[发明专利]一种基于图像分析的菜品识别分类方法

说明书

本发明公开了一种基于图像分析的菜品识别分类方法，包括如下步骤：(1)利用摄像机对盛有不同菜品的餐盘进行图像拍摄；(2)对图像中的不同菜品进行检测分割，得到不同菜品的分割框；(3)对菜品的分割框进行边界定位；(4)菜品特征识别模型的训练与推断，得到菜品特征图像；(5)建立菜品特征分类网络，将菜品特征图像输入菜品特征分类网络进行菜品的分类，并将新菜品添加到数据库中。本发明所公开的方法能够自动进行识别分类，识别效率高，结果准确，更加智能。

技术领域

本发明涉及一种菜品识别分类方法，特别涉及一种基于图像分析的菜品识别分类方法。

背景技术

随着人工智能和大数据时代的到来，传统食堂或者自助餐厅中人工结算不可避免的会造成结算错误、排队等候、工作效率低等多种问题，亟待一些先进技术应用在生活中并更好的用于服务行业。而市场上存在的菜品识别大多数采用特定的用餐工具，如圆形或者方形等餐具、或采用专门标记的餐具来区分菜品来达到识别菜品的目的，智能化程度低，且菜品识别的依赖性强，泛性差。

发明内容

为解决上述技术问题，本发明提供了一种基于图像分析的菜品识别分类方法，以达到更加智能、准确、高效地进行菜品识别分类的目的。

为达到上述目的，本发明的技术方案如下：

一种基于图像分析的菜品识别分类方法，包括如下步骤：

(1)利用摄像机对盛有不同菜品的餐盘进行图像拍摄；

(2)对图像中的不同菜品进行检测分割，得到不同菜品的分割框；

(3)对菜品的分割框进行边界定位；

(4)菜品特征识别模型的训练与推断，得到菜品特征图像；

(5)建立菜品特征分类网络，将菜品特征图像输入菜品特征分类网络进行菜品的分类，并将新菜品添加到数据库中。

上述方案中，所述步骤(2)具体如下：

设餐盘中的菜品数量为a，对给定的菜品目标o，用φ(υ_o)∈R^2×d×1×1来表示菜品目标特征集合，其中，υ_o表示菜品目标的特征，d代表维度，2代表图像的背景和前景；

将整幅图像的像素特征集合表示为ψ(U)∈R^1×d×h×w，其中，U表示像素的特征，d代表维度，h和w代表图像ψ(U)的高度和宽度；

将图像中表示前景的像素拉向特征空间中对应表示的某一菜品的类别，实现菜品的分割，相关操作定义如下：

M_o＝soft max(Ψ(U)*φ(υ_o)) (1)

其中，*表示卷积操作，相似映射图M_o∈R^2×1×h×w，M₀中包含两个通道，分别代表菜品目标o中每个像素的前景概率和背景概率。

上述方案中，所述步骤(3)具体如下：

将检测到的菜品分割框坐标看作一个离散的随机变量，菜品边界位置是边界所在坐标概率的自变量点集argmax，即：

其中，X是分割框边界水平坐标的离散随机变量，M′∈R^h×w代表公式(1)中M_o的前景通道概率，i表示边界上的点，P(X＝i|M′)表示M′的后验概率；

以左边界的推导为例；

根据贝叶斯定理，可以得到：