一種具有目標(biāo)識(shí)別功能的智能機(jī)器人的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及智能機(jī)器人領(lǐng)域，具體設(shè)及一種具有目標(biāo)識(shí)別功能的智能機(jī)器人。
【背景技術(shù)】
[0002] 智能機(jī)器人具備形形色色的內(nèi)部信息傳感器和外部信息傳感器，如視覺(jué)、聽(tīng)覺(jué)、觸 覺(jué)、嗅覺(jué)。除具有感受器外，它還有效應(yīng)器，作為作用于周圍環(huán)境的手段。運(yùn)就是筋肉，或稱 自整步電動(dòng)機(jī)，它們使手、腳、長(zhǎng)鼻子、觸角等動(dòng)起來(lái)。由此也可知，智能機(jī)器人至少要具備 =個(gè)要素:感覺(jué)要素，運(yùn)動(dòng)要素和思考要素。
[0003] 由此可見(jiàn)，除了智能機(jī)器人本身功能要求的感官要求外，其作為一種重要的昂貴 設(shè)備，智能機(jī)器人的安全性尤為重要，必須能防止和監(jiān)視惡意破壞行為。

【發(fā)明內(nèi)容】

[0004] 針對(duì)上述問(wèn)題，本發(fā)明提供一種具有目標(biāo)識(shí)別功能的智能機(jī)器人。
[0005] 本發(fā)明的目的采用W下技術(shù)方案來(lái)實(shí)現(xiàn)：
[0006] -種具有目標(biāo)識(shí)別功能的智能機(jī)器人，包括智能機(jī)器人和安裝在智能機(jī)器人上的 監(jiān)測(cè)裝置，監(jiān)測(cè)裝置用于對(duì)智能機(jī)器人附近的活動(dòng)進(jìn)行視頻圖像監(jiān)測(cè)，監(jiān)測(cè)裝置包括預(yù)處 理模塊、檢測(cè)跟蹤模塊、識(shí)別輸出模塊；
[0007] (1)預(yù)處理模塊，用于對(duì)接收到的圖像進(jìn)行預(yù)處理，具體包括圖像轉(zhuǎn)化子模塊、圖 像濾波子模塊和圖像增強(qiáng)子模塊：
[000引圖像轉(zhuǎn)化子模塊，用于將彩色圖像轉(zhuǎn)化為灰度圖像：
[0009]
[0010] 其中，3^，7)、6^，7)、8^，7)分別代表像素^，7)處的紅綠藍(lán)強(qiáng)度值，化義，7)代表 坐標(biāo)(X，y)處的像素灰度值;圖像大小為m X n;
[0011] 圖像濾波子模塊，用于對(duì)灰度圖像進(jìn)行濾波：
[0012] 采用維納濾波來(lái)進(jìn)行一級(jí)濾除后，定義SVlm圖像，記為MsvimU,y)，具體定義公式 為：Msvim(x，y) =aiji(x，y)+a2j2(x，y)+a3j3(x，y)+a4j4(x，y)，其中日1、日2、日3、日4為可變權(quán)值， i=l，2, 3, 4;J(x，y)為經(jīng)濾波后的圖像；
[0013]
圖像增強(qiáng)子模塊：
[0014] 當(dāng)
，其中，LU, y)為增強(qiáng) 后的灰度值;iKx，y)是包含有局部信息的伽馬校正系數(shù)，此時(shí)
a是 范圍為0到1的可變參數(shù)
[001 引當(dāng) 1128 - ml < Vlw - SOI 且《>50時(shí)，L(x，y) = 255 X (等韓嶺'柳戶-端），其 中iKx，y) =MMsvim(x，y))，a = 1 - 口間-化:賞心刪，郵是圖像中灰度值高于i2s的所有像 IZo 素的均值，HiL是灰度值低于128的所有像素的均值，且此時(shí)m=min (niH，HiL )，在日值已知的情況 下，計(jì)算出256個(gè)4校正系數(shù)作為查找表，記為{巾。以誠(chéng)罵，其中i為索引值，利用MsvimU, y)的 灰度值作為索引，根據(jù)iKx，y)=私(Msvim(x，y))快速獲得圖像中每個(gè)像素的伽馬校正系數(shù)4 (X，y); 1 - 為模板修正系數(shù)；
[0016] (2)檢測(cè)跟蹤模塊，具體包括構(gòu)建子模塊、丟失判別子模塊和更新子模塊：
[0017] 構(gòu)建子模塊，用于視覺(jué)字典的構(gòu)建：
[0018] 在初始帖獲取跟蹤目標(biāo)的位置和尺度，在其周圍選取正負(fù)樣本訓(xùn)練跟蹤器，將跟 蹤結(jié)果作為訓(xùn)練集X={xi，x2,......xn}T;并對(duì)訓(xùn)練集中的每幅目標(biāo)圖像提取128維的SIFT 特征[/；f Ku,其中St表示訓(xùn)練集中第t幅目標(biāo)圖像中SIFT特征的個(gè)數(shù);跟蹤N帖W后，通過(guò) 聚類算法將運(yùn)些特征劃分為K個(gè)簇，每個(gè)簇的中屯、構(gòu)成特征單詞，記為{每:淀=1;能夠提取到 的特征總量馬二巧U&，其中K<<機(jī)，且i茲U&;視覺(jué)字典構(gòu)建好W后，每幅訓(xùn)練圖 像表示為特征包的形式，用于表示視覺(jué)字典中特征單詞出現(xiàn)的頻率，用直方圖Kxt)表示，h (Xt)通過(guò)W下方式獲取:將一幅訓(xùn)練圖像Xt中的每一個(gè)特征fsW向視覺(jué)字典投影，用投影距 離最短的特征單詞表示該特征，對(duì)所有特征投影完畢后，統(tǒng)計(jì)每個(gè)特征單詞的出現(xiàn)頻率，并 歸一化得到訓(xùn)練圖像Xt的特征直方圖h(xt);
[0019] 丟失判別子模塊，用于判別目標(biāo)的丟失與否：
[0020] 當(dāng)新一帖圖像到來(lái)時(shí)，從K個(gè)直方圖柱中隨機(jī)選取Z < K個(gè)直方圖柱，且Z = 4，形成 新的大小為Z的子直方圖hW(xt)，子直方圖的個(gè)數(shù)最多為辟二巧個(gè);計(jì)算候選目標(biāo)區(qū)域和 訓(xùn)練集中某個(gè)目標(biāo)區(qū)域?qū)?yīng)子直方圖的相似性_
其中t = l，2，...，N，z = l，2，...，化，然后計(jì)算總體相似性巫t = l- n z(l-〇t_z);候選目標(biāo)區(qū)域與 目標(biāo)的相似性用。=表示，則目標(biāo)丟失判斷式為：U = SignW = P戶含齡， Io <^<gs 其中g(shù)s為人為設(shè)定的判失閥值；當(dāng)U二1時(shí)目標(biāo)被穩(wěn)定服蹤，當(dāng)U二0時(shí)，目標(biāo)票朵；
[0021] 當(dāng)目標(biāo)丟失時(shí)，定義仿射變換模型：
其中（xt，yt)和(Xt-I，yt-1)分別為當(dāng)前帖目標(biāo)中某個(gè)SITF特征點(diǎn)的位置坐標(biāo)和前一個(gè)帖目標(biāo) 中對(duì)應(yīng)匹配特征點(diǎn)的位置坐標(biāo)，兩者均為已知量;S為尺度系數(shù)，0為旋轉(zhuǎn)系數(shù)，e和f代表了 平移系數(shù)，^*
為溫度平移修正系數(shù)，山和化用于修正因?yàn)榄h(huán)境溫度偏差造成的圖像旋轉(zhuǎn)和平移誤差，I'd為 人為設(shè)定的標(biāo)準(zhǔn)溫度，設(shè)為20度，T為由溫度傳感器實(shí)時(shí)監(jiān)測(cè)得到的溫度值;采用Ransac估 計(jì)算法求取仿射變換模型的參數(shù)，最后在新的尺度S和旋轉(zhuǎn)系數(shù)0下采集正負(fù)樣本，更新分 類器；
[0022] 更新子模塊，用于視覺(jué)字典的更新：
[0023] 在每帖圖像獲得目標(biāo)位置W后，根據(jù)仿射變換參數(shù)的計(jì)算結(jié)果，收集所有滿足結(jié) 果參數(shù)的SIFT特征點(diǎn)認(rèn);語(yǔ)=1，經(jīng)過(guò)F = 3帖W后，獲得新的特征點(diǎn)集{/占爲(wèi)二，其中St-F代表 了從F帖圖像中得到的總特征點(diǎn)數(shù)；利用下式對(duì)新舊特征點(diǎn)重新進(jìn)行K聚類：托 1化=1二 Zcmea刪：(！-如漁據(jù)立取拘也1)，其中裕父=1表示新的視覺(jué)字典，視覺(jué)字典的大小保 持不變;巧e {0,1}是遺忘因子，表明了舊字典所占的比重，取越小，新特征對(duì)目標(biāo)丟失的判斷 貢獻(xiàn)越多，取巧=0.巧;
[0024] (3)識(shí)別輸出模塊，用于圖像的識(shí)別和輸出：在待識(shí)別的圖像序列中利用跟蹤算法 獲取目標(biāo)區(qū)域，將目標(biāo)區(qū)域映射到已知訓(xùn)練數(shù)據(jù)形成的子空間，計(jì)算子空間中目標(biāo)區(qū)域與 訓(xùn)練數(shù)據(jù)之間的距離，獲得相似性度量，判定目標(biāo)類別，并輸出識(shí)別結(jié)果。
[0025] 優(yōu)選的，采用維納濾波來(lái)進(jìn)行一級(jí)濾除后，此時(shí)圖像信息還包含有殘余的噪音，采 用W下的二級(jí)濾波器進(jìn)行二次濾波：
[0026]
[0027] 其中，J(x，y)為經(jīng)過(guò)濾波后的圖像;Pg(x+i，y+j)代表尺度為mXn的函數(shù)，且PgU+ i，y+j)=qXe邱(-(x2+y2)/w)，其中q是將函數(shù)歸一化的系數(shù)，即 JJqXe邱(-(x2+y2)/w) dxdy = l〇
[0028] 本智能機(jī)器人的有益效果為:在圖像預(yù)處理階段，增強(qiáng)的圖像能夠根據(jù)模板的大 小自適應(yīng)調(diào)整，提高增強(qiáng)效果，且在在不同模板大小時(shí)判斷條件能自動(dòng)修正，且考慮了視覺(jué) 習(xí)慣W及人眼對(duì)不同色彩的感知度同色彩強(qiáng)度的非線性關(guān)系;將MXN個(gè)幕指數(shù)運(yùn)算降低為 256個(gè)，提高了計(jì)算效率;在目標(biāo)檢測(cè)和跟蹤階段，能夠消除不同溫度導(dǎo)致圖像的旋轉(zhuǎn)和平 移造成的誤差，提高識(shí)別率，經(jīng)處理后的圖像細(xì)節(jié)更加清晰，且計(jì)算量相對(duì)于傳統(tǒng)方法大幅 度減少，能夠有效適應(yīng)目標(biāo)尺度變化，并能夠準(zhǔn)確判定目標(biāo)是否發(fā)生丟失，在目標(biāo)重新回到 視場(chǎng)后能夠被重新檢測(cè)并穩(wěn)定跟蹤。此外，該智能機(jī)器人具有實(shí)時(shí)性好、定位準(zhǔn)確和魯棒性 強(qiáng)的優(yōu)點(diǎn)，且在快速有遮擋的目標(biāo)檢測(cè)和跟蹤方面取得了很好的效果。
【附圖說(shuō)明】
[0029] 利用附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明，但附圖中的實(shí)施例不構(gòu)成對(duì)本發(fā)明的任何限 審IJ，對(duì)于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可W根據(jù)W下附圖獲得 其它的附圖。
[0030] 圖1是一種具有目標(biāo)識(shí)別功能的智能機(jī)器人的結(jié)構(gòu)框圖；
[0031 ]圖2是一種具有目標(biāo)識(shí)別功能的智能機(jī)器人的外部示意圖。
【具體實(shí)施方式】
[0032] 結(jié)合W下實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。
[0033] 實(shí)施例1:如圖1-2所示，一種具有目標(biāo)識(shí)別功能的智能機(jī)器人，包括智能機(jī)器人5 和安裝在智能機(jī)器人5上的監(jiān)測(cè)裝置4,監(jiān)測(cè)裝置4用于對(duì)智能機(jī)器人附近的活動(dòng)進(jìn)行視頻 圖像監(jiān)測(cè)，監(jiān)測(cè)裝置4包括預(yù)處理模塊1、檢測(cè)跟蹤模塊2、識(shí)別輸出模塊3。
[0034] (1)預(yù)處理模塊1，用于對(duì)接收到的圖像進(jìn)行預(yù)處理，具體包括圖像轉(zhuǎn)化子模塊11、 圖像濾波子模塊12和圖像增強(qiáng)子模塊13:
[0035] 圖像轉(zhuǎn)化子模塊11，用于將彩色圖像轉(zhuǎn)化為灰度圖像：
[0036]
[0037] 其中，3^，7)、6^，7)、8^，7)分別代表像素^，7)處的紅綠藍(lán)強(qiáng)度值，化義，7)代表 坐標(biāo)(x，y)處的像素灰度值;圖像大小為mXn;
[0038] 圖像濾波子模塊12,用于對(duì)灰度圖像進(jìn)行濾波：
[0039] 采用維納濾波來(lái)進(jìn)行一級(jí)濾除后，定義SVlm圖像，記為MsvimU,y)，具體定義公式 為：Msvim(x，y) = aiji(x，y)+a2j2(x，y)+a3j3(x，y)+a4j4(x，y)，其中曰1、日2、日3、日4為可變權(quán)值，
,i=l，2, 3, 4;J(x，y)為經(jīng)濾波后的圖像；
[0040] 圖像增強(qiáng)子模塊13:
[0041] 當(dāng) |l28 -m| > 日0| 時(shí)，L(x v)二 2巧 x ，L(x，y)為增強(qiáng) 后的灰度值;4(x，y)是包含有局部信息的伽馬校正系數(shù)，此時(shí)=議fs-挪心))，曰是 范圍為0到1的可變參數(shù)，a = 1…I^l;
[00創(chuàng) 111128 - ml < -501 且《 >50時(shí)，L(x，y) = 25呂 X 戶瓷弓嶺'柳戶-市），其 中iKx，y) =iK(Msvim(x，y))
皿是圖像中灰度值高于128的所有像 素的