[发明专利]一种基于多光谱相机的安防监控系统在审
申请号: | 201910248673.1 | 申请日: | 2019-03-29 |
公开(公告)号: | CN110022462A | 公开(公告)日: | 2019-07-16 |
发明(设计)人: | 钟杨俊;巫光福;方可欣 | 申请(专利权)人: | 江西理工大学 |
主分类号: | H04N7/18 | 分类号: | H04N7/18;H04L9/32;G08B21/12;G08B21/14;G01S11/12;G01N21/25 |
代理公司: | 深圳市智胜联合知识产权代理有限公司 44368 | 代理人: | 李永华;张广兴 |
地址: | 341000 江*** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 多光谱相机 安防 机器人 安防监控系统 控制装置 煤气检测模块 模式选择模块 人机交互界面 人脸识别模块 室内甲醛检测 视觉导航模块 传感器系统 机器人本体 中央处理器 安全检测 警示单元 驱动装置 人脸识别 食品检测 视觉导航 移动装置 电池 | ||
1.一种基于多光谱相机的安防监控系统,采用家用安防机器人实现,其特征在于,包括机器人本体、移动装置、驱动装置、多光谱相机、控制装置、人机交互界面、警示单元和电池;所述电池为所述驱动装置提供电能,所述驱动装置用于驱动家用安防机器人运动;机器人本体位于移动装置上,移动装置上设置有自动充电接口,多光谱相机通过十字轴关节连接在机器人本体上;
人机交互界面设置在机器人本体上,其至少包括分别与少儿和成人对应的应用小程序,所述多光谱相机连接控制装置,所述控制装置连接人机交互界面和警示单元;控制装置中包括中央处理器、模式选择模块、人脸识别模块、视觉导航模块、食品检测模块、室内甲醛检测模块和煤气检测模块;
其中,中央处理器用于对多光谱相机获取的图像进行处理,模式选择模块用于选择家用安防机器人的家庭应用场景;模式选择模块包括人机互动模式、导航模式、食品检测模式、甲醛检测模式和煤气检测模式。
2.根据权利要求1所述的一种基于多光谱相机的安防监控系统,其特征在于,所述人脸识别模块还包括人脸图像识别单元,人脸图像识别单元对多光谱相机采集的照片进行处理,再将处理后的图像与预先存储的图像模型进行匹配;在人机互动模式,通过多光谱相机拍摄采集人脸图像,导入图像识别单元进行人脸识别,并根据人脸识别结果,对与使用者年龄阶段相适应的应用小程序解锁并进行人机交互。
3.根据权利要求1所述的一种基于多光谱相机的安防监控系统,其特征在于,视觉导航模块包括导航图像处理单元和测距传感器,导航图像处理单元将多光谱相机拍摄室内图像拟合成立体图像,再进一步结合立体图像和测距传感器数据绘制导航地图信息;在导航模式,中央处理器通过导航地图信息进行轨迹规划和运动避障控制。
4.根据权利要求1所述的一种基于多光谱相机的安防监控系统,其特征在于,所述食品检测模块包括食品图像识别单元,食品图像识别单元存储有食品的多光谱图像信息,并用于将多光谱相机拍摄的食品图像与对应的预先储存的食品的多光谱图像信息进行对比;在食品检测模式,所述家用安防机器人的多光谱相机拍摄的食品图像,进行食品品质检测,并将检测结果显示在人机交互界面,当食品品质不合格时,通过警示单元提醒。
5.根据权利要求1所述的一种基于多光谱相机的安防监控系统,其特征在于,在甲醛检测模式,对抽取的室内空气样本进行光谱图像分析,并将检测结果显示在人机交互界面,并在甲醛浓度超标时控制警示单元进行报警。
6.根据权利要求1所述的一种基于多光谱相机的安防监控系统,其特征在于,在煤气检测模式,多光谱相机拍摄的厨房图像,对厨房内空气进行煤气成分检测,将检测结果显示在人机交互界面,并在煤气浓度超标时控制警示单元进行报警;警示单元包括声音和灯光报警。
7.根据权利要求1所述的一种基于多光谱相机的安防监控系统,其特征在于,所述移动装置为轮式或履带式移动装置。
8.根据权利要求1所述的一种基于多光谱相机的安防监控系统,其特征在于,中央处理器包括存储模块,其内存储有不同食品的光谱图。
9.根据权利要求1所述的一种基于多光谱相机的安防监控系统,其特征在于,少儿对应的应用小程序包括儿歌模块和学习模块;成人对应的应用小程序包括收音机和游戏模块。
10.根据权利要求1所述的一种基于多光谱相机的安防监控系统,其特征在于,在电池电量低于预定值的情况下,家用安防机器人进行提示,并自动转换至导航模式,移动至充电处进行自动充电。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西理工大学,未经江西理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910248673.1/1.html,转载请声明来源钻瓜专利网。