安全是一个家庭和社会赖以生存与发展的基础。信息技术的快速发展,使犯罪的手法更趋现代化,手段更加隐蔽,这无疑对我们的人生安全和财产安全构成了极大的威胁。因此,加强现代化的安防技术就显得更为重要。而随着科技的不断发展,智能机器人及其相关领域受到了越来越多的重视,用于家庭安防的服务机器人受到越来越多人的关注,安防机器人必将进入普通家庭,提供更加全方面的安全监控服务。本文设计了一种用于安防机器人的室内人体检测、跟踪和身份识别系统。具体研究思路如下:首先根据安防机器人系统的功能设计整个系统,系统分为移动机器人平台和服务器端两个部分,并设计了移动机器人平台路径规划方案以及移动机器人平台和服务器端视频传输方案。然后利用Fast-R-CNN深度神经网络对采集到的视频进行人体检测,为了使被检人始终保持在摄像头视角范围内,采用小孔成像模型和Camshift相结合的算法计算机器人移动平台的移动量和摄像头的转动角,使移动机器人平台能够跟踪人体。最后利用形状索引特征结合联合层叠模型进行人脸检测,对检测到的人脸使用形状索引特征结合朴素贝叶斯模型进行人脸识别。论文主要工作包括:(1)设计了安防机器人系统。安防机器人系统主要分为两个部分,第一部分为负责采集视频和室内巡检的移动机器人平台,另一部分为完成人体检测、跟踪和识别算法的服务器端。移动机器人平台的上位机采用树莓派控制器,下位机采用Arduino控制器,移动机器人平台通过WIFI向服务器端传送采集到的视频。本文提出一种先用遗传算法进行全局路径规划,然后再用Q学习算法进行避障和位置更新的移动机器人路径规划方案。(2)采用深度神经网络Fast-R-CNN模型和INRIA数据集训练的深度神经网络模型进行人体检测,实验结果表明深度神经网络Fast-R-CNN模型在室内环境下可以检测到人体,且检测时间和准确率要高于其他人体检测算法。(3)系统在被检人未被遮挡的情况下使用小孔成像模型计算摄像头的偏移角和安防机器人平台的移动偏移量使被检人始终在摄像头的视角范围内。本文利用单目摄像头标定技术求得摄像头的内参数以消除摄像头畸变带来的误差,然后利用Camshift算法的跟踪结果对小孔成像模型进行修正。对于被检人被遮挡的情况,本文采用卡尔曼滤波器估计人体运动轨迹。(4)采用基于形状索引特征的人脸检测和人脸识别方法进行人体身份识别,形状索引特征是以基准点为圆心提取固定距离范围内的特征,形状索引特征的提取只需经过几次加法、乘法和取整计算,提取速度快。安防机器人系统利用形状索引特征结合联合层叠模型进行人脸检测,对于检测到人脸使用形状索引特征结合联合贝叶斯模型进行人脸识别。