专利技术属性】
技术研发人员：韩畅，丁金善，叶威，刘彬，林伟斌，
申请(专利权)人：深圳市瀚晖威视科技有限公司，
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。