[發明專利]一種用于智能機器人的高效信息處理方法及系統

在審

• 申請號: 202110358038.6
• 申請日: 2021-04-01
• 公開（公告）號: CN113516006A
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 楊建仁;魏瑞;唐佳;鐘聞威;楊慧
• 申請（專利權）人: 廣州云碩科技發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;H04N19/42
• 代理公司: 廣州專理知識產權代理事務所(普通合伙) 44493
• 代理人: 張鳳

1.一種用于智能機器人的高效信息處理方法，其特征在于，所述方法包括以下步驟：

S100，機器人采集視頻數據；

S200，將視頻數據分割成F個視頻塊并將各個視頻塊構建數據矩陣V；

S300，對數據矩陣F中各個視頻塊進行目標檢測處理任務，標記各個視頻塊構建數據矩陣V中每個視頻塊的圖像幀中框選出的目標圖像的數量超過該視頻塊的動態閾值的圖像幀為關鍵幀；

S400，從V中刪除所有不是關鍵幀的圖像幀得到V1；

S500，依次將V1中各個視頻塊連接合并成為壓縮視頻數據并傳輸到服務器端。

2.根據權利要求1所述的一種用于智能機器人的高效信息處理方法，其特征在于，在S100中，機器人為履帶式機器人或爬行機器人，通過搭載的攝像頭、CCD相機設備采集視頻數據。

3.根據權利要求1所述的一種用于智能機器人的高效信息處理方法，其特征在于，在S200中，將視頻數據分割成F個視頻塊并將各個視頻塊構建數據矩陣V的方法為：

按照每個視頻塊包含k幀圖像的大小幀圖像將視頻數據分割成為F個視頻塊V₀到V_F-1；

構建視頻塊矩陣其中，V_ij為第i個視頻塊V_i中第j幀圖像，注，如果第F-1個視頻塊中圖像幀不足k-1個，將視頻塊V_F-1,q到V_F-1,k-1均以V_F-1,q-1填充，即將第F-1個視頻塊中的第q個圖像幀到k-1個圖像幀均填充為第F-1個視頻塊中第q-1個圖像幀，q＝|mod(G,F)|，G為所有視頻塊中圖像幀的總數，mod為求余函數，i的取值范圍為[0,F-1]，F為視頻塊的總數量；j的取值范圍為[0,k-1]，k為每個視頻塊中圖像幀的數量。

4.根據權利要求3所述的一種用于智能機器人的高效信息處理方法，其特征在于，在S300中，對數據矩陣F中各個視頻塊進行目標檢測處理任務，計算各個視頻塊構建數據矩陣V中每個視頻塊中出現目標的圖像幀數量的方法為：

S301，令視頻塊矩陣其中，V_ij為第i個視頻塊中第j幀圖像，注，如果第F-1個視頻塊中圖像幀不足k-1個，則令G為所有視頻塊中圖像幀的總數，將視頻塊V_F-1,q到V_F-1,k-1均以V_F-1,q-1填充，即將第F-1個視頻塊中的第q個圖像幀到k-1個圖像幀均填充為第F-1個視頻塊中第q-1個圖像幀，q＝|mod(G,F)|，mod為求余函數，i的取值范圍為[0,F-1]，F為視頻塊的總數量；j的取值范圍為[0,k-1]，k為每個視頻塊中圖像幀的數量；

S302，對數據矩陣F中各個視頻塊進行目標檢測處理任務為通過YOLOv5目標檢測算法通過目標圖像依次對視頻塊V₀到V_F-1中每一幀圖像進行目標檢測框選出目標圖像。

5.根據權利要求4所述的一種用于智能機器人的高效信息處理方法，其特征在于，在S302中，對數據矩陣F中各個視頻塊進行目標檢測處理任務為通過機器人的多核處理器并行處理各個視頻塊的目標檢測處理任務，即對各個視頻塊同時執行YOLOv5目標檢測算法框選目標圖像；當YOLOv5目標檢測算法檢測到視頻塊中的目標時，標記目標的邊界框的信息并在視頻塊的各個圖像幀中以邊界框框選出目標圖像作為視頻塊的目標圖像；

其中，YOLOv5目標檢測算法中訓練YOLOv5使用訓練圖像為通過PCA降維并提取預設模板圖像中的特征作為目標圖像，具體包括以下步驟：

對預設模板圖像進行歸一化處理得到歸一化圖像；

構建歸一化圖像的協方差矩陣；

計算協方差矩陣的特征值和相應的特征向量；

選擇前K個最大特征值對應的特征向量，其中K≤2；

通過前K個特征向量構建映射矩陣W；

通過映射矩陣W將預設模板圖像轉換為K維的特征子空間從而得到訓練圖像；

其中，所述預設模板圖像為預存的包括了檢測對象的圖像，包括了人臉、車牌、動物中任意一種或多種檢測對象的圖像。