本發(fā)明涉及一種機器人，具體是一種智能人物識別機器人。

背景技術(shù)：

智能機器人是工業(yè)機器人從無智能發(fā)展到有智能，從低智能發(fā)展到高智能的產(chǎn)物，而機器人視覺被認為是機器人最重要的感覺能力。其中物體識別是一項熱門的計算機技術(shù)研究領(lǐng)域。物體識別特指計算機自動地把圖像中的物體分類，使用者給機器人發(fā)送物體識別指令，機器人把要識別的圖片進行預(yù)處理后發(fā)送給遠端的物體識別服務(wù)器去識別，然后把識別結(jié)果展示給使用者。機器人傳統(tǒng)的人物識別方式是通過攝像頭采集物品的圖像，根據(jù)圖像信息在互聯(lián)網(wǎng)中匹配相似物品的圖像來識別出物品，傳統(tǒng)的人物識別方式需要在互聯(lián)中搜尋的信息過多且較復(fù)雜，會出現(xiàn)無法識別的狀況，識別出的效果也不夠理想。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種智能人物識別機器人，以解決上述背景技術(shù)中提出的問題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

一種智能人物識別機器人，包括圖像采集模塊、圖像預(yù)處理模塊和物體識別模塊，所述圖像采集模塊利用CMOS Sensor采集物體視頻，利用內(nèi)存映射的方式獲取YUV格式的圖片再將其轉(zhuǎn)換成png格式，圖像采集模塊連接圖像預(yù)處理模塊，圖像預(yù)處理模塊通過http post方式與物體識別模塊建立通訊。

作為本發(fā)明進一步的方案：所述物體識別模塊分為前端和后端，前端通過SDK異步接口與后端通訊連接。

一種智能人物識別機器人的識別方法，包括以下步驟：

步驟1，首先將機器人采集到的視頻截取成可用于識別的原始圖片，對圖像進行變換，將圖像從空間域轉(zhuǎn)換到變換域，再對變換域中的變換系數(shù)進行處理，再進行反變換將圖像從變換域轉(zhuǎn)換到空間域?qū)崿F(xiàn)去除圖像嗓聲；

步驟2，然后通過等比縮放把原始圖片縮放成448x448的分辨率，使其符合物體識別的規(guī)格，最后將完成預(yù)處理的圖像發(fā)送到物體識別模塊；

步驟3，物體識別模塊接收到完成預(yù)處理的圖像后，對圖像分別進行前端和后端處理，前端調(diào)用SDK異步接口發(fā)送函數(shù)發(fā)送圖片數(shù)據(jù)到后端處理；后端處理使用輪詢的方式調(diào)用SDK異步接口的接收函數(shù)接收前端發(fā)送過來的圖片數(shù)據(jù)之后，使用zmq的DEALER模式按格式把數(shù)據(jù)發(fā)送zmq router，發(fā)送完后結(jié)束函數(shù)、zmq router接收請求并轉(zhuǎn)發(fā)到tensorflow服務(wù)，tensorflow服務(wù)把數(shù)據(jù)輸入到物體檢測網(wǎng)絡(luò)，得到結(jié)果后發(fā)送到解析模塊、解析物體檢測網(wǎng)路的輸出結(jié)果，按照約定的格式發(fā)送到zmq router、最后zmq router把數(shù)據(jù)發(fā)送到物體識別的前端，輸出識別結(jié)果。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：該方法是讓機器人利用攝像頭的視頻圖像采集，把采集到圖片處理并傳輸?shù)竭h端的物體識別服務(wù)器進行識別，最后服務(wù)器把識別結(jié)果發(fā)送給機器人。通過對物體圖像進行噪聲消減，解決實際圖像由于噪聲干擾導(dǎo)致圖像質(zhì)量下降的問題，有效地提高圖像質(zhì)量，增大信噪比，更好的體現(xiàn)原來圖像所攜帶的信息。圖像到達識別服務(wù)器，使用深度卷積神經(jīng)網(wǎng)絡(luò)對圖像進行處理，得到多個物體的位置，種類和概率，更有效地獲得物體信息。

附圖說明

圖1為一種智能人物識別機器人的原理圖。

圖2為一種智能人物識別機器人的工作流程圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

請參閱圖1～2，本發(fā)明實施例中，一種智能人物識別機器人，包括圖像采集模塊、圖像預(yù)處理模塊和物體識別模塊，所述圖像采集模塊利用CMOS Sensor采集要識別的物體視頻，利用內(nèi)存映射的方式獲取YUV格式的圖片再將其轉(zhuǎn)換成png格式，以供下一步物體識別使用，圖像采集模塊連接圖像預(yù)處理模塊，圖像預(yù)處理模塊將要識別的物體的視頻截取成可用于識別的圖片，并處理成要識別的分辨率，并把處理過的圖片數(shù)據(jù)同步http post方式發(fā)送到遠端的物體識別模塊，物體識別模塊用于對傳輸過來的圖像數(shù)據(jù)進行識別，并反饋結(jié)果。

所述物體識別模塊分為前端和后端，前端通過SDK異步接口與后端通訊連接，前端通過調(diào)用SDK異步接口發(fā)送函數(shù)發(fā)送圖片數(shù)據(jù)到后端處理；后端通過輪詢的方式調(diào)用SDK異步接口的接收函數(shù)接收前端發(fā)送過來的圖片數(shù)據(jù)，然后使用zmq的DEALER模式按格式把數(shù)據(jù)發(fā)送zmq router，發(fā)送完后結(jié)束函數(shù)、zmq router接收請求并轉(zhuǎn)發(fā)到tensorflow服務(wù)、tensorflow服務(wù)把數(shù)據(jù)輸入到物體檢測網(wǎng)絡(luò)，得到結(jié)果后發(fā)送到解析模塊并解析物體檢測網(wǎng)路的輸出結(jié)果，將結(jié)果按照約定的格式發(fā)送到zmq router、最后zmq router把數(shù)據(jù)發(fā)送到前端。

一種智能人物識別機器人的識別方法，包括以下步驟：

（1）首先將機器人采集到的視頻截取成可用于識別的原始圖片，對圖像進行變換，將圖像從空間域轉(zhuǎn)換到變換域，再對變換域中的變換系數(shù)進行處理，再進行反變換將圖像從變換域轉(zhuǎn)換到空間域?qū)崿F(xiàn)去除圖像嗓聲；

（2）然后通過等比縮放把原始圖片縮放成448x448的分辨率，使其符合物體識別的規(guī)格，最后將完成預(yù)處理的圖像發(fā)送到物體識別模塊；

（3）物體識別模塊接收到完成預(yù)處理的圖像后，對圖像分別進行前端和后端處理，前端調(diào)用SDK異步接口發(fā)送函數(shù)發(fā)送圖片數(shù)據(jù)到后端處理；后端處理使用輪詢的方式調(diào)用SDK異步接口的接收函數(shù)接收前端發(fā)送過來的圖片數(shù)據(jù)之后，使用zmq的DEALER模式按格式把數(shù)據(jù)發(fā)送zmq router，發(fā)送完后結(jié)束函數(shù)、zmq router接收請求并轉(zhuǎn)發(fā)到tensorflow服務(wù)，tensorflow服務(wù)把數(shù)據(jù)輸入到物體檢測網(wǎng)絡(luò)，得到結(jié)果后發(fā)送到解析模塊、解析物體檢測網(wǎng)路的輸出結(jié)果，按照約定的格式發(fā)送到zmq router、最后zmq router把數(shù)據(jù)發(fā)送到物體識別的前端，輸出識別結(jié)果。

對于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實施例的細節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實現(xiàn)本發(fā)明。因此，無論從哪一點來看，均應(yīng)將實施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán)利要求而不是上述說明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化囊括在本發(fā)明內(nèi)。不應(yīng)將權(quán)利要求中的任何附圖標記視為限制所涉及的權(quán)利要求。

此外，應(yīng)當理解，雖然本說明書按照實施方式加以描述，但并非每個實施方式僅包含一個獨立的技術(shù)方案，說明書的這種敘述方式僅僅是為清楚起見，本領(lǐng)域技術(shù)人員應(yīng)當將說明書作為一個整體，各實施例中的技術(shù)方案也可以經(jīng)適當組合，形成本領(lǐng)域技術(shù)人員可以理解的其他實施方式。