一种基于宠物识别的宠物照料方法及宠物照料机器人技术

本发明专利技术公开一种基于宠物识别的宠物照料方法及宠物照料机器人利用能够进行3D测距的高精度成像模块捕捉宠物的生物图像信息，通过脸部、身体和生理特征三重比对识别宠物的身份，能够有效的提高识别的准确率，针对不同的宠物的需要提供更有针对性的照顾方案，满足宠物不同的进食和活动量需要，能够更好的照顾宠物；宠物机器人上设有包括喂食、互动和行走等不同功能的装置，能够准确的记录宠物的进食量和活动量信息，根据从网络获的具有针对性的照顾方案，根据该照顾方案执行相应的喂食和互动操作，确保宠物的健康。确保宠物的健康。确保宠物的健康。

【技术实现步骤摘要】
一种基于宠物识别的宠物照料方法及宠物照料机器人


[0001]本专利技术涉及智能机器人
，具体涉及一种基于宠物识别的宠物照料方法及宠物照料机器人。

技术介绍

[0002]宠物是人们生活的好伴侣，随着生活水平的提升，饲养宠物的人越来越多。但是许多饲养人由于需要工作的关系无法全天照顾宠物，做不到定时给它们喂食或陪它们玩耍，很多宠物被单独留在家中，这样会造成宠物进食不足或运动量不足，容易引发宠物的健康问题。为了方便照顾单独在家的宠物，人们开发出宠物照料机器人，能够帮助不在家中的饲养人照顾宠物，但是由于技术限制，一旦饲养人饲养了多只宠物，现有的宠物照料机器人并不能识别不同的宠物并起到良好的照顾效果。

技术实现思路

[0003]针对上述提到的现有技术中的宠物照料机器人不能识别不同的宠物进行区别照顾的问题，本专利技术提供一种基于宠物识别的宠物照料方法及宠物照料机器人，通过多重识别方法识别宠物，然后根据宠物的情况和科学喂养的标准进行不同独的操作，实现宠物照顾的区别化和科学化。
[0004]本专利技术解决其技术问题采用的技术方案是：一种基于宠物识别的宠物照料方法，包括以下步骤：
[0005]S1：中央控制装置控制成像模块获取进入预定位置的生物图像信息，成像模块将获得的生物图像信息返回给中央控制装置；
[0006]S2：调用图像判断模型判断生物图像信息是否有效；无效则控制成像模块继续获取信息，有效则做进一步判断；
[0007]S3：中央控制装置调取存储于云端或存储装置中的已登录宠物信息与采集的生物图像信息进行比对，并根据比较结果返回识别结果，所述已登录宠物信息包括脸部信息、身体信息和生理数据信息；
[0008]S4：中央控制装置根据所述识别结果读取宠物的照料信息，并根据所述照料信息控制喂食装置或互动装置执行喂食或互动等动作。
[0009]本专利技术解决其技术问题采用的技术方案进一步还包括：
[0010]如上所述的一种基于宠物识别的宠物照料方法，步骤S3具体包括以下步骤：
[0011]S31：将被判定为脸部图像信息的所述生物图像信息和中央控制装置的存储装置中存储的已录入宠物的脸部信息同时输入脸部判断模型中，所述脸部判断模型返回匹配分值，如果匹配分值大于第一预设值，则判定所述生物可能为已录入宠物，标记为二次判定对象，进行进一步判断；如果匹配分值小于第一预设值，则判定所述生物不是已录入宠物，将判断结果返回给中央处理装置，并等候进一步指令；
[0012]S32：读取二次判定对象的生物图像信息，将被判定为将二次判定对象的身体图像
信息和中央控制装置的存储装置中存储的已录入宠物的身体信息同时输入身体判断模型中，所述身体判断模型返回匹配分值，如果匹配分值大于第二预设值，则判定所述生物可能为已录入宠物，标记为三次判定对象，进行进一步判断；如果匹配分值小于于第二预设值，则判定所述生物不是已录入宠物，将判断结果返回给中央处理装置，并等候进一步指令；
[0013]S33：对所述三次判定对象的生物图像信息进行分析，获取三次判定对象的生理参数，与中央控制装置的存储装置中存储的已录入宠物的生理数据进行比对获取匹配分值，如果匹配分值大于第三预设值，则判定所述生物为已录入宠物，并返回对应的已录入宠物的宠物ID；如果匹配分值小于第三预设值，则判定所述生物不是已录入宠物，将判断结果返回给中央处理装置，并等候进一步指令。
[0014]如上所述的一种基于宠物识别的宠物照料方法，所述脸部判断模型和身体判断模型为基于神经网络建立的判断模型，所述神经网络为卷积神经网络，所述卷积神经网络包括输入层、焦点网络层、骨干网络层、路径聚合网络层以及输出层；所述卷积神经网络设置有LSTM模块，所述LSTM模块设有遗忘门；
[0015]所述神经网络的输出公式为：
[0016][0017]式中，a
ji
为经过注意力加权后的输出特征；b
ij
为归一化后的注意力权重；i 为注意力指示量；j为单向时间步；n为单向时间步数；c
j
为各个时间步的输出。
[0018]如上所述的一种基于宠物识别的宠物照料方法，所述遗忘门的公式为：
[0019]f
t
＝σ(W
f
·
[h
t
‑1,X
t
]+b
f
)
[0020]式中，f
t
为遗忘门函数；σ(*)为sigmoid激活函数；h
t
‑1为前一个时间步(t
‑
1) 的输出；t为时间步指示量；X
t
为当前时间步的输入；b
f
为卷积层偏置项；W
f
为卷积层权重。
[0021]如上所述的一种基于宠物识别的宠物照料方法，所述生理数据信息包括体长、体重、尾部长度、头部大小中的一种或多种，
[0022]如上所述的一种基于宠物识别的宠物照料方法，所述已登录宠物信息包括脸部信息、身体信息、生理数据信息、所属物种、品种以及对应的健康标准。
[0023]如上所述的一种基于宠物识别的宠物照料方法，所述照料信息包括历史进食量、历史活动量、历史活动偏好、历史进食时间段、当日进食量、当日活动量中的三种以上。
[0024]一种实现如上任一所述的宠物照料方法的宠物照料机器人，包括机身、行走机构和互动装置，所述机身设有用于对目标宠物进行识别的识别装置、用于对目标宠物进行喂食的喂食装置、控制宠物照料机器人运行的中央控制装置；所述中央控制装置包括能够运行程序的处理器、存储信息的存储装置和与其他设备通信的通信装置；所述喂食装置包括饲料储存装置和计量喂食量的计量装置，所述机身上设有与所述喂食装置配合的出料口；所述识别装置包括成像装置和图像处理器；所述成像装置用于采集宠物的脸部和身体图像，所述成像装置包括近红外摄像头、TOF测距传感器、红外泛光照明器、RGB摄像头、点阵式投影器和彩色/环境光传感器中的一种或多种；所述图像处理装置用于从采用预设的图像处理算法对成像装置获取的图像信息进行处理并传送给中央控制装置。
[0025]如上所述的宠物照料机器人，所述行走机构为履带式行走机构、车轮式行走机构、步行式心走机构中的一种。
[0026]如上所述的宠物照料机器人，所述互动装置包括机械臂、发球机、激光指示器、显
示器、喇叭或麦克风中的一种或多种。
[0027]本专利技术的有益效果是：本专利技术的基于宠物识别的宠物照料方法及宠物照料机器人利用能够进行3D测距的高精度成像模块捕捉宠物的生物图像信息，通过脸部、身体和生理特征三重比对识别宠物的身份，能够有效的提高识别的准确率，针对不同的宠物的需要提供更有针对性的照顾方案，满足宠物不同的进食和活动量需要，能够更好的照顾宠物；宠物机器人上设有包括喂食、互动和行走等不同功能的装置，能够准确的记录宠物的进食量和活动量信息，根据从网络获的具有针对性的照顾方案，根据该照顾方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于宠物识别的宠物照料方法，其特征在于，包括以下步骤：S1：中央控制装置(1)控制成像模块获取进入预定位置的生物图像信息，成像模块将获得的生物图像信息返回给中央控制装置(1)；S2：调用图像判断模型判断生物图像信息是否有效；无效则控制成像模块继续获取信息，有效则做进一步判断；S3：中央控制装置(1)调取存储于云端或存储装置(11)中的已登录宠物信息与采集的生物图像信息进行比对，并根据比较结果返回识别结果，所述已登录宠物信息包括脸部信息、身体信息和生理数据信息；S4：中央控制装置(1)根据所述识别结果读取宠物的照料信息，并根据所述照料信息控制喂食装置(2)或互动装置(3)执行喂食或互动等动作。2.如权利要求1所述的宠物照料方法，其特征在于，步骤S3具体包括一下步骤：S31：将被判定为脸部图像信息的所述生物图像信息和中央控制装置(1)的存储装置(11)中存储的已录入宠物的脸部信息同时输入脸部判断模型中，所述脸部判断模型返回匹配分值，如果匹配分值大于第一预设值，则判定所述生物可能为已录入宠物，标记为二次判定对象，进行进一步判断；如果匹配分值小于第一预设值，则判定所述生物不是已录入宠物，将判断结果返回给中央处理装置，并等候进一步指令；S32：读取二次判定对象的生物图像信息，将被判定为将二次判定对象的身体图像信息和中央控制装置(1)的存储装置(11)中存储的已录入宠物的身体信息同时输入身体判断模型中，所述身体判断模型返回匹配分值，如果匹配分值大于第二预设值，则判定所述生物可能为已录入宠物，标记为三次判定对象，进行进一步判断；如果匹配分值小于于第二预设值，则判定所述生物不是已录入宠物，将判断结果返回给中央处理装置，并等候进一步指令；S33：对所述三次判定对象的生物图像信息进行分析，获取三次判定对象的生理参数，与中央控制装置(1)的存储装置(11)中存储的已录入宠物的生理数据进行比对获取匹配分值，如果匹配分值大于第三预设值，则判定所述生物为已录入宠物，并返回对应的已录入宠物的宠物ID；如果匹配分值小于第三预设值，则判定所述生物不是已录入宠物，将判断结果返回给中央处理装置，并等候进一步指令。3.如权利要求2所述的宠物照料方法，其特征在于，所述脸部判断模型和身体判断模型为基于神经网络建立的判断模型，所述神经网络为卷积神经网络，所述卷积神经网络包括输入层、焦点网络层、骨干网络层、路径聚合网络层以及输出层；所述卷积神经网络设置有LSTM模块，所述LSTM模块设有遗忘门；所述神经网络的输出公式为：式中，a
ji
为经过注意力加权后的输出特征；b
ij
为归一化后的注意力权重；i为注意力指示量；j为单向时间步；n为单向时间步数；c

【专利技术属性】
技术研发人员：王茂林，
申请(专利权)人：深圳市金大智能创新科技有限公司，
类型：发明
国别省市：