[发明专利]一种基于深度学习检测的明厨亮灶智能监控方法及系统

说明书

本发明提供了一种基于深度学习检测的明厨亮灶智能监控方法及系统，其方法包括：基于目标现场视频流获取视频数据，对视频数据进行数据分析确定神经网络结构；基于神经网络结构针对性设计目标神经网络，基于目标神经网络对视频数据进行模型训练，生成目标模型，并将视频数据输入至目标模型中进行监控；将监控结果进行显示，并发出实时预警以及预警原因。通过目标模型实现对视频数据的监控，并基于监控结果进行显示并实时预警，不仅实现了对厨师服、厨师帽的穿戴情况，人员玩手机、抽烟等行为，垃圾桶乱摆放、垃圾桶未盖盖、垃圾溢满、垃圾乱放等不卫生情况的监控的精确性与智能性，而且通过实时报警与确定预警原因，有利于客户及时掌握厨房的情况。

技术领域

本发明涉及智能厨房监控技术领域，特别涉及一种基于深度学习检测的明厨亮灶智能监控方法及系统。

背景技术

目前，明厨亮灶就是通过对关键场所和关键环节的全景展示，提高对饮食安全的保障，本发明提出了对厨房人员穿戴、行为及卫生状况进行智能监控分析并实现自动实时预警。

然而，现如今的监控技术仅仅通过摄像头进行监控，并没有实现客户与监控进行交互，从而使得监控效率大大降低，因为，为了提高对明厨亮灶监控的准确性以及智能性，本发明提供了一种基于深度学习检测的明厨亮灶智能监控方法及系统。

发明内容

本发明提供一种基于深度学习检测的明厨亮灶智能监控方法及系统，用以通过目标模型实现对视频数据的监控，并基于监控结果进行显示并实时预警，不仅实现了对厨师服、厨师帽的穿戴情况，人员玩手机、抽烟等行为，垃圾桶乱摆放、垃圾桶未盖盖、垃圾溢满、垃圾乱放等不卫生情况的监控的精确性与智能性，而且通过实时报警与确定预警原因，有利于客户及时掌握厨房的情况。

一种基于深度学习目标检测的明厨亮灶智能监控方法，包括：

步骤1：基于目标现场视频流获取视频数据，同时，对所述视频数据进行数据分析确定神经网络结构；

步骤2：基于所述神经网络结构针对性设计目标神经网络，并基于所述目标神经网络对所述视频数据进行模型训练，生成目标模型，并将所述视频数据输入至所述目标模型中进行监控；

步骤3：将监控结果进行显示，并发出实时预警以及预警原因。

优选的，一种基于深度学习目标检测的明厨亮灶智能监控方法，步骤1中，基于目标现场视频流获取视频数据，同时，对所述视频数据进行分析确定神经网络结构的工作过程，包括：

读取所述目标现场视频流，并基于预设服务器收集所述目标现场视频流对应的视频数据；

根据目标程序在网上提取与所述视频数据相关的数据模型；

对所述视频数据进行清洗，并将清洗后的所述视频数据通过所述数据模型进行分析，并基于分析结果确定神经网络结构。

优选的，一种基于深度学习目标检测的明厨亮灶智能监控方法，步骤2中，基于所述目标神经网络对所述视频数据进行模型训练，生成目标模型的工作过程，包括：

获取目标客户的场景需求；

基于所述视频数据以及所述目标客户的场景需求确定目标神经网络，同时，对所述视频数据进行数据标注；

基于标注后的所述视频数据对所述目标神经网络进行针对性改造调优，并基于调优后的所述目标神经网络针对所述目标场景进行模型训练；

根据训练结果生成所述目标模型。

优选的，一种基于深度学习目标检测的明厨亮灶智能监控方法，步骤2中，所述目标模型包括：物体检测模型、垃圾桶属性分类模型以及动作预测模型，将所述目标现场视频流对应的视频数据输入至所述物体检测模型、垃圾桶属性分类模型以及所述动作预测模型中，实现对明厨亮灶进行智能监控。