CN108062971A - 冰箱菜谱推荐的方法、装置及计算机可读存储介质 - Google Patents

Abstract

本发明公开了冰箱菜谱推荐的方法、装置及计算机可读存储介质，属于智能家电技术领域。该方法包括：对冰箱检测区域内的当前用户进行人脸检测，获取所述当前用户的当前人脸图像信息；根据人脸深度学习模型，从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息；确定所述人脸健康特征信息对应的当前健康菜谱，并进行推荐。这样，无需获取大量用户数据信息，也不需识别用户身份，可实现向不同的用户推荐不同的健康菜谱，提高了冰箱的智能化，也进一步提高菜谱推荐的速度。

Description

冰箱菜谱推荐的方法、装置及计算机可读存储介质

技术领域

本发明涉及智能家电技术领域，特别涉及冰箱菜谱推荐的方法、装置及计算机可读存储介质。

背景技术

随着智能家电技术的发展，空调、冰箱、洗衣机等等家电都可进行智能控制。冰箱作为一种智能家电，不仅可以冷藏及冷冻食品，还可对向用户推荐较为健康合理的菜谱。

目前，一些智能冰箱存储多个用户的健康数据以及用户身份信息等等，这样，冰箱识别出作用区域内的当前用户的身份信息后，可根据存储的健康数据，确定当前用户的健康数据，从而，推荐出对应的菜谱。可见，冰箱用户必须是预设，且还需录入大量的用户健康数据，这样，使得冰箱菜谱推荐的应用范围较窄，而且还不能实现不同用户实时精细的菜谱推荐。

发明内容

本发明实施例提供了一种冰箱菜谱推荐的方法、装置及计算机可读存储介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本发明实施例的第一方面，提供了一种冰箱菜谱推荐的方法，包括：

对冰箱检测区域内的当前用户进行人脸检测，获取所述当前用户的当前人脸图像信息；

根据人脸深度学习模型，从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息；

确定所述人脸健康特征信息对应的当前健康菜谱，并进行推荐。

本发明一实施例中，所述对冰箱检测区域内的当前用户进行人脸检测之前，包括：

当通过体感传感装置确定所述冰箱检测区域内有所述当前用户时，启动图像采集设备。

本发明一实施例中，所述获取所述当前用户的当前人脸图像信息包括：

通过图像采集设备采集所述当前用户图像；

提取所述当前用户图像中用于描述人脸的当前Haar-like特征；

根据Haar-like特征训练分类模型，确定与所述当前Haar-like特征对应的所述当前人脸图像信息，其中，所述Haar-like特征训练分类模型是根据对训练人体图像提取的Haar-like特征深度智能学习后生成的。

本发明一实施例中，所述从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息之前，还包括：

与服务器通讯获取所述人脸深度学习模型，其中，所述人脸深度学习模型是所述服务器根据训练人脸图片进行神经网络模型训练到达设定阈值后生成的；或，

根据训练人脸图片进行神经网络模型训练到达设定阈值后生成所述人脸深度学习模型。

本发明一实施例中，所述确定所述人脸健康特征信息对应的当前健康菜谱包括：

将所述人脸健康特征信息发送给服务器，并接收所述服务器根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的所述当前健康菜谱；或，

根据保存的所述菜谱分类索引关系，确定的与人脸健康特征信息的所述当前健康菜谱。

根据本发明实施例的第二方面，提供一种冰箱菜谱推荐的装置，包括：

获取单元，用于对冰箱检测区域内的当前用户进行人脸检测，获取所述当前用户的当前人脸图像信息；

识别单元，用于根据人脸深度学习模型，从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息；

推荐单元，用于确定所述人脸健康特征信息对应的当前健康菜谱，并进行推荐。

本发明一实施例中，所述装置还包括：

启动单元，用于当通过体感传感装置确定所述冰箱检测区域内有所述当前用户时，启动图像采集设备。

则，所述获取单元，具体用于通过图像采集设备采集所述当前用户图像，提取所述当前用户图像中用于描述人脸的当前Haar-like特征，以及，根据Haar-like特征训练分类模型，确定与所述当前Haar-like特征对应的所述当前人脸图像信息，其中，所述Haar-like特征训练分类模型是根据对训练人体图像提取的Haar-like特征深度智能学习后生成的。

本发明一实施例中，还包括：通讯获取单元或生成单元，其中，

所述通讯获取单元，用于与服务器通讯获取所述人脸深度学习模型，其中，所述人脸深度学习模型是所述服务器根据训练人脸图片进行神经网络模型训练到达设定阈值后生成的；

所述生成单元，用于根据训练人脸图片进行神经网络模型训练到达设定阈值后生成所述人脸深度学习模型。

则，所述推荐模块，具体用于将所述人脸健康特征信息发送给服务器，并接收所述服务器根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的所述当前健康菜谱；或，根据保存的所述菜谱分类索引关系，确定的与人脸健康特征信息的所述当前健康菜谱。

根据本发明实施例的第三方面，提供了一种冰箱菜谱推荐的装置，用于冰箱，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

对冰箱检测区域内的当前用户进行人脸检测，获取所述当前用户的当前人脸图像信息；

根据人脸深度学习模型，从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息；

确定所述人脸健康特征信息对应的当前健康菜谱，并进行推荐。

根据本发明实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述方法的步骤。

本发明实施例提供的技术方案可以包括以下有益效果：

本发明实施例中，冰箱可检测用户的人脸图像信息，并通过人脸深度学习模型进行人脸精细识别，识别出人脸图像信息中的人脸健康特征信息，从而推荐对应的健康菜谱，这样，无需获取大量用户数据信息，也不需识别用户身份，即可实现向不同的用户推荐不同的健康菜谱，提高了冰箱的智能化，也进一步提高菜谱推荐的速度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种冰箱菜谱推荐方法的流程图；

图2是根据一示例性实施例一示出的一种冰箱菜谱推荐方法的流程图；

图3是根据一示例性实施例二示出的一种冰箱菜谱推荐方法的流程图；

图4是根据一示例性实施例示出的一种冰箱菜谱推荐装置的框图；

图5是根据一示例性实施例三示出的一种冰箱菜谱推荐装置的框图；

图6是根据一示例性实施例四示出的一种冰箱菜谱推荐装置的框图。

具体实施方式

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，各实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。本文中，诸如第一和第二等之类的关系术语仅仅用于将一个实体或者操作与另一个实体或操作区分开来，而不要求或者暗示这些实体或操作之间存在任何实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的结构、产品等而言，由于其与实施例公开的部分相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

冰箱已是日常生活中常见的设备了，不仅能冷藏或冷冻食品，而且还可对存储的食品进行管理，还可以进行对应的食谱推荐。本实施例中，冰箱可检测用户的人脸图像信息，并通过人脸深度学习模型进行人脸精细识别，识别出人脸图像信息中的人脸健康特征信息，从而推荐对应的健康菜谱，这样，无需获取大量用户数据信息，也不需识别用户身份，即可实现向不同的用户推荐不同的健康菜谱，提高了冰箱的智能化，也进一步提高菜谱推荐的速度。

图1是根据一示例性实施例示出的一种冰箱菜谱推荐方法的流程图。如图1所示，冰箱菜谱推荐的过程包括：

步骤101：对冰箱检测区域内的当前用户进行人脸检测，获取当前用户的当前人脸图像信息。

一般，冰箱可通过图像采集设备采集用户的图像，用户进入到冰箱检测区域后，该用户即为当前用户，可通过图像采集设备采集当前用户图像。然后，可对当前用户图像进行人脸检测，获取当前用户的当前人脸图像信息。

从当前用户图像检测出当前人脸图像信息的方式可以有多种，较佳地，可采用Haar+adboost算法，来检测人脸图像信息，其中，Haar-like特征可用于人脸描述了，而adboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)，这样，通过Haar+adboost算法来检测人脸图像信息，不仅检测速度快，而且对硬件依赖性小，可实现实时处理。具体可包括：通过图像采集设备采集当前用户图像；提取当前用户图像中用于描述人脸的当前Haar-like特征；根据Haar-like特征训练分类模型，确定与当前Haar-like特征对应的当前人脸图像信息，其中，Haar-like特征训练分类模型是根据对训练人体图像提取的Haar-like特征深度智能学习后生成的。

可见，冰箱具有人工智能学习的功能，可对训练人体图像提取的Haar-like特征进行深度智能学习，并可生成Haar-like特征训练分类模型，从而，根据Haar-like特征训练分类模型，确定与当前Haar-like特征对应的当前人脸图像信息。或者，冰箱可与服务器进行通讯，从服务器中获取已生成的Haar-like特征训练分类模型，由于服务器可处理较多的训练人体图像，从而，Haar-like特征训练分类模型可根据精准，检测出的当前人脸图像信息也就根据准确。并且，服务器上进行深度智能学习，可减少对冰箱中资源的占用。

步骤102：根据人脸深度学习模型，从当前人脸图像信息中识别出当前用户的人脸健康特征信息。

冰箱可具有人工智能机器学习的能力，这样，冰箱在出厂前，或使用过程中，获得大量的已知的训练人脸图片，从而，可根据这些已知的训练人脸图片，进行人工智能机器学习，确定人脸深度学习模型并保存。

或者，由于冰箱是智能设备，可与服务器进行通讯，为减少冰箱的内存压力，人脸深度学习模型可由服务器确定，而冰箱与服务器通讯，从而，从服务器中获取并保存人脸深度学习模型，其中，人脸深度学习模型是服务器根据训练人脸图片进行神经网络模型训练到达设定阈值后生成的。

因此，从当前人脸图像信息中识别出当前用户的人脸健康特征信息之前，还包括：与服务器通讯获取人脸深度学习模型，其中，人脸深度学习模型是服务器根据训练人脸图片进行神经网络模型训练到达设定阈值后生成的；或，根据训练人脸图片进行神经网络模型训练到达设定阈值后生成人脸深度学习模型。

这样，冰箱中保存了人脸深度学习模型，从而，可根据人脸深度学习模型，从检测的当前人脸图像信息识别出当前用户的人脸健康特征信息。

人脸健康特征信息可包括：性别信息、年龄信息、皮肤状态信息、轮廓胖瘦信息等等中的一种、两种或多种，即人脸健康特征信息可包括：性别信息、年龄信息、皮肤状态信息、以及轮廓胖瘦信息中的至少一种。

步骤103：确定人脸健康特征信息对应的当前健康菜谱，并进行推荐。

本发明实施例中，可根据菜谱分类索引关系，确定人脸健康特征信息对应的当前健康菜谱。一般，可建立人脸健康特征信息与菜谱之间的索引关系。

例如：性别与菜谱之间的索引关系可如表1所示：

性别信息	菜谱
		女性	菜品1、菜品2、菜品6、…
男性	菜品1、菜品3、菜品4、…

表1

而年龄与菜谱之间的索引关系可如表2所示：

年龄信息	菜谱
		1-3岁	菜品1、菜品3、菜品4、…
3-12岁	菜品2、菜品7、菜品8、…
		12-18岁	菜品1、菜品2、菜品6、…
18-35岁	菜品4、菜品5、菜品6、
		…	…

表2

皮肤状态信息与菜谱之间的索引关系可如表3所示：

皮肤状态信息	菜谱
		光滑且颜色正常	菜品2、菜品4、菜品6、…
光滑且颜色暗淡	菜品3、菜品5、菜品7、…
		有大于设定个数的红色小包	菜品6、菜品8、菜品10、…
…	…

表3

当然，还可建立其他人脸健康特征信息与菜谱的索引关系，例如：人脸轮廓面积大于设定值，对应一种菜谱，而人脸轮廓面积小于设定值则对应另一中菜谱。具体就不再一一例举了。

菜谱分类索引关系可由冰箱保存，则可根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的当前健康菜谱。或者，菜谱分类索引关系有服务器保存，则可将人脸健康特征信息发送给服务器，并接收服务器根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的当前健康菜谱。

若识别出的人脸健康特征信息包括：性别信息和年龄信息，则可根据表1和表2，确定对应的当前健康菜谱。若检测出的人脸健康特征信息包括：性别信息、年龄信息和皮肤状态信息，则可根据表1、表2以及表3确定对应的当前健康菜谱。例如：识别出的人脸健康特征信息为女性，30岁，皮肤光滑且颜色正常，则根据表1、表2以及表3确定的当前健康菜谱包括：菜品6、菜品8…等等。

确定出当前健康菜谱后，即可呈现在冰箱的显示界面上进行推荐。

可见，本发明实施例中，冰箱可检测用户的人脸图像信息，并通过人脸深度学习模型进行人脸精细识别，识别出人脸图像信息中的人脸健康特征信息，从而推荐对应的健康菜谱，这样，无需获取大量用户数据信息，也不需识别用户身份，即可实现向不同的用户推荐不同的健康菜谱，提高了冰箱的智能化，也进一步提高菜谱推荐的速度。

本发明实施例中，一般可通过图像采集设备采集当前用户图像，因此，可在对冰箱检测区域内的当前用户进行人脸检测之前，当通过体感传感装置确定冰箱检测区域内有当前用户时，启动图像采集设备。这样，可避免图像采集设备一直开启，减少了对资源的浪费。

下面将操作流程集合到具体实施例中，举例说明本公开实施例提供的方法。

本实施例中，冰箱可与管理智能家电的服务器进行通讯，从服务器中获取并保存人脸深度学习模型以及Haar-like特征训练分类模型，其中，人脸深度学习模型是服务器根据训练人脸图片进行神经网络模型训练到达设定阈值后生成的。而Haar-like特征训练分类模型也是服务器根据对训练人体图像提取的Haar-like特征深度智能学习后生成的。这样，冰箱中已保存了人脸深度学习模型和Haar-like特征训练分类模型。

图2是根据一示例性实施例一示出的一种冰箱菜谱推荐方法的流程图。如图2所示，冰箱菜谱推荐的过程如下：

步骤201：通过体感传感装置判断冰箱检测区域内是否有用户？若有，执行步骤202，否则，返回步骤201。

步骤202：将冰箱检测区域内的用户确定为当前用户，并启动图像采集设备。

步骤203：通过图像采集设备采集当前用户图像。

步骤204：提取当前用户图像中用于描述人脸的当前Haar-like特征。

步骤205：根据保存的Haar-like特征训练分类模型，确定与当前Haar-like特征对应的当前人脸图像信息。

步骤206：根据人脸深度学习模型，从当前人脸图像信息中识别出当前用户的人脸健康特征信息。

步骤207：将人脸健康特征信息发送给服务器。

步骤208：接收服务器根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的当前健康菜谱。

步骤209：推荐当前健康菜谱。

可见，本实施例中，冰箱可检测用户的人脸图像信息，并通过人脸深度学习模型进行人脸精细识别，识别出人脸图像信息中的人脸健康特征信息，从而推荐对应的健康菜谱，这样，无需获取大量用户数据信息，也不需识别用户身份，即可实现向不同的用户推荐不同的健康菜谱，提高了冰箱的智能化，也进一步提高菜谱推荐的速度。并且，冰箱无需保存各类模型以及菜谱索引，节省内存，减少了冰箱运行的压力。

当然，本发明另一个实施例中，冰箱中可通过深度智能学习，对训练人体图像提取的Haar-like特征深度智能学习后生成Haar-like特征训练分类模型并保存，并且，还可根据训练人脸图片进行神经网络模型训练到达设定阈值后生成人脸深度学习模型并保存，同时，冰箱还可保存菜谱分类索引关系。

图3是根据一示例性实施例二示出的一种冰箱菜谱推荐方法的流程图。如图3所示，冰箱菜谱推荐的过程如下：

步骤301：通过图像采集设备采集冰箱检测区域内的当前用户的当前用户图像。

步骤302：提取当前用户图像中用于描述人脸的当前Haar-like特征。

步骤303：根据保存的Haar-like特征训练分类模型，确定与当前Haar-like特征对应的当前人脸图像信息。

步骤304：根据保存的人脸深度学习模型，从当前人脸图像信息中识别出当前用户的人脸健康特征信息。

步骤305：根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的当前健康菜谱。

步骤306：推荐当前健康菜谱。

可见，本实施例中，冰箱具有人工智能学习的能力，这样，可检测用户的人脸图像信息，并通过人脸深度学习模型进行人脸精细识别，识别出人脸图像信息中的人脸健康特征信息，从而推荐对应的健康菜谱，这样，无需获取大量用户数据信息，也不需识别用户身份，即可实现向不同的用户推荐不同的健康菜谱，提高了冰箱的智能化，也进一步提高菜谱推荐的速度。

下述为本公开装置实施例，可以用于执行本公开方法实施例。

根据上述冰箱菜谱推荐的过程，可构建一种冰箱菜谱推荐的装置。

图4是根据一示例性实施例示出的一种冰箱菜谱推荐装置的框图。如图4所示，该装置可包括：获取单元100、识别单元200以及推荐单元300，其中，

获取单元100，用于对冰箱检测区域内的当前用户进行人脸检测，获取当前用户的当前人脸图像信息。

识别单元200，用于根据人脸深度学习模型，从当前人脸图像信息中识别出当前用户的人脸健康特征信息。

推荐单元300，用于确定人脸健康特征信息对应的当前健康菜谱，并进行推荐。

本发明一实施例中，装置还包括：

启动单元，用于当通过体感传感装置确定冰箱检测区域内有当前用户时，启动图像采集设备。

本发明一实施例中，获取单元100，具体用于通过图像采集设备采集当前用户图像，提取当前用户图像中用于描述人脸的当前Haar-like特征，以及，根据Haar-like特征训练分类模型，确定与当前Haar-like特征对应的当前人脸图像信息，其中，Haar-like特征训练分类模型是根据对训练人体图像提取的Haar-like特征深度智能学习后生成的。

本发明一实施例中，还包括：通讯获取单元或生成单元，其中，

通讯获取单元，用于与服务器通讯获取人脸深度学习模型，其中，人脸深度学习模型是服务器根据训练人脸图片进行神经网络模型训练到达设定阈值后生成的；

生成单元，用于根据训练人脸图片进行神经网络模型训练到达设定阈值后生成人脸深度学习模型。

本发明一实施例中，推荐模块，具体用于将人脸健康特征信息发送给服务器，并接收服务器根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的当前健康菜谱；或，根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的当前健康菜谱。

下面举例说明本公开实施例提供的装置。

图5是根据一示例性实施例三示出的一种冰箱菜谱推荐装置的框图。如图5所示，该装置包括：获取单元100、识别单元200和推荐单元300，还包括启动单元400以及通讯获取单元500。

这样，通讯获取单元500可与服务器通讯获取人脸深度学习模型，其中，人脸深度学习模型是服务器根据训练人脸图片进行神经网络模型训练到达设定阈值后生成的，当然，还可获取Haar-like特征训练分类模型，该Haar-like特征训练分类模型也可是服务器是根据对训练人体图像提取的Haar-like特征深度智能学习后生成的。

而当通过体感传感装置确定冰箱检测区域内有当前用户时，启动单元400可启动图像采集设备。这样，获取单元100可通过启动的图像采集设备采集当前用户图像，提取当前用户图像中用于描述人脸的当前Haar-like特征，以及，根据Haar-like特征训练分类模型，确定与当前Haar-like特征对应的当前人脸图像信息。

而识别单元200可根据人脸深度学习模型，从当前人脸图像信息中识别出当前用户的人脸健康特征信息。

从而推荐单元300可将人脸健康特征信息发送给服务器，并接收服务器根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的当前健康菜谱，并进行推荐。

可见，本实施例中，冰箱可检测用户的人脸图像信息，并通过人脸深度学习模型进行人脸精细识别，识别出人脸图像信息中的人脸健康特征信息，从而推荐对应的健康菜谱，这样，无需获取大量用户数据信息，也不需识别用户身份，即可实现向不同的用户推荐不同的健康菜谱，提高了冰箱的智能化，也进一步提高菜谱推荐的速度。并且，冰箱无需保存各类模型以及菜谱索引，节省内存，减少了冰箱运行的压力。

图6是根据一示例性实施例四示出的一种冰箱菜谱推荐装置的框图。如图6所示，该装置包括：获取单元100、识别单元200和推荐单元300，还包括启动单元400以及生成单元600。

生成单元600可根据训练人脸图片进行神经网络模型训练到达设定阈值后生成人脸深度学习模型。并该生成单元600还可根据对训练人体图像提取的Haar-like特征深度智能学习后生成Haar-like特征训练分类模型。即该装置保存了人脸深度学习模型和Haar-like特征训练分类模型。

这样，当通过体感传感装置确定冰箱检测区域内有当前用户时，启动单元400可启动图像采集设备。获取单元100可通过启动的图像采集设备采集当前用户图像，提取当前用户图像中用于描述人脸的当前Haar-like特征，以及，根据Haar-like特征训练分类模型，确定与当前Haar-like特征对应的当前人脸图像信息。

而识别单元200可根据人脸深度学习模型，从当前人脸图像信息中识别出当前用户的人脸健康特征信息。

从而推荐单元300可根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的当前健康菜谱，并进行推荐。

可见，本实施例中，冰箱具有人工智能学习的能力，这样，可检测用户的人脸图像信息，并通过人脸深度学习模型进行人脸精细识别，识别出人脸图像信息中的人脸健康特征信息，从而推荐对应的健康菜谱，这样，无需获取大量用户数据信息，也不需识别用户身份，即可实现向不同的用户推荐不同的健康菜谱，提高了冰箱的智能化，也进一步提高菜谱推荐的速度。

本发明一实施例中，提供了一种冰箱菜谱推荐的装置，用于冰箱，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

对冰箱检测区域内的当前用户进行人脸检测，获取当前用户的当前人脸图像信息；

根据人脸深度学习模型，从当前人脸图像信息中识别出当前用户的人脸健康特征信息；

确定人脸健康特征信息对应的当前健康菜谱，并进行推荐。

本发明一实施例中，提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述冰箱菜谱推荐方法的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的流程及结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种冰箱菜谱推荐的方法，其特征在于，包括：

对冰箱检测区域内的当前用户进行人脸检测，获取所述当前用户的当前人脸图像信息；

根据人脸深度学习模型，从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息；

确定所述人脸健康特征信息对应的当前健康菜谱，并进行推荐。

2.如权利要求1所述的方法，其特征在于，所述对冰箱检测区域内的当前用户进行人脸检测之前，包括：

当通过体感传感装置确定所述冰箱检测区域内有所述当前用户时，启动图像采集设备。

3.如权利要求1或2所述的方法，其特征在于，所述获取所述当前用户的当前人脸图像信息包括：

通过图像采集设备采集所述当前用户图像；

提取所述当前用户图像中用于描述人脸的当前Haar-like特征；

根据Haar-like特征训练分类模型，确定与所述当前Haar-like特征对应的所述当前人脸图像信息，其中，所述Haar-like特征训练分类模型是根据对训练人体图像提取的Haar-like特征深度智能学习后生成的。

4.如权利要求1所述的方法，其特征在于，所述从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息之前，还包括：

与服务器通讯获取所述人脸深度学习模型，其中，所述人脸深度学习模型是所述服务器根据训练人脸图片进行神经网络模型训练到达设定阈值后生成的；或，

根据训练人脸图片进行神经网络模型训练到达设定阈值后生成所述人脸深度学习模型。

5.如权利要求1或4所述的方法，其特征在于，所述确定所述人脸健康特征信息对应的当前健康菜谱包括：

将所述人脸健康特征信息发送给服务器，并接收所述服务器根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的所述当前健康菜谱；或，

根据保存的所述菜谱分类索引关系，确定的与人脸健康特征信息的所述当前健康菜谱。

6.一种冰箱菜谱推荐的装置，其特征在于，包括：

获取单元，用于对冰箱检测区域内的当前用户进行人脸检测，获取所述当前用户的当前人脸图像信息；

识别单元，用于根据人脸深度学习模型，从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息；

推荐单元，用于确定所述人脸健康特征信息对应的当前健康菜谱，并进行推荐。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

启动单元，用于当通过体感传感装置确定所述冰箱检测区域内有所述当前用户时，启动图像采集设备；

则，所述获取单元，具体用于通过图像采集设备采集所述当前用户图像，提取所述当前用户图像中用于描述人脸的当前Haar-like特征，以及，根据Haar-like特征训练分类模型，确定与所述当前Haar-like特征对应的所述当前人脸图像信息，其中，所述Haar-like特征训练分类模型是根据对训练人体图像提取的Haar-like特征深度智能学习后生成的。

8.如权利要求6所述的装置，其特征在于，还包括：通讯获取单元或生成单元，其中，

所述通讯获取单元，用于与服务器通讯获取所述人脸深度学习模型，其中，所述人脸深度学习模型是所述服务器根据训练人脸图片进行神经网络模型训练到达设定阈值后生成的；

所述生成单元，用于根据训练人脸图片进行神经网络模型训练到达设定阈值后生成所述人脸深度学习模型。

则，所述推荐模块，具体用于将所述人脸健康特征信息发送给服务器，并接收所述服务器根据保存的菜谱分类索引关系，确定的与人脸健康特征信息的所述当前健康菜谱；或，根据保存的所述菜谱分类索引关系，确定的与人脸健康特征信息的所述当前健康菜谱。

9.一种冰箱菜谱推荐的装置，用于冰箱，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

对冰箱检测区域内的当前用户进行人脸检测，获取所述当前用户的当前人脸图像信息；

根据人脸深度学习模型，从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息；

确定所述人脸健康特征信息对应的当前健康菜谱，并进行推荐。

10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-5所述方法的步骤。