一种基于分布式推理的安防机器人的制作方法

1.本发明涉及安防机器人技术领域，具体涉及一种基于分布式推理的安防机器人。


背景技术：

2.在传统安防体系中，人防加物防是主要的防护手段(多以固定摄像头加人力值班巡逻的方式实现)，虽然技术上很容易实现，但是随着人口老龄化加重、劳动成本暴涨、安保人员流失率高等问题，传统安防已经难以实现现代安防需求，而出现的安防机器人就能完全解决这些问题，因此安防机器人逐渐代替固定摄像头和人力值班巡逻，成为安防的主力。
3.安防机器人是移动机器人的一种，包括移动机构、感知系统和主控系统三个部分。移动机构是安防机器人的载体，决定安防机器人的运动空间，有步行机构、轮式机构、履带式机构等；感知系统有ccd摄像头、激光测距仪、超声传感器、接触传感器、接近传感器、红外传感器、雷达定位传感器、全球定位传感器等；主控系统相当于安防机器人的大脑，它综合感知系统获取的环境信息以控制移动机构执行相应的动作。
4.目前的安防机器人系统大多是以嵌入式计算机为主控制系统，负责完成机器人的规划与决策，其移动机构和感知系统由单片机来实现，它们之间采用串口来实现通信。这种结构的优势主要是结构简单，成本较低，但是ai计算主板的信号处理和运算能力有限，通信速率较低，不能处理比较复杂的传感器信号，尤其是视觉信号，这使得安防机器人的整体响应速度难以提高，从而不能满足复杂环境下的工作要求。


技术实现要素：

5.本发明的目的在于提供一种基于分布式推理的安防机器人，解决现有安防机器人由于ai计算主板的信号处理和运算能力有限，导致安防机器人整体响应速度低，不能满足复杂环境下工作要求的问题。
6.为了达到上述目的，提供了一种基于分布式推理的安防机器人，包括以下模块：
7.数据分析模块：用于根据采集的视频图像数据建立推理任务，以及分析推理任务的数据计算量，并将数据计算量的分析结果与自身的计算资源进行对比分析，若计算资源充足，则将视频图像数据输入到数据处理模块中；若计算资源不足，则下发分布式计算任务；
8.任务划分模块：用于在下发分布式计算任务时，将推理任务划分为若干子任务，并放置到分布式推理队列池中，等待有计算余裕的其他安防机器人参与子任务；
9.数据处理模块：用于在计算资源余裕时，对分到的子任务进行计算得到处理结果，并发于对应的安防机器人；还用于将视频图像数据和/或处理结果输入到神经网络模型中执行推理任务，并输出推理结果；
10.报警处理模块：用于根据推理结果进行报警分析，分析判断是否生成报警信息。
11.原理及优点：
12.1.数据量分析模块的设置，安防机器人一般搭配有一定的计算资源，用于接收巡
逻任务后，独立执行任务。而数据量分析模块会制定推理任务，来对采集的视频图像数据进行处理，在制定推理任务的过程中会分析判断安防机器人自身的计算资源能够满足任务的执行。若计算资源充足，表明视频图像数据依靠本地资源即可完成处理。若计算资源不足，表明依靠本地资源会导致安防机器人整体响应速度低，不利于安防问题的及时响应和后续处理，因此通过下发分布式计算任务，让更多的安防机器人一起参与实现并行计算处理，从而提高数据处理效率，进而提高安防机器人的整体响应速度。
13.2.任务划分模块和数据处理模块的设置，任务划分模块负责将推理任务划分为若干个子任务，并放置到分布式推理队列池中，利用互联网方便让其余的安防机器人参与计算实现并行处理，最后数据处理模块将这些计算结果收集起来再进行综合分析，由于只涉及对结果数据的处理，不涉及对结果数据中间过程的计算分析，因此极大地节省了计算资源和提高了计算效率，从而提高了安防机器人的整体响应速度。同时数据处理模块会在计算资源充足的情况直接输入到神经网络模型中执行推理任务，自身的独立性高，从而适用于各种复杂环境。
14.3.报警处理模块的设置，会根据推理结果来进行报警分析，分析判断是否生成报警信息，例如分析发现可疑人员，则及时生成报警信息，从而方便通知保安人员进行后续处理，降低风险。
15.进一步，还包括服务器，所述服务器与安防机器人远程通信连接，包括以下模块：
16.机器人标记模块：用于对各安防机器人进行编号；以及对完成编号的各安防机器人的运行状态进行记录；
17.巡逻安排模块：用于根据编号和运行状态选取安防机器人，并为安防机器人分别设置对应的巡逻区域。
18.机器人标记模块的设置，便于形成身份编号，一方面方便与子任务的身份绑定，以保证处理的数据正确反馈给下发分布式计算任务的安防机器人。另一方面，便于对应记录安防机器人的运行状态，避免记录出错，而影响调用。以及方便后续的安防机器人的选取、巡逻区域的安排和视觉展示。
19.进一步，所述安防机器人包括激光雷达模块，用于在对应的巡逻区域采集区域环境扫描数据；所述服务器还包括以下模块：
20.数据库：用于存储安防区域的环境地图数据；
21.区域环境优化模块：用于获取安防机器人在对应的巡逻区域所采集的区域环境扫描数据，并根据区域环境扫描数据更新安防区域的环境地图数据。
22.安防机器人设有激光雷达模块，一方面便于安防机器人的避障处理，另一方面便于采集区域环境扫描数据，来更新安防区域的环境地图数据，从而保证环境地图数据可靠性，进而方便后续的调用。
23.进一步，所述安防机器人包括定位模块，用于获取定位信息；所述服务器还包括以下模块：
24.位置分析模块：用于获取安防机器人的定位信息，并标注在环境地图数据上；
25.报警响应模块：用于在安防机器人生成报警信息时，根据所述安防机器人的定位信息，从环境地图数据上查找周围的其他安防机器人，并使其他安防机器人根据定位信息朝向所述安防机器人的位置移动。
26.位置分析模块和报警响应模块的设置，便于在有安防机器人生成报警信息时，及时安排周围的安防机器人进行包围，从而方便报警问题的解决。
27.进一步，所述推理结果包括安防目标识别类别和安防目标识别数量；所述报警处理模块包括以下子模块：
28.报警生成子模块：用于判断安防目标识别类别否为报警类别，若是生成报警信息；还用于根据安防目标识别数量和预设的报警级别区间来分析判断当前报警级别；
29.声光警示子模块：用于根据报警信息和当前报警级别进行对应等级的灯光报警和声音报警。
30.通过不同级别的声光报警，一方面便于吓退可疑人，另一方面便于通知保安人员。
31.进一步，所述安防机器人还包括：
32.光线补偿模块：用于获取环境光照度，当环境光照度低于光照度阈值时，启动补光灯。
33.以便后台监控人员可以通过监控摄像头等摄像装置实时查看报警现场。
34.进一步，所述安防机器人还包括：
35.摄像拍照模块：用于对安防目标进行摄像和拍照，并上传至服务器进行存储。
36.结合光线补偿模块的设置，可得到清楚的图像证据，方便后期追溯取证使用。
附图说明
37.图1为本发明实施例一种基于分布式推理的安防机器人和服务器的软件架构的逻辑框图。
具体实施方式
38.下面通过具体实施方式进一步详细说明：
39.实施例
40.一种基于分布式推理的安防机器人，可用于商店、仓库、工厂等区域，具体包括安防机器人本体，所述安防机器人本体的硬件架构包括底盘，底盘下方设置有移动轮。而底盘上设置有低功耗ai计算主板、摄像头、补光灯、激光雷达模块、声源定位模块、gps定位模块、光照传感器、声光报警模块、声音识别传感器、电池、通信模块等硬件模块。基本如附图1所示：安防机器人通过通信模块远程连接服务器，以及无线通信连接其他安防机器人。所述服务器包括以下模块：
41.机器人标记模块：用于对各安防机器人进行编号；以及对完成编号的各安防机器人的运行状态进行记录；其正在运行的安防机器人记录为运行中，而未运行的安防机器人记录为待机中。
42.巡逻安排模块：用于根据编号和运行状态选取安防机器人，并为安防机器人分别设置对应的巡逻区域。
43.数据库：用于存储安防区域的环境地图数据；
44.区域环境优化模块：用于获取安防机器人通过激光雷达模块在对应的巡逻区域所采集的区域环境扫描数据，并根据区域环境扫描数据更新安防区域的环境地图数据。
45.位置分析模块：用于获取安防机器人定位模块采集的定位信息，并结合安防机器
人的编号一起标注在环境地图数据上。
46.所述机器人的软件架构包括以下模块：
47.声音探测模块：用于通过声音识别传感器探测周围的声音，并在探测到声音时通过声源定位模块进行声源定位；
48.移动控制模块：用于根据声源定位的结果数据控制机器人的行进方向；
49.路径规划模块：用于通过机器人的激光雷达模块获取环境数据，并根据声源定位的结果数据对机器人再规划行进方向；
50.图像采集模块：用于通过摄像头朝向声源位置进行采集视频图像数据；本实施例中，视频图像数据为rtsp视频流，rtsp视频流先传入安防机器人内置的现场算法服务器，经过现场算法服务器进行解码。
51.数据分析模块：用于根据采集的视频图像数据建立推理任务，以及分析推理任务的数据计算量，并将数据计算量的分析结果与自身的计算资源进行对比分析，若计算资源充足，则将视频图像数据输入到数据处理模块中；若计算资源不足，则下发分布式计算任务；
52.任务划分模块：用于在下发分布式计算任务时，将推理任务划分为若干子任务(包含任务配置、推理图像等信息)，并放置到分布式推理队列池中，等待有计算余裕的其他安防机器人参与子任务；本实施例中，安防机器人彼此间的通讯方式采用tcp/ip协议，保证机器人的当前推理任务信息能够被正确传输且放置到分布式推理队列池中，以寻找可以计算的其他安防机器人，使有空闲的安防机器人可参与计算。计算后子任务的处理结果交还给下发分布式计算任务的安防机器人。如果没有空闲机器人则该计算任务进入队列等待。
53.数据处理模块：用于在计算资源余裕时，对分到的子任务进行计算得到处理结果，并发于对应的安防机器人；还用于将视频图像数据和/或处理结果输入到神经网络模型中执行推理任务，并输出推理结果；所述推理结果包括安防目标识别类别和安防目标识别数量。
54.本实施中，神经网络模型具体采用卷积神经网络模型，对于数据集的采集，采用摄像机拍摄视频，然后再间隔抽帧，这样保证每张图像数据无重复标注对象，使得卷积神经网络模型可以学习到更多的特征。对于数据集的标注，预先定义标注类别，例如在河道区域，所有可能出现的目标可划分为普通人a类、蒙面者b类、明火c类、烟雾d类等。按照上述分类对图像进行边框标注，标注结果为图像上每个类别信息及位置信息，即矩形左上角顶点二维坐标(x0,y0)，右下角顶点二维坐标(x1,y1)。对于卷积神经网络模型的训练与测试，将数据集按照7：2：1比例划分，分别为训练集、测试集和验证集。然后不断迭代训练，最后得到训练好的卷积神经网络模型。
55.本实施例中，在卷积神经网络模型的训练阶段，将常规使用的leakyrelu激活函数修改为hard-swish函数，其公式如下：
[0056][0057]
这种方法提高了激活函数的非线性能力，在更深的网络层中提取特征能力更强。
[0058]
而且在模型训练过程中，对于数据集可增加多尺寸裁剪、不同增益倍数、马赛克遮挡等噪声图像使得卷积神经网络模型泛化能力更强。这样会有效减少目标类别置信度会在
高低区间震荡可能性。而关于马赛克的数据增强，其方法为随机在数据集照片进行马赛克遮挡，该种方法明显增加数据集数量的同时，提高了更多的数据泛化能力，有效防止模型过拟合。混合增强用在目标检测中的实现方法是：两张图以一定的比例对rgb值进行融合，同时需要模型预测出原本两张图中所有的目标。
[0059]
报警处理模块：用于根据推理结果进行报警分析，分析判断是否生成报警信息。
[0060]
所述报警处理模块包括以下子模块：
[0061]
报警生成子模块：用于判断安防目标识别类别否为报警类别，若是，则生成报警信息；还用于根据安防目标识别数量和预设的报警级别区间来分析判断当前报警级别；
[0062]
声光警示子模块：用于根据报警信息和当前报警级别进行对应等级的灯光报警和声音报警。例如如果发现安防目标检测类别为需要报警中的一种，且级别中等；首先，机器人外置扬声器大声呵斥吓退可疑人员，同时机器人底盘光带红、绿光闪烁。
[0063]
光线补偿模块：用于通过光照传感器获取环境光照度，当环境光照度低于光照度阈值时，启动补光灯。以便后台监控人员可以实时查看报警现场。
[0064]
摄像拍照模块：用于通过摄像头对安防目标进行摄像和拍照，并上传至服务器进行存储。保证后期追溯取证使用。
[0065]
所述服务器还包括报警响应模块，用于在安防机器人生成报警信息时，根据所述安防机器人的定位信息，从环境地图数据上查找周围的其他安防机器人，并使其他安防机器人根据定位信息朝向所述安防机器人的位置移动。
[0066]
本方案采用了分布式推理方法，在一台安防机器人因算力制约等因素而导致无法完整推理的情况时，可加入一台或多台安防机器人协同完成分布式推理，与现有的技术方法比较，充分利用了安防机器人的富余计算资源，极大地提高了计算速度。本方法带来了自动化、计算性能的提升，提高了安防机器人的在线推理速度。
[0067]
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本技术给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本技术的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本技术要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。