基于巡检机器人的投喂无主动物行为检测方法及系统与流程

本发明涉及视觉检测。更具体地，本发明涉及一种基于巡检机器人的投喂无主动物行为检测方法及系统。

背景技术：

1、景区、园区或公共广场中集群聚集的鸽子或流浪猫狗一直以来是影响城市公共卫生的重要因素之一，而致使这些无主动物聚集的原因主要是因为存在人为投喂。上述投喂行为一方面会导致动物粪便集中堆积，加重工环卫人员的工作量；另一方面，还会促使病毒、细菌、隐球菌或弓形虫的传播。

2、为了解决上述问题并推进智慧景区的发展，现有技术中已经向部分景区试点投试了巡检机器人以劝导游客禁止向无主动物做出投喂动作。以公开号为cn112487926a的中国专利申请为例，它通过对人体关节动作进行特征分析，识别游客是否做出投喂动作并据此作出警报。然而，上述技术存在如下缺陷，具体为，人体在做出与投喂动作相似的动作时，也会被判定为“投喂无主动物”，例如掉落物弯腰拾取、绑缚鞋带、向前摔倒、投喂自家宠物或情侣戏谑行为等动作均有可能被视为投喂无主动物，这会影响过客体验。

3、因此，现有公共场景投喂检测技术存在因识别准度不高而导致影响过客体验的问题。

技术实现思路

1、为解决上述现有公共场景投喂检测技术存在因识别准度不高而导致影响过客体验的技术问题，本发明公开了一种基于巡检机器人的投喂无主动物行为检测方法及系统。

2、第一方面，本发明公开了一种基于巡检机器人的投喂无主动物行为检测方法，包括：

3、在预定的巡检路径上，持续采集初始图像；

4、基于预设的实时目标检测模型，对‌初始图像进行解析，得到无主动物聚集特征及人体行为特征；

5、将无主动物聚集特征和人体行为特征输入预设的人工智能分析模型中，得到多帧综合判断结果；

6、根据多帧综合判断结果，驱动巡检机器人执行相应的执勤任务。

7、有益效果：本发明方法适合配置于巡检机器人以完成小区、景点或其他工作区域的执行任务。针对于无主动物投喂行为，本发明方法把采集的小区、广场等公共场所的图像放在巡检机器人自身算力上，执行无主动物聚集特征及人体行为特征双重分析，然后再依据上述特征进行精细化的人工智能分析任务，从而过滤掉误检结果，有效提升了识别准度及过客体验。

8、优选的，基于预设的实时目标检测模型，对‌初始图像进行解析，包括：

9、从初始图像中，拾取若干个无主动物框；

10、基于若干个无主动作框的中心计算得到聚集质心；

11、计算所有无主动物框中心到聚集质心的平均欧式距离；

12、根据平均欧式距离，标记无主动物聚集特征为聚集或非聚集。

13、优选的，基于预设的实时目标检测模型，对‌初始图像进行解析，本发明方法还包括：

14、从初始图像中，拾取距离无主动物框最近的人体检测框；

15、标定人体检测框的关键节点及空间坐标；

16、根据初始图像的视觉特征或空间坐标对关键节点进行筛选，得到多个可信关键节点；

17、对多个可信关键节点进行节点空间关系计算，得到用于表征节点间隔距离和躯干屈伸角度的人体行为特征。

18、优选的，人体行为特征包括腕臀间隔距离；将无主动物聚集特征和人体行为特征输入预设的人工智能分析模型中，得到多帧综合判断结果，包括：

19、若动物聚集特征为聚集，并且躯干屈伸角度大于预设的第一角度阈值，执行以下步骤：

20、判断腕臀间隔距离是否大于预设的第二间隔距离，若是，得到用于表征投喂状态的当前帧判断结果。

21、优选的，在得到当前帧判断结果之后，本发明方法还包括：

22、将多个时序连续的初始图像转换为rgba四通道图像；

23、将rgba四通道图像及当前帧判断结果输入人工智能分析模型中，得到多帧综合判断结果。

24、优选的，人工智能分析模型被配置为：

25、对rgba四通道图像进行高斯分布采样及下采样，得到采样图像；

26、对采样图像及当前帧判断结果进行卷积，得到时序图像特征；

27、基于时序图像特征和预设的二元交叉熵损失函数，预测得到多帧综合判断结果。

28、优选的，实时目标检测模型采用基于yolov8的检测模型；实时目标检测模型采用relu激活函数；实时目标检测模型还采用反卷积算子、batch normalization归一化算子、relu激活算子的算子组合替换了原yolov8中的upsample上采样算子。

29、优选的，若动物聚集特征为聚集，执行人体行为特征检测的步骤；否则，结束当前帧的人体行为特征检测步骤。

30、优选的，本发明方法还包括：

31、对人工智能分析模型进行预训练。

32、第二方面，本发明还公开了一种基于巡检机器人的投喂无主动物行为检测系统，包括处理器和存储器，存储器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第一方面记载的基于巡检机器人的投喂无主动物行为检测方法。

33、区别于现有技术，本发明的有益效果在于：

34、其一，有效解决了现有的公共场景投喂检测技术因识别准度不高而导致影响过客体验的问题。

35、其二，对目标检测模型进行了改进，提升了投喂检测的精度及效率。

36、其三，对人工智能分析模型进行了配置性改进，有效提升了模型自身的推导能力，进一步提高了投喂检测的精度。

1.一种基于巡检机器人的投喂无主动物行为检测方法，其特征在于，包括：

2.根据权利要求1所述的基于巡检机器人的投喂无主动物行为检测方法，其特征在于，基于预设的实时目标检测模型，对所述‌所述初始图像进行解析，包括：

3.根据权利要求2所述的基于巡检机器人的投喂无主动物行为检测方法，其特征在于，基于预设的实时目标检测模型，对所述‌所述初始图像进行解析，还包括：

4.根据权利要求3所述的基于巡检机器人的投喂无主动物行为检测方法，其特征在于，所述人体行为特征包括腕臀间隔距离；将所述无主动物聚集特征和所述人体行为特征输入预设的人工智能分析模型中，得到多帧综合判断结果，包括：

5.根据权利要求4所述的基于巡检机器人的投喂无主动物行为检测方法，其特征在于，在得到所述当前帧判断结果之后，所述方法还包括：

6.根据权利要求5所述的基于巡检机器人的投喂无主动物行为检测方法，其特征在于，所述人工智能分析模型被配置为：

7.根据权利要求1所述的基于巡检机器人的投喂无主动物行为检测方法，其特征在于，所述实时目标检测模型采用基于yolov8的检测模型；所述实时目标检测模型采用relu激活函数；所述实时目标检测模型还采用反卷积算子、batch normalization归一化算子、relu激活算子的算子组合替换原yolov8中的upsample上采样算子。

8.根据权利要求1所述的基于巡检机器人的投喂无主动物行为检测方法，其特征在于，若所述动物聚集特征为聚集，执行人体行为特征检测的步骤；否则，结束当前帧的人体行为特征检测步骤。

9.根据权利要求1所述的基于巡检机器人的投喂无主动物行为检测方法，其特征在于，还包括：

10.一种基于巡检机器人的投喂无主动物行为检测系统，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现权利要求1-9任一项所述的基于巡检机器人的投喂无主动物行为检测方法。