CN106570491A - 一种机器人智能互动的方法及智能机器人 - Google Patents

一种机器人智能互动的方法及智能机器人 Download PDF

Info

Publication number
CN106570491A
CN106570491A CN201611005272.6A CN201611005272A CN106570491A CN 106570491 A CN106570491 A CN 106570491A CN 201611005272 A CN201611005272 A CN 201611005272A CN 106570491 A CN106570491 A CN 106570491A
Authority
CN
China
Prior art keywords
human body
target object
body target
interactive
age
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611005272.6A
Other languages
English (en)
Inventor
曹永军
王亚梅
周雪峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China Robotics Innovation Research Institute
Original Assignee
South China Robotics Innovation Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China Robotics Innovation Research Institute filed Critical South China Robotics Innovation Research Institute
Priority to CN201611005272.6A priority Critical patent/CN106570491A/zh
Publication of CN106570491A publication Critical patent/CN106570491A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition

Abstract

本发明公开了一种机器人智能互动的方法及智能机器人，其方法包括：于机器人上的红外感应器判断目标范围内是否有人存在；在判断有人存在时，基于共面P4P的单目视觉定位原理对人体目标对象进行定位；在完成人体目标对象的定位之后，基于人脸识别技术获取脸部特征数据；基于脸部特征数据判断所述人体目标对象是否为可互动对象；在判断所述人体目标对象为可互动对象时，基于脸部特征数据识别人体目标对象的年龄范围；基于人体目标对象的年龄范围构建场景模式数据；基于语音交互模块输出场景模式数据所对应的语音内容。通过本发明实施例，实现互动场景内容的精准匹配，使得交互场景模式更加趣味化。

Description

一种机器人智能互动的方法及智能机器人
技术领域
本发明涉及智能制造技术领域，具体涉及一种机器人智能互动的方法及智能机器人。
背景技术
随着科学技术的不断进步和机器人技术的不断发展，智能机器人已逐渐走入千家万户，市场上也出现了不少智能机器人给人们的生活带来便利和乐趣，其中，交互机器人作为智能机器人的一种，能够和人们互动，给人们的生活，尤其是给老人或孩子的生活增添了许多乐趣。
市面上现有的交互机器人以自然语言处理和语义理解为核心，整合语音识别等技术，实现和各种设备的拟人化交互。但这些现有交互机器人还存在不足之处，具体表现为：交互方式单一。如只有语音或手势等；交互理解力差，交互信息被理解时的正确率低，使得交互机器人实用性大打折扣。
发明内容
本发明提供了一种机器人智能互动的方法及智能机器人，通过红外感应器实现人物进入判断，启动摄像头实现对目标定位，实现脸部识别和年龄识别，实现互动场景内容的精准匹配，使得交互场景模式更加趣味化。
本发明提供了一种机器人智能互动的方法，包括如下步骤：
基于机器人上的红外感应器判断目标范围内是否有人存在；
在判断有人存在时，基于共面P4P的单目视觉定位原理对人体目标对象进行定位；
在完成人体目标对象的定位之后，基于人脸识别技术获取脸部特征数据；
基于脸部特征数据判断所述人体目标对象是否为可互动对象；
在判断所述人体目标对象为可互动对象时，基于脸部特征数据识别人体目标对象的年龄范围；
基于人体目标对象的年龄范围构建场景模式数据；
基于语音交互模块输出场景模式数据所对应的语音内容。
所述共面P4P的单目视觉定位原理对人体目标对象进行定位包括：
基于平行四边形成像消隐点进行人体目标对象定位；
通过牛顿迭代法进行优化获得人体目标对象在摄像机坐标系下的精确位姿。
所述基于人脸识别技术获取脸部特征数据包括：
人脸图像采集及检测、人脸图像预处理、人脸图像特征提取。
所述基于脸部特征数据判断所述人体目标对象是否为可互动对象包括：
基于脸部特征数据判断是否有关联于所述脸部特征数据的互动场景数据库，如果存在互动场景数据库，则判断所述人体目标对象为可互动对象。
所述基于脸部特征数据识别人体目标对象的年龄范围包括：
基于深度学习的方法识别人体目标对象的年龄和性别。
所述基于人体目标对象的年龄范围构建场景模式数据包括：
基于年龄范围调用与年龄范围相关联的场景模式模型；
从场景模式模型中提取一个场景模式数据。
相应的，本发明还提供了一种智能机器人，包括：
红外感应模块，用于基于机器人上的红外感应器判断目标范围内是否有人存在；
定位模块，用于在判断有人存在时，基于共面P4P的单目视觉定位原理对人体目标对象进行定位；
人脸识别模块，用于在完成人体目标对象的定位之后，基于人脸识别技术获取脸部特征数据；
判断模块，用于基于脸部特征数据判断所述人体目标对象是否为可互动对象；
年龄检测模块，用于在判断所述人体目标对象为可互动对象时，基于脸部特征数据识别人体目标对象的年龄范围；
场景模块，用于基于人体目标对象的年龄范围构建场景模式数据；
互动模块，用于基于语音交互模块输出场景模式数据所对应的语音内容。
所述定位模块包括：
第一定位单元，用于基于平行四边形成像消隐点进行人体目标对象定位；
第二定位单元，用于通过牛顿迭代法进行优化获得人体目标对象在摄像机坐标系下的精确位姿。
所述判断模块基于脸部特征数据判断是否有关联于所述脸部特征数据的互动场景数据库，如果存在互动场景数据库，则判断所述人体目标对象为可互动对象。
所述年龄检测模块采用深度学习的方法识别人体目标对象的年龄和性别；以及所述场景模块基于年龄范围调用与年龄范围相关联的场景模式模型，从场景模式模型中提取一个场景模式数据。
在本发明中，通过红外感应器感应目标区域内是否有人进入，从而启动整个人体目标对象的脸部识别过程，在进行脸部识别过程中，也实现了年龄匹配，从而在互动中实现相匹配的场景模式互动，从而增加了智能机器人的趣味性和智能化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例中的机器人智能互动的方法流程图；
图2是本发明实施例中的智能机器人结构示意图；
图3是本发明实施例中的定位模块结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
相应的，图1示出了本发明实施例中的机器人智能互动的方法流程图，具体包括如下步骤：
开始；
S101、基于机器人上的红外感应器判断目标范围内是否有人存在入，如果有人进入则进入S102，否则继续该步骤；
S102、在判断有人存在时，基于共面P4P的单目视觉定位原理对人体目标对象进行定位；
具体实施过程中，基于平行四边形成像消隐点进行人体目标对象定位；通过牛顿迭代法进行优化获得人体目标对象在摄像机坐标系下的精确位姿。
机器人在运动学标定过程中，通过视觉测量手段完成误差测量的关键在于视觉定位方法，基于4个空间点共面且所在平面与摄像机光轴不平行时，则对应的共面P4P问题有唯一解，因此通过4个共面点实现人体目标对象定位具有很强的实用价值，当4个空间共面点组成平行四边形时，该P4P问题的解可以通过平行四边形的两个消隐点很方便的求解。考虑到测量噪声以及四个特征点位置误差的影响，以消隐点计算出的结果作为初始值通过牛顿迭代法进行优化可以得到人体目标对象在摄像机坐标系下的精确位姿态，本发明实施例中的这种定位方法首选需要对摄像机参数进行标定。
S103、在完成人体目标对象的定位之后，基于人脸识别技术获取脸部特征数据；
该步骤实施过程中，包括：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取。
人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。
主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。
人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。
人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。
基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
S104、基于脸部特征数据判断所述人体目标对象是否为可互动对象，如果是可互动对象，则进入S105，否则进入S101步骤；
具体实施过程中，基于脸部特征数据判断是否有关联于所述脸部特征数据的互动场景数据库，如果存在互动场景数据库，则判断所述人体目标对象为可互动对象。对于定制性的智能机器人，可以采取脸部特征数据与互动场景数据库间的匹配关系，只有这两者关联起时，才进入互动场景。
S105、在判断所述人体目标对象为可互动对象时，基于脸部特征数据识别人体目标对象的年龄范围；
具体实施过程中，可以基于深度学习的方法识别人体目标对象的年龄和性别。预处理训练样本集和测试样本集中的所有图像，通过高斯混合模型提取出人体目标对象。其次，对训练样本集中各种目标行为建立样本库，定义不同类别的识别行为作为先验知识，用于训练深度学习网络。最后，结合深度学习所得到的网络模型，分类识别测试样本集中的各种行为，并将识别的结果和当前流行方法进行了比较。
S106、基于人体目标对象的年龄范围构建场景模式数据；
具体实施过程中，基于年龄范围调用与年龄范围相关联的场景模式模型；从场景模式模型中提取一个场景模式数据。
根据不同的年龄范围建立不同的场景模式模型，其可以针对不同年龄段设置互动环节或者场景内容等等。
S107、基于语音交互模块输出场景模式数据所对应的语音内容。
具体实施过程中，其可以通过语音播放、显示屏显示灯方式输出整个内容，其保障了整个互动的趣味性和良好的体验性。
由此可见，通过红外感应器感应目标区域内是否有人进入，从而启动整个人体目标对象的脸部识别过程，在进行脸部识别过程中，也实现了年龄匹配，从而在互动中实现相匹配的场景模式互动，从而增加了智能机器人的趣味性和智能化。
相应的，图2示出了本发明实施例中的智能机器人结构示意图，该系统包括：
红外感应模块，用于基于机器人上的红外感应器判断目标范围内是否有人存在；
定位模块，用于在判断有人存在时，基于共面P4P的单目视觉定位原理对人体目标对象进行定位；
人脸识别模块，用于在完成人体目标对象的定位之后，基于人脸识别技术获取脸部特征数据；
判断模块，用于基于脸部特征数据判断所述人体目标对象是否为可互动对象；
年龄检测模块，用于在判断所述人体目标对象为可互动对象时，基于脸部特征数据识别人体目标对象的年龄范围；
场景模块，用于基于人体目标对象的年龄范围构建场景模式数据；
互动模块，用于基于语音交互模块输出场景模式数据所对应的语音内容。
具体实施过程中，图3示出了本发明实施例中的定位模块结构示意图，该定位模块包括：
第一定位单元，用于基于平行四边形成像消隐点进行人体目标对象定位；
第二定位单元，用于通过牛顿迭代法进行优化获得人体目标对象在摄像机坐标系下的精确位姿。
具体实施过程中，该判断模块基于脸部特征数据判断是否有关联于所述脸部特征数据的互动场景数据库，如果存在互动场景数据库，则判断所述人体目标对象为可互动对象。
具体实施过程中，该年龄检测模块采用深度学习的方法识别人体目标对象的年龄和性别；以及所述场景模块基于年龄范围调用与年龄范围相关联的场景模式模型，从场景模式模型中提取一个场景模式数据。
综上，通过红外感应器感应目标区域内是否有人进入，从而启动整个人体目标对象的脸部识别过程，在进行脸部识别过程中，也实现了年龄匹配，从而在互动中实现相匹配的场景模式互动，从而增加了智能机器人的趣味性和智能化。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或光盘等。
以上对本发明实施例所提供的机器人智能互动的方法及智能机器人进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种机器人智能互动的方法，其特征在于，包括如下步骤：
基于机器人上的红外感应器判断目标范围内是否有人存在；
在判断有人存在时，基于共面P4P的单目视觉定位原理对人体目标对象进行定位；
在完成人体目标对象的定位之后，基于人脸识别技术获取脸部特征数据；
基于脸部特征数据判断所述人体目标对象是否为可互动对象；
在判断所述人体目标对象为可互动对象时，基于脸部特征数据识别人体目标对象的年龄范围；
基于人体目标对象的年龄范围构建场景模式数据；
基于语音交互模块输出场景模式数据所对应的语音内容。
2.如权利要求1所述的机器人智能互动的方法，其特征在于，所述共面P4P的单目视觉定位原理对人体目标对象进行定位包括：
基于平行四边形成像消隐点进行人体目标对象定位；
通过牛顿迭代法进行优化获得人体目标对象在摄像机坐标系下的精确位姿。
3.如权利要求1所述的机器人智能互动的方法，其特征在于，所述基于人脸识别技术获取脸部特征数据包括：
人脸图像采集及检测、人脸图像预处理、人脸图像特征提取。
4.如权利要求1所述的机器人智能互动的方法，其特征在于，所述基于脸部特征数据判断所述人体目标对象是否为可互动对象包括：
基于脸部特征数据判断是否有关联于所述脸部特征数据的互动场景数据库，如果存在互动场景数据库，则判断所述人体目标对象为可互动对象。
5.如权利要求1至4任一项所述的机器人智能互动的方法，其特征在于，所述基于脸部特征数据识别人体目标对象的年龄范围包括：
基于深度学习的方法识别人体目标对象的年龄和性别。
6.如权利要求5所述的机器人智能互动的方法，其特征在于，所述基于人体目标对象的年龄范围构建场景模式数据包括：
基于年龄范围调用与年龄范围相关联的场景模式模型；
从场景模式模型中提取一个场景模式数据。
7.一种智能机器人，其特征在于，包括：
红外感应模块，用于基于机器人上的红外感应器判断目标范围内是否有人存在；
定位模块，用于在判断有人存在时，基于共面P4P的单目视觉定位原理对人体目标对象进行定位；
人脸识别模块，用于在完成人体目标对象的定位之后，基于人脸识别技术获取脸部特征数据；
判断模块，用于基于脸部特征数据判断所述人体目标对象是否为可互动对象；
年龄检测模块，用于在判断所述人体目标对象为可互动对象时，基于脸部特征数据识别人体目标对象的年龄范围；
场景模块，用于基于人体目标对象的年龄范围构建场景模式数据；
互动模块，用于基于语音交互模块输出场景模式数据所对应的语音内容。
8.如权利要求7所述的智能机器人，其特征在于，所述定位模块包括：
第一定位单元，用于基于平行四边形成像消隐点进行人体目标对象定位；
第二定位单元，用于通过牛顿迭代法进行优化获得人体目标对象在摄像机坐标系下的精确位姿。
9.如权利要求7所述的智能机器人，其特征在于，所述判断模块基于脸部特征数据判断是否有关联于所述脸部特征数据的互动场景数据库，如果存在互动场景数据库，则判断所述人体目标对象为可互动对象。
10.如权利要求7至9任一项所述的智能机器人，其特征在于，所述年龄检测模块采用深度学习的方法识别人体目标对象的年龄和性别；以及所述场景模块基于年龄范围调用与年龄范围相关联的场景模式模型，从场景模式模型中提取一个场景模式数据。
CN201611005272.6A 2016-11-11 2016-11-11 一种机器人智能互动的方法及智能机器人 Pending CN106570491A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611005272.6A CN106570491A (zh) 2016-11-11 2016-11-11 一种机器人智能互动的方法及智能机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611005272.6A CN106570491A (zh) 2016-11-11 2016-11-11 一种机器人智能互动的方法及智能机器人

Publications (1)

Publication Number Publication Date
CN106570491A true CN106570491A (zh) 2017-04-19

Family

ID=58542271

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611005272.6A Pending CN106570491A (zh) 2016-11-11 2016-11-11 一种机器人智能互动的方法及智能机器人

Country Status (1)

Country Link
CN (1) CN106570491A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107516367A (zh) * 2017-08-10 2017-12-26 芜湖德海机器人科技有限公司 一种基于医院排队人员识别的座椅机器人控制方法
CN108406848A (zh) * 2018-03-14 2018-08-17 安徽果力智能科技有限公司 一种基于场景分析的智能机器人及其运动控制方法
CN108508774A (zh) * 2018-04-28 2018-09-07 东莞市华睿电子科技有限公司 一种人像识别与压力感应相结合的控制方法
CN108568821A (zh) * 2018-04-28 2018-09-25 东莞市华睿电子科技有限公司 一种基于人像识别的展厅机器人手臂的控制方法
CN108765921A (zh) * 2018-04-04 2018-11-06 昆山市工研院智能制造技术有限公司 基于视觉语意分析应用于巡逻机器人的智能巡逻方法
CN109036392A (zh) * 2018-05-31 2018-12-18 芜湖星途机器人科技有限公司 机器人交互系统
CN109035879A (zh) * 2018-07-26 2018-12-18 张家港市青少年社会实践基地 一种青少年智能机器人教学方法和装置
CN109459722A (zh) * 2018-10-23 2019-03-12 同济大学 基于人脸追踪装置的语音交互方法
CN109934205A (zh) * 2019-03-26 2019-06-25 北京儒博科技有限公司 一种学习对象召回方法、装置、机器人和存储介质
CN110298702A (zh) * 2019-06-28 2019-10-01 北京金山安全软件有限公司 信息展示方法、装置、智能机器人、存储介质及电子设备
CN110610703A (zh) * 2019-07-26 2019-12-24 深圳壹账通智能科技有限公司 基于机器人识别的语音输出方法、装置、机器人及介质
CN111182221A (zh) * 2020-01-09 2020-05-19 新华智云科技有限公司 一种自动跟随的音视频采集系统和方法
CN111772536A (zh) * 2020-07-10 2020-10-16 小狗电器互联网科技（北京）股份有限公司 一种清洁设备及应用于清洁设备的监控方法和装置
CN111802963A (zh) * 2020-07-10 2020-10-23 小狗电器互联网科技（北京）股份有限公司 一种清洁设备及感兴趣信息播放方法和装置
CN111881261A (zh) * 2020-08-04 2020-11-03 胡瑞艇 一种物联网多点应答互动智能机器人系统
CN112200292A (zh) * 2020-09-30 2021-01-08 江苏迪迪隆机器人科技发展有限公司 一种基于户外巡游机器人的互动信息处理方法和装置
CN112906525A (zh) * 2021-02-05 2021-06-04 广州市百果园信息技术有限公司 年龄识别方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140016835A1 (en) * 2012-07-13 2014-01-16 National Chiao Tung University Human identification system by fusion of face recognition and speaker recognition, method and service robot thereof
CN105701447A (zh) * 2015-12-30 2016-06-22 上海智臻智能网络科技股份有限公司 迎宾机器人
CN106096373A (zh) * 2016-06-27 2016-11-09 旗瀚科技股份有限公司 机器人与用户的交互方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140016835A1 (en) * 2012-07-13 2014-01-16 National Chiao Tung University Human identification system by fusion of face recognition and speaker recognition, method and service robot thereof
CN105701447A (zh) * 2015-12-30 2016-06-22 上海智臻智能网络科技股份有限公司 迎宾机器人
CN106096373A (zh) * 2016-06-27 2016-11-09 旗瀚科技股份有限公司 机器人与用户的交互方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GIL LEVI等: "Age and Gender Classification using Convolutional Neural Networks", 《2015 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION WORKSHOPS》 *
樊恒等: "基于深度学习的人体行为识别", 《武汉大学学报 信息科学版》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107516367A (zh) * 2017-08-10 2017-12-26 芜湖德海机器人科技有限公司 一种基于医院排队人员识别的座椅机器人控制方法
CN108406848A (zh) * 2018-03-14 2018-08-17 安徽果力智能科技有限公司 一种基于场景分析的智能机器人及其运动控制方法
CN108765921A (zh) * 2018-04-04 2018-11-06 昆山市工研院智能制造技术有限公司 基于视觉语意分析应用于巡逻机器人的智能巡逻方法
CN108508774A (zh) * 2018-04-28 2018-09-07 东莞市华睿电子科技有限公司 一种人像识别与压力感应相结合的控制方法
CN108568821A (zh) * 2018-04-28 2018-09-25 东莞市华睿电子科技有限公司 一种基于人像识别的展厅机器人手臂的控制方法
CN109036392A (zh) * 2018-05-31 2018-12-18 芜湖星途机器人科技有限公司 机器人交互系统
CN109035879A (zh) * 2018-07-26 2018-12-18 张家港市青少年社会实践基地 一种青少年智能机器人教学方法和装置
CN109459722A (zh) * 2018-10-23 2019-03-12 同济大学 基于人脸追踪装置的语音交互方法
CN109934205A (zh) * 2019-03-26 2019-06-25 北京儒博科技有限公司 一种学习对象召回方法、装置、机器人和存储介质
CN110298702B (zh) * 2019-06-28 2022-05-20 北京金山安全软件有限公司 信息展示方法、装置、智能机器人、存储介质及电子设备
CN110298702A (zh) * 2019-06-28 2019-10-01 北京金山安全软件有限公司 信息展示方法、装置、智能机器人、存储介质及电子设备
CN110610703A (zh) * 2019-07-26 2019-12-24 深圳壹账通智能科技有限公司 基于机器人识别的语音输出方法、装置、机器人及介质
CN111182221A (zh) * 2020-01-09 2020-05-19 新华智云科技有限公司 一种自动跟随的音视频采集系统和方法
CN111772536A (zh) * 2020-07-10 2020-10-16 小狗电器互联网科技（北京）股份有限公司 一种清洁设备及应用于清洁设备的监控方法和装置
CN111802963A (zh) * 2020-07-10 2020-10-23 小狗电器互联网科技（北京）股份有限公司 一种清洁设备及感兴趣信息播放方法和装置
CN111772536B (zh) * 2020-07-10 2021-11-23 小狗电器互联网科技（北京）股份有限公司 一种清洁设备及应用于清洁设备的监控方法和装置
CN111802963B (zh) * 2020-07-10 2022-01-11 小狗电器互联网科技（北京）股份有限公司 一种清洁设备及感兴趣信息播放方法和装置
CN111881261A (zh) * 2020-08-04 2020-11-03 胡瑞艇 一种物联网多点应答互动智能机器人系统
CN112200292A (zh) * 2020-09-30 2021-01-08 江苏迪迪隆机器人科技发展有限公司 一种基于户外巡游机器人的互动信息处理方法和装置
CN112906525A (zh) * 2021-02-05 2021-06-04 广州市百果园信息技术有限公司 年龄识别方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN106570491A (zh) 一种机器人智能互动的方法及智能机器人
CN111553193B (zh) 一种基于轻量级深层神经网络的视觉slam闭环检测方法
CN108921100B (zh) 一种基于可见光图像与红外图像融合的人脸识别方法及系统
CN110348319B (zh) 一种基于人脸深度信息和边缘图像融合的人脸防伪方法
CN100397410C (zh) 基于视频的面部表情识别方法及装置
CN109359541A (zh) 一种基于深度迁移学习的素描人脸识别方法
CN105740779B (zh) 人脸活体检测的方法和装置
CN111178120B (zh) 一种基于作物识别级联技术的害虫图像检测方法
US11194997B1 (en) Method and system for thermal infrared facial recognition
CN106650574A (zh) 基于PCANet的人脸识别方法
CN109753904A (zh) 一种人脸识别方法和系统
CN111027481A (zh) 基于人体关键点检测的行为分析方法及装置
CN106934380A (zh) 一种基于HOG和MeanShift算法的室内行人检测和跟踪方法
WO2022213396A1 (zh) 猫的面部个体识别装置、方法、计算机设备及存储介质
CN110046544A (zh) 基于卷积神经网络的数字手势识别方法
CN109325408A (zh) 一种手势判断方法及存储介质
Czyzewski et al. Chessboard and chess piece recognition with the support of neural networks
CN110599463A (zh) 一种基于轻量级联神经网络的舌像检测及定位算法
CN113435355A (zh) 多目标奶牛身份识别方法及系统
CN106625711A (zh) 一种定位机器人智能互动的方法
CN111797705A (zh) 一种基于人物关系建模的动作识别方法
CN110969101A (zh) 一种基于hog和特征描述子的人脸检测与跟踪方法
CN106682638A (zh) 一种定位机器人智能互动的系统
CN117333908A (zh) 基于姿态特征对齐的跨模态行人重识别方法
CN110110606A (zh) 基于神经网络的可见光与红外人脸图像的融合方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170419