安防巡逻机器人作为机器人的一种,旨在协助视频监控和安保人员进行日常的安防任务,其可移动特点可以大大减少安防盲区,提升安保质量。近些年随着人工智能和计算机视觉技术的快速发展,对安防巡逻机器人的智能感知技术也提出了更高的要求。为了实现安防巡逻机器人对巡逻区域的智能感知,主要对行人目标进行位置检测和身份的判别,本文构建了安防巡逻机器人行人感知系统,研究了行人检测、跟踪与识别等感知算法,并将其算法移植至安防巡逻机器人上。本文主要研究内容如下:(1)对安防巡逻机器人行人检测进行研究。为了满足安防巡逻机器人行人检测的实时性与准确性要求,本文使用YOLOv3目标检测算法来实现安防巡逻机器人巡逻过程中的行人检测,并使用轻量级的MobileNet网络替代YOLOv3的特征提取网络进一步提高行人检测速度。此外,为了使YOLOv3更加适合于行人检测,本文对YOLOv3中的锚初始值进行一定的调整。(2)对安防巡逻机器人多行人目标跟踪进行研究。本文在行人检测基础上加入Deep-SORT算法设计了安防巡逻机器人的多行人目标跟踪器,对多个行人在图像序列中进行跟踪,得到行人轨迹。此外,Deep-SORT算法相对于行人检测增加了图像序列上下帧间的关联信息,在行人目标消失时,可对行人进行位置估计。(3)对安防巡逻机器人基于人脸的行人身份识别进行研究。首先,使用Haarlike特征与Adaboost算法实现对轨迹内行人的人脸检测。其次,在Fisher LDA基础上提出一种Norm LDA方法,用于人脸的特征提取。然后,提出K-Subspace方法配合Norm LDA实现人脸识别模型的设计。最后,分别设计人脸检测实验与人脸识别实验论证本文的人脸检测算法与人脸识别模型。(4)搭建安防巡逻机器人行人感知系统。本文在ROS框架下实现了安防巡逻机器人行人感知系统的搭建,包括系统硬件平台搭建与软件平台搭建。其次,结合实际安防巡逻场景定义行人感知系统的工作流程,并对其进行程序实现。最终,系统的实验运行结果表明本文设计的行人感知系统可以用于安防巡逻机器人中。