[发明专利]一种识别用户身份的方法、装置和物业服务机器人

权利要求书

1.一种识别用户身份的方法，应用于机器人，其特征在于，所述机器人包括第一摄像头和第二摄像头，所述第一摄像头和第二摄像头同步工作，分别用于实时获取视频图像信息，所述方法包括：

对所述第一摄像头获取的第一视频图像信息进行深度处理，获得深度图和彩色图；

对所述彩色图和深度图进行处理，确定所述第一视频图像信息中的至少一名用户；

采用人脸定位方法计算所述第一视频图像信息中各个用户的人脸位置；

基于所述第一视频图像信息中各个用户的人脸位置，确定所述第二摄像头获取的第二视频图像信息中各个用户的人脸区域，所述第一视频图像信息和所述第二视频图像信息分别为所述第一摄像头和所述第二摄像头在同一时刻分别获取的视频图像信息；

采用人脸特征提取方法对所述第二视频图像信息中各个用户的人脸区域进行特征提取，分别获得每个人脸区域对应的人脸特征信息；

将获得的人脸特征信息与存储的预设人脸特征信息进行比对，所述预设人脸特征信息与预设用户身份信息一一对应；

当比对一致时，将所述预设人脸特征信息对应的预设用户身份信息确定为所述用户的身份。

2.根据权利要求1所述的方法，其特征在于，所述第一摄像头为双目摄像头，所述第二摄像头为高清摄像头。

3.根据权利要求1或2所述的方法，其特征在于，所述对所述彩色图和深度图进行处理，确定所述第一视频图像信息中的至少一名用户包括：

对所述彩色图进行深度卷积神经网络Deep CNN的深度学习，获得所述第一视频图像信息的初步人体检测结果；

基于所述初步人体检测结果，结合所述深度图的图像信息，确定所述第一视频图像信息的最终人体检测结果；

根据所述最终人体检测结果确定所述第一视频图像信息中的至少一名用户。

4.根据权利要求1或2所述的方法，其特征在于，所述采用人脸定位方法计算所述第一视频图像信息中各个用户的人脸位置包括：

采用基于边框的人脸定位方法计算所述第一视频图像信息中各个用户的人脸位置。

5.根据权利要求4所述的方法，其特征在于，所述采用基于边框的人脸定位方法计算所述第一视频图像信息中各个用户的人脸位置之后，所述方法还包括：

再次获取所述深度图，并依据所述深度图中人脸位置处的深度信息分布情况，排除错误的人脸位置。

6.根据权利要求1或2所述的方法，其特征在于，所述采用人脸特征提取方法对所述第二视频图像信息中各个用户的人脸区域进行特征提取，分别获得每个人脸区域对应的人脸特征信息包括：

对所述第二视频图像信息中各个用户的人脸区域进行人脸Deep CNN的深度学习，获得每个人脸区域对应的人脸Deep CNN特征。

7.根据权利要求1或2所述的方法，其特征在于，所述将获得的人脸特征信息与存储的预设人脸特征信息进行比对包括：

采用最临近KNN最近距离算法，将获得的人脸特征信息与存储的预设人脸特征信息进行比对。