CN105938553B - 一种食堂餐盘自动计费方法及系统 - Google Patents
一种食堂餐盘自动计费方法及系统 Download PDFInfo
- Publication number
- CN105938553B CN105938553B CN201610231586.1A CN201610231586A CN105938553B CN 105938553 B CN105938553 B CN 105938553B CN 201610231586 A CN201610231586 A CN 201610231586A CN 105938553 B CN105938553 B CN 105938553B
- Authority
- CN
- China
- Prior art keywords
- service plate
- plate image
- dish
- image
- dining room
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种食堂餐盘自动计费方法及系统,该方法主要包括获取餐盘图像、检测餐盘图像、识别餐盘图像、根据图像信息进行价格计费。该系统包括图像获取模块,用于获取餐盘图像,检测模块,用于检测餐盘图像,识别模块,用于识别餐盘图像,计费模块,用于根据图像信息进行价格计费。本发明所述的方法及系统,采用全自动计费的方式,来替代传统食堂的IC卡人工计费,计算准确,极大地提高了食堂的工作效率。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种食堂餐盘自动计费方法及系统。
背景技术
随着时代的发展,食堂已林立于各处。食堂出现得较早,到现在已经有了相当的发展,从早期的菜票交易到现代的IC卡交易。但是,食堂的发展主要是在减少现金流动,改进食堂管理方式等方面,对于计费方法则一直是通过人工计费来实现的,鲜有关于食堂计费方法的研究,即在食堂计费方法这部分有着相当的空白。由于食堂计费方式是人工计费,所以会一定程度地降低食堂运行效率。如果能改善食堂计费方式,必然会提高食堂的运行效率。
发明内容
本发明提出一种食堂餐盘自动计费方法及系统以实现食堂计费自动化,极大地提高了食堂的运行效率。
具体方案如下:一种食堂餐盘自动计费方法,包括以下步骤:
S1、获取餐盘图像;
S2、检测餐盘图像,具体包括以下步骤:
S21、对餐盘图像中的餐盘进行检测;
S22、对餐盘图像中的白饭进行检测,白饭检测的具体步骤包括:
S221、通过反零阈值法将图像中白色像素点置黑;
S222、通过闭运算处理消除图像中的孤立小黑点;
S223、提取轮廓外包矩形并计算其面积,当面积大于一定值时,就认为该矩形区域为白饭区域;
S23、对餐盘图像中的菜肴进行检测,菜肴检测的具体步骤包括:
S231、对餐盘涂黑处理;
S232、对菜肴涂白处理;
S233、对餐盘图像进行闭运算处理消除白块内的小黑点;
S234、对餐盘图像进行腐蚀处理,使白块减小,菜肴区域分开;
S235、提取菜肴轮廓遍历每个轮廓,并根据得到的菜肴轮廓,获取菜肴特征;
S3、识别餐盘图像获得对应菜肴名称;
S4、将菜肴名称与预设数据库中的菜肴名称进行匹配获得其价格,并计算总价。
进一步的,所述的S21中对餐盘图像中的餐盘进行检测的方法为基于SURF特征点的匹配方法。
进一步的,所述的S3中识别餐盘图像的方法为支持向量机识别算法。
一种食堂餐盘自动计费系统,其特征在于,包括:
图像获取模块,用于获取餐盘图像,
检测模块,用于检测餐盘图像;
识别模块,用于识别餐盘图像获得对应菜肴名称;
计费模块,用于将菜肴名称与预设数据库中的菜肴名称进行匹配获得其价格,并计算总价;
所述的检测模块包括:餐盘检测模块,用于对餐盘图像中的餐盘进行检测,
白饭检测模块,用于对餐盘图像中的白饭进行检测,菜肴检测模块,用于
对餐盘图像中的菜肴进行检测。
本发明具有如下优点:本发明所述的方法及系统,采用全自动计费的方式,来替代传统食堂的IC卡人工计费,计算准确,极大地提高了食堂的工作效率。
附图说明
图1为本发明一实施例食堂餐盘自动计费系统的主要结构流程;
图2(a)为本发明一实施例食堂餐盘自动计费方法的餐盘图像;
图2(b)为本发明一实施例方法的检测菜肴步骤中餐盘涂黑后的效果图;
图2(c)为本发明一实施例方法的检测菜肴步骤中菜肴涂白后的效果图;
图2(d)为本发明一实施例方法的检测菜肴步骤中闭运算后的效果图;
图2(e)为本发明一实施例方法的检测菜肴步骤中中腐蚀处理后的效果图;
图2(f)为本发明一实施例方法的检测菜肴步骤中的菜肴检测的效果图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。现结合附图和具体实施方式对本发明进一步说明。
参阅图1,示出了本发明一实施例食堂餐盘自动计费系统的主要结构流程。本系统包括以采集并获取餐盘图像的图像获取模块,该模块实现餐盘图像的获取,在检测模块中还有餐盘检测模块、白饭检测模块以及菜肴检测模块分别实现餐盘、白饭和菜肴的检测。先通过图像匹配实现餐盘的检测,然后,在此基础上,通过阈值处理,从餐盘图像中检测出白饭和菜肴。在识别模块中通过一种典型的针对小样本的分类器,来实现白饭和菜肴的识别。在计费模块中,首先通过数据库模块建立对应的价格信息库,在价格计算模块中通过查询相应的数据库表,得到各道识别到的菜肴和白饭的价格并将其相加,得出总价。
本发明一实施例一种食堂餐盘自动计费方法的步骤包括:获取餐盘图像、检测餐盘图像、识别餐盘图像、根据图像信息进行价格计费。
在检测餐盘图像步骤中,具体包括餐盘的检测、白饭的检测以及菜肴的检测,
在餐盘检测步骤中,因为餐盘形状固定,所以可根据该形状特征来检测餐盘。在此采用了使用稳健的SURF匹配算法的图像匹配方法来实现餐盘检测。首先,对源图像和餐盘模板图像提取SURF特征;接着,对两幅图的SURF特征点进行匹配;最后,提取匹配的SURF特征点的外包矩形。该矩形中将只包含餐盘,即排除了餐盘外的干扰因素。
本领域的相关技术人员应当知道,采用其他如颜色特征进行餐盘检测的方法也是可以的,采用颜色特征进行餐盘检测时,该方法受餐盘外桌面部分的颜色影响较大,样将导致之后餐盘检测出现较大的误差。
在白饭的检测步骤中,考虑到,白饭基本上为白色的颜色特征,对白饭进行反零阈值处理。反零阈值指的是将大于某个设定的阈值的灰度值置零的灰度变换。由于白饭颜色基本为白色,而白色属于高灰度值,相当适用于反零阈值法,故在此选用反零阈值法。为了白饭检测能取得更好的效果,将反零阈值处理后的图像再进行闭运算处理,消除小黑点干扰。通过闭运算后就可以取得较优的效果。最后,通过轮廓面积就可以判断出白饭位置。白饭检测的流程是:第一步,通过反零阈值法将图像中白色像素点置黑;第二步,通过闭运算处理消除一些小黑点;最后,提取轮廓外包矩形并计算其面积,当面积大于一定值时,就认为该矩形区域为白饭区域,即检测到白饭了。
检测菜肴的步骤中,具体的流程如下首先对餐盘进行涂黑处理,接着对菜肴进行涂白处理,至此,菜肴的轮廓已大概出现,之后再进行闭运算和腐蚀处理,对轮廓进行优化,最后提取轮廓的外包矩形,即可检测出菜肴。在对餐盘进行涂黑时,白饭可能没有全被涂黑,所以在识别出白饭的现在,直接将白饭涂黑,排除白饭对之后的检测产生不良影响。具体的白饭涂黑方法是通过检测像素点的位置是否落在白饭的位置内来判断是否进行涂黑。
对餐盘进行涂黑时采用了效果较好的,通过对Cr、Cb分量进行限制来涂黑的方法,即判断每个像素点的Cr、Cb分量值是否落在餐盘颜色的范围内,来决定是否进行涂黑。
由于菜肴颜色的多样,可能对之后的轮廓检测产生影响,所以在进行轮廓提取前,先将非黑色像素涂白。对菜肴进行涂白也有使边缘更加明显的效果,有利于之后的处理。具体方法是遍历图像的像素点,对每个像素点的RGB值进行判断,当该像素点为黑色时,不进行任何改变,除此之外,将该像素点置为白色。
为了消除白块内的小黑点,以免对之后的处理产生不良影响,进行了闭运算处理。进行闭运算处理后,黑点会被消除,白色区域会膨胀。不过,进行闭运算处理后,会有一点不良影响。因为进行闭运算处理后,白色区域会膨胀,所以当两个白色区域相近时,这两个区域会连接在一起。
考虑到有时,两道菜肴会连在一起或闭运算后会连在一起,此时若不将其分开,将会对后续处理产生相当大的不良影响。因为菜肴区域是连在一起的,所以会误判为只有一道菜肴,因此很可能将导致两道菜都无法识别出来或识别错误。为了将其分开,以免之后处理时误判为一道菜肴。这里采用了腐蚀方法。对餐盘图像进行腐蚀处理,使白块减小,菜肴区域分开,保证之后处理时,能够得到正确的结果。
经过上述的操作后,进行轮廓提取了。在提取轮廓后,遍历每个轮廓,根据轮廓的外包矩形的面积大小判断轮廓是否是菜肴的轮廓,最后,根据得到的菜肴轮廓,算出菜肴位置。参阅图2(a)至图2(f),示出了检测流程的各阶段效果图。
在经过检测的步骤后,接着对图像进行识别,在该实施例中采用支持向量机的图像识别方法进行实现菜肴识别。
本领域的相关技术人员应当知道,采用其他如感知Hash算法、用SURF特征和FLANN(快速最近邻逼近搜索函数库)来进行图像识别也是可行的。经过试验,发现这种方法用于菜肴识别效果不如支持向量机的方法。
最后进入计费的步骤,通过前面的图像检测,可知各道菜肴的名字,为了从菜肴名字得到菜肴价格,建立菜肴名字与菜肴价格的关系。而这样的关系,通过数据库中的二维表就可建立起来。建立相应数据库后,当想要知道某道菜肴的价格时,简单地用菜肴名字查询相应的二维表即可。通过查询每道菜肴的价格,再将其相加即可得到餐盘总价。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (4)
1.一种食堂餐盘自动计费方法,其特征在于,包括以下步骤:
S1、获取餐盘图像;
S2、检测餐盘图像,具体包括以下步骤:
S21、对餐盘图像中的餐盘进行检测;
S22、对餐盘图像中的白饭进行检测,白饭检测的具体步骤包括:
S221、通过反零阈值法将图像中白色像素点置黑,所述反零阈值法为将大于某个设定的阈值的灰度值置零;
S222、通过闭运算处理消除图像中的孤立小黑点;
S223、提取轮廓外包矩形并计算其面积,当面积大于一定值时,就认为该矩形区域为白饭区域;
S23、对餐盘图像中的菜肴进行检测,菜肴检测的具体步骤包括:
S231、对餐盘涂黑处理;
S232、对菜肴涂白处理;
S233、对餐盘图像进行闭运算处理消除白块内的小黑点;
S234、对餐盘图像进行腐蚀处理,使白块减小,菜肴区域分开;
S235、提取菜肴轮廓遍历每个轮廓,并根据得到的菜肴轮廓,获取菜肴特征;
S3、识别餐盘图像获得对应菜肴名称;
S4、将菜肴名称与预设数据库中的菜肴名称进行匹配获得其价格,并计算总价。
2.根据权利要求1所述的方法,其特征在于,所述的S21中对餐盘图像中的餐盘进行检测的方法为基于SURF特征点的匹配方法。
3.根据权利要求1所述的方法,其特征在于,所述的S3中识别餐盘图像的方法为支持向量机识别算法。
4.一种食堂餐盘自动计费系统,基于权利要求1-3中任一所述的方法,其特征在于,包括:
图像获取模块,用于获取餐盘图像,
检测模块,用于检测餐盘图像;
识别模块,用于识别餐盘图像获得对应菜肴名称;
计费模块,用于将菜肴名称与预设数据库中的菜肴名称进行匹配获得其价格,并计算总价;
所述的检测模块包括:餐盘检测模块,用于对餐盘图像中的餐盘进行检测,白饭检测模块,用于对餐盘图像中的白饭进行检测,菜肴检测模块,用于对餐盘图像中的菜肴进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610231586.1A CN105938553B (zh) | 2016-04-14 | 2016-04-14 | 一种食堂餐盘自动计费方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610231586.1A CN105938553B (zh) | 2016-04-14 | 2016-04-14 | 一种食堂餐盘自动计费方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105938553A CN105938553A (zh) | 2016-09-14 |
CN105938553B true CN105938553B (zh) | 2019-02-22 |
Family
ID=57151934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610231586.1A Active CN105938553B (zh) | 2016-04-14 | 2016-04-14 | 一种食堂餐盘自动计费方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105938553B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122730A (zh) * | 2017-04-24 | 2017-09-01 | 乐金伟 | 自选餐厅自动计价方法 |
CN111143585A (zh) * | 2019-04-11 | 2020-05-12 | 王晓东 | 自动化大数据排序方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN103034839A (zh) * | 2012-12-04 | 2013-04-10 | 南京航空航天大学 | 基于图像识别技术的食堂支付系统及方法 |
JP5467546B2 (ja) * | 2010-01-31 | 2014-04-09 | 伊藤忠プラスチックス株式会社 | 調理済み食品の販売システム |
CN104463167A (zh) * | 2014-11-20 | 2015-03-25 | 中国科学院上海微系统与信息技术研究所 | 一种餐厅自动结算方法及系统 |
CN104978585A (zh) * | 2015-06-11 | 2015-10-14 | 陈建波 | 一种自动计价方法 |
-
2016
- 2016-04-14 CN CN201610231586.1A patent/CN105938553B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
JP5467546B2 (ja) * | 2010-01-31 | 2014-04-09 | 伊藤忠プラスチックス株式会社 | 調理済み食品の販売システム |
CN103034839A (zh) * | 2012-12-04 | 2013-04-10 | 南京航空航天大学 | 基于图像识别技术的食堂支付系统及方法 |
CN104463167A (zh) * | 2014-11-20 | 2015-03-25 | 中国科学院上海微系统与信息技术研究所 | 一种餐厅自动结算方法及系统 |
CN104978585A (zh) * | 2015-06-11 | 2015-10-14 | 陈建波 | 一种自动计价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105938553A (zh) | 2016-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102426649B (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
US11335092B2 (en) | Item identification method, system and electronic device | |
CN103093215B (zh) | 人眼定位方法及装置 | |
CN102902959B (zh) | 基于二代身份证存储证件照的人脸识别方法及系统 | |
Krish et al. | Improving automated latent fingerprint identification using extended minutia types | |
CN108171247B (zh) | 一种车辆再识别方法及系统 | |
CN100414558C (zh) | 基于模板学习的自动指纹识别系统和方法 | |
CN110008909B (zh) | 一种基于ai的实名制业务实时稽核系统 | |
CN104794491A (zh) | 基于预分类的模糊聚类钢板表面缺陷检测方法 | |
CN104156704A (zh) | 一种新的车牌识别方法及系统 | |
CN104680550A (zh) | 一种通过图像特征点的轴承表面瑕疵检测的方法 | |
CN104732231B (zh) | 一种有价票据的识别方法 | |
CN103593695A (zh) | 一种dpm二维码区域定位的方法 | |
CN105488479A (zh) | 一种基于加权局部特征比对的车辆套牌识别方法及装置 | |
CN103824091A (zh) | 一种用于智能交通系统的车牌识别方法 | |
CN109376717A (zh) | 人脸对比的身份识别方法、装置、电子设备及存储介质 | |
CN101470802B (zh) | 物体检测装置和方法 | |
CN108319958A (zh) | 一种基于特征融合匹配的行驶证检测和识别方法 | |
CN105488486A (zh) | 防止照片攻击的人脸识别方法及装置 | |
CN106558061A (zh) | 一种基于云计算的收银防损方法及系统 | |
CN105938553B (zh) | 一种食堂餐盘自动计费方法及系统 | |
CN104408431B (zh) | 交通监控下的车款识别方法 | |
Satzoda et al. | Robust extraction of lane markings using gradient angle histograms and directional signed edges | |
CN109284759A (zh) | 一种基于支持向量机(svm)的魔方颜色识别方法 | |
CN104915951A (zh) | 一种点刻式dpm二维码区域定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |