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 PDF

Info

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
Application number
CN201811007921.5A
Other languages
English (en)
Inventor
陈晓鹏
杨德顺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Send Cheng Ke Food Information Technology Co Ltd
Original Assignee
Guangzhou Send Cheng Ke Food Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Send Cheng Ke Food Information Technology Co Ltd filed Critical Guangzhou Send Cheng Ke Food Information Technology Co Ltd
Priority to CN201811007921.5A priority Critical patent/CN109447083A/zh
Publication of CN109447083A publication Critical patent/CN109447083A/zh
Pending legal-status Critical Current

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
    • G06V10/40—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

一种基于图像边缘特征的餐具识别方法
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。
CN201811007921.5A 2018-08-31 2018-08-31 一种基于图像边缘特征的餐具识别方法 Pending CN109447083A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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