CN108500992A - 一种多功能的移动安防机器人 - Google Patents

Abstract

本发明公开了一种多功能的移动安防机器人，属于安防领域。所述的多功能的移动安防机器人包括对火灾、烟雾进行检测的烟雾探测器，对有毒气体进行检测的毒气探测仪，能够对人脸进行拍照、摄像的顶端摄像头，能够对地形进行识别采样的激光雷达和深度相机，具有通信功能的无线通信模块，能够对临时客人所带的来宾卡进行真伪识别的临时卡识别模块，能够存储人脸资料和园区来宾卡信息的数据库，小车的整个控制中心控制系统，能够驱动小车移动的驱动系统。本发明可与公安系统链接：通过互联网方式，实现移动机器人，保安人员与公安系统报警系统的链接，扩大公安系统的监控范围，为安全稳定提供保障。

Description

一种多功能的移动安防机器人

技术领域

本发明属于安防领域，更具体的说属于一种多功能的移动安防机器人。

背景技术

随着社会的发展，工业园区或者科技园区内的安防变得尤为的重要，这不仅关系到公司、人员的财产安全，也关系到人员的生命安全，近年来，随着国内制造业生产规模的迅速扩大，行业信息化建设不断发展，生产园区的安防系统及其延伸应用越来越受重视，在业务管理需求不断延伸的同时，不同的安防子系统数量越来越多。系统建设的历史问题造成视频监控、一卡通、入侵防盗等业务需要支出较大的人力、物力，耗费了很大的资源，且无法做到中心统一管理，延迟了紧急事件的响应时间，无法起到事故防范的作用。

在一些化工园区，生产常用的原料中一般会有大量易燃易爆、有毒等物质，容易造成泄露，在人员没有专业设备的情况下很难分辨是否发生了有毒气体泄露。所以需要一种能够在园区内巡逻且具有有毒气体检测、火灾烟雾检测报警的移动机器人。

伴随着移动互联网的发展，多种多样的移动式安防终端得以更加的成熟，然而目前并没有一种能够进行自动巡逻、跟着、识别、检测的移动式安防终端。

发明内容

针对上述问题，本发明提供了一种多功能的移动安防机器人，包括后端数据库等设施，本发明有效的协助保安人员完成对外来人员的识别和管理任务，能够对园区的环境质量进行监控，能够提早发现火灾，有毒气体，发现火灾和有毒气体后，能够自动报警，减少人身和财产损失。同时本发明具备自动巡逻功能，能够对园区无死角的进行监控，大大的减少人员巡逻力度，提高安防效率。

为了实现上述目的，本发明是通过以下技术方案实现的：所述的多功能的移动安防机器人主要包括：

对火灾、烟雾进行检测的烟雾探测器，对有毒气体进行检测的毒气探测仪，能够对人脸进行拍照、摄像的顶端摄像头，对地形进行识别采样的激光雷达和深度相机，具有通信功能的无线通信模块，对临时客人所带的来宾卡进行真伪识别的来宾卡识别模块，能对多功能的移动式安防机器人进行远程监控及控制的中央控制终端；

能够存储人脸资料、园区地图资料和来宾卡信息的数据库，能提供内部数据存储、处理、计算和分析的控制系统，能够驱动多功能的移动安防机器人的移动的驱动系统。

进一步的，所述的无线通信模块通过WIFI或4G移动通信网络，实现多功能的移动安防机器人与数据库和中央控制终端的通讯。

进一步的，所述的控制系统在烟雾探测器、毒气探测仪检测到火灾、烟雾和毒气时，会通过中央控制终端发出报警信息。

进一步的，所述的顶端摄像头与人控制系统连接，顶端摄像头对来宾的人脸拍照，控制系统对来宾人脸信息进行处理后，与数据库里面的人脸资料库进行对比，判断来宾是否为可疑人员，具体步骤为：

步骤1.顶端摄像头对人脸头像信息进行拍照采集；

步骤2.控制系统先使用多层小波包的方法消除图像噪声；

步骤3.使用灰度校正的方法对图像进行预处理；

步骤4.根据眼睛、嘴巴、鼻子、耳朵等器官确定相互之间的位置关系，构建集合特征点；

步骤5.使用机器学习的方法进行辨识，辨识的结果与人脸资料库的进行对比；

步骤6.匹配成功后，所述的多功能的移动安防机器人记录下该人员情况，并允许人员在相关区域内活动；如果匹配不成功，多功能的移动安防机器人将会发出警告，并抓拍人员的图像，上报给中央控制终端，让后端人员进行跟踪处理。

进一步的，所述的对临时客人所带的来宾卡进行真伪识别的来宾卡识别模块，对来访的临时客人所带的来宾卡进行判断，超出范围的即锁定为嫌疑人，并对他进行跟随拍摄，以获取进一步资料，同时，把发现疑是嫌疑人作为二级警报通知中央控制终端，具体步骤为：

步骤1.来宾卡识别模块对来宾卡进行识别，判断超出来宾卡范围的即锁定为嫌疑人，立即通知中央控制终端，并发出警告；

步骤2.通过顶端摄像头采集人体的特征，采集的特征包括人体骨骼框架特征、人体行走姿态信息；

步骤3.取得的特征集通过PCA的方法进行降维；

步骤4.通过粒子滤波的方法进行特征匹配与检测，检测结果返回控制系统。

步骤5.检测成功后，控制系统将会继续执行自主导航技术，进行路径规划，避开障碍，向驱动系统下发控制指令，驱动系统控制执行机构工作，完成对目标嫌疑人的跟随。

步骤6.整个跟随过程中，不断将机器人所处的位置坐标发给中央控制终端，以便安防人员能够及时处理安全事项，控制嫌疑人。

进一步的，所述的对地形进行识别采样的激光雷达和深度相机，能够对整个园区的地形进行测绘，把测绘结果传入数据库保存，能够在后期为多功能的移动式安防机器人自足巡逻时提供行动路径规划，地图等信息，具体步骤为：

步骤1.通过中央控制终端控制多功能的移动安防机器人所自带的激光雷达和深度相机，在园区所有道路行走一圈，对道路进行激光雷达测绘和深度相机拍照，建立园区地形地图数据库；

步骤2.通过ROS系统的Gmapping功能包等构件地图；

步骤3.基于ROS系统的Amcl功能包，对Move_base功能包进行配置，从而使机器人自主进行运动规划；

步骤4.控制系统计算出电机的控制指令，机器人驱动系统获得指令后，会快速做出响应，下发给执行机构，从而控制小车按照预定命令进行动作，完成园区内的自主巡逻。

本发明有益效果：

1.本发明通过多功能的移动安防机器人，具备的园区自主巡逻功能，通过自带的摄像头对园区内的流动人员进行面部识别，判断流动人员是否为可疑人员，发现可疑人员可以通过后端的中央控制器发出警报，并自动跟踪嫌疑人，直到安保人员赶到进行处理。可以解决园区太大，流动安防人员投资过大，浪费人力物力的问题。

2.本发明通携带的烟雾探测器和毒气探测仪，在巡逻的路上对园区内的各个地方的空气质量进行监控，能够提早发现火灾，有毒气体，发现火灾和有毒气体后，能够自动报警，减少人身和财产损失。

3.可与公安系统链接：通过互联网方式，实现移动机器人，保安人员与公安系统报警系统的链接，扩大公安系统的监控范围，为安全稳定提供保障。

附图说明

图1，为本发明系统框图；

图2，为本发明人脸识别流程图；

图3，为本发明对嫌疑人跟踪流程图；

图4，为本发明自主巡逻流程图；

图5，为两分类支持向量机(SVM)网络图。

图中，1-控制系统、2-烟雾探测器、3-毒气探测仪、4-顶端摄像头、5-激光雷达、6-深度相机、7-来宾卡识别模块、8-无线通信模块、9-驱动系统、10-数据库、11-中央控制终端。

具体实施方式

下面将结合本发明实施例和附图，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-5所示，所述的多功能的移动安防机器人主要包括对火灾、烟雾进行检测的烟雾探测器2，通过烟雾探测器2，可以及时发现浓烟，火灾，并发出警报，同时把警报信号传送到监控室，提醒保安人员进行扑救。对有毒气体进行检测的毒气探测仪3，通过毒气探测仪3，可以分析空气中的气体成分，一旦发现有毒气体成分，即可发出警报，同时把警报信号传送到监控室，提醒保安人员进行处理。能够对人脸进行拍照、摄像的顶端摄像头4，顶端摄像头4安装于机器人头部顶端，能够自动对机器人前方的人员进行拍照。对地形进行识别采样的激光雷达5和深度相机6，激光雷达5通过发射激光束探测目标的位置，确定园区障碍物的位置；深度相机6利用视差原理来求取景物深度。具有通信功能的无线通信模块8，通信模块为移动安防机器人与后端数据库10和中央控制终端11提供通讯。对临时客人所带的来宾卡进行真伪识别的来宾卡识别模块7，来宾卡识别模块7通过RFID射频原理检测来宾卡真伪。能对多功能的移动式安防机器人进行远程监控及控制的中央控制终端11，中央控制终端11一般为装有相应远程控制软件的PC。

能够存储人脸资料、园区地图资料和来宾卡信息的数据库10，数据库10安装于后端服务器上，通过无线通信模块8与多功能的移动安防机器人进行数据交互。能提供内部数据存储、处理、计算和分析的控制系统1，控制系统1为整个移动安防机器人提供计算、处理和分析等功能。能够驱动多功能的移动安防机器人的移动的驱动系统9，驱动系统9包括行走机构、转向机构、驱动电机、电机驱动模块等。

烟雾探测器2、毒气检测仪、激光雷达5、深度相机6、顶端摄像头4、无线通信模块8和驱动系统9与控制系统1连接。数据库10安装于后端服务器上，中央控制终端11、后端服务器通过无线通信模块8与多功能的移动安防机器人进行数据交互。

进一步的，所述的无线通信模块8通过WIFI或4G移动通信网络，实现移动安防机器人与数据库10和中央控制终端11的通讯。

进一步的，所述的控制系统1在烟雾探测器2、毒气探测仪3检测到火灾、烟雾和毒气时，会通过中央控制终端11发出报警信息。

进一步的，所述的顶端摄像头4对来宾的人脸拍照，把人脸照片信息送入控制系统1对来宾人脸信息进行处理后，与数据库10里面的人脸资料库进行对比，判断来宾是否为可疑人员，具体步骤为：

步骤1.顶端摄像头4对人脸头像信息进行拍照采集；

步骤2.先使用多层小波包的方法消除图像噪声，基于图像和噪声在经过小波变换后具有不同的统计特性，图像本身的能量对应着幅值较大的小波系数，主要是集中在高频；噪声能量则对应着幅值较小的小波系数。根据该特性，设置一个阈值门限，认为大于该阈值的小波系数的主要成分为有用信号，给予收缩后保留，小于该阈值的小波系数，主要为噪声，予以剔除，这样就可以达到去噪音的目的。

为了克服小波分解在高频段的频率分辨率较差，而在低频段的时间分辨率较差的缺点，在小波分解的基础上提出了小波包分解。小波包分解提高了信号的时频分辨率，它是一种更精细的信号分析方法。利用小波包分析,必须选择一个较好的小波包基用来描述信号。为了选择一个较好的小波包基，首先给定一个序列的代价函数，在所有的小波包基中寻找使代价函数最小的基，对于一个给定信号而言，使熵(代价函数)最小的基就是最有效的表示该信号的小波包基，这个基便称为最优基。

具体分析步骤如下：

a.选择一个小波函数确定一个小波分解的层数N，对信号S进行N层小波包分解；

由式(1)双尺度方程定义的函数集合{W_n(t)}_n∈z为由基函数的确定小波包。

其中，h_k,g_k为两个具有正交关系的滤波器。

b.根据最小代价原理，确定最优小波包基及计算最优树；

从小波包中抽取的能组成L²(R)的一组正交基就称为L²(R)的一个小波包基。在小波包基库中选取信号代价函数数值最小者为最优小波包基，代价函数最小是指最小，其中s代表信号s_i表示信号在正交小波包基上的投影系数。求出使代价函数最小的小波包序列，从而求出最优基。在计算时，采用自二叉树底向顶的快速搜索法选择最优基。

c.选择一个适当的阈值对最优后小波包基的分解系数进行阈值量化；

由于小波包分解系数在不同频带反映信号的不同特征,很难找到一个统一的阈值算法对各个频带进行处理，所以对高频序列的小波包分析系数，采用基于史坦无偏似然估计原理的自适应阈值选择，具体算法如下：

1).将每一个分辨级的小波系数平方之后按照从小到大的顺序排列,得到向量P＝[P₁,P₂....P_n],其中的n表示n的小波系数的长度。

2).根据向量P计算风险向量R＝[R₁,R₂....R_n]；R_i＝[n-2i+(n-i)P_i+Sum(P_k)]/n，在风险向量中找出最小的R_i作为风险值。

3).由风险值R_i对应的小波系数平方P_i求出阈值为；a＝median(abs(W(j-1,k)))/0.6745*sqr(P_i)。

d.根据量化后的最优小波包基的分解系数进行信号重构，重构所得的信号即为经过多层小波包降噪处理的信号，算法如下；

其中，f(t)为时间信号，P表示第j层上的第i个小波包，G和H为小波包的滤波器。

步骤3.使用灰度校正的方法对图像进行预处理；

步骤4.根据眼睛、嘴巴、鼻子、耳朵等器官确定相互之间的位置关系，构建集合特征点；

步骤5.使用机器学习的方法进行辨识，辨识的结果与人脸资料库的进行对比。

所述的机器学习方法采用两分类支持向量机(SVM)，SVM是基于结构风险最小化原理(SRM)的统计学习理论。SRM使VC维数的上限最小化，这使得SVM方法比基于经验风险最小化(ERM)的人工神经网络方法具有更好的泛化能力。SVM的主要原理是：在训练采集所在的空间，寻找一最优分类面，使得训练集中两类样本能够正确的分开，并使两类样本的分类间隔最大。而那些与最优分类面最接近的两类样本称为支持向量(SV)，所以最优面的构造问题实际上是求解一个在约束条件下的二次规划问题，其最优分类函数如下：

其中，sign(.)函数为符号函数，图5中给出了SVM的网络图。他与传统的径向神经网络基本区别在于：这里每一个基函数的中心对应于一个支持向量(SV)，SV以及网络的权值阈值b^op都是由最优算法来确定的。

步骤6.匹配成功后，所述的多功能的移动安防机器人记录下该人员情况，并允许人员在相关区域内活动；如果匹配不成功，多功能的移动安防机器人将会发出警告，并抓拍人员的图像，把人员图像通过无线通信模块8传给中央控制终端11，让后端人员进行跟踪处理。

进一步的，所述的对临时客人所带的来宾卡进行真伪识别的来宾卡识别模块7，对来访的临时客人所带的来宾卡进行判断，超出范围的即锁定为嫌疑人，并对他进行跟随拍摄，以获取进一步资料，同时，把发现疑是嫌疑人作为二级警报通知中央控制终端11，具体步骤为：

步骤1.来宾卡识别模块7对来宾卡进行识别，判断超出范围的即锁定为嫌疑人，立即通知中央控制终端11，并发出警告；

步骤2.通过顶端摄像头4采集人体的特征，采集的特征包括人体骨骼框架特征、人体行走姿态信息；

步骤3.取得的特征集通过PCA的方法进行降维，PCA主成分分析，是图像处理中经常用到的降维方法，PCA的步骤为：

a.将原始数据组成一个矩阵C；

b.求出协方差矩阵；

C_n*n＝(c_i,j,c_i,j＝cov(dim_i,dim_j)) (4)

协方差矩阵是一个对称的矩阵，而且对角线是各个维度上的方差。

c.求出协方差矩阵的特征值及对应的特征向量r。

d.将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P。使用一个公式，表示压缩后的误差，m为所有特征的个数，然后确定一个阈值x，比如0.01，选取一个K，是的σ＜x则我们认为这个m可以接受。

e.Y＝PC即为降维到K维后的数据。

步骤4.通过粒子滤波的方法进行特征匹配与检测，检测结果返回控制系统1。粒子滤波的步骤为，如下所示。

a.用大量粒子模拟X(t)，粒子在空间内均匀分布。首先设如式(5)的状态方程。

其中，x(t)为t时刻的状态方程，，y(t)为观测方程，u(t)为控制量，w(t)和e(t)分别为状态噪音和观测噪音。

由于开始对x(0)一无所知，所有我们认为x(0)在全状态空间内平均分布。然后将所有采样输入状态转移方程，得到预测粒子。

b.根据状态转移方程，每一个粒子得到一个预测粒子；首先根据x(t-1)的概率分布生成大量的采样，这些采样就称之为粒子。那么这些采样在状态空间中的分布实际是x(t-1)的概率分布了。接下来依据状态转移方程加上控制量可以对每一粒子得到一个预测粒子。

c.对预测粒子进行评价，越接近于真实状态的粒子，其权重越大；观测值y到达后，利用观测方程即条件概率p(y|x_i)，对所有的粒子进行评价。这个条件概率代表了假设真实状态x(t)取第i个粒子x_i时获得观测y的概率。令这个条件概率为第i个粒子的权重。如此这样，继续对所有的粒子都进行这么个评价，那么越有可能获得观测y的粒子，当然获得的权重越高。

d.将重采样后的粒子带入状态转移方程得到新的预测粒子，即步骤b；去除低权值的粒子，复制高权值的粒子，得到我们需要的真实状态x(t)。而这些重采样后的粒子，就代表了真实状态的概率分布。下一轮滤波，再将重采样后的粒子集输入到状态转移方程中，直接就能够获得预测粒子了。

步骤5.检测成功后，控制系统1将会继续执行自主导航技术，进行路径规划，避开障碍，向驱动系统9下发控制指令，驱动系统9控制执行机构工作，完成对目标嫌疑人的跟随。

步骤6.整个跟随过程中，不断将机器人所处的位置坐标发给中央控制终端11，以便安防人员能够及时处理安全事项，控制嫌疑人。

进一步的，所述的对地形进行识别采样的激光雷达5和深度相机6，能够对整个园区的地形进行测绘，把测绘结果传入数据库10保存，能够在后期为多功能的移动式安防机器人自足巡逻时提供行动路径规划，地图等信息，具体步骤为：

步骤1.通过中央控制终端11控制多功能的移动安防机器人所自带的激光雷达5和深度相机6，对道路进行激光雷达5测绘和深度相机6拍照，建立园区地形地图数据库10；

步骤2.通过ROS系统的Gmapping功能包等构件地图；

步骤3.基于ROS系统的Amcl功能包，对Move_base功能包进行配置，从而使机器人自主进行运动路径规划；

步骤4.控制系统1计算出电机的控制指令，机器人驱动系统9获得指令后，会快速做出响应，下发给执行机构，从而控制小车按照预定命令进行动作，完成园区内的自主巡逻。

最终，以上实施例和附图仅用以说明本发明的技术方案而非限制，尽管通过上述实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其做出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (6)

1.一种多功能的移动安防机器人，其特征在于：所述的多功能的移动安防机器人主要包括：

对火灾、烟雾进行检测的烟雾探测器，对有毒气体进行检测的毒气探测仪，能够对人脸进行拍照、摄像的顶端摄像头，对地形进行识别采样的激光雷达和深度相机，具有通信功能的无线通信模块，对临时客人所带的来宾卡进行真伪识别的来宾卡识别模块，能对多功能的移动式安防机器人进行远程监控及控制的中央控制终端；

能够存储人脸资料、园区地图资料和来宾卡信息的数据库，能提供内部数据存储、处理、计算和分析的控制系统，能够驱动多功能的移动安防机器人的移动的驱动系统。

2.根据权利要求1所述的一种多功能移动安防机器人，其特征在于：所述的无线通信模块通过WIFI或4G移动通信网络，实现多功能的移动安防机器人与数据库和中央控制终端的通讯。

3.根据权利要求1所述的一种多功能移动安防机器人，其特征在于：所述的控制系统在烟雾探测器、毒气探测仪检测到火灾、烟雾和毒气时，会通过中央控制终端发出报警信息。

4.根据权利要求1所述的一种多功能移动安防机器人，其特征在于：所述的顶端摄像头对来宾的人脸拍照，控制系统对来宾人脸信息进行处理后，与数据库里面的人脸资料库进行对比，判断来宾是否为可疑人员，具体步骤为：

步骤1.顶端摄像头对人脸头像信息进行拍照采集，把人脸头像信息送入控制系统；

步骤2.先使用多层小波包的方法消除图像噪声；

步骤3.使用灰度校正的方法对图像进行预处理；

步骤4.根据眼睛、嘴巴、鼻子、耳朵等器官确定相互之间的位置关系，构建集合特征点；

步骤5.使用机器学习的方法进行辨识，辨识的结果与人脸资料库的进行对比；

步骤6.匹配成功后，所述的多功能的移动安防机器人记录下该人员情况，并允许人员在相关区域内活动；如果匹配不成功，多功能的移动安防机器人将会发出警告，并抓拍人员的图像，上报给中央控制终端，让后端人员进行跟踪处理。

5.根据权利要1所述的一种多功能的移动安防机器人，其特征在于：所述的对临时客人所带的来宾卡进行真伪识别的来宾卡识别模块，对来访的临时客人所带的来宾卡进行判断，超出范围的即锁定为嫌疑人，并对他进行跟随拍摄，以获取进一步资料，同时，把发现疑是嫌疑人作为二级警报通知中央控制终端，具体步骤为：

步骤1.来宾卡识别模块对来宾卡进行识别，判断超出来宾卡范围的即锁定为嫌疑人，立即通知中央控制终端，并发出警告；

步骤2.通过顶端摄像头采集人体的特征，采集的特征包括人体骨骼框架特征、人体行走姿态信息；

步骤3.取得的特征集通过PCA的方法进行降维；

步骤4.通过粒子滤波的方法进行特征匹配与检测，检测结果返回控制系统；

步骤5.检测成功后，控制系统将会继续执行自主导航技术，进行路径规划，避开障碍，向驱动系统下发控制指令，驱动系统控制执行机构工作，完成对目标嫌疑人的跟随；

步骤6.整个跟随过程中，不断将机器人所处的位置坐标发给中央控制终端，以便安防人员能够及时处理安全事项，控制嫌疑人。

6.如权利要求1所述的一种多功能的移动安防机器人，其特征在于：所述的对地形进行识别采样的激光雷达和深度相机，能够对整个园区的地形进行测绘，把测绘结果传入数据库保存，能够在后期为多功能的移动式安防机器人自足巡逻时提供行动路径规划，地图等信息，具体步骤为：

步骤1.通过中央控制终端控制多功能的移动安防机器人所自带的激光雷达和深度相机，在园区所有道路行走一圈，对道路进行激光雷达测绘和深度相机拍照，建立园区地形地图数据库；

步骤2.通过ROS 系统的Gmapping功能包等构件地图；

步骤3.基于ROS系统的Amcl功能包，对Move_base功能包进行配置，从而使机器人自主进行运动规划；

步骤4.控制系统计算出电机的控制指令，机器人驱动系统获得指令后，会快速做出响应，下发给执行机构，从而控制小车按照预定命令进行动作，完成园区内的自主巡逻。