CN112885431B - 饮食推荐方法、装置、油烟机、处理器及存储介质 - Google Patents
饮食推荐方法、装置、油烟机、处理器及存储介质 Download PDFInfo
- Publication number
- CN112885431B CN112885431B CN202110044434.1A CN202110044434A CN112885431B CN 112885431 B CN112885431 B CN 112885431B CN 202110044434 A CN202110044434 A CN 202110044434A CN 112885431 B CN112885431 B CN 112885431B
- Authority
- CN
- China
- Prior art keywords
- radar
- data
- user
- gesture
- diet
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
Landscapes
- Health & Medical Sciences (AREA)
- Nutrition Science (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Radar Systems Or Details Thereof (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明实施例提供一种饮食推荐方法、装置、油烟机、处理器、存储介质及计算机程序产品。方法包括:获取与用户相关联的雷达数据;根据雷达数据确定用户的年龄结构;根据年龄结构确定用户的推荐饮食信息。雷达数据在数据隐私方面具有良好的保护属性,并且发送雷达数据的雷达装置可以保证全天候的工作,在复杂的家居环境中的适应性强,同时通过雷达数据可以确定用户家庭成员的身份年龄,并根据上述身份年龄为用户推送健康的饮食信息,可以减少饮食结构不合理带来的疾病,从而搭建一套健康合理的饮食系统,提高用户的生活体验。
Description
技术领域
本发明涉及计算机技术领域,具体地涉及一种饮食推荐方法、装置、油烟机、处理器、存储介质及计算机程序产品。
背景技术
目前,随着人们生活水平的提高,人们对健康的要求也越来越高,而饮食与人们健康直接相关,饮食质量已经成为人们特别关注的问题。饮食结构与人们身体状况有着很大关系,不同年龄阶段的用户对饮食的要求也都存在着差异。在日常生活中,人们往往没有时间了解不同人群适合哪些饮食,也很难在没有准备的情况下有效合理的安排饮食,从而不能保证饮食起到很好的健康效果,会对人们的健康产生影响。在获取用户的年龄阶段方面,步态识别是一种新兴的生物特征识别技术,旨在通过人们走路的姿态对其进行身份识别,进而确定用户的年龄结构,与其他的生物识别技术相比,步态识别具有非接触、远距离、不容易伪装等优点,一些重要场所的安检工作就会利用步态识别技术来对待检人员进行身份验证。根据传感器的种类划分,在现有技术领域内步态识别主要是基于图像的方法,虽然获取的图像特征直观,便捷,但是也会带来隐私数据泄露的问题。
发明内容
本发明实施例的目的是提供一种饮食推荐方法、装置、油烟机、处理器、存储介质及计算机程序产品。
为了实现上述目的,本发明第一方面提供一种饮食推荐方法,包括:
获取与用户相关联的雷达数据;
根据雷达数据确定用户的年龄结构;
根据年龄结构确定用户的推荐饮食信息。
在本发明的实施例中,将推荐饮食信息对应的饮食菜单显示在烟机的显示装置上。
在本发明的实施例中,在获取与用户相关联的雷达数据之后,清除雷达数据中的无效数据以及噪声达到预设条件的雷达数据。
在本发明的实施例中,根据雷达数据确定用户的年龄结构包括:对雷达数据进行堆叠以得到对应的雷达点云图;将雷达点云图输入至步态识别模型,以确定用户的年龄结构。
在本发明的实施例中,油烟机包括雷达装置,通过雷达装置获取用户的当前手势;确定当前手势对应的手势指令;控制油烟机执行手势指令对应的控制操作。
在本发明的实施例中,通过雷达装置获取用户的当前手势包括:获取用户比划的手势雷达数据;将手势雷达数据进行堆叠,以得到对应的手势雷达图;确定当前手势对应的手势指令包括:根据手势雷达图确定对应的手势指令。
本发明第二方面提供一种处理器,被配置成执行上述的饮食推荐方法。
本发明第三方面提供一种饮食推荐装置,包括如上述的处理器。
本发明第四方面提供一种油烟机,油烟机包括:
雷达装置,用于采集与用户相关联的雷达数据;以及
上述的一种饮食推荐装置。
在本发明的实施例中,上述雷达装置包括:发送天线、接收天线以及雷达芯片。
本发明第五方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得处理器被配置成执行上述的用于油烟机的启动方法。
本发明第六方面提供一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现上述的一种饮食推荐方法。
上述技术方案,通过首先获取与用户相关联的雷达数据,再根据雷达数据确定用户的年龄结构,从而根据年龄结构确定用户的推荐饮食信息。相较于步态识别技术中基于图像识别的方法所获得的图像特征,雷达数据则在数据隐私方面具有更好的保护属性,并且雷达装置可以全天候的工作,对环境的适应性更强,同时通过雷达数据可以确定用户家庭成员的身份年龄,并根据上述身份年龄为用户推送健康的饮食信息,可以减少饮食结构不合理带来的疾病,从而搭建一套健康合理的饮食系统,提高用户的生活体验。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1示意性示出了根据本发明实施例的饮食推荐方法的应用环境示意图;
图2示意性示出了根据本发明实施例的饮食推荐方法的流程示意图;
图3示意性示出了根据本发明实施例的饮食推荐装置的结构框图;
图4示意性示出了根据本发明实施例的油烟机的结构框图;
图5示意性示出了根据本发明实施例的雷达装置的结构示意图;
图6示意性示出了根据本发明实施例的计算机设备的内部结构图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
本申请提供的饮食推荐方法,可以应用于如图1所示的应用环境中。其中,油烟机100包括雷达装置101和处理器102,雷达装置101和处理器102可以进行数据通信,处理器102可以获取到雷达装置101采集到的与用户相关联的雷达数据,其中雷达数据在数据隐私方面具有良好的保护属性,并且发送雷达数据的雷达装置可以保证全天候的工作,在复杂的家居环境中的适应性强,根据雷达数据可以确定用户的年龄结构,进而根据年龄结构确定用户的推荐饮食信息,减少饮食结构不合理带来的疾病,为用户快速便捷地搭建一套健康合理的饮食系统。
图2示意性示出了根据本发明实施例的饮食推荐方法的流程示意图。如图2所示,在本发明一实施例中,提供了一种饮食推荐方法,包括以下步骤:
步骤201,获取与用户相关联的雷达数据。
在一个实施例中,雷达数据可以为通过雷达获取的数据,在实际应用中,雷达种类包括微波雷达、激光雷达以及毫米波雷达中的至少一者。雷达的优点是白天黑夜均能探测远距离的被测物体,且不会受到空气中其他介质的阻挡,具有全天候、全天时的特点,并有一定的穿透能力。因此通过雷达获取的雷达数据精度更高,也更加稳定,因此,处理器可以通过获取与用户关联的雷达数据。其中雷达数据主要通过三个参数来描述:angle、distance、speed,在三个参数中angle表示被测物体相对于雷达的角度,distance表示被测物体相对于雷达的距离,speed表示被测物体相对于雷达的径向速度。径向速度是指被测物体在观察者视线方向的运动速度。一般指被测物体运动速度在观察者视线方向的速度分量,即速度矢量在视线方向的投影。在本实施例中,径向速度具体是指被测物体的速度所在雷达所在轴线上的速度分量,且被测物体对象大部分情况下是用户。
具体地,当雷达处于运行状态时,例如,该雷达采用的是毫米波雷达,毫米波的波长介于微波和远红外波相交叠的波长范围,兼具微波和红外波的特点,抗干扰能力强,穿透性好,可以全天候工作。那么雷达确定的与用户关联的毫米波数据可以记为data1(angle1,distance1,speed1),三个参数中angle1表示被测物体相对于雷达的角度,distance1表示被测物体相对于雷达的距离,speed1表示被测物体相对于雷达的径向速度。在一小段时间序列内,采集到对应的毫米波雷达数据集合,采集的数据集合便是与用户相关联的雷达数据。
在一个实施例中,将推荐饮食信息对应的饮食菜单显示在油烟机的显示装置上,在本实施例中,显示装置位于油烟机外部。显示装置通常包括显示器和处理器,显示装置是一种输入输出设备,通过处理器将接收到的数据、指令、电信号和某些标志信号中的至少一者转化为可以显示的信号,再通过显示器把处理后的信号以用户能识别的各种形式,如数字、符号、字母中的至少一者表示出来,因此显示装置起到了用户与设备之间进行联系的作用,它是一种将一定的信号通过特定的传输设备显示到屏幕上再传输到用户的显示设备。具体地,在本实施例中显示装置的作用是将雷达数据对应的饮食菜单与用户交互。
在一个实施例中,在获取与用户相关联的雷达数据之后,清除雷达数据中的无效数据以及噪声达到预设条件的雷达数据。
无效数据是指在雷达设备通信中处理器无法转换的雷达数据,无效原因是数据格式与系统无法兼容、空气介质干扰、油烟机设备供电不稳定中的至少一者。具体地,雷达数据主要通过三个参数来描述:angle、distance、speed,在三个参数中angle表示被测物体相对于雷达的角度,distance表示被测物体相对于雷达的距离,speed表示被测物体相对于雷达的径向速度。径向速度是指被测物体在观察者视线方向的运动速度。一般指被测物体运动速度在观察者视线方向的速度分量,即速度矢量在视线方向的投影。如果三个参数angle、distance、speed中的至少一者出现上述无效原因中的至少一者,此时获取的与用户相关联的雷达数据便是无效数据。雷达数据的噪声处理过程中的噪声主要来源于两个方面,一个是外部噪声,这部分的噪声被天线接收进入系统。另一个是内部噪声,主要是雷达设备本身产生的噪声。对于外部的噪声,会随着天线指向的变化而发生变化。一般来说,若不考虑雷达周围存在的微波干扰源,外部的噪声主要来源于太阳,到了晚上,则主要来源于银河噪声,也叫宇宙噪声。雷达设备内部的噪声主要是一些器件损耗造成的热噪声,电流的快拍噪声以及一些泄露产生的闪烁噪声等。在本实施例中,通过信号处理技术实现雷达数据中的噪声清除,从获取达到预设条件的雷达数据。
步骤202,根据雷达数据确定用户的年龄结构。
在一个实施例中,根据雷达数据确定用户的年龄结构包括:对雷达数据进行堆叠以得到对应的雷达点云图;将雷达点云图输入至步态识别模型,以确定用户的年龄结构。本实施例中的方法应用于油烟机,油烟机包括雷达装置。
年龄结构是指用户的年龄构成。各个年龄组用户在总的用户群中所占的比重或百分比。年龄是基本的自然属性。任何一个用户群体都是由许多具有不同年龄的用户所组成,即使是在不同国家与地区处于不同时间点的用户也都是从0岁的年龄阶段开始直到某个最高的年龄阶段为止。各个年龄阶段的用户在总用户群体里中所占的比重就构成该用户群体的年龄结构。雷达点云图是指采用雷达数据与点云数据,通过点云聚类算法确定的雷达数据集合图像。具体地,雷达数据的处理包括:首先通过雷达装置确定与用户关联的雷达数据可以记为data1(angle1,distance1,speed1),三个参数中angle1表示被测物体相对于雷达的角度,distance1表示被测物体相对于雷达的距离,speed1表示被测物体相对于雷达的径向速度。经过一段时间序列T过后,如经过时间序列t1,t2,…,tn,可以采集到一组上述格式的雷达数据集合data=(data1,data2,…,datan),根据这些雷达数据可以获取当前被测物体的年龄结构,从而确定用户的推荐饮食信息,在本实施例中,被测物体对象可以是用户。油烟机通电启动后,雷达装置首先以一定的频率向厨房空间中不停的发送雷达波。与此同时,雷达装置以与发射频率相同的速度不断检测是否接收到反射回变化的波束。此时,雷达装置的接收模块会接收到变化较大的返回波束数据,并将该波束通过雷达芯片传输给运算处理器。然后运算处理器计算反射回的点云数据,根据点云的特征识别出对应用户年龄结构,进而根据用户的年龄结构确定用户的推荐饮食信息。步态识别模型是指基于人们行走方式的行为特征所建立的特征识别模型。虽然不同用户的步态特征都不尽相同,但是通过步态识别模型也可以提供了充足的信息来识别用户的特征数据序列,且由于序列图像的数据量较大,因此步态识别模型的计算复杂性比较高,安全性很强。
点云数据(point cloud data)是指在一个三维坐标系统中的一组向量的集合。扫描资料以点的形式记录,每一个点包含有三维坐标,有些可能含有颜色信息(RGB)或反射强度信息(Intensity)。点云数据除了具有几何位置以外,有的还有颜色信息。颜色信息通常是通过相机获取彩色影像,然后将对应位置的像素的颜色信息(RGB)赋予点云中对应的点。强度信息的获取是激光扫描仪接收装置采集到的回波强度,此强度信息与目标的表面材质、粗糙度、入射角方向,以及仪器的发射能量,激光波长有关。利用点云聚类算法(K-Means)可以将相似的点聚类,聚类算法种类非常多,本申请中所用到的算法仅是其中一种,可以确定如何从点云数据中找到待检测的物体。油烟机上的雷达传感器可以通过聚类算法将用户划分出来,在根据划分出来的点云数据(代表用户的点云数据)相对于油烟机的角度,移动速度等特征,可以确定用户年龄结构,进而根据用户的年龄结构确定用户的推荐饮食信息。
具体地,上述一种聚类算法K-Means过程:
1、随机选择K个中心点
2、把每个数据点分配到离它最近的中心点;
3、重新计算每类中的点到该类中心点距离的平均值
4、分配每个数据到它最近的中心点;
5、重复步骤3和4,直到所有的观测值不再被分配或是达到最大的迭代次数。
步骤203,根据年龄结构确定用户的推荐饮食信息。
在一个实施例中,饮食推荐信息是指处理器根据雷达数据确定用户的年龄结构,进而年龄结构确定一套符合用户年龄阶段的具体良好饮食习惯的饮食菜单,上述饮食菜单可以显示在油烟机的显示装置上。
在日常生活中,营养素的摄取除了受烹调制作不合理的影响外还和种种不良的饮食习惯有关,不良饮食习惯是指在饮食上存在不科学、不规律、不合理的膳食习惯。用户在短时间内无法考虑到营养的均衡摄取以及环境卫生的问题,长期的不均衡饮食可能会造成肥胖、营养失调,严重地会导致乙肝或高血压、心脏病等心血管疾病。具体地,常见的不良饮食习惯有:吃得过少:在一天的开始之际,激素分泌进入低谷,储存的葡萄糖在餐后8小时就消耗殆尽,而人脑的细胞只能从葡萄糖这一种营养素获取能量。早餐如及时雨,能使激素分泌很快进入高潮,并为脑细胞提供能源。如果早餐吃得少,会使人精神不振,降低工作效率。时间长了还会使人变得疲倦无力,头昏脑胀,情绪不稳定,甚至出现恶心、呕吐、晕倒等现象;吃得过多,大量进食后,胃肠为了完成消化吸收任务不得不增加血液供给,这样大量的血液流向消化道,外周组织和大脑的供血就会相应减少,特别是大脑,它不能储存能量,所以一旦缺血缺氧,能量代谢就会发生障碍,直接影响到脑功能的正常发挥,使人感到困倦;过食油腻食物,偶尔摄入过多脂肪对身体并无大碍,但是如果是高血脂患者摄入过多脂肪,就会使本已超标的血脂更高。由于血液中的血脂偏高,从而导致血液的流速下降,供氧功能降低,而心脏也会代偿性地增加收缩力。而在本实施例中提供的一种饮食推荐方法通过获取与用户相关联的雷达数据,并根据雷达数据确定用户的年龄结构,进而根据年龄结构给用户的推荐对应的合理饮食信息与饮食菜单。
在一个实施例中,通过雷达装置获取用户的当前手势;确定当前手势对应的手势指令;控制油烟机执行手势指令对应的控制操作。通过雷达采集获取物体相对于油烟机的角速度、线速度(角度可以根据公式计算)到达角中的至少一者计算出点云数据的在空间中的分布,识别手势指令从而对油烟机进行控制。其中,雷达数据主要为手势动作的点云数据,通过计算点云数据的各种特征,识别出当前的手势动作;当处理器识别出当前的手势动作后,将当前的手势动作转化为一种对应的电信号,并将该信号传输至油烟机的控制电路中,从而完成油烟机开关、风量调节、照明亮度调节等功能。
在一个实施例中,通过雷达装置获取用户的当前手势包括:获取用户比划的手势雷达数据;将手势雷达数据进行堆叠,以得到对应的手势雷达图;确定当前手势对应的手势指令包括:根据手势雷达图确定对应的手势指令。
手势雷达数据包括雷达采集获取物体相对于油烟机的角速度、线速度相位变化和到达角中的至少一者。可以根据以下公式(1)确定到达角:
其中,θ为到达角,π为圆周率,d为发送天线和接收天线之间的间隔距离,λ为雷达装置的波长,为目标对象的相位变化。
在一个实施例中,可以根据公式(2)确定相位变化:
其中,为相位变化,π为圆周率,Δd为第一根接收天线和第二根接收天线至目标对象的距离差;λ为雷达装置的波长。
其中到达角通常是指到达观测点的波辐射传播方向的量度,在本实施例中,到达角是指油烟机中的雷达装置发送的雷达波到达用户时传播方向与用户所成的角度。雷达装置中发送天线的作用是发送雷达波,接收天线的作用是接收发送到被测物体所返回的雷达波;相位是对于所发射的雷达波,特定的时刻在它循环中的位置:一种它是否在波峰、波谷或它们之间的某点的标度。相位描述信号波形变化的度量,通常以度(角度)作为单位,也称作相角。当信号波形以周期的方式变化,波形循环一周即为360度。雷达装置通过发射天线向厨房内发送雷达波,由于空气介质与被测物体中存在电性差异,便出现电磁波反射现象,通过雷达装置中的接收天线在可以接受返回的雷达波,根据返回的雷达波以及雷达数据确定用户的轨迹路径。用户的不同行进路线对应的轨迹路径不同,所返回的雷达波的相位也会相应产生变化。通过相位差也就是相位变化便可描述用户的运动轨迹。
在一个实施例中,如图3所示,提供了一种饮食推荐装置,包括发送模块、接收模块、数据处理模块以及信息模块,其中:
发送模块301,由发送天线和雷达芯片组成,用于雷达波的发送;
接收模块302,由接收天线和雷达芯片组成,用于返回的雷达波的接收;
数据处理模块303,用于处理采集到的返回雷达数据;
信息模块304,用于确定用户的年龄结构,进而提供用户的推荐饮食信息。
所述饮食推荐装置包括处理器和存储器,上述发送模块、接收模块、数据处理模块和信息模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序模块中实现相应的功能。
在一个实施例中,如图4所示,提供了一种油烟机400,包括:
雷达装置401,用于采集与用户相关联的雷达数据;
上述的饮食推荐装置402。
在一个实施例中,饮食推荐装置402被配置成获取与用户相关联的雷达数据;根据雷达数据确定用户的年龄结构;根据年龄结构确定用户的推荐饮食信息。
在一个实施例中,饮食推荐装置402还被配置成将推荐饮食信息对应的饮食菜单显示在烟机的显示装置上。
在一个实施例中,饮食推荐装置402还被配置成在获取与用户相关联的雷达数据之后,清除雷达数据中的无效数据以及噪声达到预设条件的雷达数据。
在一个实施例中,饮食推荐装置402还被配置成根据雷达数据确定用户的年龄结构包括:对雷达数据进行堆叠以得到对应的雷达点云图;将雷达点云图输入至步态识别模型,以确定用户的年龄结构。
在一个实施例中,饮食推荐装置402还被配置成通过雷达装置获取用户的当前手势;确定当前手势对应的手势指令;控制油烟机执行手势指令对应的控制操作。
在一个实施例中,饮食推荐装置402还被配置成通过雷达装置获取用户的当前手势包括:获取用户比划的手势雷达数据;将手势雷达数据进行堆叠,以得到对应的手势雷达图;确定当前手势对应的手势指令包括:根据手势雷达图确定对应的手势指令。
在一个实施例中,如图5所示,上述雷达装置还包括:
发送天线501,用于向外界发送雷达波;
接收天线502,接收发送模块发射出去然后返回的雷达波;
雷达芯片503,发送天线501和雷达芯片503组成了发送模块,接收天线502和雷达芯片503组成了接收模块;
运算处理器504,用于处理获取的与用户相关联的雷达数据;
无线传输模块505,将运算处理器504得到的结果通过无线传输的方式传输到显示装置中,油烟机上的无线模块通过雷达数据,显示推荐菜单的相关信息,包括文字、图片中的至少一者。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现上述饮食推荐方法。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述饮食推荐方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述饮食推荐方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、显示屏A04、输入装置A05和存储器(图中未示出)。其中,该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A06。该非易失性存储介质A06存储有操作系统B01和计算机程序B02。该内存储器A03为非易失性存储介质A06中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序被处理器A01执行时以实现一种饮食推荐方法。该计算机设备的显示屏A04可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置A05可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取与用户相关联的雷达数据;根据雷达数据确定用户的年龄结构;根据年龄结构确定用户的推荐饮食信息。
在一个实施例中,将推荐饮食信息对应的饮食菜单显示在烟机的显示装置上。
在一个实施例中,在获取与用户相关联的雷达数据之后,清除雷达数据中的无效数据以及噪声达到预设条件的雷达数据。
在一个实施例中,根据雷达数据确定用户的年龄结构包括:对雷达数据进行堆叠以得到对应的雷达点云图;将雷达点云图输入至步态识别模型,以确定用户的年龄结构。
在一个实施例中,油烟机包括雷达装置,通过雷达装置获取用户的当前手势;确定当前手势对应的手势指令;控制油烟机执行手势指令对应的控制操作。
在一个实施例中,通过雷达装置获取用户的当前手势包括:获取用户比划的手势雷达数据;将手势雷达数据进行堆叠,以得到对应的手势雷达图;确定当前手势对应的手势指令包括:根据手势雷达图确定对应的手势指令。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取与用户相关联的雷达数据;根据雷达数据确定用户的年龄结构;根据年龄结构确定用户的推荐饮食信息。
在一个实施例中,将推荐饮食信息对应的饮食菜单显示在烟机的显示装置上。
在一个实施例中,在获取与用户相关联的雷达数据之后,清除雷达数据中的无效数据以及噪声达到预设条件的雷达数据。
在一个实施例中,根据雷达数据确定用户的年龄结构包括:对雷达数据进行堆叠以得到对应的雷达点云图;将雷达点云图输入至步态识别模型,以确定用户的年龄结构。
在一个实施例中,油烟机包括雷达装置,通过雷达装置获取用户的当前手势;确定当前手势对应的手势指令;控制油烟机执行手势指令对应的控制操作。
在一个实施例中,通过雷达装置获取用户的当前手势包括:获取用户比划的手势雷达数据;将手势雷达数据进行堆叠,以得到对应的手势雷达图;确定当前手势对应的手势指令包括:根据手势雷达图确定对应的手势指令。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品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,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种饮食推荐方法,其特征在于,应用于油烟机,所述油烟机包括雷达装置,所述方法包括:
获取与用户相关联的雷达数据,并清除所述雷达数据中的无效数据以及噪声达到预设条件的雷达数据,其中,所述无效数据是指在雷达设备通信中处理器无法转换的所述雷达数据;
对所述雷达数据进行堆叠以得到对应的雷达点云图,其中,所述雷达点云图是指采用所述雷达数据和点云数据,通过点云聚类算法堆叠的雷达数据集合图像,所述点云聚类算法为聚类算法K-Means;
将所述雷达点云图输入至步态识别模型,以确定所述用户的年龄结构;
根据所述年龄结构确定所述用户的推荐饮食信息;
通过所述雷达装置获取所述用户的当前手势;
确定所述当前手势对应的手势指令;
控制所述油烟机执行所述手势指令对应的控制操作;
其中,清除所述雷达数据中的无效数据以及噪声达到预设条件的雷达数据包括:
确定每个雷达数据的被测物体相对于所述雷达装置的角度、所述被测物体相对于所述雷达装置的距离以及所述被测物体相对所述雷达装置的径向速度;
在所述被测物体相对于所述雷达装置的角度、所述被测物体相对于所述雷达装置的距离以及所述被测物体相对所述雷达装置的径向速度中的至少一者为无效数据的情况下,确定对应的雷达数据为无效数据,并清除所述雷达数据中的无效数据。
2.根据权利要求1所述的饮食推荐方法,其特征在于,还包括:
将所述推荐饮食信息对应的饮食菜单显示在油烟机的显示装置上。
3.根据权利要求1所述的饮食推荐方法,其特征在于,所述通过所述雷达装置获取所述用户的当前手势包括:
获取所述用户比划的手势雷达数据;
将所述手势雷达数据进行堆叠,以得到对应的手势雷达图;
所述确定所述当前手势对应的手势指令包括:
根据所述手势雷达图确定对应的手势指令。
4.一种处理器,其特征在于,被配置成执行根据权利要求1至3中任意一项所述的饮食推荐方法。
5.一种饮食推荐装置,其特征在于,包括根据权利要求4所述的处理器。
6.一种油烟机,其特征在于,包括:
雷达装置,用于采集与用户相关联的雷达数据;以及
根据权利要求5所述的饮食推荐装置。
7.根据权利要求6所述的油烟机,其特征在于,所述雷达装置包括发送天线、接收天线以及雷达芯片。
8.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至3中任一项所述的饮食推荐方法。
9.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序在被处理器执行时实现根据权利要求1至3中任一项所述的饮食推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110044434.1A CN112885431B (zh) | 2021-01-13 | 2021-01-13 | 饮食推荐方法、装置、油烟机、处理器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110044434.1A CN112885431B (zh) | 2021-01-13 | 2021-01-13 | 饮食推荐方法、装置、油烟机、处理器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112885431A CN112885431A (zh) | 2021-06-01 |
CN112885431B true CN112885431B (zh) | 2023-09-05 |
Family
ID=76045621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110044434.1A Active CN112885431B (zh) | 2021-01-13 | 2021-01-13 | 饮食推荐方法、装置、油烟机、处理器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112885431B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113823410A (zh) * | 2021-09-24 | 2021-12-21 | 联仁健康医疗大数据科技股份有限公司 | 一种信息推荐方法、装置、存储介质及电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6342852B1 (en) * | 2000-05-30 | 2002-01-29 | Chang Shan Institute Of Science And Technology | Radar video display and recording device |
CN109164915A (zh) * | 2018-08-17 | 2019-01-08 | 湖南时变通讯科技有限公司 | 一种手势识别方法、装置、系统和设备 |
CN109492779A (zh) * | 2018-10-29 | 2019-03-19 | 珠海格力电器股份有限公司 | 一种家用电器健康管理方法、装置及家用电器 |
WO2019070763A1 (en) * | 2017-10-02 | 2019-04-11 | New Sun Technologies, Inc. | LEARNING TRAINING SYSTEM MEDIATION MACHINE BY A CAREGIVER |
CN110456320A (zh) * | 2019-07-29 | 2019-11-15 | 浙江大学 | 一种基于自由空间步态时序特征的超宽带雷达身份识别方法 |
CN111161840A (zh) * | 2019-12-25 | 2020-05-15 | 天津大学 | 一种分析食物基础营养素的方法 |
CN111219753A (zh) * | 2019-12-19 | 2020-06-02 | 珠海格力电器股份有限公司 | 烹饪处理方法、装置、设备及计算机可读介质 |
CN111460886A (zh) * | 2020-02-21 | 2020-07-28 | 珠海格力电器股份有限公司 | 监护方法、装置和计算机设备 |
CN111552873A (zh) * | 2020-04-21 | 2020-08-18 | 佛山市顺德区美的洗涤电器制造有限公司 | 菜谱推荐方法及装置、存储介质 |
CN111839177A (zh) * | 2019-04-24 | 2020-10-30 | 德国福维克控股公司 | 营养供给控制方法、烹饪机以及饭菜烹调系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010005830A1 (en) * | 1999-12-27 | 2001-06-28 | Tadashi Kuroyanagi | Information medium with respect to food and drink, health control terminal and health control support system |
US11688505B2 (en) * | 2019-07-03 | 2023-06-27 | Kpn Innovations, Llc. | Methods and systems for generating a supplement instruction set using artificial intelligence |
-
2021
- 2021-01-13 CN CN202110044434.1A patent/CN112885431B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6342852B1 (en) * | 2000-05-30 | 2002-01-29 | Chang Shan Institute Of Science And Technology | Radar video display and recording device |
WO2019070763A1 (en) * | 2017-10-02 | 2019-04-11 | New Sun Technologies, Inc. | LEARNING TRAINING SYSTEM MEDIATION MACHINE BY A CAREGIVER |
CN109164915A (zh) * | 2018-08-17 | 2019-01-08 | 湖南时变通讯科技有限公司 | 一种手势识别方法、装置、系统和设备 |
CN109492779A (zh) * | 2018-10-29 | 2019-03-19 | 珠海格力电器股份有限公司 | 一种家用电器健康管理方法、装置及家用电器 |
CN111839177A (zh) * | 2019-04-24 | 2020-10-30 | 德国福维克控股公司 | 营养供给控制方法、烹饪机以及饭菜烹调系统 |
CN110456320A (zh) * | 2019-07-29 | 2019-11-15 | 浙江大学 | 一种基于自由空间步态时序特征的超宽带雷达身份识别方法 |
CN111219753A (zh) * | 2019-12-19 | 2020-06-02 | 珠海格力电器股份有限公司 | 烹饪处理方法、装置、设备及计算机可读介质 |
CN111161840A (zh) * | 2019-12-25 | 2020-05-15 | 天津大学 | 一种分析食物基础营养素的方法 |
CN111460886A (zh) * | 2020-02-21 | 2020-07-28 | 珠海格力电器股份有限公司 | 监护方法、装置和计算机设备 |
CN111552873A (zh) * | 2020-04-21 | 2020-08-18 | 佛山市顺德区美的洗涤电器制造有限公司 | 菜谱推荐方法及装置、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112885431A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Real-time arm gesture recognition in smart home scenarios via millimeter wave sensing | |
US10803315B2 (en) | Electronic device and method for processing information associated with food | |
Meng et al. | Gait recognition for co-existing multiple people using millimeter wave sensing | |
KR102320754B1 (ko) | 전자 디바이스와 인터렉션하기 위해 레이더 제스처를 사용하는 것에서 사용자 숙련도 지원 | |
Yu et al. | Noninvasive human activity recognition using millimeter-wave radar | |
CN111868664A (zh) | 用于在较低功率模式下确定用户意图的基于智能电话的雷达系统 | |
KR20180030123A (ko) | 레이더-사용가능 센서 퓨전 | |
CN112070592A (zh) | 智能食堂的健康饮食管理方法、装置、存储介质和系统 | |
KR102209741B1 (ko) | 음식과 관련된 정보를 처리하기 위한 전자 장치 및 방법 | |
CN113610750B (zh) | 对象识别方法、装置、计算机设备及存储介质 | |
US20180322628A1 (en) | Methods and system for shading a two-dimensional ultrasound image | |
CN111222569A (zh) | 识别食物的方法、装置、电子设备及介质 | |
CN112885431B (zh) | 饮食推荐方法、装置、油烟机、处理器及存储介质 | |
EP3876139B1 (en) | Method for estimating object parameters and electronic device | |
CN110765525B (zh) | 生成场景图片的方法、装置、电子设备及介质 | |
CN113311428A (zh) | 一种基于毫米波雷达的人体跌倒智能监测系统及识别方法 | |
EP3428923A1 (en) | Electronic device and method for providing digestibility on eaten food | |
CN109300526A (zh) | 一种推荐方法及移动终端 | |
Wu et al. | AI-assisted food intake activity recognition using 3D mmWave radars | |
Zhang et al. | Application of multi-angle millimeter-wave radar detection in human motion behavior and micro-action recognition | |
CN112731387A (zh) | 用于油烟机的启动方法、装置、油烟机及处理器 | |
Zhang et al. | Cross-domain gesture recognition via learning spatiotemporal features in Wi-Fi sensing | |
CN116520315A (zh) | 一种目标识别系统、目标识别方法以及目标识别装置 | |
CN115841707A (zh) | 基于深度学习的雷达人体姿态识别方法及相关设备 | |
Hu et al. | mmPose-FK: A Forward Kinematics Approach to Dynamic Skeletal Pose Estimation Using mmWave Radars |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |