CN111968713B - 一种数据采集方法及巡检装置 - Google Patents
一种数据采集方法及巡检装置 Download PDFInfo
- Publication number
- CN111968713B CN111968713B CN202010777194.1A CN202010777194A CN111968713B CN 111968713 B CN111968713 B CN 111968713B CN 202010777194 A CN202010777194 A CN 202010777194A CN 111968713 B CN111968713 B CN 111968713B
- Authority
- CN
- China
- Prior art keywords
- inspection device
- path
- speed
- target position
- moving
- 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.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 184
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000036760 body temperature Effects 0.000 claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims abstract description 19
- 230000014509 gene expression Effects 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011841 epidemiological investigation Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000002265 prevention Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000037000 normothermia Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Abstract
本发明实施例提供了一种数据采集方法及巡检装置,能够在预设规划区域内进行巡检过程中,通过红外摄像机采集预设规划区域内各个人员的体温信息;在所采集的体温信息中存在数值大于预设数值的异常体温信息时,通过深度摄像机获取异常体温信息对应的目标人员的深度信息;基于深度信息确定目标人员相对于巡检装置的目标位置;利用巡检装置的速度以及在预设规划区域内的坐标,规划巡检装置向目标位置移动的路径;巡检装置按照路径向目标位置移动,在移动至目标位置后采集目标人员的人脸数据。应用本发明提供的方案,能够在早期提前筛查出疑似人员并采集疑似人员相关信息,从而实现在流行病学调查过程中,能够及时、准确、完整的得到疫情相关信息。
Description
技术领域
本发明涉及数据采集技术领域,特别是涉及一种数据采集方法及巡检装置。
背景技术
流行病学调查通常采用事后追溯的方式来进行溯源。事后追溯的过程依赖于患者或相关人员回溯行动轨迹,接触人群等方法。
但是,由于对相关人员的排查不及时,以及患者或相关人员的记忆经常出现偏差,导致事后调查存在信息滞后、不准确、不完整等问题。而如果在早期能够提前筛查出疑似人员并采集疑似人员的相关信息,对于后续的流行病调查的完备性有着极大的作用。
发明内容
本发明实施例提供了一种数据采集方法及巡检装置,以达到在早期提前筛查出疑似人员并采集疑似人员相关信息的技术效果。
本发明实施的一方面,提供了一种数据采集方法,应用于巡检装置,所述巡检装置包括:红外摄像机和深度摄像机;所述方法包括:
所述巡检装置在预设规划区域内进行巡检的过程中,通过所述红外摄像机采集所述预设规划区域内各个人员的体温信息;
在所采集的体温信息中存在数值大于预设数值的异常体温信息的情况下,通过所述深度摄像机获取所述异常体温信息对应的目标人员的深度信息;
基于所述深度信息确定所述目标人员相对于所述巡检装置的目标位置;
利用所述巡检装置的速度以及在所述预设规划区域内的坐标,根据预设的巡检路径规划策略规划所述巡检装置向所述目标位置移动的路径;
所述巡检装置按照所述路径向所述目标位置移动,并在移动至所述目标位置之后采集所述目标人员的人脸数据。
可选的,所述通过所述红外摄像机采集所述预设规划区域内各个人员的体温信息的步骤,包括:
通过所述深度摄像机采集所述预设规划区域内各个人员的图像;
将所述图像输入至预训练的人脸区域识别神经网络模型,识别所述图像内包含的各个人员的人脸区域;
通过所述红外摄像机采集各个所述人脸区域的温度信息,得到各个所述人员的体温信息。
可选的,所述利用所述巡检装置的速度以及在所述预设规划区域内的坐标,规划所述巡检装置向所述目标位置移动的路径的步骤,包括:
利用所述巡检装置的速度以及在所述预设规划区域内的坐标通过以下表达式计算i条路径的圆心:
其中,v表示巡检装置的移动速度,w表示巡检装置的旋转速度,θ表示巡检装置的转向角,Fx,Fy为巡检装置的坐标,为第i段路径的圆心,其半径为vi/wi,i表示路径的数量,i=1、2、3……;
利用计算得到的i个圆心和所述巡检装置的速度,确定i条所述巡检装置向所述目标位置移动的可行路径;
在所确定的可行路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
可选的,所述在所确定的可行路径中选取一条路径作为述巡检装置向所述目标位置移动的路径的步骤,包括:
确定按照各个可行路径移动时所述巡检装置的速度取值范围VS;
利用以下表达式确定按照各个可行路径移动时所述巡检装置的安全速度取值范围va:
利用以下表达式确定按照各个可行路径移动时所述巡检装置的最大加速度取值范围Vd:
确定速度搜索空间Vr,其中,Vr=Vs∩Va∩Vd;
在所确定的可行路径中选取所述速度搜索空间Vr中各个速度对应的可行路径作为待选路径;
在所述待选路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
可选的,所述在所述待选路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径的步骤,包括:
利用以下评价函数对所述速度搜索空间Vr中的每一速度进行评分:
G(v,w)=σ(α*heading(v,w)+β*dist(v,w)+γ*vel(v,w))
其中,heading(v,w)表示巡检装置与目标点的对齐程度,dist(v,w)表示与巡检装置轨迹相交的最近障碍物的距离,vel(v,w)表示巡检装置某条轨迹的速度v,α,β,γ分别为评价函数的权重;
将评分最高的速度对应的待选路径作为所述巡检装置向所述目标位置移动的路径。
可选的,在采集所述目标人员的人脸数据之后,所述方法还包括:
获取并记录采集所述目标人员的人脸数据的时间信息以及所述目标位置的地理位置信息。
可选的,所述方法还包括:
获取预设安全距离,按照以所述安全距离为半径、所述目标人员为圆心的圆形轨迹进行移动,并在移动过程中采集圆形轨迹内部各个人员的人脸信息。
本发明实施的又一方面还提供了一种巡检装置,所述巡检装置包括:红外摄像机和深度摄像机;所述巡检装置还包括:
体温信息采集模块,与所述红外摄像机连接,用于所述巡检装置在预设规划区域内进行巡检的过程中,通过所述红外摄像机采集所述预设规划区域内各个人员的体温信息;
深度信息采集模块,与所述深度摄像机以及体温信息采集模块连接,用于在所采集的体温信息中存在数值大于预设数值的异常体温信息的情况下,通过所述深度摄像机获取所述异常体温信息对应的目标人员的深度信息;
位置确定模块,与所述深度信息采集模块连接,用于基于所述深度信息确定所述目标人员相对于所述巡检装置的目标位置;
路径规划模块,与所述位置确定模块连接,用于利用所述巡检装置的速度以及在所述预设规划区域内的坐标,根据预设的巡检路径规划策略规划所述巡检装置向所述目标位置移动的路径;
人脸数据采集模块,与所述路径规划模块连接,用于所述巡检装置按照所述路径向所述目标位置移动,并在移动至所述目标位置之后采集所述目标人员的人脸数据。
本发明实施例提供的一种数据采集方法及巡检装置,能够在预设规划区域内进行巡检的过程中,通过所述红外摄像机采集所述预设规划区域内各个人员的体温信息;在所采集的体温信息中存在数值大于预设数值的异常体温信息的情况下,通过所述深度摄像机获取所述异常体温信息对应的目标人员的深度信息;基于所述深度信息确定所述目标人员相对于所述巡检装置的目标位置;利用所述巡检装置的速度以及在所述预设规划区域内的坐标,根据预设的巡检路径规划策略规划所述巡检装置向所述目标位置移动的路径;所述巡检装置按照所述路径向所述目标位置移动,并在移动至所述目标位置之后采集所述目标人员的人脸数据。应用本发明提供的方案,能够在早期提前筛查出疑似人员并采集疑似人员相关信息,从而实现在流行病学调查过程中,能够及时、准确、完整的得到疫情相关信息。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1为本发明实施例提供的第一种巡检装置的结构示意图;
图2为本发明实施例提供的一种数据采集方法的流程示意图;
图3为本发明实施例提供的一种巡检装置的圆形轨迹运动示意图;
图4为本发明实施例提供的第二种巡检装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
参见图1,为本发明实施例提供的第一种巡检装置的结构示意图,此实现方式中,巡检装置包括:深度摄像机、红外摄像机、探照灯、天线以及急停按钮;
在实施中,巡检装置在预设规划区域内进行巡检的过程中,通过红外摄像机采集预设规划区域内各个人员的体温信息;在所采集的体温信息中存在数值大于预设数值的异常体温信息的情况下,通过深度摄像机获取异常体温信息对应的目标人员的深度信息;基于深度信息确定目标人员相对于巡检装置的目标位置;利用巡检装置的速度以及在预设规划区域内的坐标,根据预设的巡检路径规划策略规划巡检装置向目标位置移动的路径;巡检装置按照路径向目标位置移动,并在移动至目标位置之后采集目标人员的人脸数据。
参见图2,为本发明实施例提供的一种数据采集方法的流程示意图,应用于巡检装置,巡检装置包括:红外摄像机和深度摄像机;该方法包括:
S200,巡检装置在预设规划区域内进行巡检的过程中,通过红外摄像机采集预设规划区域内各个人员的体温信息。
在实施中,预设规划区域可以为机场、车站等公共区域。具体的,可以在巡检装置进行巡检之前,将预设规划区域的地图信息输入至巡检装置,以使得巡检装置能够自主在预设规划区域内进行巡检。
在实施中,可以通过深度摄像机采集预设规划区域内各个人员的图像;将图像输入至预训练的人脸区域识别神经网络模型,识别图像内包含的各个人员的人脸区域;通过红外摄像机采集各个人脸区域的温度信息,得到各个人员的体温信息。
具体的,可以收集各种位姿、角度的人员图像,特别的还可以针对防疫期间的特点收集人员佩戴口罩的图像;之后利用收集的图像对神经网络模型进行训练,得到人脸区域识别神经网络模型,具体训练过程可以包括:
第一步,输入人员原始RGB图像,并标准化为统一分辨率;第二步,对统一分辨率的图像进行两次3*3空间卷积操作,记录结果;第三步,对上一步的输出结果进行2*2池化操作;第四步,对上一步的输出进行两次3*3卷积操作,记录结果;第五步,对上一步输出结果进行2*2池化操作;第六步,对上一步输出结果进行三次3*3的卷积操作,记录结果;第七步,对上一步的输出结果进行2*2池化操作;第八步,对上一步输出结果进行三次3*3的卷积操作,记录结果;第九步,使用sigmoid激活函数。
得到人脸区域信息之后,控制红外摄像机采集各个人脸区域的温度信息,一种实现方式中,为了能够加快采集温度信息的速度,可以设置红外摄像机和深度摄像机的拍摄视角相同,此种情况下,在得到人脸区域信息之后可以直接控制红外摄像机采集各个人脸区域的温度信息;另一种实现方式中,可以分别将红外摄像机和深度摄像机设置在云台上,当得到人脸区域信息之后,通过云台控制红外摄像机进行转向,以使红外摄像机和深度摄像机拍摄视角相同,进而通过红外摄像机采集各个人脸区域的温度信息。
S210,在所采集的体温信息中存在数值大于预设数值的异常体温信息的情况下,通过深度摄像机获取异常体温信息对应的目标人员的深度信息。
在实施中,人的正常体温通常在36-37℃之间,基于此预设数值可以设置为37℃,以此来判断是否存在体温异常者。
在实施中,深度信息也就是用于表示目标人员相对于巡检装置之间距离大小的信息。
S220,基于深度信息确定目标人员相对于巡检装置的目标位置。
在实施中,通过深度信息确定了目标人员相对于巡检装置之间距离大小,也就得到了目标人员相对于巡检装置的目标位置。
S230,利用巡检装置的速度以及在预设规划区域内的坐标,根据预设的巡检路径规划策略规划巡检装置向目标位置移动的路径。
在实施中,可以基于巡检装置运动动力学原理,利用巡检装置的速度以及在预设规划区域内的坐标通过以下表达式计算i条路径的圆心:
其中,v表示巡检装置的移动速度,w表示巡检装置的旋转速度,θ表示巡检装置的转向角,Fx,Fy为巡检装置的坐标,为第i段路径的圆心,其半径为vi/wi,i表示路径的数量,i=1、2、3……;
利用计算得到的i个圆心和巡检装置的速度,确定i条巡检装置向目标位置移动的可行路径;在实施中,可以利用巡检装置的速度计算可行路径的半径,得到半径和圆心也就确定可行路径的轨迹。
在所确定的可行路径中选取一条路径作为巡检装置向目标位置移动的路径。
一种实现方式中,可以任意选取一条可行路径来作为巡检装置向目标位置移动的路径,也可以选取路径最短的可行路径作为巡检装置向目标位置移动的路径,还可以选取距离障碍物最远的可行路径作为巡检装置向目标位置移动的路径。
在实施中,每条可选路径是由巡检装置的速度决定的,因此可以对巡检装置的速度空间进行降采样,从而减少速度取值范围,降低规划可选路径的数量,从而降低计算量。
具体的,可以确定按照各个可行路径移动时巡检装置的速度取值范围VS;
利用以下表达式确定按照各个可行路径移动时巡检装置的安全速度取值范围va:
利用以下表达式确定按照各个可行路径移动时所述巡检装置的最大加速度取值范围Vd:
确定速度搜索空间Vr,其中,Vr=Vs∩Va∩Vd;
在所确定的可行路径中选取速度搜索空间Vr中各个速度对应的可行路径作为待选路径;并在待选路径中选取一条路径作为巡检装置向目标位置移动的路径。上述各个表达式中各个变量上带圆点表示对变量进行求导运算。
在实施中,在待选路径中选取一条路径作为巡检装置向目标位置移动的路径的过程中,可以利用以下评价函数对速度搜索空间Vr中的每一速度进行评分:
G(v,w)=σ(α*heading(v,w)+β*dist(v,w)+γ*vel(v,w))
其中,heading(v,w)表示巡检装置与目标点的对齐程度,dist(v,w)表示与巡检装置轨迹相交的最近障碍物的距离,vel(v,w)表示巡检装置某条轨迹的速度v,α,β,γ分别为评价函数的权重;将评分最高的速度对应的待选路径作为巡检装置向目标位置移动的路径。
上述heading(v,w)对齐程度可以利用180-θ表示,θ为巡检装置与目标人员的夹角,夹角越大表示对其程度越高,相应地,巡检装置直达目标人员的程度越高,heading(v,w)的值也就越小。
上述dist(v,w)的值越大表明巡检装置距离路径上的障碍物越远,安全性也就越高。
上述vel(v,w)表示巡检装置某条轨迹的速度v,在实施中,vel(v,w)与巡检装置的最佳移动速度越接近,对应巡检装置的性能越好,接近目标人员的速度越快,所以,vel(v,w)可以根据与最佳移动速度的接近程度确定,越接近对应的值越大。
S240,巡检装置按照路径向目标位置移动,并在移动至目标位置之后采集目标人员的人脸数据。
在实施中,在采集目标人员的人脸数据之后,还可以获取并记录采集目标人员的人脸数据的时间信息以及目标位置的地理位置信息。一种实现方式中,人脸数据和地理位置信息可以利用RSA加密算法进行加密后进行存储,并同时上传至疾控部门相关数据库。
在实施中,巡检装置在采集到目标人员的人脸数据之后,可以向防控人员发送包含目标人员人脸数据和位置的告警信息,以使防控人员进行后续处理,并且在防控人员到达现场之前,巡检装置可以一直跟踪目标人员并实时向防控人员上报目标人员的位置信息。
在实施中,为了方便后续查找与目标人员的接触者,可以获取预设安全距离,按照以安全距离为半径、目标人员为圆心的圆形轨迹进行移动,并在移动过程中采集圆形轨迹内部各个人员的人脸信息。
上述安全距离可以根据疾病传染强度的高低来确定,传染强度高对应的安全距离越大,参见图3为本发明实施例提供的一种巡检装置的圆形轨迹运动示意图,以安全距离为半径,目标人员为圆形,规划一个圆形轨迹,并按照圆形轨迹进行巡检,巡检的同时对此圆形轨迹范围内的所有人员进行人脸数据的采集。
应用本发明提供的方案,能够在早期提前筛查出疑似人员并采集疑似人员相关信息,从而实现在流行病学调查过程中,能够及时、准确、完整的得到疫情相关信息。
参见图4,为本发明实施例提供的第二种巡检装置的结构示意图,巡检装置包括:红外摄像机400和深度摄像机410;所述巡检装置还包括:
体温信息采集模块420,与所述红外摄像机400连接,用于所述巡检装置在预设规划区域内进行巡检的过程中,通过所述红外摄像机400采集所述预设规划区域内各个人员的体温信息;
深度信息采集模块430,与所述深度摄像机410以及体温信息采集模块420连接,用于在所采集的体温信息中存在数值大于预设数值的异常体温信息的情况下,通过所述深度摄像机410获取所述异常体温信息对应的目标人员的深度信息;
位置确定模块440,与所述深度信息采集模块430连接,用于基于所述深度信息确定所述目标人员相对于所述巡检装置的目标位置;
路径规划模块450,与所述位置确定模块440连接,用于利用所述巡检装置的速度以及在所述预设规划区域内的坐标,根据预设的巡检路径规划策略规划所述巡检装置向所述目标位置移动的路径;
人脸数据采集模块460,与所述路径规划模块连接,用于所述巡检装置按照所述路径向所述目标位置移动,并在移动至所述目标位置之后采集所述目标人员的人脸数据。
在实施中,体温信息采集模块420,还用于
通过所述深度摄像机410采集所述预设规划区域内各个人员的图像;
将所述图像输入至预训练的人脸区域识别神经网络模型,识别所述图像内包含的各个人员的人脸区域;
通过所述红外摄像机400采集各个所述人脸区域的温度信息,得到各个所述人员的体温信息。
在实施中,路径规划模块450,包括:
圆心计算单元,用于利用所述巡检装置的速度以及在所述预设规划区域内的坐标通过以下表达式计算i条路径的圆心:
其中,v表示巡检装置的移动速度,w表示巡检装置的旋转速度,θ表示巡检装置的转向角,Fx,Fy为巡检装置的坐标,为第i段路径的圆心,其半径为vi/wi,i表示路径的数量,i=1、2、3……;
路径确定单元,用于利用计算得到的i个圆心和所述巡检装置的速度,确定i条所述巡检装置向所述目标位置移动的可行路径;
路径选择单元,用于在所确定的可行路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
在实施中,上述路径选择单元,包括:
第一确定子单元,用于确定按照各个可行路径移动时所述巡检装置的速度取值范围VS;
第二确定子单元,用于利用以下表达式确定按照各个可行路径移动时所述巡检装置的安全速度取值范围va:
第三确定子单元,用于利用以下表达式确定按照各个可行路径移动时所述巡检装置的最大加速度取值范围Vd:
第四确定子单元,用于确定速度搜索空间Vr,其中,Vr=Vs∩Va∩Vd;
路径确定子单元,用于在所确定的可行路径中选取所述速度搜索空间Vr中各个速度对应的可行路径作为待选路径;
路径选取子单元,用于在所述待选路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
在实施中,上述路径选取子单元,还用于
利用以下评价函数对所述速度搜索空间Vr中的每一速度进行评分:
G(v,w)=σ(α*heading(v,w)+β*dist(v,w)+γ*vel(v,w))
其中,heading(v,w)表示巡检装置与目标点的对齐程度,dist(v,w)表示与巡检装置轨迹相交的最近障碍物的距离,vel(v,w)表示巡检装置某条轨迹的速度v,α,β,γ分别为评价函数的权重;
将评分最高的速度对应的待选路径作为所述巡检装置向所述目标位置移动的路径。
在实施中,巡检装置还包括:
信息记录模块,用于获取并记录采集所述目标人员的人脸数据的时间信息以及所述目标位置的地理位置信息。
在实施中,巡检装置还包括:
圆形轨迹规划模块,用于获取预设安全距离,按照以所述安全距离为半径、所述目标人员为圆心的圆形轨迹进行移动,并在移动过程中采集圆形轨迹内部各个人员的人脸信息。
应用本发明提供的方案,能够在早期提前筛查出疑似人员并采集疑似人员相关信息,从而实现在流行病学调查过程中,能够及时、准确、完整的得到疫情相关信息。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (6)
1.一种数据采集方法,其特征在于,应用于巡检装置,所述巡检装置包括:红外摄像机和深度摄像机;所述方法包括:
所述巡检装置在预设规划区域内进行巡检的过程中,通过所述红外摄像机采集所述预设规划区域内各个人员的体温信息;
在所采集的体温信息中存在数值大于预设数值的异常体温信息的情况下,通过所述深度摄像机获取所述异常体温信息对应的目标人员的深度信息;
基于所述深度信息确定所述目标人员相对于所述巡检装置的目标位置;
利用所述巡检装置的速度以及在所述预设规划区域内的坐标,根据预设的巡检路径规划策略规划所述巡检装置向所述目标位置移动的路径;
所述巡检装置按照所述路径向所述目标位置移动,并在移动至所述目标位置之后采集所述目标人员的人脸数据;
所述利用所述巡检装置的速度以及在所述预设规划区域内的坐标,规划所述巡检装置向所述目标位置移动的路径的步骤,包括:
利用所述巡检装置的速度以及在所述预设规划区域内的坐标通过以下表达式计算i条路径的圆心:
其中,v表示巡检装置的移动速度,w表示巡检装置的旋转速度,θ表示巡检装置的转向角,Fx,Fy为巡检装置的坐标,为第i段路径的圆心,其半径为vi/wi,i表示路径的数量,i=1、2、3……;
利用计算得到的i个圆心和所述巡检装置的速度,确定i条所述巡检装置向所述目标位置移动的可行路径;
在所确定的可行路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径;
所述在所确定的可行路径中选取一条路径作为述巡检装置向所述目标位置移动的路径的步骤,包括:
确定按照各个可行路径移动时所述巡检装置的速度取值范围VS;
利用以下表达式确定按照各个可行路径移动时所述巡检装置的安全速度取值范围va:
利用以下表达式确定按照各个可行路径移动时所述巡检装置的最大加速度取值范围Vd:
确定速度搜索空间Vr,其中,Vr=Vs∩Va∩Vd;
在所确定的可行路径中选取所述速度搜索空间Vr中各个速度对应的可行路径作为待选路径;
在所述待选路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
2.如权利要求1所述的方法,其特征在于,所述通过所述红外摄像机采集所述预设规划区域内各个人员的体温信息的步骤,包括:
通过所述深度摄像机采集所述预设规划区域内各个人员的图像;
将所述图像输入至预训练的人脸区域识别神经网络模型,识别所述图像内包含的各个人员的人脸区域;
通过所述红外摄像机采集各个所述人脸区域的温度信息,得到各个所述人员的体温信息。
3.如权利要求1所述的方法,其特征在于,所述在所述待选路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径的步骤,包括:
利用以下评价函数对所述速度搜索空间Vr中的每一速度进行评分:
G(v,w)=σ(α*heading(v,w)+β*dist(v,w)+γ*vel(v,w))
其中,heading(v,w)表示巡检装置与目标点的对齐程度,dist(v,w)表示与巡检装置轨迹相交的最近障碍物的距离,vel(v,w)表示巡检装置某条轨迹的速度v,α,β,γ分别为评价函数的权重;
将评分最高的速度对应的待选路径作为所述巡检装置向所述目标位置移动的路径。
4.如权利要求1-3任一项所述的方法,其特征在于,在采集所述目标人员的人脸数据之后,所述方法还包括:
获取并记录采集所述目标人员的人脸数据的时间信息以及所述目标位置的地理位置信息。
5.如权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
获取预设安全距离,按照以所述安全距离为半径、所述目标人员为圆心的圆形轨迹进行移动,并在移动过程中采集圆形轨迹内部各个人员的人脸信息。
6.一种巡检装置,其特征在于,所述巡检装置包括:红外摄像机和深度摄像机;所述巡检装置还包括:
体温信息采集模块,与所述红外摄像机连接,用于所述巡检装置在预设规划区域内进行巡检的过程中,通过所述红外摄像机采集所述预设规划区域内各个人员的体温信息;
深度信息采集模块,与所述深度摄像机以及体温信息采集模块连接,用于在所采集的体温信息中存在数值大于预设数值的异常体温信息的情况下,通过所述深度摄像机获取所述异常体温信息对应的目标人员的深度信息;
位置确定模块,与所述深度信息采集模块连接,用于基于所述深度信息确定所述目标人员相对于所述巡检装置的目标位置;
路径规划模块,与所述位置确定模块连接,用于利用所述巡检装置的速度以及在所述预设规划区域内的坐标,根据预设的巡检路径规划策略规划所述巡检装置向所述目标位置移动的路径;
人脸数据采集模块,与所述路径规划模块连接,用于所述巡检装置按照所述路径向所述目标位置移动,并在移动至所述目标位置之后采集所述目标人员的人脸数据;
路径规划模块,包括:
圆心计算单元,用于利用所述巡检装置的速度以及在所述预设规划区域内的坐标通过以下表达式计算i条路径的圆心:
其中,v表示巡检装置的移动速度,w表示巡检装置的旋转速度,θ表示巡检装置的转向角,Fx,Fy为巡检装置的坐标,为第i段路径的圆心,其半径为vi/wi,i表示路径的数量,i=1、2、3……;
路径确定单元,用于利用计算得到的i个圆心和所述巡检装置的速度,确定i条所述巡检装置向所述目标位置移动的可行路径;
路径选择单元,用于在所确定的可行路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
在实施中,上述路径选择单元,包括:
第一确定子单元,用于确定按照各个可行路径移动时所述巡检装置的速度取值范围VS;
第二确定子单元,用于利用以下表达式确定按照各个可行路径移动时所述巡检装置的安全速度取值范围va:
第三确定子单元,用于利用以下表达式确定按照各个可行路径移动时所述巡检装置的最大加速度取值范围Vd:
第四确定子单元,用于确定速度搜索空间Vr,其中,Vr=Vs∩Va∩Vd;
路径确定子单元,用于在所确定的可行路径中选取所述速度搜索空间Vr中各个速度对应的可行路径作为待选路径;
路径选取子单元,用于在所述待选路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010777194.1A CN111968713B (zh) | 2020-08-05 | 2020-08-05 | 一种数据采集方法及巡检装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010777194.1A CN111968713B (zh) | 2020-08-05 | 2020-08-05 | 一种数据采集方法及巡检装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111968713A CN111968713A (zh) | 2020-11-20 |
CN111968713B true CN111968713B (zh) | 2023-10-27 |
Family
ID=73363926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010777194.1A Active CN111968713B (zh) | 2020-08-05 | 2020-08-05 | 一种数据采集方法及巡检装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968713B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112656402B (zh) * | 2020-11-30 | 2023-01-13 | 重庆优乃特医疗器械有限责任公司 | 应用于3d体态检测分析的采集机器人联动控制系统 |
CN113848900B (zh) * | 2021-09-22 | 2024-04-12 | 中国国家铁路集团有限公司 | 高铁巡检机器人巡检的方法、装置、电子设备及存储介质 |
CN115938009B (zh) * | 2023-03-07 | 2023-05-12 | 南京和电科技有限公司 | 一种智能电子巡检定位方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101999888A (zh) * | 2010-12-01 | 2011-04-06 | 北京航空航天大学 | 一种对体温异常者进行检测与搜寻的疫情防控系统 |
CN105182983A (zh) * | 2015-10-22 | 2015-12-23 | 深圳创想未来机器人有限公司 | 基于移动机器人的人脸实时跟踪方法和跟踪系统 |
CN108344525A (zh) * | 2018-02-09 | 2018-07-31 | 英华达(上海)科技有限公司 | 自适应体温监控方法及系统 |
WO2019061293A1 (zh) * | 2017-09-29 | 2019-04-04 | 深圳市大疆创新科技有限公司 | 对象检测方法、对象检测终端及计算机可读介质 |
CN111358990A (zh) * | 2020-03-04 | 2020-07-03 | 北京眸视科技有限公司 | 消毒防疫机器人及信息处理方法 |
-
2020
- 2020-08-05 CN CN202010777194.1A patent/CN111968713B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101999888A (zh) * | 2010-12-01 | 2011-04-06 | 北京航空航天大学 | 一种对体温异常者进行检测与搜寻的疫情防控系统 |
CN105182983A (zh) * | 2015-10-22 | 2015-12-23 | 深圳创想未来机器人有限公司 | 基于移动机器人的人脸实时跟踪方法和跟踪系统 |
WO2019061293A1 (zh) * | 2017-09-29 | 2019-04-04 | 深圳市大疆创新科技有限公司 | 对象检测方法、对象检测终端及计算机可读介质 |
CN108344525A (zh) * | 2018-02-09 | 2018-07-31 | 英华达(上海)科技有限公司 | 自适应体温监控方法及系统 |
CN111358990A (zh) * | 2020-03-04 | 2020-07-03 | 北京眸视科技有限公司 | 消毒防疫机器人及信息处理方法 |
Non-Patent Citations (3)
Title |
---|
双光谱智能体温检测与健康大数据管理系统;张洁茹;苏峰;袁培江;王田苗;陶一宁;丁东;;北京航空航天大学学报(09);全文 * |
基于5G技术的智能机器人技术;汪中原;;电子技术(03);全文 * |
基于ROS的自动驾驶小车的设计;邹贵豪;叶金鑫;梁嘉钰;;电子世界(09);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111968713A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968713B (zh) | 一种数据采集方法及巡检装置 | |
Wiederer et al. | Traffic control gesture recognition for autonomous vehicles | |
JP4460528B2 (ja) | 識別対象識別装置およびそれを備えたロボット | |
CN111986224B (zh) | 一种目标行为预测追踪方法及装置 | |
US11475671B2 (en) | Multiple robots assisted surveillance system | |
García et al. | Driver monitoring based on low-cost 3-D sensors | |
US20220138967A1 (en) | Markerless Motion Capture of Animate Subject with Prediction of Future Motion | |
CN106600652A (zh) | 一种基于人工神经网络的全景摄像头定位方法 | |
Mekruksavanich et al. | Automatic Recognition of Construction Worker Activities Using Deep Learning Approaches and Wearable Inertial Sensors. | |
Liu et al. | A novel trail detection and scene understanding framework for a quadrotor UAV with monocular vision | |
CN112014799B (zh) | 一种数据采集方法及巡检装置 | |
JP6943183B2 (ja) | 位置特定装置、位置特定方法、位置特定プログラムおよびカメラ装置 | |
CN112418096A (zh) | 检测跌的方法、装置和机器人 | |
Ooi et al. | Study on a navigation system for visually impaired persons based on egocentric vision using deep learning | |
CN114973425A (zh) | 一种交警手势识别方法及装置 | |
CN109000634A (zh) | 一种导航对象行进路线的提醒方法和系统 | |
CN114913550A (zh) | 集伤点场景下基于深度学习的伤员识别方法与系统 | |
Kress et al. | Pose based trajectory forecast of vulnerable road users | |
CN117424982B (zh) | 一种智能布控球及其布控方法 | |
Kale et al. | Posture Detection and Comparison of Different Physical Exercises Based on Deep Learning Using Media Pipe, Opencv | |
TWM590450U (zh) | 穿載式導航避險裝置 | |
Roshni Thanka et al. | Deep Learning-Based Big Data Analytics Model for Activity Monitoring of Elderly People | |
CN115620379B (zh) | 一种基于计算机视觉的商场寻人方法 | |
Dhamodharan et al. | Smart Obstacle Recognition System using Raspberry Pi | |
Song et al. | Camera-Based Indoor Navigation in Known Environments with ORB for People with Visual Impairment |
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 |