วิธีการตรวจจับบุคคลที่ถูกที่สุด / ง่ายที่สุดคืออะไร?

ฉันต้องการที่จะรู้ว่าถ้าใครประสบความสำเร็จในการตรวจจับสัตว์เลี้ยงลูกด้วยนมที่อบอุ่น (เช่นมนุษย์) โดยใช้เซ็นเซอร์ที่ไม่ได้มาตรฐานหรือไม่?

โดยหลักการแล้วฉันต้องการใช้เซ็นเซอร์ราคาไม่แพงหรือการรวมกันของเซ็นเซอร์เพื่อตรวจจับบุคคลภายในห้องและแปลเป็นบุคคลนั้น ฉันต้องการให้หุ่นยนต์เข้าไปในห้องตรวจสอบว่ามีมนุษย์อยู่หรือไม่แล้วย้ายไปยังมนุษย์ที่ตรวจพบ ความแม่นยำไม่จำเป็นต้องเป็น 100% เนื่องจากต้นทุนเป็นปัจจัยมากกว่า ฉันต้องการความต้องการด้านการคำนวณของเซ็นเซอร์เช่นนั้นสามารถทำงานบน Arduino แม้ว่ามันจะเป็นไปไม่ได้ แต่ฉันก็เต็มใจที่จะใช้ประโยชน์จากสิ่งที่น่ากลัวมากกว่าเช่น Raspberry Pi หรือ BeagleBone Black ฉันมีความคิดเล็กน้อย อย่างไรก็ตามไม่มีของพวกเขาเหมาะ:

1. เซ็นเซอร์ PIR - สามารถตรวจจับการเคลื่อนไหวภายในขอบเขตการมองเห็นที่กว้าง (เช่นปกติ 120 องศาขึ้นไป) อาจเป็นสิ่งที่ใกล้เคียงกับเครื่องตรวจจับ "มนุษย์" ที่ฉันรู้ อย่างไรก็ตามมันต้องมีการเคลื่อนไหวและการแปล / การกำหนดตำแหน่งที่บุคคลนั้นจะยากมาก (เป็นไปไม่ได้?) ด้วยวิสัยทัศน์ขนาดใหญ่เช่นนี้
2. อัลตร้าซาวด์ - สามารถตรวจจับวัตถุได้อย่างแม่นยำ มีมุมมองที่แคบกว่ามาก อย่างไรก็ตามไม่สามารถแยกความแตกต่างระหว่างวัตถุที่ไม่มีชีวิตและมนุษย์
3. เครื่องตรวจจับ IR - (เช่นเซ็นเซอร์วัดระยะชัด) สามารถตรวจจับวัตถุได้อีกครั้งด้วยความแม่นยำสูงและมุมมองที่แคบมาก อย่างไรก็ตามไม่สามารถแยกความแตกต่างของวัตถุได้อีก
4. Webcam + OpenCV - อาจใช้การตรวจจับใบหน้าเพื่อตรวจจับคนในห้อง นี่อาจเป็นตัวเลือกที่ดีที่สุด; อย่างไรก็ตาม OpenCV นั้นมีราคาแพงและต้องใช้มากกว่าอาร์ดิโน แม้ในราสเบอร์รี่ Pi ก็สามารถช้า
5. Kinect - การใช้ความสามารถในการตรวจจับคุณสมบัติของ Kinect มันจะค่อนข้างง่ายในการระบุมนุษย์ในพื้นที่ อย่างไรก็ตาม Kinect นั้นแพงเกินไปและฉันไม่คิดว่ามันจะเป็นทางออกที่ "ถูก"

บางทีบางคนอาจรู้ตัวว่า "เครื่องตรวจจับความร้อน" ราคาไม่แพงซึ่งปรับให้เหมาะกับความร้อนในร่างกายและ / หรือประสบความสำเร็จด้วยการรวมกันของ (# 1-4) ด้านบนและต้องการแบ่งปันผลลัพธ์ของพวกเขาหรือไม่

การรวมกันของเครื่องตรวจจับอินฟราเรดแฝง (PIR) และเครื่องมือค้นหาโซนาร์ (SRF) ควรทำตามขั้นตอนดังกล่าว

สิ่งที่ได้ผลดีสำหรับฉันก่อนหน้านี้ (ไม่พบมนุษย์ แต่คล้ายกันมาก) คือให้มี PIRs สองอันที่ด้านซ้ายและด้านขวาชี้ไปเพื่อให้พวกเขามีการทับซ้อนกันเล็กน้อยอยู่ตรงกลาง
จากนั้นคุณสามารถทราบได้ว่ามนุษย์อยู่ทางซ้ายขวาหรือข้างหน้า (เมื่อทั้งคู่เปิดอยู่) โดยทั่วไปแล้วคุณจะวางซ้อนทับบน SRF ซึ่งจะบอกช่วงของคุณ ฯลฯ มันสกปรกไปหน่อยและคุณต้องตั้งสมมติฐานบางอย่าง แต่มันใช้งานได้ดีเพราะมันเรียบง่าย

โค้ดหลอกสำหรับ PIR ทั้งสองอาจเป็นอะไรที่ง่ายมากอย่างเช่น:

amount = 60; //degrees
while (notCloseEnough)
{
  if (bothActive)
    forward;
  else 
  {
    if (leftActive)  
      turnLeftByAmount(amount);
    else
      turnRightByAmount(amount);
    amount = amount - 5;

    //recalibrate
    if (amount <= 0)
      amount = 60;
  }

  checkIfCloseEnough();
}

แนวคิดก็คือคุณหันไปด้านใดด้านหนึ่งมาก (60 องศา) หากคุณเห็นบางสิ่งในพื้นที่นั้น หากพวกเขาไม่ได้อยู่ข้างหน้าคุณหลังจากเลี้ยวให้เลี้ยวไปทางด้านที่คุณเห็นพวกเขาน้อยลง วนซ้ำเรื่อย ๆ และลดจำนวนการเลี้ยวจนกว่าพวกเขาจะอยู่ต่อหน้าคุณจากนั้นส่งต่อ โปรดจำไว้ว่าคุณไม่ได้หันมาก (รีเซ็ตมุม) เมื่อพวกเขาอยู่ข้างหน้าเพราะจะไม่ย้าย 'ออกจากขอบเขต' อย่างรวดเร็ว

ฉันประหลาดใจอย่างแท้จริงกับวิธีการที่อัลกอริทึมนี้ใช้งานได้ดีจริง ๆ (เราใช้มันสำหรับการไล่ล่าของเล่นอัตโนมัติและต้องทำให้ช้าลง / เป็นใบ้เพราะมันจะเอาชนะ / จับหุ่นยนต์ที่ควบคุมโดยมนุษย์ได้ง่ายเกินไป)

เซ็นเซอร์ทั้งสองมีให้บริการจาก Pololu (ไม่มีส่วนเกี่ยวข้อง):

เครื่องตรวจจับคลื่นโซนาร์แบบพาสซีฟอินฟาเรด

ประเภทเซ็นเซอร์ล่าสุดที่สามารถใช้งานได้คืออาร์เรย์อุณหภูมิตาม MEMS โดย Omron (ช่วง D6T) หรือ Excelitas (DigiPile) ตรงข้ามกับองค์ประกอบ PIR วัดอุณหภูมิสัมบูรณ์และอนุญาตให้แยกความแตกต่างระหว่างพื้นหลังและอุณหภูมิเบื้องหน้าและตรวจจับการเคลื่อนไหวและสถานะคงที่ของแหล่งอุณหภูมิ

เซ็นเซอร์ capacitive สามารถใช้งานได้จริงทำถูกเพียงแค่อลูมิเนียมฟอยล์และตัวต้านทานไม่กี่ตัวเท่านั้นมันสามารถตรวจจับเนื้อ แต่ฉันไม่แน่ใจว่าถ้าฉันไม่ตรวจจับอะไร แต่เนื้อคุณสามารถใช้ 3 ในการหาสามเหลี่ยม

ฉันไม่สามารถบอกได้ว่านี่เป็นวิธีที่ง่ายที่สุด แต่คุณสามารถใช้ห้องสมุด Eulerian Video Magnificationในการตรวจจับชีพจรของบุคคล

ในกรณีนี้คุณจะมองหาความผันผวนในวิดีโอที่ตรงกับช่วงคลื่นพัลส์ของมนุษย์ คุณจะต้องมีภาพที่ชัดเจนของส่วนของร่างกายที่แสดงชีพจรที่มองเห็นได้

นอกจากนี้ยังมีการทำงานบางอย่าง ( เช่น 1 , 2 ตัวอย่าง ) การสำรวจตรวจจับใบหน้าของฮาร์ดแวร์ที่ใช้ เมื่อไม่กี่ปีที่ผ่านมากล้องดิจิตอลมีความสามารถนี้ซึ่งเป็นโครงข่ายประสาทเทียมที่ได้รับการออกแบบมาเพื่อบอกว่า "จัตุรัสนี้มีใบหน้าหรือไม่" ... จากนั้นคุณก็วนซ้ำสี่เหลี่ยมที่กำหนดไว้ล่วงหน้าในภาพที่ถ่าย

ฉันลองใช้ PIR แต่มีปัญหากับการจัดการและความล่าช้า มันไม่ใช่ทางเลือกที่มีประสิทธิภาพสำหรับการตรวจจับของมนุษย์ที่จะซื่อสัตย์ คุณสามารถใช้เทคนิคการตรวจจับความรู้สึกได้เนื่องจากเป็นวิธีที่ถูกที่สุดและง่ายที่สุดสำหรับการตรวจจับของมนุษย์ (ตัวเลือกที่ชาญฉลาด) และมีความซับซ้อนน้อยลงเช่นกัน คุณสามารถสร้างเซ็นเซอร์สำหรับตัวคุณเองในราคาที่ถูกมากและเหมาะสำหรับโครงการขนาดเล็ก ฉันใช้หนึ่งในโครงการ "หุ่นยนต์ตรวจจับมนุษย์" ของฉัน คุณสามารถรับชมวิดีโอของฉันได้ที่: การตรวจจับของมนุษย์โดยอาศัย Capacitive

โซลูชันที่ไม่ใช่โลหะเปลือยที่อาจเป็นที่นิยมมากขึ้นในอีกไม่กี่ปีข้างหน้าคือการถ่ายโอนงานการประมวลผลข้อมูลขนาดใหญ่ของคุณ (เช่นการจดจำคนในภาพ) ไปยังบริการคลาวด์ นั่นคือสมมติว่าอุปกรณ์ของคุณเชื่อมต่อกับอินเทอร์เน็ต นี่คือตัวอย่างกับราสเบอร์รี่ Pi และ Google Cloud วิสัยทัศน์ API นี้: https://www.dexterindustries.com/howto/use-google-cloud-vision-on-the-raspberry-pi/ โปรดทราบว่ามันต้องมีการสมัครสมาชิกกับ Google Cloud ผ่านช่วงเวลาทดลองใช้ แต่ API การมองเห็นบนคลาวด์อื่น ๆ (Amazon, Microsoft Azure, ... ?) อาจเสนอบริการฟรีหากคุณส่งคำขอน้อยกว่า N ต่อเดือนไปยังเซิร์ฟเวอร์ของพวกเขา .

อีกวิธีหนึ่งสำหรับการประมวลผลข้อมูลจำนวนมากบนแพลตฟอร์มขนาดเล็กก็คือการลดการทำงานลงในอุปกรณ์ที่เหมือน thumbdrive บนหุ่นยนต์ของคุณด้วยหน่วยประมวลผลเฉพาะสำหรับการรันโมเดลการเรียนรู้ของเครื่องที่ผ่านการฝึกอบรมแล้ว (เช่น Movidius Neural Compute Stick กับ Raspberry PI: https : //medium.com/deep-learning-turkey/a-brief-guide-to-intel-movidius-neural-compute-stick-with-raspberry-pi-3-f60bf7683d40 ) ใช้งานออฟไลน์ได้เช่นกัน พวกเขายังคงมีราคาแพงสำหรับโครงการงานอดิเรก แต่ฉันคาดว่าค่าใช้จ่ายของพวกเขาจะลดลงเหมือนทุกอย่าง