[發(fā)明專利]一種基于掃地機(jī)器人的家庭安保監(jiān)測(cè)系統(tǒng)及方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810703310.8
• 申請(qǐng)日: 2018-06-29
• 公開（公告）號(hào): CN108803341A
• 公開（公告）日: 2018-11-13
• 發(fā)明（設(shè)計(jì)）人: 潘景良;佘思稹;陳灼;陳嘉宏
• 申請(qǐng)（專利權(quán)）人: 炬大科技有限公司
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04;H04N7/18
• 代理公司: 蘇州華博知識(shí)產(chǎn)權(quán)代理有限公司 32232
• 代理人: 傅靖

1.一種基于掃地機(jī)器人的家庭安保監(jiān)測(cè)系統(tǒng)，其特征在于，包括：安裝有攝像頭的掃地機(jī)器人、圖像處理模塊、家具識(shí)別模塊、家具位置檢測(cè)模塊、家具形態(tài)檢測(cè)模塊、保警示信號(hào)輸出模塊；

所述圖像處理模塊用于根據(jù)所述攝像頭的視頻輸入，按幀進(jìn)行RGB數(shù)據(jù)處理；

所述家具識(shí)別模塊采用神經(jīng)網(wǎng)絡(luò)模型，其包括：輸入層、標(biāo)準(zhǔn)卷積層、可分離卷積包、平均降緯層、完全連接層、家具識(shí)別輸出層；所述輸入層對(duì)所述圖像處理模塊進(jìn)行RGB數(shù)據(jù)處理后的視頻按幀讀取；所述家具識(shí)別輸出層用于輸出視頻中的家具模型以及識(shí)別結(jié)果的置信度。

所述家具位置檢測(cè)模塊、家具形態(tài)檢測(cè)模塊分別對(duì)所述家具識(shí)別模塊判斷出的家具進(jìn)行家具位置檢測(cè)、家具形態(tài)檢測(cè)；

所述家庭安保警示信號(hào)輸出模塊，用于為所述家具位置檢測(cè)模塊、家具形態(tài)檢測(cè)模塊的檢測(cè)結(jié)果分配權(quán)重，計(jì)算出家庭安保異常，并輸出安保警示信號(hào)。

2.根據(jù)權(quán)利要求1所述的基于掃地機(jī)器人的家庭安保監(jiān)測(cè)系統(tǒng)，其特征在于，所述家庭安保監(jiān)測(cè)系統(tǒng)還包括：關(guān)節(jié)點(diǎn)估計(jì)模塊或輪廓提取模塊的一種、形心計(jì)算模塊、用戶異常行為判斷模塊、異常行為報(bào)警模塊；

其中關(guān)節(jié)點(diǎn)估計(jì)模塊用于對(duì)RGB數(shù)據(jù)處理后的視頻逐幀進(jìn)行人物關(guān)節(jié)點(diǎn)估計(jì)，其中輪廓提取模塊用于對(duì)RGB數(shù)據(jù)處理后的視頻逐幀利用邊緣算法進(jìn)行人物輪廓提取；

形心計(jì)算模塊根據(jù)關(guān)節(jié)點(diǎn)估計(jì)模塊估計(jì)出的關(guān)節(jié)點(diǎn)，或根據(jù)輪廓提取模塊提取出的人物輪廓進(jìn)行形心計(jì)算；

所述用戶異常行為判斷模塊用于在形心下降時(shí)間低于m秒時(shí)，輸出報(bào)警信號(hào)至異常行為報(bào)警模塊，且m≤0.5。

3.根據(jù)權(quán)利要求2所述的基于掃地機(jī)器人的家庭安保監(jiān)測(cè)系統(tǒng)，其特征在于，所述關(guān)節(jié)點(diǎn)估計(jì)模塊包括LSTM主網(wǎng)絡(luò)模塊、時(shí)域注意力子網(wǎng)絡(luò)模塊、空域注意力子網(wǎng)絡(luò)模塊；

主網(wǎng)絡(luò)模塊(Main LSTM Network)用于對(duì)目標(biāo)骨架特征進(jìn)行提取、時(shí)域相關(guān)性利用和最終關(guān)節(jié)點(diǎn)的判斷與輸出，時(shí)域注意力子網(wǎng)絡(luò)模塊(Temporal Attention)用于給不同幀分配合適的重要性，空域注意力子網(wǎng)絡(luò)模塊(Spatial Attention)用于給不同關(guān)節(jié)點(diǎn)分配合適的重要性。

4.根據(jù)權(quán)利要求2所述的基于掃地機(jī)器人的家庭安保監(jiān)測(cè)系統(tǒng)，其特征在于，還包括骨架行動(dòng)速度檢測(cè)模塊、骨架個(gè)數(shù)檢測(cè)模塊；

連接所述關(guān)節(jié)點(diǎn)估計(jì)模塊估計(jì)出的關(guān)節(jié)點(diǎn)，形成用戶骨架，骨架行動(dòng)速度檢測(cè)模塊、骨架個(gè)數(shù)檢測(cè)模塊分別對(duì)骨架進(jìn)行行動(dòng)速度檢測(cè)、骨架個(gè)數(shù)檢測(cè)。

5.根據(jù)權(quán)利要求4所述的基于掃地機(jī)器人的家庭安保監(jiān)測(cè)系統(tǒng)，其特征在于，所述家庭安保警示信號(hào)輸出模塊，還將所述骨架行動(dòng)速度檢測(cè)模塊、骨架個(gè)數(shù)檢測(cè)模塊的檢測(cè)結(jié)果分配權(quán)重，計(jì)算出家庭安保異常，并輸出安保警示信號(hào)。

6.一種基于掃地機(jī)器人的家庭安保監(jiān)測(cè)方法，利用了權(quán)利要求1或5所述的基于掃地機(jī)器人的家庭安保監(jiān)測(cè)系統(tǒng)，其特征在于，包括以下步驟：

S1：錄制掃地機(jī)器人旋轉(zhuǎn)一周的視覺范圍內(nèi)視頻；

S2：采用包括輸入層、標(biāo)準(zhǔn)卷積層、可分離卷積包、平均降緯層、完全連接層、家具識(shí)別輸出層的神經(jīng)網(wǎng)絡(luò)模型，對(duì)所述圖像處理模塊進(jìn)行RGB數(shù)據(jù)處理后的視頻按幀讀取，通過(guò)對(duì)每幀圖像進(jìn)行標(biāo)準(zhǔn)卷積、可分離卷積、平均降緯、完全連接處理，判斷出圖像中的家具，輸出視頻中的家具模型以及識(shí)別結(jié)果的置信度；

S3：為S2中家具位置檢測(cè)、家具形態(tài)檢測(cè)結(jié)果分配權(quán)重，綜合家具位置變化、家具形態(tài)變化條件，判斷家庭安保異常，并輸出安保警示信號(hào)。

7.根據(jù)權(quán)利要求6所述的基于掃地機(jī)器人的家庭安保監(jiān)測(cè)方法，其特征在于，所述可分離卷積的方法包括深度卷積操作，線性整流操作，批量標(biāo)準(zhǔn)化操作和逐點(diǎn)卷積操作。