CN112775983A - 智能防卫保护方法及智能保镖机器人 - Google Patents
智能防卫保护方法及智能保镖机器人 Download PDFInfo
- Publication number
- CN112775983A CN112775983A CN202011558445.3A CN202011558445A CN112775983A CN 112775983 A CN112775983 A CN 112775983A CN 202011558445 A CN202011558445 A CN 202011558445A CN 112775983 A CN112775983 A CN 112775983A
- Authority
- CN
- China
- Prior art keywords
- attack
- dangerous
- animal
- human
- range
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/002—Manipulators for defensive or military tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
- B25J19/021—Optical sensing devices
- B25J19/023—Optical sensing devices including video camera means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06V40/107—Static hand or arm
-
- 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
- G06V40/174—Facial expression recognition
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种智能防卫保护方法及智能保镖机器人,据此,在指定范围内不断地采集生物活体的视频信息,以分析出该指定范围内生物活体是否存在危险攻击行为;而且,若该生物活体被判定为危险生物活体时,会先进行距离测量操作,以测量出危险生物活体与保护对象之间的距离DR在危险攻击程度范围DL的所属等级范围,从而执行对应等级的防卫保护操作,避免出现防卫过当或者防卫过重的问题。这样,对于突如其来的攻击,能够及时反应并做出适当的防卫操作,由此,既可及时防卫保护对象,又可有效地击退攻击者。同时,还可以快速准确识别出潜在的危险人物和危险动物,以可提早作出防卫保护操作,有效避免攻击和伤害的发生。
Description
技术领域
本发明涉及安防的技术领域,尤其涉及一种智能防卫保护方法及智能保镖机器人。
背景技术
当前,我们所了解的保镖,大多是经过专业训练的男性壮汉,除了有一定的格斗技能外,还会拥有其他额外技能,如侦察判断、安全布防、情报收集、保密措施、危机预防、险境撤离等各方面的综合能力。虽然,保镖可以承担一定的防卫工作,但是,对于突如其来的攻击,需要及时反应并做出适当的防卫操作,而人类在这方面的敏感度和判断力方面仍有所欠缺。同时,对于快速准确识别潜在的危险人物,而这方面的识别判断力,人类更是难以学习和掌握。
因此,有必要提供一种技术手段以解决上述缺陷。
发明内容
本发明的目的在于克服现有技术之缺陷,提供一种智能防卫保护方法及智能保镖机器人,以解决现有技术中的人类保镖难以处理突如其来的攻击和快速准确识别潜在的危险人物的问题。
本发明是这样实现的,一种智能防卫保护方法,包括:
采集指定范围内生物活体的视频信息,所述视频信息包括肢体动作信息和面部微表情信息;
将采集的生物活体的视频信息输入至危险分析数据库,以计算分析该指定范围内生物活体是否存在危险攻击行为,并且将分析出存在危险攻击行为的生物活体定义为危险生物活体,而将分析出不存在危险攻击行为的生物活体定义为非危险生物活体;
若生物活体被判定为非危险生物活体,则不执行防卫保护操作;
若生物活体被判定为危险生物活体,则先进行距离测量操作,以测量出所述危险生物活体与保护对象之间的距离DR,然后将该距离DR代入至已设定的危险攻击程度范围DL,并判定该距离DR在危险攻击程度范围DL的所属等级范围;
根据该距离DR在危险攻击程度范围DL的所属等级范围,执行对应等级的防卫保护操作;
其中,所述危险攻击程度范围DL包括攻击微弱危险范围DW、攻击中等危险范围DM、以及攻击严重危险范围DS,DW≥DM≥DS,DR∈[DW,DM,DS];
所述防卫保护操作包括警告提示的一级防卫保护操作、防护保护对象并警告危险生物活体的二级防卫保护操作、以及防护保护对象并刺激击退危险生物活体的三级防卫保护操作;
若该距离DR属于攻击微弱危险范围DW,则执行所述一级防卫保护操作;
若该距离DR属于攻击中等危险范围DM,则执行所述二级防卫保护操作;
若该距离DR属于攻击严重危险范围DS,则执行所述三级防卫保护操作。
本发明还提供一种智能保镖机器人,包括:
机器人身体,所述机器人身体包括躯体、头部、左臂、右臂、左腿以及右腿,所述头部可转动设于所述躯体的上端,所述左臂可活动设于所述躯体的一侧端上,所述右臂可活动设于所述躯体的另一侧端上,所述左腿可活动设于所述躯体下端的一侧端上,所述右腿可活动设于所述躯体下端的另一侧端上;
采集单元,所述采集单元设于所述头部内,用于采集指定范围内生物活体的视频信息;其中,所述视频信息包括肢体动作信息和面部微表情信息;
距离测量单元,所述距离测量单元设于所述头部内,用于测量出所述危险生物活体与保护对象之间的距离DR,然后将该距离DR代入至已设定的危险攻击程度范围DL,并判定该距离DR在危险攻击程度范围DL的所属等级范围;其中,所述危险攻击程度范围DL包括攻击微弱危险范围DW、攻击中等危险范围DM、以及攻击严重危险范围DS,DW≥DM≥DS,DR∈[DW,DM,DS];
防卫保护装置,所述防卫保护装置设于所述机器人身体上,用于根据该距离DR在危险攻击程度范围DL的所属等级范围,执行对应等级的防卫保护操作;其中,所述防卫保护装置包括用于警告提示的一级防卫保护模组、用于防护保护对象并警告危险生物活体的二级防卫保护模组、以及用于防护保护对象并刺激击退危险生物活体的三级防卫保护模组,当该距离DR属于攻击微弱危险范围DW,所述一级防卫保护模组执行一级防卫保护操作,当该距离DR属于攻击中等危险范围DM,所述二级防卫保护模组执行二级防卫保护操作,当该距离DR属于攻击严重危险范围DS,所述三级防卫保护模组执行三级防卫保护操作;
控制系统,所述控制系统设于所述躯体内部,并分别连接于所述采集单元、所述距离测量单元、所述防卫保护装置,用于控制所述采集单元、所述距离测量单元、所述防卫保护装置工作;所述控制系统包括危险分析数据库模块,该危险分析数据库模块用于计算分析该指定范围内生物活体是否存在危险攻击行为,并且将分析出存在危险攻击行为的生物活体定义为危险生物活体,而将分析出不存在危险攻击行为的生物活体定义为非危险生物活体。
与现有技术相比,本发明的有益效果是:
由于在指定范围内不断地采集生物活体的视频信息,具体为,生物活体的肢体动作信息和面部微表情信息,以分析出该指定范围内生物活体是否存在危险攻击行为;而且,若该生物活体被判定为危险生物活体时,会先进行距离测量操作,以测量出危险生物活体与保护对象之间的距离DR在危险攻击程度范围DL的所属等级范围,从而执行对应等级的防卫保护操作,避免出现防卫过当或者防卫过重的问题。这样,对于突如其来的攻击,能够及时反应并做出适当的防卫操作,由此,既可及时防卫保护对象,又可有效地击退攻击者。同时,还可以快速准确识别出潜在的危险人物和危险动物,以可提早作出防卫保护操作,有效避免攻击和伤害的发生。
附图说明
图1为本发明实施例的智能防卫保护方法的流程框图;
图2为本发明实施例的智能防卫保护方法中的危险分析数据库对采集的生物活体的视频信息进行计算分析的示意图;
图3为本发明实施例的智能防卫保护方法中的危险生物活体和非危险生物活体的对比示意图;
图4为本发明实施例的智能保镖机器人的示意图;
图5为本发明实施例的智能保镖机器人的工作原理的示意图;
图6为本发明实施例的智能保镖机器人的控制系统控制各部件的示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
实施例一:
请参阅图1至图3,本发明提供一较佳实施例,该实施例涉及一种智能防卫保护方法,包括以下步骤:
步骤S101、采集指定范围内生物活体的视频信息,其中,该视频信息包括肢体动作信息和面部微表情信息,而该指定范围为以保护对象为中心而半径为10m的圆形范围;
步骤S102、将采集的生物活体的视频信息输入至危险分析数据库,以计算分析该指定范围内生物活体是否存在危险攻击行为,并且将分析出存在危险攻击行为的生物活体定义为危险生物活体,而将分析出不存在危险攻击行为的生物活体定义为非危险生物活体;
步骤S103、若生物活体被判定为非危险生物活体,则不执行防卫保护操作;
步骤S104、若生物活体被判定为危险生物活体,则先进行距离测量操作,以测量出该危险生物活体与保护对象之间的距离DR,然后将该距离DR代入至已设定的危险攻击程度范围DL,并判定该距离DR在危险攻击程度范围DL的所属等级范围;
步骤S105、根据该距离DR在危险攻击程度范围DL的所属等级范围,执行对应等级的防卫保护操作;
其中,所述危险攻击程度范围DL包括攻击微弱危险范围DW、攻击中等危险范围DM、以及攻击严重危险范围DS,DW≥DM≥DS,DR∈[DW,DM,DS];
该防卫保护操作包括警告提示的一级防卫保护操作、防护保护对象并警告危险生物活体的二级防卫保护操作、以及防护保护对象并刺激击退危险生物活体的三级防卫保护操作;
若该距离DR属于攻击微弱危险范围DW,则执行所述一级防卫保护操作;
若该距离DR属于攻击中等危险范围DM,则执行所述二级防卫保护操作;
若该距离DR属于攻击严重危险范围DS,则执行所述三级防卫保护操作。
据此,由于在指定范围内不断地采集生物活体的视频信息,具体为,生物活体的肢体动作信息和面部微表情信息,以分析出该指定范围内生物活体是否存在危险攻击行为;而且,若该生物活体被判定为危险生物活体时,会先进行距离测量操作,以测量出危险生物活体与保护对象之间的距离DR在危险攻击程度范围DL的所属等级范围,从而执行对应等级的防卫保护操作,避免出现防卫过当或者防卫过重的问题。
这样,对于突如其来的攻击,能够及时反应并做出适当的防卫操作,由此,既可及时防卫保护对象,又可有效地击退攻击者。同时,还可以快速准确识别出潜在的危险人物和危险动物,以可提早作出防卫保护操作,有效避免攻击和伤害的发生。
需要说明的是,对于通过生物活体的面部微表情而对应得出该生物活体是否存在危险攻击行为是基于以下原理:
粒子是物理学的物质波动特性和粒子特性之间没有明确的界限,光子能量(ε)是通过已知的普朗克常量的光子能源和频率(ν)相连接的(ε=hν)。生物体和各部位放射的能量空间内,该部位振动频率和这一比例的假说。通过结论来说在记录生物体产生出的能量,需要记录生物体多个部位产生的振动(空间内或每部位之间)。这个过程需要保证有效分辨率和快速处理能力的非接触式TV系统来实现。此外,获取生物信号图像频率构成要素(即每个部位产生的振动(位置变化,波动)频率)是被观察的生物能量,即拥有精神生理学特性的庞大的信息。生物信号图像分析也可由人来去实现或通过数字生物信号图像和特定要素用程序处理的数学方式进行处理。数学处理的算法创建和分析的监控显示器的类似彩色视频流或可视化分析的生物信号图像方式最为有效。换句话说,需要得出的生物信号图像频率构成要素是人体精神生理学特性状态和持续的情感状态水平一目了然的看出人的多种刺激产生的人体状态变化进行分类。所有思考和行为或任何情况下关于反应情感状态是瞬间产生的变化(每个生物信号图像)是连续的,所以生物信号图像的信息数(摄像机分辨率)和可快速处理的系统之间能够找出最优的关系是非常重要的。振动图像增加的大小振幅调整(amplitude modulating)是对目标最大振动频率的人体特定区域产生的位置变化频率数或振幅平均值,通过颜色调整(modulating)显示出的人体精神生理学特性的任何变化一目了然的瞬间进行记录。大脑维度变化(fractal fluc tuation)是学习、记忆及多种课题的解决过程中了解的有着最为核心作用的实现方式。根据实验显示人体振动最为集中产生的部位为大脑,大部分情况振动图像的频率构成要素是人的头部周围所存在图像要比身体周围振动图像显示更大。人体产生的变化是振动图像不均匀或颜色形态不对称的方式显示。这是可以通过看生物信号图像来了解。根据实验结果包含最多的信号是人体情感状态的最大振动频率传递的频率平均水平或相邻点之间的背景水平模糊或生物信号图像的可视化接收时产生的真实变化隐蔽的情况发生。与频率构成的要素不同的振幅构成要素,要比几何学相关联的更为有效。最重要的是振动点位的几何学连接的生物信号图像振幅构成要的生物信号图像的品质评估和为系统调整的更为精确的确定参数建立。
请参阅图2和图3,当该生物活体为人类时,危险攻击行为的判定基于如下:
步骤S201、按照预设时间5秒内间隔抽取视频信息中的人类肢体动作的多个视频帧,识别出该多个视频帧中人类的位置和姿态,然后由时间序列分析模型根据该人类的位置和姿态的相关信息计算出该人类攻击所述保护对象的攻击概率GR,并且判断该攻击概率GR是否达到阀值GL,其中,若GR≥GL,则该人类存在危险攻击行为,若GR<GL,则该人类不存在危险攻击行为;
步骤S202、和/或,按照预设时间5秒内间隔抽取视频信息中的人类面部微表情的多个视频帧,将该多个视频帧的人类面部微表情的相关信息代入至预设的攻击程度DA的计算公式,以获取攻击程度DA的数值,然后判断该攻击程度DA是否达到阀值DL,其中,若DA≥DL,则该人类存在危险攻击行为,若DA<DL,则该人类不存在危险攻击行为,其中,面部微表情中的攻击程度DA的计算公式为:
FM为频率分布密度直方图的最大频率;
Fi为每时间段50帧来获取频率分布密度的直方图i的频率数的统计计算数;
Fin为振动图像处理频率;
N为50帧还有高的限制值得帧之间的差异统计计算数;
n为目标占最大的热值;
Pi(f)为振动图像频率扩散动力光谱;
fmax为振动图像频率扩散光谱最大频率;
fmin为振动图像频率扩散光谱最小频率。
上述计算公式为对所有这些攻击性水平进行测定,显然地,更低的攻击性状态的数值接近0,高攻击性状态的数值接近1。
其中,本实施例的阀值DL设定为65.5%,当DA=60%时,DA<DL,则该人类不存在危险攻击行为;而当DA=70%时,DA>DL,则该人类存在危险攻击行为。
较佳地,攻击概率GR的计算包括:
以二元组(WR,ZR)作为所述时间序列分析模型的输入参数,其中,WR为该人类的位置,WR∈[W1,W2,...Wn],Wn为该人类在时刻n的位置坐标;ZR为该人类的姿态,ZR∈[Z1,Z2,...Zn],Zn为该人类在时刻n双臂的姿态坐标。
据此,通过上述二元组的方式输入时间数列模型,可以准确地预测人类的攻击行为。其中,本实施例的阀值GL设定为65.5%,当GR=60%时,GR<GL,则该人类不存在危险攻击行为;而当GR=70%时,GR>GL,则该人类存在危险攻击行为。
当生物活体为动物时,危险攻击行为的判定基于如下:
步骤S301、按照预设时间5秒内间隔抽取所述视频信息中的动物肢体动作的多个视频帧,识别出该多个视频帧中动物的位置和姿态,然后由时间序列分析模型根据该动物的位置和姿态的相关信息计算出该动物攻击所述保护对象的攻击概率GR’,并且判断该攻击概率GR’是否达到阀值GL’,其中,若GR’≥GL’,则该动物存在危险攻击行为,若GR’<GL’,则该动物不存在危险攻击行为;
步骤S302、和/或,按照预设时间5秒内间隔抽取视频信息中的动物面部微表情的多个视频帧,将该多个视频帧对应的动物面部微表情图像与危险分析数据库中预先储存的多个动物攻击性图像进行匹配,然后将该多个视频帧对应的动物面部微表情图像与匹配挑选出的动物攻击性图像进行匹配度分析,以获取匹配度PA的数值,再判断该匹配度PA是否达到阀值PL,其中,若PA≥PL,则该动物存在危险攻击行为,若PA<PL,则该动物不存在危险攻击行为DA的数值。
需要说明的是,动物本身的危险攻击行为,也是可以透过其面部微表情测量出来,如小狗,当小狗的额头突然紧皱起来,那么此时的小狗是处于生气状态,具有危险攻击行为;又或者,当小狗露出牙齿,这也是一种危险的微表情信号,无论是嘴唇完全向前拉长还是向后,这种呲牙咧嘴的表现都具有危险攻击性。
那么,较佳地,攻击概率GR’的计算包括:
以二元组(WR',ZR')作为所述时间序列分析模型的输入参数,其中,WR'为该动物的位置,WR'∈[W1,W2,...Wn'],Wn'为该动物在时刻n’的位置坐标;ZR'为该动物的姿态,ZR'∈[Z1,Z2,...Zn'],Zn'为该动物在时刻n’双臂的姿态坐标。
据此,通过上述二元组的方式输入时间数列模型,可以准确地预测动物的攻击行为。其中,本实施例的阀值GL’设定为63.5%,当GR’=60%时,GR’<GL’,则该动物不存在危险攻击行为;而当GR’=70%时,GR’>GL’,则该动物存在危险攻击行为。
实施例二:
请参阅图4至图6,为本发明的另一较佳实施例,该实施例涉及一种智能保镖机器人100,包括机器人身体10、采集单元20、距离测量单元30、防卫保护装置40以及控制系统50,下面对该智能保镖机器人100的各部分作进一步描述:
机器人身体10包括躯体11、头部12、左臂13、右臂14、左腿15以及右腿16,头部12可转动设于躯体11的上端,左臂13可活动设于躯体11的一侧端上,右臂14可活动设于躯体11的另一侧端上,左腿15可活动设于躯体11下端的一侧端上,右腿14可活动设于躯体11下端的另一侧端上;
采集单元20设于头部12内,用于采集指定范围内生物活体的视频信息;其中,视频信息包括肢体动作信息和面部微表情信息;
距离测量单元30设于头部12内,用于测量出危险生物活体与保护对象之间的距离DR,然后将该距离DR代入至已设定的危险攻击程度范围DL,并判定该距离DR在危险攻击程度范围DL的所属等级范围;其中,危险攻击程度范围DL包括攻击微弱危险范围DW、攻击中等危险范围DM、以及攻击严重危险范围DS,DW≥DM≥DS,DR∈[DW,DM,DS];
防卫保护装置40设于机器人身体10上,用于根据该距离DR在危险攻击程度范围DL的所属等级范围,执行对应等级的防卫保护操作;其中,防卫保护装置40包括用于警告提示的一级防卫保护模组41、用于防护保护对象并警告危险生物活体的二级防卫保护模组42、以及用于防护保护对象并刺激击退危险生物活体的三级防卫保护模组43,当该距离DR属于攻击微弱危险范围DW,一级防卫保护模组41执行一级防卫保护操作,当该距离DR属于攻击中等危险范围DM,二级防卫保护模组42执行二级防卫保护操作,当该距离DR属于攻击严重危险范围DS,三级防卫保护模组43执行三级防卫保护操作;其中,具体地,一级防卫保护模组41包括可对生物活体和/或保护对象警示的警示器,二级防卫保护模组42包括用于防护保护对象的防护盾、以及高分贝的报警器,防护盾为可折叠地设于机器人身体10的左臂13和/或右臂14上,三级防卫保护模组43包括辛辣喷雾用具、以及可产生强电流的电脉冲;
控制系统50设于躯体11内部,并分别连接于采集单元20、距离测量单元30、防卫保护装置40,用于控制采集单元20、距离测量单元30、防卫保护装置40工作;控制系统50包括危险分析数据库模块51,该危险分析数据库模块51用于计算分析该指定范围内生物活体是否存在危险攻击行为,并且将分析出存在危险攻击行为的生物活体定义为危险生物活体,而将分析出不存在危险攻击行为的生物活体定义为非危险生物活体。
据此,通过采集单元20在指定范围内不断地采集生物活体的视频信息,具体为,生物活体的肢体动作信息和面部微表情信息;然后,采集单元20会将采集到的视频信息传至控制系统50的危险分析数据库模块51,以计算分析该指定范围内生物活体是否存在危险攻击行为,并且将分析出存在危险攻击行为的生物活体定义为危险生物活体,而将分析出不存在危险攻击行为的生物活体定义为非危险生物活体;而且,若该生物活体被判定为危险生物活体时,距离测量单元30会对该危险生物活体进行距离测量操作,以测量出危险生物活体与保护对象之间的距离DR在危险攻击程度范围DL的所属等级范围;而防卫保护装置40会根据危险生物活体与保护对象之间的距离DR在危险攻击程度范围DL的所属等级范围,执行对应等级的防卫保护操作,以此,避免出现防卫过当或者防卫过重的问题。
这样,对于突如其来的攻击,能够及时反应并做出适当的防卫操作,由此,既可及时防卫保护对象,又可有效地击退攻击者。同时,还可以快速准确识别出潜在的危险人物和危险动物,以可提早作出防卫保护操作,有效避免攻击和伤害的发生。
请参阅图2和图3,当生物活体为人类时,危险攻击行为的判定基于如下:
步骤S201’、按照预设时间5秒内间隔抽取所述视频信息中的人类肢体动作的多个视频帧,识别出该多个视频帧中人类的位置和姿态,然后由时间序列分析模型根据该人类的位置和姿态的相关信息计算出该人类攻击所述保护对象的攻击概率GR,并且判断该攻击概率GR是否达到阀值GL,其中,若GR≥GL,则该人类存在危险攻击行为,若GR<GL,则该人类不存在危险攻击行为;
步骤S202’、和/或,按照预设时间5秒内间隔抽取所述视频信息中的人类面部微表情的多个视频帧,将该多个视频帧的人类面部微表情的相关信息代入至预设的攻击程度DA的计算公式,以获取攻击程度DA的数值,然后判断该攻击程度DA是否达到阀值DL,其中,若DA≥DL,则该人类存在危险攻击行为,若DA<DL,则该人类不存在危险攻击行为,其中,面部微表情中的攻击程度DA的计算公式为:
FM为频率分布密度直方图的最大频率;
Fi为每时间段50帧来获取频率分布密度的直方图i的频率数的统计计算数;
Fin为振动图像处理频率;
N为50帧还有高的限制值得帧之间的差异统计计算数;
n为目标占最大的热值;
Pi(f)为振动图像频率扩散动力光谱;
fmax为振动图像频率扩散光谱最大频率;
fmin为振动图像频率扩散光谱最小频率。
其中,本实施例的阀值DL设定为65.5%,当DA=60%时,DA<DL,则该人类不存在危险攻击行为;而当DA=70%时,DA>DL,则该人类存在危险攻击行为。
较佳地,攻击概率GR的计算包括:
以二元组(WR,ZR)作为所述时间序列分析模型的输入参数,其中,WR为该人类的位置,WR∈[W1,W2,...Wn],Wn为该人类在时刻n的位置坐标;ZR为该人类的姿态,ZR∈[Z1,Z2,...Zn],Zn为该人类在时刻n双臂的姿态坐标。
据此,通过上述二元组的方式输入时间数列模型,可以准确地预测人类的攻击行为。其中,本实施例的阀值GL设定为65.5%,当GR=60%时,GR<GL,则该人类不存在危险攻击行为;而当GR=70%时,GR>GL,则该人类存在危险攻击行为。
当生物活体为动物时,危险攻击行为的判定基于如下:
步骤S301’、按照预设时间5秒内间隔抽取所述视频信息中的动物肢体动作的多个视频帧,识别出该多个视频帧中动物的位置和姿态,然后由时间序列分析模型根据该动物的位置和姿态的相关信息计算出该动物攻击所述保护对象的攻击概率GR’,并且判断该攻击概率GR’是否达到阀值GL’,其中,若GR’≥GL’,则该动物存在危险攻击行为,若GR’<GL’,则该动物不存在危险攻击行为;
步骤S302’、和/或,按照预设时间5秒内间隔抽取所述视频信息中的动物面部微表情的多个视频帧,将该多个视频帧对应的动物面部微表情图像与危险分析数据库中预先储存的多个动物攻击性图像进行匹配,然后将该多个视频帧对应的动物面部微表情图像与匹配挑选出的动物攻击性图像进行匹配度分析,以获取匹配度PA的数值,再判断该匹配度PA是否达到阀值PL,其中,若PA≥PL,则该动物存在危险攻击行为,若PA<PL,则该动物不存在危险攻击行为DA的数值。
较佳地,攻击概率GR’的算法基于如下:
以二元组(WR',ZR')作为所述时间序列分析模型的输入参数,其中,WR'为该动物的位置,WR'∈[W1,W2,...Wn'],Wn'为该动物在时刻n’的位置坐标;ZR'为该动物的姿态,ZR'∈[Z1,Z2,...Zn'],Zn'为该动物在时刻n’双臂的姿态坐标。
据此,通过上述二元组的方式输入时间数列模型,可以准确地预测动物的攻击行为。其中,本实施例的阀值GL’设定为63.5%,当GR’=60%时,GR’<GL’,则该动物不存在危险攻击行为;而当GR’=70%时,GR’>GL’,则该动物存在危险攻击行为。
以上所述仅为本发明较佳的实施例而已,其结构并不限于上述列举的形状,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能防卫保护方法,其特征在于,包括:
采集指定范围内生物活体的视频信息,所述视频信息包括肢体动作信息和面部微表情信息;
将采集的生物活体的视频信息输入至危险分析数据库,以计算分析该指定范围内生物活体是否存在危险攻击行为,并且将分析出存在危险攻击行为的生物活体定义为危险生物活体,而将分析出不存在危险攻击行为的生物活体定义为非危险生物活体;
若生物活体被判定为非危险生物活体,则不执行防卫保护操作;
若生物活体被判定为危险生物活体,则先进行距离测量操作,以测量出所述危险生物活体与保护对象之间的距离DR,然后将该距离DR代入至已设定的危险攻击程度范围DL,并判定该距离DR在危险攻击程度范围DL的所属等级范围;
根据该距离DR在危险攻击程度范围DL的所属等级范围,执行对应等级的防卫保护操作;
其中,所述危险攻击程度范围DL包括攻击微弱危险范围DW、攻击中等危险范围DM、以及攻击严重危险范围DS,DW≥DM≥DS,DR∈[DW,DM,DS];
所述防卫保护操作包括警告提示的一级防卫保护操作、防护保护对象并警告危险生物活体的二级防卫保护操作、以及防护保护对象并刺激击退危险生物活体的三级防卫保护操作;
若该距离DR属于攻击微弱危险范围DW,则执行所述一级防卫保护操作;
若该距离DR属于攻击中等危险范围DM,则执行所述二级防卫保护操作;
若该距离DR属于攻击严重危险范围DS,则执行所述三级防卫保护操作。
2.如权利要求1所述的智能防卫保护方法,其特征在于:当所述生物活体为人类时,危险攻击行为的判定基于如下:
按照预设时间间隔抽取所述视频信息中的人类肢体动作的多个视频帧,识别出该多个视频帧中人类的位置和姿态,然后由时间序列分析模型根据该人类的位置和姿态的相关信息计算出该人类攻击所述保护对象的攻击概率GR,并且判断该攻击概率GR是否达到阀值GL,其中,若GR≥GL,则该人类存在危险攻击行为,若GR<GL,则该人类不存在危险攻击行为;
和/或,按照预设时间间隔抽取所述视频信息中的人类面部微表情的多个视频帧,将该多个视频帧的人类面部微表情的相关信息代入至预设的攻击程度DA的计算公式,以获取攻击程度DA的数值,然后判断该攻击程度DA是否达到阀值DL,其中,若DA≥DL,则该人类存在危险攻击行为,若DA<DL,则该人类不存在危险攻击行为,其中,面部微表情中的攻击程度DA的计算公式为:
FM为频率分布密度直方图的最大频率;
Fi为每时间段50帧来获取频率分布密度的直方图i的频率数的统计计算数;
Fin为振动图像处理频率;
N为50帧还有高的限制值得帧之间的差异统计计算数;
n为目标占最大的热值;
Pi(f)为振动图像频率扩散动力光谱;
fmax为振动图像频率扩散光谱最大频率;
fmin为振动图像频率扩散光谱最小频率。
3.如权利要求2所述的智能防卫保护方法,其特征在于:所述攻击概率GR的计算包括:
以二元组(WR,ZR)作为所述时间序列分析模型的输入参数,其中,WR为该人类的位置,WR∈[W1,W2,...Wn],Wn为该人类在时刻n的位置坐标;ZR为该人类的姿态,ZR∈[Z1,Z2,...Zn],Zn为该人类在时刻n双臂的姿态坐标。
4.如权利要求1所述的智能防卫保护方法,其特征在于:当所述生物活体为动物时,危险攻击行为的判定基于如下:
按照预设时间间隔抽取所述视频信息中的动物肢体动作的多个视频帧,识别出该多个视频帧中动物的位置和姿态,然后由时间序列分析模型根据该动物的位置和姿态的相关信息计算出该动物攻击所述保护对象的攻击概率GR’,并且判断该攻击概率GR’是否达到阀值GL’,其中,若GR’≥GL’,则该动物存在危险攻击行为,若GR’<GL’,则该动物不存在危险攻击行为;
和/或,按照预设时间间隔抽取所述视频信息中的动物面部微表情的多个视频帧,将该多个视频帧对应的动物面部微表情图像与危险分析数据库中预先储存的多个动物攻击性图像进行匹配,然后将该多个视频帧对应的动物面部微表情图像与匹配挑选出的动物攻击性图像进行匹配度分析,以获取匹配度PA的数值,再判断该匹配度PA是否达到阀值PL,其中,若PA≥PL,则该动物存在危险攻击行为,若PA<PL,则该动物不存在危险攻击行为DA的数值。
5.如权利要求4所述的智能防卫保护方法,其特征在于:所述攻击概率GR’的计算包括:
以二元组(WR',ZR')作为所述时间序列分析模型的输入参数,其中,WR'为该动物的位置,WR'∈[W1,W2,...Wn'],Wn'为该动物在时刻n’的位置坐标;ZR'为该动物的姿态,ZR'∈[Z1,Z2,...Zn'],Zn'为该动物在时刻n’双臂的姿态坐标。
6.一种智能保镖机器人,其特征在于:包括:
机器人身体,所述机器人身体包括躯体、头部、左臂、右臂、左腿以及右腿,所述头部可转动设于所述躯体的上端,所述左臂可活动设于所述躯体的一侧端上,所述右臂可活动设于所述躯体的另一侧端上,所述左腿可活动设于所述躯体下端的一侧端上,所述右腿可活动设于所述躯体下端的另一侧端上;
采集单元,所述采集单元设于所述头部内,用于采集指定范围内生物活体的视频信息;其中,所述视频信息包括肢体动作信息和面部微表情信息;
距离测量单元,所述距离测量单元设于所述头部内,用于测量出所述危险生物活体与保护对象之间的距离DR,然后将该距离DR代入至已设定的危险攻击程度范围DL,并判定该距离DR在危险攻击程度范围DL的所属等级范围;其中,所述危险攻击程度范围DL包括攻击微弱危险范围DW、攻击中等危险范围DM、以及攻击严重危险范围DS,DW≥DM≥DS,DR∈[DW,DM,DS];
防卫保护装置,所述防卫保护装置设于所述机器人身体上,用于根据该距离DR在危险攻击程度范围DL的所属等级范围,执行对应等级的防卫保护操作;其中,所述防卫保护装置包括用于警告提示的一级防卫保护模组、用于防护保护对象并警告危险生物活体的二级防卫保护模组、以及用于防护保护对象并刺激击退危险生物活体的三级防卫保护模组,当该距离DR属于攻击微弱危险范围DW,所述一级防卫保护模组执行一级防卫保护操作,当该距离DR属于攻击中等危险范围DM,所述二级防卫保护模组执行二级防卫保护操作,当该距离DR属于攻击严重危险范围DS,所述三级防卫保护模组执行三级防卫保护操作;
控制系统,所述控制系统设于所述躯体内部,并分别连接于所述采集单元、所述距离测量单元、所述防卫保护装置,用于控制所述采集单元、所述距离测量单元、所述防卫保护装置工作;所述控制系统包括危险分析数据库模块,该危险分析数据库模块用于计算分析该指定范围内生物活体是否存在危险攻击行为,并且将分析出存在危险攻击行为的生物活体定义为危险生物活体,而将分析出不存在危险攻击行为的生物活体定义为非危险生物活体。
7.如权利要求6所述的智能保镖机器人,其特征在于:当所述生物活体为人类时,危险攻击行为的判定基于如下:
按照预设时间间隔抽取所述视频信息中的人类肢体动作的多个视频帧,识别出该多个视频帧中人类的位置和姿态,然后由时间序列分析模型根据该人类的位置和姿态的相关信息计算出该人类攻击所述保护对象的攻击概率GR,并且判断该攻击概率GR是否达到阀值GL,其中,若GR≥GL,则该人类存在危险攻击行为,若GR<GL,则该人类不存在危险攻击行为;
和/或,按照预设时间间隔抽取所述视频信息中的人类面部微表情的多个视频帧,将该多个视频帧的人类面部微表情的相关信息代入至预设的攻击程度DA的计算公式,以获取攻击程度DA的数值,然后判断该攻击程度DA是否达到阀值DL,其中,若DA≥DL,则该人类存在危险攻击行为,若DA<DL,则该人类不存在危险攻击行为,其中,面部微表情中的攻击程度DA的计算公式为:
FM为频率分布密度直方图的最大频率;
Fi为每时间段50帧来获取频率分布密度的直方图i的频率数的统计计算数;
Fin为振动图像处理频率;
N为50帧还有高的限制值得帧之间的差异统计计算数;
n为目标占最大的热值;
Pi(f)为振动图像频率扩散动力光谱;
fmax为振动图像频率扩散光谱最大频率;
fmin为振动图像频率扩散光谱最小频率。
8.如权利要求7所述的智能保镖机器人,其特征在于:所述攻击概率GR的计算包括:
以二元组(WR,ZR)作为所述时间序列分析模型的输入参数,其中,WR为该人类的位置,WR∈[W1,W2,...Wn],Wn为该人类在时刻n的位置坐标;ZR为该人类的姿态,ZR∈[Z1,Z2,...Zn],Zn为该人类在时刻n双臂的姿态坐标。
9.如权利要求6所述的智能保镖机器人,其特征在于:当所述生物活体为动物时,危险攻击行为的判定基于如下:
按照预设时间间隔抽取所述视频信息中的动物肢体动作的多个视频帧,识别出该多个视频帧中动物的位置和姿态,然后由时间序列分析模型根据该动物的位置和姿态的相关信息计算出该动物攻击所述保护对象的攻击概率GR’,并且判断该攻击概率GR’是否达到阀值GL’,其中,若GR’≥GL’,则该动物存在危险攻击行为,若GR’<GL’,则该动物不存在危险攻击行为;
和/或,按照预设时间间隔抽取所述视频信息中的动物面部微表情的多个视频帧,将该多个视频帧对应的动物面部微表情图像与危险分析数据库中预先储存的多个动物攻击性图像进行匹配,然后将该多个视频帧对应的动物面部微表情图像与匹配挑选出的动物攻击性图像进行匹配度分析,以获取匹配度PA的数值,再判断该匹配度PA是否达到阀值PL,其中,若PA≥PL,则该动物存在危险攻击行为,若PA<PL,则该动物不存在危险攻击行为DA的数值。
10.如权利要求9所述的智能保镖机器人,其特征在于:所述攻击概率GR’的计算包括:
以二元组(WR',ZR')作为所述时间序列分析模型的输入参数,其中,WR'为该动物的位置,WR'∈[W1,W2,...Wn'],Wn'为该动物在时刻n’的位置坐标;ZR'为该动物的姿态,ZR'∈[Z1,Z2,...Zn'],Zn'为该动物在时刻n’双臂的姿态坐标。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011558445.3A CN112775983A (zh) | 2020-12-25 | 2020-12-25 | 智能防卫保护方法及智能保镖机器人 |
US17/450,557 US20220024045A1 (en) | 2020-12-25 | 2021-10-12 | Intelligent defense protection method and intelligent dart protection robot |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011558445.3A CN112775983A (zh) | 2020-12-25 | 2020-12-25 | 智能防卫保护方法及智能保镖机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112775983A true CN112775983A (zh) | 2021-05-11 |
Family
ID=75752367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011558445.3A Pending CN112775983A (zh) | 2020-12-25 | 2020-12-25 | 智能防卫保护方法及智能保镖机器人 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220024045A1 (zh) |
CN (1) | CN112775983A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160350583A1 (en) * | 2014-01-23 | 2016-12-01 | Hitachi Kokusai Electric Inc. | Image search system and image search method |
CN106618608A (zh) * | 2016-09-29 | 2017-05-10 | 金湘范 | 基于视频精神生理参数监测危险人物装置及方法 |
CN107186731A (zh) * | 2017-06-29 | 2017-09-22 | 上海未来伙伴机器人有限公司 | 一种防卫机器人 |
JP2018097487A (ja) * | 2016-12-09 | 2018-06-21 | 富士ゼロックス株式会社 | 監視装置及びプログラム |
CN108647582A (zh) * | 2018-04-19 | 2018-10-12 | 河南科技学院 | 一种复杂动态环境下目标行为识别与预测方法 |
CN109658666A (zh) * | 2018-12-06 | 2019-04-19 | 中山乐心电子有限公司 | 一种危险防护方法、设备、系统、电子设备及存储介质 |
CN209281587U (zh) * | 2019-01-22 | 2019-08-20 | 桂林理工大学 | 一种防卫手环 |
CN110222216A (zh) * | 2019-03-27 | 2019-09-10 | 重庆工商大学 | 多功能智能防卫系统 |
CN111263094A (zh) * | 2020-02-04 | 2020-06-09 | 重庆特斯联智慧科技股份有限公司 | 一种公安执法视频人工智能分析方法和系统 |
CN111753594A (zh) * | 2019-03-29 | 2020-10-09 | 杭州海康威视数字技术股份有限公司 | 危险识别方法、装置及系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8269834B2 (en) * | 2007-01-12 | 2012-09-18 | International Business Machines Corporation | Warning a user about adverse behaviors of others within an environment based on a 3D captured image stream |
US9026272B2 (en) * | 2007-12-14 | 2015-05-05 | The Boeing Company | Methods for autonomous tracking and surveillance |
JP6759210B2 (ja) * | 2014-12-19 | 2020-09-23 | エアロバイロメント, インコーポレイテッドAerovironment, Inc. | 無人航空機システム(uas)操縦の制御および制限のための監視安全システム |
US11445152B2 (en) * | 2018-08-09 | 2022-09-13 | Cobalt Robotics Inc. | Security automation in a mobile robot |
EP3291191B1 (en) * | 2016-08-29 | 2019-10-09 | Panasonic Intellectual Property Management Co., Ltd. | Suspicious person report system and suspicious person report method |
WO2019003401A1 (ja) * | 2017-06-29 | 2019-01-03 | 株式会社ソニー・インタラクティブエンタテインメント | ロボットの制御装置、制御方法および制御プログラム |
US10999566B1 (en) * | 2019-09-06 | 2021-05-04 | Amazon Technologies, Inc. | Automated generation and presentation of textual descriptions of video content |
WO2022020432A1 (en) * | 2020-07-21 | 2022-01-27 | Alarm.Com Incorporated | Property monitoring and management using a drone |
US20220159934A1 (en) * | 2020-11-25 | 2022-05-26 | Kyndryl, Inc. | Animal health and safety monitoring |
-
2020
- 2020-12-25 CN CN202011558445.3A patent/CN112775983A/zh active Pending
-
2021
- 2021-10-12 US US17/450,557 patent/US20220024045A1/en active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160350583A1 (en) * | 2014-01-23 | 2016-12-01 | Hitachi Kokusai Electric Inc. | Image search system and image search method |
CN106618608A (zh) * | 2016-09-29 | 2017-05-10 | 金湘范 | 基于视频精神生理参数监测危险人物装置及方法 |
JP2018097487A (ja) * | 2016-12-09 | 2018-06-21 | 富士ゼロックス株式会社 | 監視装置及びプログラム |
CN107186731A (zh) * | 2017-06-29 | 2017-09-22 | 上海未来伙伴机器人有限公司 | 一种防卫机器人 |
CN108647582A (zh) * | 2018-04-19 | 2018-10-12 | 河南科技学院 | 一种复杂动态环境下目标行为识别与预测方法 |
CN109658666A (zh) * | 2018-12-06 | 2019-04-19 | 中山乐心电子有限公司 | 一种危险防护方法、设备、系统、电子设备及存储介质 |
CN209281587U (zh) * | 2019-01-22 | 2019-08-20 | 桂林理工大学 | 一种防卫手环 |
CN110222216A (zh) * | 2019-03-27 | 2019-09-10 | 重庆工商大学 | 多功能智能防卫系统 |
CN111753594A (zh) * | 2019-03-29 | 2020-10-09 | 杭州海康威视数字技术股份有限公司 | 危险识别方法、装置及系统 |
CN111263094A (zh) * | 2020-02-04 | 2020-06-09 | 重庆特斯联智慧科技股份有限公司 | 一种公安执法视频人工智能分析方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
US20220024045A1 (en) | 2022-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yan et al. | Real-time driver drowsiness detection system based on PERCLOS and grayscale image processing | |
CN107045623B (zh) | 一种基于人体姿态跟踪分析的室内危险情况告警的方法 | |
CN107403142B (zh) | 一种微表情的检测方法 | |
Lee et al. | Real-time physiological and vision monitoring of vehicle driver for non-intrusive drowsiness detection | |
Pimplaskar et al. | Real time eye blinking detection and tracking using opencv | |
Singla et al. | Comparison of ssvep signal classification techniques using svm and ann models for bci applications | |
Wei et al. | EMG and visual based HMI for hands-free control of an intelligent wheelchair | |
Marathe et al. | Confidence metrics improve human-autonomy integration | |
Mancini et al. | Computing and evaluating the body laughter index | |
CN111967296A (zh) | 虹膜活体检测方法、门禁控制方法及装置 | |
US20160370774A1 (en) | Process for controlling a mobile device | |
Muddassir et al. | Robotics meets cosmetic dermatology: Development of a novel vision-guided system for skin photo-rejuvenation | |
Wei et al. | Online vigilance analysis based on electrooculography | |
CN112775983A (zh) | 智能防卫保护方法及智能保镖机器人 | |
Mlakić et al. | Deep learning method and infrared imaging as a tool for transformer faults detection | |
Lin et al. | Nonparametric single-trial EEG feature extraction and classification of driver's cognitive responses | |
Yorzinski et al. | Forward-facing predators attract attention in humans (Homo sapiens). | |
CN112163453A (zh) | 一种人机协作环境下的人员状态检测方法及系统 | |
CN112722110A (zh) | 智慧保镖机器狗 | |
Wang et al. | Objective facial paralysis grading based on p face and eigenflow | |
Tavassoli et al. | An efficient technique for revealing visual search strategies with classification images | |
Liu et al. | Design and implementation of multimodal fatigue detection system combining eye and yawn information | |
Doll et al. | Robust, sensor-independent target detection and recognition based on computational models of human vision | |
Zhang et al. | A posture recognition system for rat cyborg automated navigation | |
CN108720826A (zh) | 基于激光散斑的运动伤害预警方法 |
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 |