CN109447083A - 一种基于图像边缘特征的餐具识别方法 - Google Patents
一种基于图像边缘特征的餐具识别方法 Download PDFInfo
- Publication number
- CN109447083A CN109447083A CN201811007921.5A CN201811007921A CN109447083A CN 109447083 A CN109447083 A CN 109447083A CN 201811007921 A CN201811007921 A CN 201811007921A CN 109447083 A CN109447083 A CN 109447083A
- Authority
- CN
- China
- Prior art keywords
- tableware
- recognition methods
- matching
- methods based
- image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000004087 circulation Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 description 5
- 235000013311 vegetables Nutrition 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 235000013410 fast food Nutrition 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
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
- G06V10/40—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像边缘特征的餐具识别方法,包括以下步骤:(1)对所有的模板餐具的边缘特征信息进行提取并保存;(2)设定相关参数;(3)对录入图像进行预处理;(4)提取餐具图像边缘特征;(5)将录入图像的边缘特征与模板的边缘特征进行参数匹配,得出结果。本发明使用图像边缘特征进行识别,减少无关特征信息干扰,在提高识别率的同时又不需要更新带有RFID芯片的餐具,从而降低了成本。
Description
技术领域
本发明涉及一种数字图像处理和深度学习领域,具体涉及一种基于图像边缘特征的餐具识别方法。
背景技术
随着生活节奏的加快,人们对于各类快餐的需求越来越高,但是,由于快餐有各式各样的菜品,传统的人工结算方式有可能会导致结算出错,效率低下。
申请号为CN201610391888的中国发明专利记载有使用卷积神经网络对餐具进行特征提取,并通过这些提取到的特征对餐具进行分类识别,实现自动结算。其使用了卷积神经网络模型,对给定的输入图像进行卷积计算进行特征提取,使用池化操作对卷积计算后的结果进行降维,对图像从局部到全局进行特征抽取,最后根据提取的特征进行餐具的分类,这种方法虽然能将种类不多的餐具进行识别,但在有菜品的餐具上,菜品对该分类器所需要的特征有非常大的干扰,造成餐具识别率大大降低。
申请号为CN201420408401的中国实用新型专利记载有一种利用RFID芯片的餐具识别方法,通过RFID芯片读写器对餐具中的RFID芯片进行数据读取,根据得到数据对餐具进行分类识别。通过加入在餐具中加入芯片来进行对餐具的分类识别,这种方法会造成餐具成本价格的上升,并且实际运用到餐厅饭堂时,需将旧餐具全部置换成新餐具,带来不必要的成本。
发明内容
为了解决上述问题,本发明公开一种基于图像边缘特征的识别率高,成本低的餐具识别方法。
本发明所述一种基于图像边缘特征的餐具识别方法,包括以下步骤:
(1)对所有的模板餐具的边缘特征信息进行提取并保存;
(2)设定相关参数;
(3)对录入图像进行预处理;
(4)提取餐具图像边缘特征;
(5)将录入图像的边缘特征与模板的边缘特征进行参数匹配,得出结果。
进一步地,步骤(2)的相关参数为匹配最小得分和匹配贪婪系数,设定匹配最小得分为0.7-0.9,优选为0.75;设定匹配贪婪系数为0.55-0.7,优选为0.6。
步骤(3)对录入图像进行预处理目的是去除对图像的干扰,增加鲁棒性,其包括:对图像进行灰度转换,方便特征提取;对图像进行均值滤波,去除图像中的噪声;用Canny算子对图像进行边缘提取。更进一步地,均值滤波的核大小在3*3、5*5、7*7之间,为了较好地去除图像噪声并且不丢失边缘特征信息,优选核大小为3*3;用核大小为3的Canny算子对图像进行边缘提取时,高阈值范围为60-150,优选为60;低阈值范围为40-90,优选为40。
进一步地,步骤(4)使用Sobel算子对图像进行X方向和Y方向的边缘特征提取,其中Sobel算子的核大小范围为3、5、7,优选为5。
进一步地,步骤(5)还包括以下步骤:
(51)选择模板餐具;
(52)选择模板餐具的某个角度;
(53)判断是否遍历完当前模板餐具的全部角度,若是则返回步骤(51),否则进入步骤(54);
(54)在餐具图像的中心选定中心区域;
(55)在中心区域选择匹配中心点;
(56)判断是否遍历完全部匹配中心点,若是则返回步骤(52),否则进入步骤(57);
(57)将当前模板餐具角度的相对特征点坐标映射为餐具图像的绝对坐标;
(58)特征点作相关系数匹配,得出当前特征点的匹配得分,并累加到总得分;
(59)判断是否贪婪匹配点,若是则进入步骤(510),否则进入步骤(511);
(510)判断目前平均得分是否低于最小得分,若是则返回步骤(55),否则返回步骤(58);
(511)判断是否匹配完全部特征点,若是则进入步骤(512),否则返回步骤(58);
(512)记录当前得分;
(513)判断是否历遍所有循环,若是则进入步骤(514),否则返回步骤(55);
(514)返回记录中最高分所对应餐具型号。
更进一步地,步骤(54)中心区域大小可选自15*15、20*20、25*25,优选为20*20。步骤(55)选择匹配中心点是从中心区域的左上角坐标开始,以左上角的坐标作为匹配中心点,以此类推。
本发明利用数字图像处理的方法,对餐具进行识别,使用的餐具无需特别加工定制,无需植入芯片,使用此识别方法的餐厅饭堂无须置换新的餐具,大大降低成本。同时使用图像边缘特征能够很好地保证识别的精度,相对于直接利用卷积神经网络会被大量无关特征信息干扰的方法,识别率能够提高很多。
除此之外,本发明设置了中心区域,缩小了每次识别时的搜索范围,大大提升了识别的速度。
附图说明
图1是一种基于图像边缘特征的餐具识别方法流程图。
图2是录入图像边缘特征与模板边缘特征匹配流程图。
具体实施方式
如图1所示,一种基于图像边缘特征的餐具识别方法,包括以下步骤:(1)对所有的模板餐具的边缘特征信息进行提取并保存;(2)设定相关参数,包括匹配最小得分和匹配贪婪系数;(3)对录入图像进行预处理;(4)提取餐具图像边缘特征;(5)将录入图像的边缘特征与模板的边缘特征进行参数匹配,得出结果。
其中,步骤(2)中设置匹配最小得分为0.75,匹配贪婪系数为0.6。步骤(3)还包括以下步骤:(31)对图像进行灰度转换;(32)对图像进行核大小为3*3的均值滤波;(33)使用核大小为3的Canny算子对图像进行边缘提取,设定高阈值为60,低阈值为40。步骤(4)中使用核大小为5的Sobel算子对图像进行X方向和Y方向的边缘特征提取。
如图2所示,步骤(5)还包括以下步骤:(51)选择模板餐具;(52)选择模板餐具的某个角度;(53)判断是否遍历完当前模板餐具的全部角度,若是则返回步骤(51),否则进入步骤(54);(54)在餐具图像的中心选定大小为20*20的中心区域;(55)在中心区域选择匹配中心点,从中心区域的左上角坐标开始,以左上角的坐标作为匹配中心点,以此类推;(56)判断是否遍历完全部匹配中心点,若是则返回步骤(52),否则进入步骤(57);(57)将当前模板餐具角度的相对特征点坐标映射为餐具图像的绝对坐标;(58)特征点作相关系数匹配,得出当前特征点的匹配得分,并累加到总得分;(59)判断是否贪婪匹配点,若是则进入步骤(510),否则进入步骤(511);(510)判断目前平均得分是否低于最小得分,若是则返回步骤(55),否则返回步骤(58);(511)判断是否匹配完全部特征点,若是则进入步骤(512),否则返回步骤(58);(512)记录当前得分;(513)判断是否历遍所有循环,若是则进入步骤(514),否则返回步骤(55);(514)返回记录中最高分所对应餐具型号。
Claims (9)
1.一种基于图像边缘特征的餐具识别方法,其特征在于,包括以下步骤:
(1)对所有的模板餐具的边缘特征信息进行提取并保存;
(2)设定相关参数;
(3)对录入图像进行预处理;
(4)提取餐具图像边缘特征;
(5)将录入图像的边缘特征与模板的边缘特征进行参数匹配,得出结果。
2.根据权利要求1所述的一种基于图像边缘特征的餐具识别方法,其特征在于,步骤(2)的相关参数为匹配最小得分和匹配贪婪系数,设定匹配最小得分为0.7-0.9,优选为0.75;设定匹配贪婪系数为0.55-0.7,优选为0.6。
3.根据权利要求1所述的一种基于图像边缘特征的餐具识别方法,其特征在于,步骤(3)预处理包括以下步骤:
(31)对图像进行灰度转换;
(32)对图像进行均值滤波;
(33)使用核大小为3的Canny算子对图像进行边缘提取。
4.根据权利要求3所述的一种基于图像边缘特征的餐具识别方法,其特征在于,步骤(32)中均值滤波的核大小在3*3、5*5、7*7之间,优选3*3。
5.根据权利要求3所述的一种基于图像边缘特征的餐具识别方法,其特征在于,步骤(33)中高阈值范围为60-150,优选为60;低阈值范围为40-90,优选为40。
6.根据权利要求1所述的一种基于图像边缘特征的餐具识别方法,其特征在于,步骤(4)使用Sobel算子对图像进行X方向和Y方向的边缘特征提取,其中Sobel算子的核大小范围为3、5、7,优选为5。
7.根据权利要求1所述的一种基于图像边缘特征的餐具识别方法,其特征在于,步骤(5)还包括以下步骤:
(51)选择模板餐具;
(52)选择模板餐具的某个角度;
(53)判断是否遍历完当前模板餐具的全部角度,若是则返回步骤(51),否则进入步骤(54);
(54)在餐具图像的中心选定中心区域;
(55)在中心区域选择匹配中心点;
(56)判断是否遍历完全部匹配中心点,若是则返回步骤(52),否则进入步骤(57);
(57)将当前模板餐具角度的相对特征点坐标映射为餐具图像的绝对坐标;
(58)特征点作相关系数匹配,得出当前特征点的匹配得分,并累加到总得分;
(59)判断是否贪婪匹配点,若是则进入步骤(510),否则进入步骤(511);
(510)判断目前平均得分是否低于最小得分,若是则返回步骤(55),否则返回步骤(58);
(511)判断是否匹配完全部特征点,若是则进入步骤(512),否则返回步骤(58);
(512)记录当前得分;
(513)判断是否历遍所有循环,若是则进入步骤(514),否则返回步骤(55);
(514)返回记录中最高分所对应餐具型号。
8.根据权利要求7所述的一种基于图像边缘特征的餐具识别方法,其特征在于,步骤(54)中的中心区域大小可选自15*15、20*20、25*25,优选为20*20。
9.根据权利要求7所述的一种基于图像边缘特征的餐具识别方法,其特征在于,步骤(55)中的选择匹配中心点是从中心区域的左上角坐标开始,以左上角的坐标作为匹配中心点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811007921.5A CN109447083A (zh) | 2018-08-31 | 2018-08-31 | 一种基于图像边缘特征的餐具识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811007921.5A CN109447083A (zh) | 2018-08-31 | 2018-08-31 | 一种基于图像边缘特征的餐具识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109447083A true CN109447083A (zh) | 2019-03-08 |
Family
ID=65532641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811007921.5A Pending CN109447083A (zh) | 2018-08-31 | 2018-08-31 | 一种基于图像边缘特征的餐具识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447083A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161295A (zh) * | 2019-12-30 | 2020-05-15 | 神思电子技术股份有限公司 | 一种菜品图像背景剥离方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102654902A (zh) * | 2012-01-16 | 2012-09-05 | 江南大学 | 基于轮廓向量特征的嵌入式实时图像匹配方法 |
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 |
CN105976407A (zh) * | 2016-05-20 | 2016-09-28 | 重庆大学 | 一种适用于遮挡条件下的餐盘形状识别方法 |
CN106127261A (zh) * | 2016-07-01 | 2016-11-16 | 深圳元启智能技术有限公司 | 一种快速多分辨率灰度图像模板匹配方法 |
CN206480106U (zh) * | 2017-02-27 | 2017-09-08 | 广州市派客朴食信息科技有限责任公司 | 一种食堂自助结算系统 |
CN107368792A (zh) * | 2017-06-29 | 2017-11-21 | 广州智慧城市发展研究院 | 一种基于滤波器以及主干边缘的指静脉识别方法及系统 |
-
2018
- 2018-08-31 CN CN201811007921.5A patent/CN109447083A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102654902A (zh) * | 2012-01-16 | 2012-09-05 | 江南大学 | 基于轮廓向量特征的嵌入式实时图像匹配方法 |
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 |
CN105976407A (zh) * | 2016-05-20 | 2016-09-28 | 重庆大学 | 一种适用于遮挡条件下的餐盘形状识别方法 |
CN106127261A (zh) * | 2016-07-01 | 2016-11-16 | 深圳元启智能技术有限公司 | 一种快速多分辨率灰度图像模板匹配方法 |
CN206480106U (zh) * | 2017-02-27 | 2017-09-08 | 广州市派客朴食信息科技有限责任公司 | 一种食堂自助结算系统 |
CN107368792A (zh) * | 2017-06-29 | 2017-11-21 | 广州智慧城市发展研究院 | 一种基于滤波器以及主干边缘的指静脉识别方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161295A (zh) * | 2019-12-30 | 2020-05-15 | 神思电子技术股份有限公司 | 一种菜品图像背景剥离方法 |
CN111161295B (zh) * | 2019-12-30 | 2023-11-21 | 神思电子技术股份有限公司 | 一种菜品图像背景剥离方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108763606B (zh) | 一种基于机器视觉的户型图元素自动提取方法与系统 | |
CN106875546B (zh) | 一种增值税发票的识别方法 | |
Ferrari et al. | Accurate object detection with deformable shape models learnt from images | |
CN102682302B (zh) | 一种基于关键帧的多特征融合的人体姿态识别方法 | |
Shah et al. | Leaf classification using marginalized shape context and shape+ texture dual-path deep convolutional neural network | |
CN103902961B (zh) | 一种人脸识别方法及装置 | |
CN105046252B (zh) | 一种人民币冠字码识别方法 | |
CN107316031A (zh) | 用于行人重识别的图像特征提取方法 | |
CN104850825A (zh) | 一种基于卷积神经网络的人脸图像颜值计算方法 | |
CN107871125A (zh) | 违章建筑识别方法、装置及电子设备 | |
CN103914683A (zh) | 基于人脸图像的性别识别方法及系统 | |
CN106650608B (zh) | 一种无定位点试卷中矩形定位框的识别方法 | |
CN102930277A (zh) | 一种基于识别反馈的字符图像验证码识别方法 | |
RU2668731C1 (ru) | Способ распознавания денежной купюры | |
CN106056064A (zh) | 一种人脸识别方法及人脸识别装置 | |
CN106295532B (zh) | 一种视频图像中的人体动作识别方法 | |
CN103218610B (zh) | 狗脸检测器的形成方法和狗脸检测方法 | |
CN103632137B (zh) | 一种人眼虹膜图像分割方法 | |
CN103854016A (zh) | 基于方向性共同发生特征的人体行为分类识别方法及系统 | |
CN107992807A (zh) | 一种基于cnn模型的人脸识别方法及装置 | |
CN112906550B (zh) | 一种基于分水岭变换的静态手势识别方法 | |
CN110472625A (zh) | 一种基于傅里叶描述子的象棋棋子视觉识别方法 | |
CN106228118A (zh) | 一种特征点和二值图像结合的手指静脉识别方法 | |
CN103186790A (zh) | 对象检测系统和方法 | |
CN109086772A (zh) | 一种扭曲粘连字符图片验证码的识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |
|
RJ01 | Rejection of invention patent application after publication |