CN109781008A - 一种距离测量方法、装置、设备及介质 - Google Patents
一种距离测量方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109781008A CN109781008A CN201811646286.5A CN201811646286A CN109781008A CN 109781008 A CN109781008 A CN 109781008A CN 201811646286 A CN201811646286 A CN 201811646286A CN 109781008 A CN109781008 A CN 109781008A
- Authority
- CN
- China
- Prior art keywords
- target object
- human body
- distance
- image data
- robot
- 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.)
- Granted
Links
Landscapes
- Manipulator (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开一种距离测量方法、装置、设备及介质,用以降低测量机器人与目标对象之间的距离时所使用的传感器数量,降低成本。所述距离测量方法,包括:获取机器人周围环境的图像数据;若满足设定的第一类触发条件,且在所述图像数据中检测到目标对象的人体特征,根据所述人体特征,确定所述目标对象与所述机器人之间的距离;若满足设定的第二类触发条件,且在所述图像数据中检测到目标对象的人脸特征,根据所述人脸特征,确定所述目标对象与所述机器人之间的距离。
Description
技术领域
本发明涉及人工智能领域,尤其是涉及一种距离测量方法、装置、设备及介质。
背景技术
随着人工智能的发展,机器人在人们生活的各个领域中得到普及和使用,随着机器人智能化程度的提高,机器人与用户的交互变得越来越重要。
现有技术中,在与用户进行交互时,机器人需要通过大量的硬件设备(例如,传感器)测量信息或者采集用户的信息,进而根据测量到的信息或者采集到的用户的信息分析用户的意图或者行为,以与用户进行交互。例如,机器人在测量与用户的距离时,需要通过超声波传感器进行测量。
实际应用中,使用大量的硬件设备测量信息或者采集用户的信息,这无疑会提高机器人的生产成本。
发明内容
本发明实施例提供一种距离测量方法、装置、设备及介质,用以降低测量机器人与目标对象之间的距离时所使用的传感器数量,降低成本。
第一方面,本发明实施例提供一种距离测量方法,包括:
获取机器人周围环境的图像数据;
若满足设定的第一类触发条件,且在图像数据中检测到目标对象的人体特征,根据人体特征,确定目标对象与机器人之间的距离;
若满足设定的第二类触发条件,且在图像数据中检测到目标对象的人脸特征,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,若满足设定的第一类触发条件,且在图像数据中检测到目标对象的人体特征,根据人体特征,确定目标对象与机器人之间的距离,包括:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人脸框尺寸小于预设尺寸阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,若满足设定的第一类触发条件,且在图像数据中检测到目标对象的人体特征,根据人体特征,确定目标对象与机器人之间的距离,包括:
若检测到图像数据中包括目标对象的人体特征,未检测到图像数据中包括目标对象的人脸特征,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,若满足设定的第一类触发条件,且在图像数据中检测到目标对象的人体特征,根据人体特征,确定目标对象与机器人之间的距离,包括:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人脸角度大于第一预设角度阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,若满足设定的第一类触发条件,且在图像数据中检测到目标对象的人体特征,根据人体特征,确定目标对象与机器人之间的距离,包括:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且根据目标对象的人脸特征确定出的目标对象与机器人之间的距离大于第一预设距离阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,根据人体特征,确定目标对象与机器人之间的距离,包括:
根据人体特征中的人体关键点,确定人体关键点所构成目标人体框的尺寸;
基于预先存储的人体框尺寸与预测距离之间的对应关系,确定目标人体框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离;或者
基于预先设定的人体框尺寸与预测距离的比例系数,确定目标人体框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,基于预先存储的人体框尺寸与预测距离之间的对应关系,确定目标人体框的尺寸对应的预测距离,包括:
若预先存储的人体框尺寸与预测距离之间的对应关系中不包含目标人体框的尺寸,在对应关系中,确定出与目标人体框的尺寸相邻的至少一个预先存储的人体框尺寸,并基于至少一个预先存储的人体框尺寸与预测距离的对应关系,确定目标人体框的尺寸对应的预测距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,若满足设定的第二类触发条件,且在图像数据中检测到目标对象的人脸特征,根据人脸特征,确定目标对象与机器人之间的距离,包括:
若检测到图像数据中包括目标对象的人脸特征,未检测到图像数据中包括目标对象的人体特征,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,若满足设定的第二类触发条件,且在图像数据中检测到目标对象的人脸特征,根据人脸特征,确定目标对象与机器人之间的距离,包括:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且根据目标对象的人体特征确定出的目标对象与机器人之间的距离小于第二预设距离阈值,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,若满足设定的第二类触发条件,且在图像数据中检测到目标对象的人脸特征,根据人脸特征,确定目标对象与机器人之间的距离,包括:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人体角度大于第二预设角度阈值,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,其特征在于,根据人脸特征,确定目标对象与机器人之间的距离,包括:
根据人脸特征中的人脸关键点,确定人脸关键点所构成目标人脸框的尺寸;
基于预先存储的人脸框尺寸与预测距离之间的对应关系,确定目标人脸框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离;或者
基于预先设定的人脸框尺寸与预测距离的比例系数,确定目标人脸框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,基于预先存储的人脸框尺寸与预测距离之间的对应关系,确定目标人脸框的尺寸对应的预测距离,包括:
若预先存储的人脸框尺寸与预测距离之间的对应关系中不包含目标人脸框的尺寸,在对应关系中,确定出与目标人脸框的尺寸相邻的至少一个预先存储的人脸框尺寸,并基于至少一个预先存储的人脸框尺寸与预测距离的对应关系,确定目标人脸框的尺寸对应的预测距离。
在一种可能的实施方式中,本发明实施例提供的上述方法中,获取机器人周围环境的图像数据之后,还包括:
对图像数据的参数信息进行调整;
根据调整后的图像数据,检测目标对象的人体特征和/或人脸特征。
第二方面,本发明实施例提供一种距离测量装置,包括:
获取单元,用于获取机器人周围环境的图像数据;
第一处理单元,用于在满足设定的第一类触发条件,且在图像数据中检测到目标对象的人体特征时,根据人体特征,确定目标对象与机器人之间的距离;
第二处理单元,用于在满足设定的第二类触发条件,且在图像数据中检测到目标对象的人脸特征时,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,第一处理单元具体用于:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人脸框尺寸小于预设尺寸阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,第一处理单元具体用于:
若检测到图像数据中包括目标对象的人体特征,未检测到图像数据中包括目标对象的人脸特征,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,第一处理单元具体用于:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人脸角度大于第一预设角度阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,第一处理单元具体用于:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且根据目标对象的人脸特征确定出的目标对象与机器人之间的距离大于第一预设距离阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,第一处理单元具体用于:
根据人体特征中的人体关键点,确定人体关键点所构成目标人体框的尺寸;
基于预先存储的人体框尺寸与预测距离之间的对应关系,确定目标人体框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离;或者
基于预先设定的人体框尺寸与预测距离的比例系数,确定目标人体框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,第一处理单元具体用于:
若预先存储的人体框尺寸与预测距离之间的对应关系中不包含目标人体框的尺寸,在对应关系中,确定出与目标人体框的尺寸相邻的至少一个预先存储的人体框尺寸,并基于至少一个预先存储的人体框尺寸与预测距离的对应关系,确定目标人体框的尺寸对应的预测距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,第二处理单元具体用于:
若检测到图像数据中包括目标对象的人脸特征,未检测到图像数据中包括目标对象的人体特征,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,第二处理单元具体用于:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且根据目标对象的人体特征确定出的目标对象与机器人之间的距离小于第二预设距离阈值,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,第二处理单元具体用于:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人体角度大于第二预设角度阈值,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,第二处理单元具体用于:
根据人脸特征中的人脸关键点,确定人脸关键点所构成目标人脸框的尺寸;
基于预先存储的人脸框尺寸与预测距离之间的对应关系,确定目标人脸框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离;或者
基于预先设定的人脸框尺寸与预测距离的比例系数,确定目标人脸框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,第二处理单元具体用于:
若预先存储的人脸框尺寸与预测距离之间的对应关系中不包含目标人脸框的尺寸,在对应关系中,确定出与目标人脸框的尺寸相邻的至少一个预先存储的人脸框尺寸,并基于至少一个预先存储的人脸框尺寸与预测距离的对应关系,确定目标人脸框的尺寸对应的预测距离。
在一种可能的实施方式中,本发明实施例提供的上述装置中,装置还包括:
参数调整单元,用于对图像数据的参数信息进行调整;
检测单元,用于根据调整后的图像数据,检测目标对象的人体特征和/或人脸特征。
第三方面,本发明实施例提供一种电子设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现本发明实施例第一方面提供的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现本发明实施例第一方面提供的方法。
本发明实施例提供的距离测量方案中,获取机器人周围环境的图像数据,进而根据图像数据满足的触发条件,在图像数据中检测目标对象的人体特征和人脸特征,进而根据检测到的目标对象的人体特征或人脸特征,确定机器人与目标对象之间的距离,使得在测量机器人与目标对象之间的距离时,无需使用传感器辅助测量,也即降低测量机器人与目标对象之间的距离时所使用的传感器数量,进而降低了成本。
附图说明
图1为本发明实施例提供的距离测量方法的示意流程图;
图2为本发明实施例提供的距离测量方法的具体流程的示意流程图;
图3为本发明实施例提供的距离测量装置的结构示意图;
图4为本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面结合附图,对本发明实施例提供的一种距离测量方法、装置、设备及介质的具体实施方式进行详细地说明。
需要说明的是,本发明实施例提供的距离测量方案,可以由机器人内部的处理器或者处理中心执行,也可以由外部与机器人通信连接的设备(例如,移动终端或者服务器)执行,本发明实施例对此不做限定。
如图1所示,本发明实施例提供的距离测量方法,其可以包括如下步骤:
步骤101,获取机器人周围环境的图像数据。
具体实施时,获取机器人周围环境的图像数据时,若本发明实施例提供的距离测量方案由机器人内部的处理器或者处理中心执行,则处理器或者处理中心可以直接控制机器人使用配置的摄像头采集机器人周围环境的图像数据;若本发明实施例提供的距离测量方案由服务器执行,则服务器可以获取机器人采集的图像数据。
需要说明的是,获取机器人周围环境的图像数据时,可以实时获取,也可以周期性(如每隔3s获取一次)获取,本发明实施例对此不做限定。
步骤102,若满足设定的第一类触发条件,且在图像数据中检测到目标对象的人体特征,根据人体特征,确定目标对象与机器人之间的距离。
其中,第一类触发条件是指无法依据图像数据中的人脸特征确定目标对象与机器人之间的距离的条件,或者依据图像数据中的人脸特征确定目标对象与机器人之间的距离准确度较低的条件,具体实施时,图像数据满足设定的第一类触发条件,可以包括但不限于以下四种实施方式,具体来说:
实施方式一、若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人脸框尺寸小于预设尺寸阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
其中,预设尺寸阈值可以根据实际情况进行设定,本发明实施例对此不做限定。人脸框的尺寸包括但不限于:人脸框的面积、长度、宽度等。例如,人脸框的尺寸以长度表示时,预设尺寸阈值的取值为10厘米(cm)。
具体实施时,若检测到图像数据中包括目标对象的人体特征和人脸特征、但目标对象的人脸框尺寸小于预设尺寸阈值,则此时依据目标对象的人脸特征可能无法确定目标对象与机器人之间的距离,或者依据人脸特征确定出的目标对象与机器人之间的距离准确度较低,故判定此种情况下满足第一类触发条件。
实施方式二、若检测到图像数据中包括目标对象的人体特征,未检测到图像数据中包括目标对象的人脸特征,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
具体实施时,若检测到图像数据中包括目标对象的人体特征,未检测到图像数据中包括目标对象的人脸特征,则此时无法依据目标对象的人脸特征确定目标对象与机器人之间的距离,故判定此种情况下满足第一类触发条件。
实施方式三、若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人脸角度大于第一预设角度阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
其中,人脸角度包括水平角度和俯仰角度,是指人脸所在平面与机器人的图像采集设备所在平面之间的夹角。人脸角度越大,机器人采集到的图像数据中人脸特征越少,例如,目标对象转头时,若人脸角度为60度,则机器人采集到的图像数据中可能只包含目标对象的一个侧脸,再例如,目标对象仰头时,若人脸角度为50度,则机器人采集到的图像数据中可能只包含目标对象的下巴。第一预设角度阈值可以根据实际情况进行设定,本发明实施例对此不做限定,例如,第一预设角度阈值为45度。
具体实施时,由于人脸角度越大,机器人采集到的图像数据中人脸特征越少,因此,在检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人脸角度大于第一预设角度阈值时,此种情况下依据人脸特征确定出的目标对象与机器人之间的距离准确度较低,判定满足第一类触发条件。
实施方式四、若检测到图像数据中包括目标对象的人体特征和人脸特征、且根据目标对象的人脸特征确定出的目标对象与机器人之间的距离大于第一预设距离阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
需要说明的是,第一预设距离阈值可以根据实际情况进行设定,本发明实施例对此不做限定。例如,第一预设距离阈值的取值为3米(m)。
具体实施时,在检测到图像数据中包括目标对象的人体特征和人脸特征、且根据目标对象的人脸特征确定出的目标对象与机器人之间的距离大于第一预设距离阈值时,确定此种情况下依据人脸特征确定出的目标对象与机器人之间的距离准确度较低,判定满足第一类触发条件。
本发明实施例在检测图像数据中是否包括目标对象的人体特征时,可以基于预先配置的人体关键点进行检测,具体来说:若在图像数据中根据预先配置的人体关键点能够确定出目标对象的人体关键点,且能够基于确定出的人体关键点提取人体特征值,则可以确定图像数据中包括目标对象的人体特征;若在图像数据中根据预先配置的人体关键点不能确定出目标对象的人体关键点,或者在图像数据中根据预先配置的人体关键点能够确定出目标对象的人体关键点,但是无法基于确定出的人体关键点提取人体特征值,则确定图像数据中不包括目标对象的人体特征。其中,人体关键点,可以根据实际需要进行灵活设定,本发明实施例对此不做限定,例如,人体关键点包括:人体的双手、双脚、手臂、腿、肩膀等,人体特征值可以包括但不限于:特定人体关键点之间的距离,例如,人体双肩之间的距离。
在一个示例中,假设预先配置的人体关键点包括:人体的双手、双脚、手臂、腿、肩膀等,若在图像数据中根据预先配置的人体关键点能够确定出人体的肩膀,且能够基于确定出的人体的肩膀确定人体双肩之间的距离,则确定图像数据中包含目标对象的人体特征。该示例中,通过人体的肩膀的特征信息可以确定人体框(该人体框的宽度即为人体双肩之间的距离),从而基于预先存储的人体框尺寸与预测距离之间的对应关系,确定目标人体框的尺寸对应的预测距离,并将该预测距离确定为该目标对象与机器人之间的距离。
当然,需要说明的是,在本发明其它实施例中,基于预先配置的人体关键点检测图像数据中是否包括目标对象的人体特征时,也可以根据构成人体框所需的关键点进行判断,具体来说,若基于预先配置的人体关键点检测图像数据中包括所有构成人体框的人体关键点,则确定图像数据中包括目标对象的人体特征;若基于预先配置的人体关键点检测图像数据中包括部分构成人体框的人体关键点,则确定图像数据中不包括目标对象的人体特征。
当然,需要说明的是,在本发明其它实施例中,还可以基于其它方式检测图像数据中是否包括目标对象的人体特征,例如,将图像数据输入人体检测模型中,通过人体检测模型检测图像数据中是否包括目标对象的人体特征。
本发明实施例在检测图像数据中是否包括目标对象的人脸特征时,可以基于预先配置的人脸关键点进行检测,具体来说:若在图像数据中根据预先配置的人脸关键点能够确定出目标对象的人脸关键点,且能够基于确定出的人脸关键点提取人脸特征值,则可以确定图像数据中包括目标对象的人脸特征;若在图像数据中根据预先配置的人脸关键点不能确定出目标对象的人脸关键点,或者在图像数据中根据预先配置的人脸关键点能够确定出目标对象的人脸关键点,但是无法基于确定出的人脸关键点提取人脸特征值,则可以确定图像数据中不包括目标对象的人脸特征。其中,人脸关键点,可以根据实际需要进行灵活设定,本发明实施例对此不做限定,例如,人脸关键点包括:双眼、鼻子、耳朵、嘴等。人脸特征值可以包括但不限于:特定人脸关键点之间的距离,例如,双眼之间的距离。
当然,需要说明的是,在本发明其它实施例中,还可以基于其它方式检测图像数据中是否包括目标对象的人脸特征,例如,将图像数据输入人脸检测模型中,通过人脸检测模型检测图像数据中是否包括目标对象的人脸特征。
另外,在基于预先配置的人脸关键点,确定图像数据中包括目标对象的人脸特征后,还可以基于特定人脸关键点之间的距离,确定人脸角度。例如,基于人脸关键点中双眼之间的距离,确定目标对象的人脸角度,再例如,基于人脸关键点中鼻子与下巴之间的距离,确定目标对象的人脸角度。当然,也可以通过人脸角度模型确定图像数据中目标对象的人脸角度。
具体实施时,根据人体特征,确定目标对象与机器人之间的距离时,可以根据人体特征中的人体关键点,确定人体关键点所构成目标人体框的尺寸,进而基于预先存储的人体框尺寸与预测距离之间的对应关系,确定目标人体框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离,或者基于预先设定的人体框尺寸与预测距离的比例系数,确定目标人体框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离。
根据人体特征中的人体关键点,确定人体关键点所构成目标人体框的尺寸,可以按照预定顺序依次连接至少三个人体关键点构成人体框,人体框可以是封闭图框,也可以是不封闭图框,本发明实施例对此不做限定。人体框的尺寸可以包括但不限于人体框的面积、长度以及宽度等。
具体基于预先存储的人体框尺寸与预测距离之间的对应关系,确定目标人体框的尺寸对应的预测距离时,若预先存储的人体框尺寸与预测距离之间的对应关系中不包含目标人体框的尺寸,在对应关系中,确定出与目标人体框的尺寸相邻的至少一个预先存储的人体框尺寸,并基于至少一个预先存储的人体框尺寸与预测距离的对应关系,确定目标人体框的尺寸对应的预测距离。
在一个示例中,假设预先存储的人体框尺寸与预测距离之间的对应关系中包括如下5个对应关系:人体框尺寸20,对应预测距离500;人体框尺寸30,对应预测距离400;人体框尺寸40,对应预测距离300;人体框尺寸50,对应预测距离200;人体框尺寸60,对应预测距离100。
若目标人体框的尺寸为40,则确定预先存储的人体框尺寸与预测距离之间的对应关系中包含目标人体框的尺寸,则直接将人体框尺寸40对应的预测距离300确定为目标对象与机器人之间的距离。
若目标人体框的尺寸为35,则确定预先存储的人体框尺寸与预测距离之间的对应关系中不包含目标人体框的尺寸,则在对应关系中,确定出与目标人体框的尺寸35相邻的至少一个预先存储的人体框尺寸,例如,人体框尺寸30和人体框尺寸40,并基于人体框30与预测距离400的对应关系和人体框40与预测距离300的对应关系,确定目标人体框的尺寸35对应的预测距离。
具体的,基于人体框30与预测距离400的对应关系和人体框40与预测距离300的对应关系,确定目标人体框的尺寸35对应的预测距离时,可以计算人体框尺寸30时人体框尺寸30与预测距离400的比例系数,记为比例系数A,计算人体框尺寸40时人体框尺寸40与预测距离300的比例系数,记为比例系数B,然后计算比例系数A和比例系数B的平均值,进而基于目标人体框的尺寸35、比例系数A和比例系数B的平均值,确定目标人体框的尺寸35对应的预测距离。
当然,目标人体框的尺寸为35,在对应关系中,确定出与目标人体框的尺寸35相邻的至少一个预先存储的人体框尺寸,也可以为人体框尺寸20、人体框尺寸30、人体框尺寸40以及人体框尺寸50,还可以为人体框尺寸30或者人体框尺寸40。
步骤103,若满足设定的第二类触发条件,且在图像数据中检测到目标对象的人脸特征,根据人脸特征,确定目标对象与机器人之间的距离。
其中,第二类触发条件是指无法依据图像数据中的人体特征确定目标对象与机器人之间的距离的条件,或者依据图像数据中的人体特征确定目标对象与机器人之间的距离准确度较低的条件,具体实施时,图像数据满足设定的第二类触发条件,可以包括但不限于以下三种实施方式,具体来说:
实施方式一、若检测到图像数据中包括目标对象的人脸特征,未检测到图像数据中包括目标对象的人体特征,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
具体实施时,若检测到图像数据中包括目标对象的人脸特征,未检测到图像数据中包括目标对象的人体特征,则此时无法依据目标对象的人体特征确定目标对象与机器人之间的距离,故判定此种情况下满足第二类触发条件。
实施方式二、若检测到图像数据中包括目标对象的人体特征和人脸特征、且根据目标对象的人体特征确定出的目标对象与机器人之间的距离小于第二预设距离阈值,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
需要说明的是,第二预设距离阈值可以根据实际情况进行设定,本发明实施例对此不做限定。例如,第二预设距离阈值的取值为3米(m)。
具体实施时,在检测到图像数据中包括目标对象的人体特征和人脸特征、且根据目标对象的人体特征确定出的目标对象与机器人之间的距离小于第二预设距离阈值时,确定此种情况下依据人体特征确定出的目标对象与机器人之间的距离准确度较低,判定满足第二类触发条件。
实施方式三、若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人体角度大于第二预设角度阈值,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
具体实施时,由于人体角度越大,机器人采集到的图像数据中人体特征越少,因此,在检测到图像数据中包括目标对象的人脸特征和人体特征、且目标对象的人体角度大于第二预设角度阈值时,此种情况下依据人体特征确定出的目标对象与机器人之间的距离准确度较低,判定满足第二类触发条件。
本发明实施例在检测图像数据中是否包括目标对象的人体特征时,可以基于预先配置的人体关键点进行检测,具体来说:若在图像数据中根据预先配置的人体关键点能够确定出目标对象的人体关键点,且能够基于确定出的人体关键点提取人体特征值,则可以确定图像数据中包括目标对象的人体特征;若在图像数据中根据预先配置的人体关键点不能确定出目标对象的人体关键点,或者在图像数据中根据预先配置的人体关键点能够确定出目标对象的人体关键点,但是无法基于确定出的人体关键点提取人体特征值,则确定图像数据中不包括目标对象的人体特征。其中,人体关键点,可以根据实际需要进行灵活设定,本发明实施例对此不做限定,例如,人体关键点包括:人体的双手、双脚、手臂、腿、肩膀等,人体特征值可以包括但不限于:特定人体关键点之间的距离,例如,人体双肩之间的距离。
在一个示例中,假设预先配置的人体关键点包括:人体的双手、双脚、手臂、腿、肩膀等,若在图像数据中根据预先配置的人体关键点能够确定出人体的肩膀,且能够基于确定出的人体的肩膀确定人体双肩之间的距离,则确定图像数据中包含目标对象的人体特征。
当然,需要说明的是,在本发明其它实施例中,基于预先配置的人体关键点检测图像数据中是否包括目标对象的人体特征时,也可以根据构成人体框所需的关键点进行判断,具体来说,若基于预先配置的人体关键点检测图像数据中包括所有构成人体框的人体关键点,则确定图像数据中包括目标对象的人体特征;若基于预先配置的人体关键点检测图像数据中包括部分构成人体框的人体关键点,则确定图像数据中不包括目标对象的人体特征。
当然,需要说明的是,在本发明其它实施例中,还可以基于其它方式检测图像数据中是否包括目标对象的人体特征,例如,将图像数据输入人体检测模型中,通过人体检测模型检测图像数据中是否包括目标对象的人体特征。
另外,在基于预先配置的人体关键点,确定图像数据中包括目标对象的人体特征后,还可以基于特定人体关键点之间的距离,确定人体角度。例如,基于人体关键点中双肩之间的距离,确定目标对象的人体角度。当然,也可以通过人体角度模型确定图像数据中目标对象的人体角度。
本发明实施例在检测图像数据中是否包括目标对象的人脸特征时,可以基于预先配置的人脸关键点进行检测,具体来说:若在图像数据中根据预先配置的人脸关键点能够确定出目标对象的人脸关键点,且能够基于确定出的人脸关键点提取人脸特征值,则可以确定图像数据中包括目标对象的人脸特征;若在图像数据中根据预先配置的人脸关键点不能确定出目标对象的人脸关键点,或者在图像数据中根据预先配置的人脸关键点能够确定出目标对象的人脸关键点,但是无法基于确定出的人脸关键点提取人脸特征值,则可以确定图像数据中不包括目标对象的人脸特征。其中,人脸关键点,可以根据实际需要进行灵活设定,本发明实施例对此不做限定,例如,人脸关键点包括:双眼、鼻子、耳朵、嘴等。人脸特征值可以包括但不限于:特定人脸关键点之间的距离,例如,双眼之间的距离。
当然,需要说明的是,在本发明其它实施例中,还可以基于其它方式检测图像数据中是否包括目标对象的人脸特征,例如,将图像数据输入人脸检测模型中,通过人脸检测模型检测图像数据中是否包括目标对象的人脸特征。
具体实施时,根据人脸特征,确定目标对象与机器人之间的距离时,可以根据人脸特征中的人脸关键点,确定人脸关键点所构成目标人脸框的尺寸,进而基于预先存储的人脸框尺寸与预测距离之间的对应关系,确定目标人脸框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离,或者基于预先设定的人脸框尺寸与预测距离的比例系数,确定目标人脸框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离。
根据人脸特征中的人脸关键点,确定人脸关键点所构成目标人脸框的尺寸,可以按照预定顺序依次连接至少三个人脸关键点构成人脸框,人脸框可以是封闭图框,也可以是不封闭图框,本发明实施例对此不做限定。人脸框的尺寸可以包括但不限于人脸框的面积、长度以及宽度等。
具体基于预先存储的人脸框尺寸与预测距离之间的对应关系,确定目标人脸框的尺寸对应的预测距离时,若预先存储的人脸框尺寸与预测距离之间的对应关系中不包含目标人脸框的尺寸,在对应关系中,确定出与目标人脸框的尺寸相邻的至少一个预先存储的人脸框尺寸,并基于至少一个预先存储的人脸框尺寸与预测距离的对应关系,确定目标人脸框的尺寸对应的预测距离。
在一个示例中,假设预先存储的人脸框尺寸与预测距离之间的对应关系中包括如下5个对应关系:人脸框尺寸20,对应预测距离100;人脸框尺寸30,对应预测距离90;人脸框尺寸40,对应预测距离80;人脸框尺寸50,对应预测距离70;人脸框尺寸60,对应预测距离60。
若目标人脸框的尺寸为40,则确定预先存储的人脸框尺寸与预测距离之间的对应关系中包含目标人脸框的尺寸,则直接将人脸框尺寸40对应的预测距离80确定为目标对象与机器人之间的距离。
若目标人脸框的尺寸为35,则确定预先存储的人脸框尺寸与预测距离之间的对应关系中不包含目标人脸框的尺寸,则在对应关系中,确定出与目标人脸框的尺寸35相邻的至少一个预先存储的人脸框尺寸,例如,人脸框尺寸30和人脸框尺寸40,并基于人脸框30与预测距离90的对应关系和人脸框40与预测距离80的对应关系,确定目标人脸框的尺寸35对应的预测距离。
具体基于人脸框30与预测距离90的对应关系和人脸框40与预测距离80的对应关系,确定目标人脸框的尺寸35对应的预测距离时,可以计算人脸框尺寸30时人脸框尺寸30与预测距离90的比例系数,记为比例系数C,计算人脸框尺寸40时人脸框尺寸40与预测距离80的比例系数,记为比例系数D,然后计算比例系数C和比例系数D的平均值,进而基于目标人脸框的尺寸35、比例系数C和比例系数D的平均值,确定目标人脸框的尺寸35对应的预测距离。
当然,目标人脸框的尺寸为35,在对应关系中,确定出与目标人脸框的尺寸35相邻的至少一个预先存储的人脸框尺寸,也可以为人脸框尺寸20、人脸框尺寸30、人脸框尺寸40以及人脸框尺寸50,还可以为人脸框尺寸30或者人脸框尺寸40。
在一种可能的实施方式中,由于暗光或逆光环境下,采集到的图像数据的质量较差,从而会降低人脸图像检测的准确率,为提高检测准确率,本发明实施例在获取机器人周围环境的图像数据之后,在图像数据中检测目标对象的人体特征和人脸特征之前,还可以对图像数据的参数信息进行调整,进而在调整参数后的图像数据中检测目标对象的人体特征和/或人脸特征。其中,图像数据的参数信息包括但不限于:亮度、曝光度、饱和度和对比度。
下面以机器人中的处理器或者处理中心执行距离测量方案为例,结合图2对本发明实施例提供的距离测量方法的具体步骤进行详细说明。
如图2所示,本发明实施例提供的距离测量方法的具体步骤可以包括:
步骤201,控制机器人采集周围环境的图像数据。
步骤202,判断图像数据是否满足设定的第一类触发条件,若是,执行步骤203,否则,执行步骤204。
步骤203,在确定图像数据满足设定的第一类触发条件,在图像数据中检测到目标对象的人体特征,根据人体特征,确定目标对象与机器人之间的距离。
步骤204,在确定图像数据不满足设定的第一类触发条件,进一步判断图像数据是否满足设定的第二类触发条件,若是,执行步骤205,否则,执行步骤206。
步骤205,在确定图像数据满足设定的第二类触发条件,在图像数据中检测到目标对象的人脸特征,根据人脸特征,确定目标对象与机器人之间的距离。
步骤206,在确定图像数据中不包括目标对象的人体特征和人脸特征时,调整摄像头或者控制机器人移动并重新采集图像数据,并返回至步骤202。
基于相同的发明构思,本发明实施例还提供一种距离测量装置。
如图3所示,本发明实施例提供的距离测量装置,包括:
第二方面,本发明实施例提供一种距离测量装置,包括:
获取单元301,用于获取机器人周围环境的图像数据;
第一处理单元302,用于在满足设定的第一类触发条件,且在图像数据中检测到目标对象的人体特征时,根据人体特征,确定目标对象与机器人之间的距离;
第二处理单元303,用于在满足设定的第二类触发条件,且在图像数据中检测到目标对象的人脸特征时,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,第一处理单元302具体用于:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人脸框尺寸小于预设尺寸阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,第一处理单元302具体用于:
若检测到图像数据中包括目标对象的人体特征,未检测到图像数据中包括目标对象的人脸特征,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,第一处理单元302具体用于:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人脸角度大于第一预设角度阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,第一处理单元302具体用于:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且根据目标对象的人脸特征确定出的目标对象与机器人之间的距离大于第一预设距离阈值,确定满足设定的第一类触发条件,根据人体特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,第一处理单元302具体用于:
根据人体特征中的人体关键点,确定人体关键点所构成目标人体框的尺寸;
基于预先存储的人体框尺寸与预测距离之间的对应关系,确定目标人体框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离;或者
基于预先设定的人体框尺寸与预测距离的比例系数,确定目标人体框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离。
在一种可能的实施方式中,第一处理单元302具体用于:
若预先存储的人体框尺寸与预测距离之间的对应关系中不包含目标人体框的尺寸,在对应关系中,确定出与目标人体框的尺寸相邻的至少一个预先存储的人体框尺寸,并基于至少一个预先存储的人体框尺寸与预测距离的对应关系,确定目标人体框的尺寸对应的预测距离。
在一种可能的实施方式中,第二处理单元303具体用于:
若检测到图像数据中包括目标对象的人脸特征,未检测到图像数据中包括目标对象的人体特征,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,第二处理单元303具体用于:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且根据目标对象的人体特征确定出的目标对象与机器人之间的距离小于第二预设距离阈值,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,第二处理单元303具体用于:
若检测到图像数据中包括目标对象的人体特征和人脸特征、且目标对象的人体角度大于第二预设角度阈值,确定满足设定的第二类触发条件,根据人脸特征,确定目标对象与机器人之间的距离。
在一种可能的实施方式中,第二处理单元303具体用于:
根据人脸特征中的人脸关键点,确定人脸关键点所构成目标人脸框的尺寸;
基于预先存储的人脸框尺寸与预测距离之间的对应关系,确定目标人脸框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离;或者
基于预先设定的人脸框尺寸与预测距离的比例系数,确定目标人脸框的尺寸对应的预测距离,并将预测距离确定为目标对象与机器人之间的距离。
在一种可能的实施方式中,第二处理单元303具体用于:
若预先存储的人脸框尺寸与预测距离之间的对应关系中不包含目标人脸框的尺寸,在对应关系中,确定出与目标人脸框的尺寸相邻的至少一个预先存储的人脸框尺寸,并基于至少一个预先存储的人脸框尺寸与预测距离的对应关系,确定目标人脸框的尺寸对应的预测距离。
在一种可能的实施方式中,装置还包括:
参数调整单元304,用于对图像数据的参数信息进行调整;
检测单元305,用于根据调整后的图像数据,检测目标对象的人体特征和/或人脸特征。
另外,结合图1-图3描述的本发明实施例的距离测量方法和装置可以由电子设备来实现。其中,电子设备可以是智能设备(如机器人等)或智能设备的控制器,也可以是服务器。本发明实施例中不对电子设备的具体实现形式进行限定。图4示出了本发明实施例提供的电子设备的硬件结构示意图。
该电子设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地,上述处理器401可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器402可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器402可在数据处理装置的内部或外部。在特定实施例中,存储器402是非易失性固态存储器。在特定实施例中,存储器402包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令,以实现上述实施例中的任意一种距离测量方法。
在一个示例中,该电子设备还可包括通信接口403和总线410。其中,如图4所示,处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者,将该电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线410可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
该电子设备可以基于获取到的包含机器人周围环境的图像数据,执行本发明实施例中的距离测量方法,从而实现结合图1-图3描述的距离测量方法和装置。
另外,结合上述实施例中的距离测量方法,本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种距离测量方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种距离测量方法,其特征在于,包括:
获取机器人周围环境的图像数据;
若满足设定的第一类触发条件,且在所述图像数据中检测到目标对象的人体特征,根据所述人体特征,确定所述目标对象与所述机器人之间的距离;
若满足设定的第二类触发条件,且在所述图像数据中检测到目标对象的人脸特征,根据所述人脸特征,确定所述目标对象与所述机器人之间的距离。
2.根据权利要求1所述的方法,其特征在于,所述若满足设定的第一类触发条件,且在所述图像数据中检测到目标对象的人体特征,根据所述人体特征,确定所述目标对象与所述机器人之间的距离,包括:
若检测到所述图像数据中包括目标对象的人体特征和人脸特征、且所述目标对象的人脸框尺寸小于预设尺寸阈值,确定满足设定的第一类触发条件,根据所述人体特征,确定所述目标对象与所述机器人之间的距离。
3.根据权利要求1所述的方法,其特征在于,所述若满足设定的第一类触发条件,且在所述图像数据中检测到目标对象的人体特征,根据所述人体特征,确定所述目标对象与所述机器人之间的距离,包括:
若检测到所述图像数据中包括目标对象的人体特征,未检测到所述图像数据中包括所述目标对象的人脸特征,确定满足设定的第一类触发条件,根据所述人体特征,确定所述目标对象与所述机器人之间的距离。
4.根据权利要求1所述的方法,其特征在于,所述若满足设定的第一类触发条件,且在所述图像数据中检测到目标对象的人体特征,根据所述人体特征,确定所述目标对象与所述机器人之间的距离,包括:
若检测到所述图像数据中包括目标对象的人体特征和人脸特征、且所述目标对象的人脸角度大于第一预设角度阈值,确定满足设定的第一类触发条件,根据所述人体特征,确定所述目标对象与所述机器人之间的距离。
5.根据权利要求1所述的方法,其特征在于,所述若满足设定的第一类触发条件,且在所述图像数据中检测到目标对象的人体特征,根据所述人体特征,确定所述目标对象与所述机器人之间的距离,包括:
若检测到所述图像数据中包括目标对象的人体特征和人脸特征、且根据所述目标对象的人脸特征确定出的所述目标对象与所述机器人之间的距离大于第一预设距离阈值,确定满足设定的第一类触发条件,根据所述人体特征,确定所述目标对象与所述机器人之间的距离。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述根据所述人体特征,确定所述目标对象与所述机器人之间的距离,包括:
根据所述人体特征中的人体关键点,确定所述人体关键点所构成目标人体框的尺寸;
基于预先存储的人体框尺寸与预测距离之间的对应关系,确定所述目标人体框的尺寸对应的预测距离,并将所述预测距离确定为所述目标对象与所述机器人之间的距离;或者基于预先设定的人体框尺寸与预测距离的比例系数,确定所述目标人体框的尺寸对应的预测距离,并将所述预测距离确定为所述目标对象与所述机器人之间的距离。
7.根据权利要求6所述的方法,其特征在于,所述基于预先存储的人体框尺寸与预测距离之间的对应关系,确定所述目标人体框的尺寸对应的预测距离,包括:
若预先存储的人体框尺寸与预测距离之间的对应关系中不包含所述目标人体框的尺寸,在所述对应关系中,确定出与所述目标人体框的尺寸相邻的至少一个预先存储的人体框尺寸,并基于所述至少一个预先存储的人体框尺寸与预测距离的对应关系,确定所述目标人体框的尺寸对应的预测距离。
8.根据权利要求1所述的方法,其特征在于,所述若满足设定的第二类触发条件,且在所述图像数据中检测到目标对象的人脸特征,根据所述人脸特征,确定所述目标对象与所述机器人之间的距离,包括:
若检测到所述图像数据中包括目标对象的人脸特征,未检测到所述图像数据中包括所述目标对象的人体特征,确定满足设定的第二类触发条件,根据所述人脸特征,确定所述目标对象与所述机器人之间的距离。
9.根据权利要求1所述的方法,其特征在于,所述若满足设定的第二类触发条件,且在所述图像数据中检测到目标对象的人脸特征,根据所述人脸特征,确定所述目标对象与所述机器人之间的距离,包括:
若检测到所述图像数据中包括目标对象的人体特征和人脸特征、且根据所述目标对象的人体特征确定出的所述目标对象与所述机器人之间的距离小于第二预设距离阈值,确定满足设定的第二类触发条件,根据所述人脸特征,确定所述目标对象与所述机器人之间的距离。
10.根据权利要求1所述的方法,其特征在于,所述若满足设定的第二类触发条件,且在所述图像数据中检测到目标对象的人脸特征,根据所述人脸特征,确定所述目标对象与所述机器人之间的距离,包括:
若检测到所述图像数据中包括目标对象的人体特征和人脸特征、且所述目标对象的人体角度大于第二预设角度阈值,确定满足设定的第二类触发条件,根据所述人脸特征,确定所述目标对象与所述机器人之间的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811646286.5A CN109781008B (zh) | 2018-12-30 | 2018-12-30 | 一种距离测量方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811646286.5A CN109781008B (zh) | 2018-12-30 | 2018-12-30 | 一种距离测量方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109781008A true CN109781008A (zh) | 2019-05-21 |
CN109781008B CN109781008B (zh) | 2021-05-25 |
Family
ID=66499720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811646286.5A Active CN109781008B (zh) | 2018-12-30 | 2018-12-30 | 一种距离测量方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109781008B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111336938A (zh) * | 2019-12-18 | 2020-06-26 | 深圳市香蕉智能科技有限公司 | 一种机器人及其物体距离检测方法和装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1241634A2 (en) * | 2001-03-15 | 2002-09-18 | Lg Electronics Inc. | Display device of operation limit angle and distance in iris recognition system |
US20030107653A1 (en) * | 2001-12-10 | 2003-06-12 | Advanced Telecommunications Research Institute International | Method and apparatus for object recognition |
CN104267810A (zh) * | 2014-09-22 | 2015-01-07 | 广东欧珀移动通信有限公司 | 一种控制面板的锁定方法及装置 |
CN105653037A (zh) * | 2015-12-31 | 2016-06-08 | 张小花 | 一种基于行为分析的交互系统及方法 |
US20160188860A1 (en) * | 2014-12-29 | 2016-06-30 | Suprema Inc. | Biometric authentication device and biometric image output control method |
CN105841675A (zh) * | 2016-05-03 | 2016-08-10 | 北京光年无限科技有限公司 | 一种用于智能机器人的测距方法及系统 |
US20160292523A1 (en) * | 2015-03-31 | 2016-10-06 | Google Inc. | Method and apparatus for identifying a person by measuring body part distances of the person |
CN106022209A (zh) * | 2016-04-29 | 2016-10-12 | 杭州华橙网络科技有限公司 | 一种基于人脸检测的距离估算和处理的方法及装置 |
CN108733417A (zh) * | 2018-03-21 | 2018-11-02 | 北京猎户星空科技有限公司 | 智能设备的工作模式选择方法和装置 |
CN108734083A (zh) * | 2018-03-21 | 2018-11-02 | 北京猎户星空科技有限公司 | 智能设备的控制方法、装置、设备和存储介质 |
CN108733280A (zh) * | 2018-03-21 | 2018-11-02 | 北京猎户星空科技有限公司 | 智能设备的焦点跟随方法、装置、智能设备及存储介质 |
CN108985225A (zh) * | 2018-07-13 | 2018-12-11 | 北京猎户星空科技有限公司 | 焦点跟随方法、装置、电子设备及存储介质 |
-
2018
- 2018-12-30 CN CN201811646286.5A patent/CN109781008B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1241634A2 (en) * | 2001-03-15 | 2002-09-18 | Lg Electronics Inc. | Display device of operation limit angle and distance in iris recognition system |
US20030107653A1 (en) * | 2001-12-10 | 2003-06-12 | Advanced Telecommunications Research Institute International | Method and apparatus for object recognition |
CN104267810A (zh) * | 2014-09-22 | 2015-01-07 | 广东欧珀移动通信有限公司 | 一种控制面板的锁定方法及装置 |
US20160188860A1 (en) * | 2014-12-29 | 2016-06-30 | Suprema Inc. | Biometric authentication device and biometric image output control method |
US20160292523A1 (en) * | 2015-03-31 | 2016-10-06 | Google Inc. | Method and apparatus for identifying a person by measuring body part distances of the person |
CN105653037A (zh) * | 2015-12-31 | 2016-06-08 | 张小花 | 一种基于行为分析的交互系统及方法 |
CN106022209A (zh) * | 2016-04-29 | 2016-10-12 | 杭州华橙网络科技有限公司 | 一种基于人脸检测的距离估算和处理的方法及装置 |
CN105841675A (zh) * | 2016-05-03 | 2016-08-10 | 北京光年无限科技有限公司 | 一种用于智能机器人的测距方法及系统 |
CN108733417A (zh) * | 2018-03-21 | 2018-11-02 | 北京猎户星空科技有限公司 | 智能设备的工作模式选择方法和装置 |
CN108734083A (zh) * | 2018-03-21 | 2018-11-02 | 北京猎户星空科技有限公司 | 智能设备的控制方法、装置、设备和存储介质 |
CN108733280A (zh) * | 2018-03-21 | 2018-11-02 | 北京猎户星空科技有限公司 | 智能设备的焦点跟随方法、装置、智能设备及存储介质 |
CN108985225A (zh) * | 2018-07-13 | 2018-12-11 | 北京猎户星空科技有限公司 | 焦点跟随方法、装置、电子设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111336938A (zh) * | 2019-12-18 | 2020-06-26 | 深圳市香蕉智能科技有限公司 | 一种机器人及其物体距离检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109781008B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740491B (zh) | 一种人眼视线识别方法、装置、系统及存储介质 | |
CN103871046B (zh) | 设定装置及其控制方法、图像处理装置及其控制方法 | |
CN108921022A (zh) | 一种人体属性识别方法、装置、设备及介质 | |
CN104754211B (zh) | 图像处理装置以及图像处理方法 | |
CN104137028A (zh) | 控制被显示图像的旋转的设备和方法 | |
CN106666903A (zh) | 一种利用图像测量人体体型参数的方法及装置 | |
EP4160532A1 (en) | Object measurement method and apparatus, virtual object processing method and apparatus, medium and electronic device | |
CN109325456A (zh) | 目标识别方法、装置、目标识别设备及存储介质 | |
CN112017231B (zh) | 基于单目摄像头的人体体重识别方法、装置及存储介质 | |
JP6723798B2 (ja) | 情報処理装置、方法、プログラム | |
JP5079547B2 (ja) | カメラキャリブレーション装置およびカメラキャリブレーション方法 | |
CN110751728A (zh) | 具有bim建筑模型混合现实功能的虚拟现实设备及方法 | |
US20190095718A1 (en) | Information processing apparatus | |
JP2019126657A (ja) | 検出装置、及び検出プログラム | |
CN113344906B (zh) | 车路协同中相机评估方法、装置、路侧设备和云控平台 | |
CN109781008A (zh) | 一种距离测量方法、装置、设备及介质 | |
KR20160075884A (ko) | 스켈레톤 트래킹 방법 및 이를 이용한 스켈레톤 트래킹 시스템 | |
CN112446254A (zh) | 人脸追踪的方法及相关装置 | |
CN109948630A (zh) | 靶纸图像的识别方法、装置、系统和存储介质 | |
CN117073988B (zh) | 抬头显示虚像距离测量系统及方法、电子设备 | |
CN116958584B (zh) | 关键点检测方法、回归模型的训练方法、装置及电子设备 | |
CN115862124B (zh) | 视线估计方法、装置、可读存储介质及电子设备 | |
CN108519215B (zh) | 瞳距适应性测试系统及方法、测试主机 | |
CN111784660A (zh) | 一种用于人脸图像的正脸程度的分析方法和系统 | |
CN111598097A (zh) | 一种基于机器人视觉的仪表位置、读数识别方法和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |