CN113255596B - 一种基于大数据的智能视频图像分析系统及方法 - Google Patents

一种基于大数据的智能视频图像分析系统及方法 Download PDF

Info

Publication number
CN113255596B
CN113255596B CN202110722677.6A CN202110722677A CN113255596B CN 113255596 B CN113255596 B CN 113255596B CN 202110722677 A CN202110722677 A CN 202110722677A CN 113255596 B CN113255596 B CN 113255596B
Authority
CN
China
Prior art keywords
dish
module
unit
pricing
time
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
Application number
CN202110722677.6A
Other languages
English (en)
Other versions
CN113255596A (zh
Inventor
王国田
张永清
周耿城
张清枝
刘静
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.)
China Transport Technology Co ltd
Original Assignee
China Transport 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 China Transport Technology Co ltd filed Critical China Transport Technology Co ltd
Priority to CN202110722677.6A priority Critical patent/CN113255596B/zh
Publication of CN113255596A publication Critical patent/CN113255596A/zh
Application granted granted Critical
Publication of CN113255596B publication Critical patent/CN113255596B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Multimedia (AREA)
  • Primary Health Care (AREA)
  • Accounting & Taxation (AREA)
  • Computational Linguistics (AREA)
  • Emergency Management (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Nutrition Science (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于大数据的智能视频图像分析系统及方法，属于视频图像智能分析技术领域。该系统包括餐盘感应模块、传输模块、数据处理模块、主机计价模块、数据库、大数据分析模块、调整模块；所述餐盘感应模块的输出端与所述传输模块的输入端相连接；所述传输模块的输出端与所述数据处理模块的输入端相连接；所述数据处理模块的输出端与所述主机计价模块的输入端相连接；所述主机计价模块的输出端与所述数据库的输入端相连接；所述数据库的输出端与所述大数据分析模块的输入端相连接；所述大数据分析模块的输出端与所述调整模块的输入端相连接；本发明还提供一种基于大数据的智能视频图像分析方法，用以进行具体实现发明内容。

Description

一种基于大数据的智能视频图像分析系统及方法
技术领域
本发明涉及视频图像智能分析技术领域，具体为一种基于大数据的智能视频图像分析系统及方法。
背景技术
无人智慧餐厅是在中式快餐的基础上发展延伸的一种快餐模式，在无人智慧餐厅中会有各类各样制作好的饭菜，用户用托盘排队挑选喜欢的菜品，然后根据菜价进行结算。
近年来随着社会水平的提高，无人智慧餐厅在商圈、写字楼、公司、学校越来越多，利用计算机视觉和人工智能技术实现自选餐厅的自动计价，能够有效减少排队时间，提升用餐体验，降低人力成本，有效提高自选餐厅的运营效率，目前，市面上已经有成熟的基于RFID技术的自动计价系统在一些学校食堂等自选式餐厅运行。但是此类系统中的计价方式往往都是根据菜品的称重来进行计价，即从餐盘取出多少，进行计算重量，然后再根据菜品价格进行计算，在这样的情况下，存在一些问题，即往往有人只在菜品中进行挑拣，例如在一种荤素搭配的菜品中，只是挑拣出肉类，而在计价上却没有影响，导致商家不得不提高菜价以应对损失；还有就是由于时间的先后，有些菜品被挑选完毕，而商家不能够及时地进行加菜，影响用户体验。
随着时代的发展，大数据作为预测分析、用户行为分析或某些其他高级数据分析方法的常用手段越来越受到人们关注，因此在本发明中，提出了一种基于大数据的智能视频图像分析系统及方法用以解决当前智慧餐厅菜品出现的挑选问题。
发明内容
本发明的目的在于提供一种基于大数据的智能视频图像分析系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的智能视频图像分析系统，该系统包括餐盘感应模块、传输模块、数据处理模块、主机计价模块、数据库、大数据分析模块、调整模块；
所述餐盘感应模块用于对进入识别区的餐盘进行感应，并开启高清摄像装置进行录制夹菜视频图像；所述传输模块用于进行视频图像数据的传输；所述数据处理模块用于对视频图像数据进行处理；所述主机计价模块用于进行餐厅菜品的重新计价；所述数据库用于存储相关数据信息，以备后续调取；所述大数据分析模块用于根据大数据进行预测分析餐厅加菜时刻；所述调整模块用于进行调整餐厅加菜时间；
所述餐盘感应模块的输出端与所述传输模块的输入端相连接；所述传输模块的输出端与所述数据处理模块的输入端相连接；所述数据处理模块的输出端与所述主机计价模块的输入端相连接；所述主机计价模块的输出端与所述数据库的输入端相连接；所述数据库的输出端与所述大数据分析模块的输入端相连接；所述大数据分析模块的输出端与所述调整模块的输入端相连接；
在用户将餐盘放入到识别区后，餐盘感应模块会立即感应到餐盘，从而开启高清摄像装置，对用户夹菜的过程进行录制视频，并经由传输模块将录制的视频图像传输至数据处理模块，数据处理模块对图像进行分析处理，寻找得出菜品原料的特征，计算出单次夹菜的比例，并综合夹菜次数，判定最终用户选取单一菜品原料的平均比例，主动计价模块中设置有阈值，对超出阈值的用户发送健康提醒通知，对低于阈值的用户进行重新计价，给予相应的菜品优惠，然后利用数据库对所有数据内容进行存储，大数据分析模块分析重新计价人数的数量和时刻，预测得出餐厅需要进行加菜的时刻，最后由调整模块进行时间调整，发出预警，提醒餐厅进行加菜。
所述餐盘感应模块包括红外感应装置、高清摄像装置；
所述红外感应装置用于在餐盘进入识别区后进行红外感应，并开启高清摄像装置，在餐盘离开识别区后，关闭高清摄像装置；所述高清摄像装置用于在用户进行夹菜时录制视频；
所述红外感应装置的输出端与所述高清摄像装置的输入端相连接；所述高清摄像装置的输出端与所述传输模块、数据库的输入端相连接；
所述数据库包括视频存储单元、计价存储单元；
所述视频存储单元用于存储用户进行夹菜时的视频；所述计价存储单元用于进行存储重新计价的顾客人数及时间情况；
所述视频存储单元、计价存储单元的输出端与所述大数据分析模块的输入端相连接。
根据上述技术方案，所述数据处理模块包括接收单元、特征提取单元、处理单元；
所述接收单元用于接收传输模块传输过来的视频图像信息；所述特征提取单元用于对菜品中的各原料进行特征提取；所述处理单元用于对用户夹菜的过程中，夹取的各菜品原料进行统计；
所述接收单元的输出端与所述特征提取单元的输入端相连接；所述特征提取单元的输出端与所述处理单元的输入端相连接；所述处理单元的输出端与所述主机计价模块的输入端相连接。
根据上述技术方案，所述主机计价模块包括检测单元、健康提醒发送单元、重新计价单元；
所述检测单元用于检测用户夹菜时，是否对单一菜品原料夹取比例过大；所述健康提醒发送单元用于对用户发送健康提醒，提醒用户进行荤素搭配，健康饮食；所述重新计价单元用于对菜品重新进行计价，并发送至用户终端；
所述检测单元的输出端与所述健康提醒发送单元、重新计价单元的输入端相连接；所述重新计价单元的输出端与所述大数据分析模块的输入端相连接。
根据上述技术方案，所述大数据分析模块包括历史数据调取单元、预测单元；
所述历史数据调取单元用于调取相关的历史数据；所述预测单元用于进行预测餐厅加菜的时刻；
所述历史数据调取单元的输出端与所述预测单元的输入端相连接；所述预测单元的输出端与所述调整模块的输入端相连接。
根据上述技术方案，所述调整模块包括时间调整单元、预警单元；
所述时间调整单元用于对餐厅加菜时间进行提醒；所述预警单元用于在即将到达餐厅加菜时间时发出预警信息，提醒餐厅加菜；
所述时间调整单元的输出端与所述预警单元的输入端相连接。
一种基于大数据的智能视频图像分析方法，该方法包括以下步骤：
S1、在无人智慧餐厅的菜品盘上方布置高清摄像装置，在检测到餐盘被放置在识别区上时，启动高清摄像装置对用户夹菜的过程进行录制；
S2、将步骤S1的录制视频传输至数据处理模块，数据处理模块对用户夹取的菜品进行视频图像分析，并给出分析结果至主机计价模块；
S3、主机计价模块根据步骤S2的分析结果，对用户本次夹菜给出计价方式或健康提醒，并将最终结果发送至用户终端，同时存储至数据库；
S4、根据不同用户的夹菜时间、过程以及计价信息，利用大数据对餐厅的加菜时间进行调整；
在步骤S1中，设置有红外感应装置、高清摄像装置，餐盘一旦进入识别区，就会触发红外感应装置向主机传递信号，主机接收到对应的信号，才开始启动高清摄像装置进行录制，在餐盘离开识别区，立刻停止高清摄像装置的录制，并将视频图像内容进行存储，恢复初始状态，等待下一个餐盘进入；
在步骤S2中，数据处理模块对用户夹取的菜品进行视频图像分析的步骤如下：
S2-100、对菜品
Figure 896682DEST_PATH_IMAGE001
按照原料组成进行分割，其中
Figure 235259DEST_PATH_IMAGE001
代表任意一份菜品，按照原料组成记为集合
Figure 734374DEST_PATH_IMAGE002
，其中
Figure 627243DEST_PATH_IMAGE003
分别代表菜品
Figure 604427DEST_PATH_IMAGE001
中的各个原料，并提取每种原料的特征向量；
S2-200、数据处理模块接收步骤S1录制的用户夹菜视频，对视频中用户每次夹菜的图像进行截取，结合深度学习和度量学习的技术思想，分别提取图像中的菜品原料的特征向量；
S2-300、以步骤S2-200中图像提取的菜品原料的特征向量分别作为第一输入，将步骤S2-100中的所有原料的特征向量作为第二输入，根据公式：
Figure 266352DEST_PATH_IMAGE004
计算第一输入与第二输入之间的相对欧式距离；
其中，
Figure 201947DEST_PATH_IMAGE005
代表两组原料之间的相对欧式距离，
Figure 582113DEST_PATH_IMAGE006
代表第一输入的特征向量；
Figure 362987DEST_PATH_IMAGE007
代表第二输入中的任一原料的特征向量；
Figure 879419DEST_PATH_IMAGE008
代表特征向量数量；
S2-400、对每一个第一输入进行计算后，会得出
Figure 985915DEST_PATH_IMAGE009
个相对欧式距离
Figure 587798DEST_PATH_IMAGE005
，其中
Figure 437942DEST_PATH_IMAGE009
为菜品
Figure 74460DEST_PATH_IMAGE001
中原料数量，在得出的所有
Figure 86278DEST_PATH_IMAGE005
中，选取最大值，此时的菜品原料即为对应的第二输入的菜品原料；
S2-500、对用户夹取菜品
Figure 175457DEST_PATH_IMAGE001
的次数进行统计，记为集合
Figure 563713DEST_PATH_IMAGE010
，其中，
Figure 789158DEST_PATH_IMAGE011
分别代表第一次、第二次、第三次……第
Figure 237457DEST_PATH_IMAGE012
次，根据公式；
Figure 813932DEST_PATH_IMAGE013
对每一种菜品原料在每一次的夹菜中所占比例进行计算；
其中，
Figure 5879DEST_PATH_IMAGE014
为菜品原料
Figure 351409DEST_PATH_IMAGE015
在第
Figure 970610DEST_PATH_IMAGE016
次夹菜中所占的比例；
Figure 34380DEST_PATH_IMAGE015
为第
Figure 498860DEST_PATH_IMAGE016
次夹菜中任一种被夹取的菜品原料；
Figure 698897DEST_PATH_IMAGE017
为第
Figure 754578DEST_PATH_IMAGE016
次夹菜中所有的菜品原料数量。
在上述技术方案中，首先利用一道菜品中的菜品原料，例如土豆烧牛肉中，有土豆、牛肉、洋葱等菜品原料，而相比之下，牛肉的价格和质量都比其他两样要高，因此为防止后来用户吃不到牛肉却要付土豆烧牛肉的价格，提出上述技术方案，先对菜品中所有的菜品原料进行特征提取，再对用户每一次夹菜的视频图像中的菜品原料进行特征提取，然后进行比对，分辨出用户每次夹菜中各菜品原料的比例情况，将这些数据结果发送至主动计价模块进行阈值判断。
根据上述技术方案，在步骤S3中，主机计价模块给出计价方式或健康提醒的步骤如下：
S3-100、对菜品
Figure 774486DEST_PATH_IMAGE001
中的所有菜品原料进行价格排序，其中价格最高的记为菜品原料
Figure 573815DEST_PATH_IMAGE018
，根据步骤S2-500中的计算方式，对顾客夹取菜品原料
Figure 628359DEST_PATH_IMAGE018
的比例进行计算；
S3-200、根据公式：
Figure 589362DEST_PATH_IMAGE019
Figure 385583DEST_PATH_IMAGE020
为菜品原料
Figure 457444DEST_PATH_IMAGE018
在用户夹菜中所占的平均比例，
Figure 632074DEST_PATH_IMAGE021
为单次用户夹菜中所占的比例；
S3-300、设置阈值
Figure 763978DEST_PATH_IMAGE022
、
Figure 24058DEST_PATH_IMAGE023
，若
Figure 899610DEST_PATH_IMAGE020
超出阈值
Figure 194325DEST_PATH_IMAGE022
，则对用户发送健康提醒，提醒其进行菜品搭配，有益健康；若
Figure 497130DEST_PATH_IMAGE020
低于阈值
Figure 244506DEST_PATH_IMAGE023
，则进入步骤S3-400，进行重新计价；
S3-400、根据公式：
Figure 923749DEST_PATH_IMAGE024
其中，
Figure 807392DEST_PATH_IMAGE025
为重新计算的价格；
Figure 281098DEST_PATH_IMAGE026
为比例调整系数；
Figure 250192DEST_PATH_IMAGE027
为原来应支付的价格；
得出重新计算的价格，发送给用户进行支付，并将记录存储至数据库。
通过上述比例结果的阈值判断，对超出最大阈值的用户发送提醒，对低于最小阈值的用户进行重新计价，即在原有的价格上乘以其夹取菜品主原料的比例，这里菜品主原料指价格最高的菜品原料，然后综合一个比例调整系数进行调整，使之计价在一个合理的范围内，更有利于用户能够接受，提升用餐体验。
根据上述技术方案，在步骤S4中，利用大数据对餐厅的加菜时间进行调整的步骤如下：
S4-100、调取进行重新计算价格的用户人数，和重新计算价格时的时间情况；
S4-200、根据步骤S4-100的数据情况，对当天的加菜时间进行预测，在重新计算价格的用户人数超过阈值
Figure 467546DEST_PATH_IMAGE028
时，餐厅进行加菜，记录下当前时间
Figure 471274DEST_PATH_IMAGE029
；
S4-300、在预测第
Figure 115882DEST_PATH_IMAGE030
天加菜时刻时，判断第
Figure 837851DEST_PATH_IMAGE030
天为周中或是周末，其中周中指周一至周五，周末指周六与周日，若为周中，则从步骤S4-200的记录数据中，选取
Figure 593317DEST_PATH_IMAGE031
项周中数据，计算平均值，进行预测餐厅加菜时刻；若为周末，则选取
Figure 717131DEST_PATH_IMAGE031
项周末数据，计算平均值，进行预测餐厅加菜时刻；并根据相应预测对餐厅加菜时刻进行调整。
在本技术方案中，若出现多次重新计价的用户，就说明菜品盘内菜品数量不多，导致用户无菜可夹，此时，餐厅就应该进行加菜操作，利用大数据对历史数据进行分析，并提出周中和周末相对分析，这样能够更有利于结果的精准，在预测出结果后，发出预警，提示餐厅进行加菜。
与现有技术相比，本发明所达到的有益效果是：
1、本发明能够有效解决用户在无人智慧餐厅进行选菜时，对于菜品中单一菜品原料进行挑拣，导致商家为避免损失提升菜品价格，而后续用户在无法挑选菜品的情况下，还要付相同的菜品价位，影响用户体验这一问题；
2、本发明对进行单一菜品原料挑选的顾客发送健康提示，建议其进行菜品搭配，能够有效关注用户健康，对挑食用户提出客观的建议，有利于用户的健康饮食；
3、本发明还利用大数据从每天重新计价的人数和时刻进行预测，能够提前得到餐厅需要加菜的时刻，并将预测结果进行输出，在到达时刻时，能够发出预警，提醒餐厅进行加菜。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的智能视频图像分析系统的结构示意图；
图2是本发明一种基于大数据的智能视频图像分析方法的步骤示意图；
图3是本发明一种基于大数据的智能视频图像分析系统及方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图3，本发明提供技术方案：一种基于大数据的智能视频图像分析系统，该系统包括餐盘感应模块、传输模块、数据处理模块、主机计价模块、数据库、大数据分析模块、调整模块；
所述餐盘感应模块用于对进入识别区的餐盘进行感应，并开启高清摄像装置进行录制夹菜视频图像；所述传输模块用于进行视频图像数据的传输；所述数据处理模块用于对视频图像数据进行处理；所述主机计价模块用于进行餐厅菜品的重新计价；所述数据库用于存储相关数据信息，以备后续调取；所述大数据分析模块用于根据大数据进行预测分析餐厅加菜时刻；所述调整模块用于进行调整餐厅加菜时间；
所述餐盘感应模块的输出端与所述传输模块的输入端相连接；所述传输模块的输出端与所述数据处理模块的输入端相连接；所述数据处理模块的输出端与所述主机计价模块的输入端相连接；所述主机计价模块的输出端与所述数据库的输入端相连接；所述数据库的输出端与所述大数据分析模块的输入端相连接；所述大数据分析模块的输出端与所述调整模块的输入端相连接；
所述餐盘感应模块包括红外感应装置、高清摄像装置；
所述红外感应装置用于在餐盘进入识别区后进行红外感应，并开启高清摄像装置，在餐盘离开识别区后，关闭高清摄像装置；所述高清摄像装置用于在用户进行夹菜时录制视频；
所述红外感应装置的输出端与所述高清摄像装置的输入端相连接；所述高清摄像装置的输出端与所述传输模块、数据库的输入端相连接；
所述数据库包括视频存储单元、计价存储单元；
所述视频存储单元用于存储用户进行夹菜时的视频；所述计价存储单元用于进行存储重新计价的顾客人数及时间情况；
所述视频存储单元、计价存储单元的输出端与所述大数据分析模块的输入端相连接。
所述数据处理模块包括接收单元、特征提取单元、处理单元；
所述接收单元用于接收传输模块传输过来的视频图像信息；所述特征提取单元用于对菜品中的各原料进行特征提取；所述处理单元用于对用户夹菜的过程中，夹取的各菜品原料进行统计；
所述接收单元的输出端与所述特征提取单元的输入端相连接；所述特征提取单元的输出端与所述处理单元的输入端相连接；所述处理单元的输出端与所述主机计价模块的输入端相连接。
所述主机计价模块包括检测单元、健康提醒发送单元、重新计价单元；
所述检测单元用于检测用户夹菜时，是否对单一菜品原料夹取比例过大；所述健康提醒发送单元用于对用户发送健康提醒，提醒用户进行荤素搭配，健康饮食；所述重新计价单元用于对菜品重新进行计价，并发送至用户终端；
所述检测单元的输出端与所述健康提醒发送单元、重新计价单元的输入端相连接；所述重新计价单元的输出端与所述大数据分析模块的输入端相连接。
根据上述技术方案，所述大数据分析模块包括历史数据调取单元、预测单元；
所述历史数据调取单元用于调取相关的历史数据；所述预测单元用于进行预测餐厅加菜的时刻；
所述历史数据调取单元的输出端与所述预测单元的输入端相连接；所述预测单元的输出端与所述调整模块的输入端相连接。
所述调整模块包括时间调整单元、预警单元；
所述时间调整单元用于对餐厅加菜时间进行提醒；所述预警单元用于在即将到达餐厅加菜时间时发出预警信息，提醒餐厅加菜；
所述时间调整单元的输出端与所述预警单元的输入端相连接。
一种基于大数据的智能视频图像分析方法，该方法包括以下步骤：
S1、在无人智慧餐厅的菜品盘上方布置高清摄像装置，在检测到餐盘被放置在识别区上时，启动高清摄像装置对用户夹菜的过程进行录制；
S2、将步骤S1的录制视频传输至数据处理模块，数据处理模块对用户夹取的菜品进行视频图像分析，并给出分析结果至主机计价模块；
S3、主机计价模块根据步骤S2的分析结果，对用户本次夹菜给出计价方式或健康提醒，并将最终结果发送至用户终端，同时存储至数据库；
S4、根据不同用户的夹菜时间、过程以及计价信息，利用大数据对餐厅的加菜时间进行调整；
在步骤S1中，设置有红外感应装置、高清摄像装置，餐盘一旦进入识别区，就会触发红外感应装置向主机传递信号，主机接收到对应的信号，才开始启动高清摄像装置进行录制，在餐盘离开识别区，立刻停止高清摄像装置的录制，并将视频图像内容进行存储，恢复初始状态，等待下一个餐盘进入；
在步骤S2中，数据处理模块对用户夹取的菜品进行视频图像分析的步骤如下：
S2-100、对菜品
Figure 532640DEST_PATH_IMAGE001
按照原料组成进行分割，其中
Figure 210746DEST_PATH_IMAGE001
代表任意一份菜品，按照原料组成记为集合
Figure 301062DEST_PATH_IMAGE002
，其中
Figure 13803DEST_PATH_IMAGE003
分别代表菜品
Figure 265793DEST_PATH_IMAGE001
中的各个原料，并提取每种原料的特征向量；
S2-200、数据处理模块接收步骤S1录制的用户夹菜视频，对视频中用户每次夹菜的图像进行截取，结合深度学习和度量学习的技术思想，分别提取图像中的菜品原料的特征向量；
S2-300、以步骤S2-200中图像提取的菜品原料的特征向量分别作为第一输入，将步骤S2-100中的所有原料的特征向量作为第二输入，根据公式：
Figure 696774DEST_PATH_IMAGE004
计算第一输入与第二输入之间的相对欧式距离；
其中，
Figure 59622DEST_PATH_IMAGE005
代表两组原料之间的相对欧式距离，
Figure 892449DEST_PATH_IMAGE006
代表第一输入的特征向量；
Figure 49761DEST_PATH_IMAGE007
代表第二输入中的任一原料的特征向量；
Figure 968038DEST_PATH_IMAGE008
代表特征向量数量；
S2-400、对每一个第一输入进行计算后，会得出
Figure 868998DEST_PATH_IMAGE009
个相对欧式距离
Figure 556332DEST_PATH_IMAGE005
，其中
Figure 150124DEST_PATH_IMAGE009
为菜品
Figure 290118DEST_PATH_IMAGE001
中原料数量，在得出的所有
Figure 729190DEST_PATH_IMAGE005
中，选取最大值，此时的菜品原料即为对应的第二输入的菜品原料；
S2-500、对用户夹取菜品
Figure 536609DEST_PATH_IMAGE001
的次数进行统计，记为集合
Figure 301303DEST_PATH_IMAGE010
，其中，
Figure 928593DEST_PATH_IMAGE011
分别代表第一次、第二次、第三次……第
Figure 171355DEST_PATH_IMAGE012
次，根据公式；
Figure 98860DEST_PATH_IMAGE032
对每一种菜品原料在每一次的夹菜中所占比例进行计算；
其中，
Figure 768876DEST_PATH_IMAGE033
为菜品原料
Figure 883462DEST_PATH_IMAGE034
在第
Figure 195495DEST_PATH_IMAGE012
次夹菜中所占的比例；
Figure 711927DEST_PATH_IMAGE034
为第
Figure 818423DEST_PATH_IMAGE012
次夹菜中任一种被夹取的菜品原料；
Figure 154727DEST_PATH_IMAGE035
为第
Figure 270450DEST_PATH_IMAGE012
次夹菜中所有的菜品原料数量。
在步骤S3中，主机计价模块给出计价方式或健康提醒的步骤如下：
S3-100、对菜品
Figure 906968DEST_PATH_IMAGE001
中的所有菜品原料进行价格排序，其中价格最高的记为菜品原料
Figure 184366DEST_PATH_IMAGE036
，根据步骤S2-500中的计算方式，对顾客夹取菜品原料
Figure 273544DEST_PATH_IMAGE036
的比例进行计算；
S3-200、根据公式：
Figure 661800DEST_PATH_IMAGE037
Figure 418404DEST_PATH_IMAGE038
为菜品原料
Figure 866703DEST_PATH_IMAGE039
在用户夹菜中所占的平均比例，
Figure 443178DEST_PATH_IMAGE040
为单次用户夹菜中所占的比例；
S3-300、设置阈值
Figure 369545DEST_PATH_IMAGE022
、
Figure 246234DEST_PATH_IMAGE023
，若
Figure 865435DEST_PATH_IMAGE038
超出阈值
Figure 929205DEST_PATH_IMAGE022
，则对用户发送健康提醒，提醒其进行菜品搭配，有益健康；若
Figure 659264DEST_PATH_IMAGE038
低于阈值
Figure 124880DEST_PATH_IMAGE023
，则进入步骤S3-400，进行重新计价；
S3-400、根据公式：
Figure 649403DEST_PATH_IMAGE041
其中，
Figure 200470DEST_PATH_IMAGE025
为重新计算的价格；
Figure 734219DEST_PATH_IMAGE026
为比例调整系数；
Figure 54342DEST_PATH_IMAGE027
为原来应支付的价格；
得出重新计算的价格，发送给用户进行支付，并将记录存储至数据库。
在步骤S4中，利用大数据对餐厅的加菜时间进行调整的步骤如下：
S4-100、调取进行重新计算价格的用户人数，和重新计算价格时的时间情况；
S4-200、根据步骤S4-100的数据情况，对当天的加菜时间进行预测，在重新计算价格的用户人数超过阈值
Figure 15345DEST_PATH_IMAGE028
时，餐厅进行加菜，记录下当前时间
Figure 788129DEST_PATH_IMAGE029
；
S4-300、在预测第
Figure 125569DEST_PATH_IMAGE030
天加菜时刻时，判断第
Figure 34620DEST_PATH_IMAGE030
天为周中或是周末，其中周中指周一至周五，周末指周六与周日，若为周中，则从步骤S4-200的记录数据中，选取
Figure 432103DEST_PATH_IMAGE031
项周中数据，计算平均值，进行预测餐厅加菜时刻；若为周末，则选取
Figure 692183DEST_PATH_IMAGE031
项周末数据，计算平均值，进行预测餐厅加菜时刻；并根据相应预测对餐厅加菜时刻进行调整。
在本实施例中：
设置有用户
Figure 833314DEST_PATH_IMAGE042
，进入无人智慧餐厅选菜；
在
Figure 596871DEST_PATH_IMAGE042
将餐盘放入识别区后，红外感应装置向主机传递信号，主机接收到对应的信号，启动高清摄像装置进行录制；
Figure 165255DEST_PATH_IMAGE042
选择了菜品土豆烧牛肉进行打菜，菜品土豆烧牛肉中含有菜品原料土豆、牛肉；其中土豆的特征向量记为
Figure 912632DEST_PATH_IMAGE043
；牛肉的特征向量记为
Figure 591875DEST_PATH_IMAGE044
；
数据处理模块接收到录制的用户
Figure 741096DEST_PATH_IMAGE042
夹菜视频，对视频中用户每次夹菜的图像进行截取，结合深度学习和度量学习的技术思想，分别提取图像中的菜品原料的特征向量；其中图像中的菜品原料的特征向量为
Figure 214803DEST_PATH_IMAGE045
；
将图像提取的菜品原料的特征向量分别作为第一输入，将所有原料的特征向量作为第二输入，根据公式：
Figure 183896DEST_PATH_IMAGE046
计算第一输入与第二输入之间的相对欧式距离；
其中，
Figure 666830DEST_PATH_IMAGE047
代表两组原料之间的相对欧式距离，
Figure 404979DEST_PATH_IMAGE048
代表第一输入的特征向量；
Figure 315166DEST_PATH_IMAGE049
代表第二输入中的任一原料的特征向量；
Figure 771555DEST_PATH_IMAGE050
代表特征向量数量；
将图像中的菜品原料的特征向量
Figure 527021DEST_PATH_IMAGE051
，全部代入计算后得出：
Figure 650835DEST_PATH_IMAGE052
与两组原料的相对欧式距离为
Figure 200765DEST_PATH_IMAGE053
；其中
Figure 144450DEST_PATH_IMAGE054
；
Figure 969187DEST_PATH_IMAGE055
与两组原料的相对欧式距离为
Figure 681928DEST_PATH_IMAGE056
；其中
Figure 933918DEST_PATH_IMAGE057
；
Figure 99320DEST_PATH_IMAGE058
与两组原料的相对欧式距离为
Figure 196589DEST_PATH_IMAGE059
；其中
Figure 294995DEST_PATH_IMAGE060
；
因此判断，用户
Figure 452307DEST_PATH_IMAGE042
本次打菜均为牛肉；
对用户
Figure 636164DEST_PATH_IMAGE042
夹取菜品土豆烧牛肉的的次数进行统计，发现其夹取4次，按照上述方法依次进行判断，根据公式；
Figure 537123DEST_PATH_IMAGE061
其中，
Figure 224457DEST_PATH_IMAGE014
为菜品原料
Figure 818249DEST_PATH_IMAGE015
在第
Figure 958243DEST_PATH_IMAGE016
次夹菜中所占的比例；
Figure 662894DEST_PATH_IMAGE015
为第
Figure 204734DEST_PATH_IMAGE016
次夹菜中任一种被夹取的菜品原料；
Figure 969428DEST_PATH_IMAGE017
为第
Figure 620156DEST_PATH_IMAGE016
次夹菜中所有的菜品原料数量。
计算得出四次比例分别为1、1、1、1；
对菜品土豆烧牛肉中的所有菜品原料进行价格排序，其中牛肉价格最高的记为菜品原料
Figure 128497DEST_PATH_IMAGE018
，对顾客夹取菜品原料
Figure 524844DEST_PATH_IMAGE018
的比例进行计算；
根据公式：
Figure 460439DEST_PATH_IMAGE062
Figure 840604DEST_PATH_IMAGE020
为菜品原料
Figure 152637DEST_PATH_IMAGE018
在用户夹菜中所占的平均比例，
Figure 403490DEST_PATH_IMAGE021
为单次用户夹菜中所占的比例；
得出
Figure 509986DEST_PATH_IMAGE020
为1；
设置阈值
Figure 377448DEST_PATH_IMAGE063
，因为1超出了0.75，因此对用户
Figure 962013DEST_PATH_IMAGE064
发送健康提醒，提醒其进行菜品搭配，有益健康。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种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、物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、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于大数据的智能视频图像分析方法，其特征在于：该方法包括以下步骤：
S1、在无人智慧餐厅的菜品盘上方布置高清摄像装置，在检测到餐盘被放置在识别区上时，启动高清摄像装置对用户夹菜的过程进行录制；
S2、将步骤S1的录制视频传输至数据处理模块，数据处理模块对用户夹取的菜品进行视频图像分析，并给出分析结果至主机计价模块；
S3、主机计价模块根据步骤S2的分析结果，对用户本次夹菜给出计价方式或健康提醒，并将最终结果发送至用户终端，同时存储至数据库；
S4、根据不同用户的夹菜时间、过程以及计价信息，利用大数据对餐厅的加菜时间进行调整；
在步骤S1中，设置有红外感应装置、高清摄像装置，餐盘一旦进入识别区，就会触发红外感应装置向主机传递信号，主机接收到对应的信号，才开始启动高清摄像装置进行录制，在餐盘离开识别区，立刻停止高清摄像装置的录制，并将视频图像内容进行存储，恢复初始状态，等待下一个餐盘进入；
在步骤S2中，数据处理模块对用户夹取的菜品进行视频图像分析的步骤如下：
S2-100、对菜品
Figure DEST_PATH_IMAGE001
按照原料组成进行分割，其中
Figure 176753DEST_PATH_IMAGE001
代表任意一份菜品，按照原料组成记为集合
Figure 929987DEST_PATH_IMAGE002
，其中
Figure DEST_PATH_IMAGE003
分别代表菜品
Figure 105725DEST_PATH_IMAGE001
中的各个原料，并提取每种原料的特征向量；
S2-200、数据处理模块接收步骤S1录制的用户夹菜视频，对视频中用户每次夹菜的图像进行截取，结合深度学习和度量学习的技术思想，分别提取图像中的菜品原料的特征向量；
S2-300、以步骤S2-200中图像提取的菜品原料的特征向量分别作为第一输入，将步骤S2-100中的所有原料的特征向量作为第二输入，根据公式：
Figure 483724DEST_PATH_IMAGE004
计算第一输入与第二输入之间的相对欧式距离；
其中，
Figure DEST_PATH_IMAGE005
代表两组原料之间的相对欧式距离，
Figure 287944DEST_PATH_IMAGE006
代表第一输入的特征向量；
Figure DEST_PATH_IMAGE007
代表第二输入中的任一原料的特征向量；
Figure 346643DEST_PATH_IMAGE008
代表特征向量数量；
S2-400、对每一个第一输入进行计算后，会得出
Figure DEST_PATH_IMAGE009
个相对欧式距离
Figure 574905DEST_PATH_IMAGE005
，其中
Figure 486800DEST_PATH_IMAGE009
为菜品
Figure 926513DEST_PATH_IMAGE001
中原料数量，在得出的所有
Figure 373044DEST_PATH_IMAGE010
中，选取最大值，此时的菜品原料即为对应的第二输入的菜品原料；
S2-500、对用户夹取菜品
Figure 203DEST_PATH_IMAGE001
的次数进行统计，记为集合
Figure DEST_PATH_IMAGE011
，其中，
Figure 644756DEST_PATH_IMAGE012
分别代表第一次、第二次、第三次……第
Figure DEST_PATH_IMAGE013
次，根据公式；
Figure 512093DEST_PATH_IMAGE014
对每一种菜品原料在每一次的夹菜中所占比例进行计算；
其中，
Figure 625584DEST_PATH_IMAGE016
为菜品原料
Figure DEST_PATH_IMAGE017
在第
Figure 379989DEST_PATH_IMAGE018
次夹菜中所占的比例；
Figure 439451DEST_PATH_IMAGE017
为第
Figure 35755DEST_PATH_IMAGE018
次夹菜中任一种被夹取的菜品原料；
Figure DEST_PATH_IMAGE019
为第
Figure 400985DEST_PATH_IMAGE018
次夹菜中所有的菜品原料数量；
在步骤S3中，主机计价模块给出计价方式或健康提醒的步骤如下：
S3-100、对菜品
Figure 127806DEST_PATH_IMAGE001
中的所有菜品原料进行价格排序，其中价格最高的记为菜品原料
Figure 921221DEST_PATH_IMAGE020
，根据步骤S2-500中的计算方式，对顾客夹取菜品原料
Figure 104847DEST_PATH_IMAGE020
的比例进行计算；
S3-200、根据公式：
Figure DEST_PATH_IMAGE021
Figure 75759DEST_PATH_IMAGE022
为菜品原料
Figure 114426DEST_PATH_IMAGE020
在用户夹菜中所占的平均比例，
Figure DEST_PATH_IMAGE023
为单次用户夹菜中所占的比例；
S3-300、设置阈值
Figure 940441DEST_PATH_IMAGE024
，若
Figure DEST_PATH_IMAGE025
超出阈值
Figure 10644DEST_PATH_IMAGE026
，则对用户发送健康提醒，提醒其进行菜品搭配，有益健康；若
Figure 672808DEST_PATH_IMAGE025
低于阈值
Figure DEST_PATH_IMAGE027
，则进入步骤S3-400，进行重新计价；
S3-400、根据公式：
Figure 388800DEST_PATH_IMAGE028
其中，
Figure DEST_PATH_IMAGE029
为重新计算的价格；
Figure 220162DEST_PATH_IMAGE030
为比例调整系数；
Figure DEST_PATH_IMAGE031
为原来应支付的价格；
得出重新计算的价格，发送给用户进行支付，并将记录存储至数据库。
2.根据权利要求1所述的一种基于大数据的智能视频图像分析方法，其特征在于：在步骤S4中，利用大数据对餐厅的加菜时间进行调整的步骤如下：
S4-100、调取进行重新计算价格的用户人数，和重新计算价格时的时间情况；
S4-200、根据步骤S4-100的数据情况，对当天的加菜时间进行预测，在重新计算价格的用户人数超过阈值
Figure 52400DEST_PATH_IMAGE032
时，餐厅进行加菜，记录下当前时间
Figure DEST_PATH_IMAGE033
；
S4-300、在预测第
Figure 168969DEST_PATH_IMAGE034
天加菜时刻时，判断第
Figure 517411DEST_PATH_IMAGE034
天为周中或是周末，其中周中指周一至周五，周末指周六与周日，若为周中，则从步骤S4-200的记录数据中，选取
Figure DEST_PATH_IMAGE035
项周中数据，计算平均值，进行预测餐厅加菜时刻；若为周末，则选取
Figure 773753DEST_PATH_IMAGE035
项周末数据，计算平均值，进行预测餐厅加菜时刻；并根据相应预测对餐厅加菜时刻进行调整。
3.一种应用于权利要求1所述的基于大数据的智能视频图像分析方法的一种基于大数据的智能视频图像分析系统，其特征在于：该系统包括餐盘感应模块、传输模块、数据处理模块、主机计价模块、数据库、大数据分析模块、调整模块；
所述餐盘感应模块用于对进入识别区的餐盘进行感应，并开启高清摄像装置进行录制夹菜视频图像；所述传输模块用于进行视频图像数据的传输；所述数据处理模块用于对视频图像数据进行处理；所述主机计价模块用于进行餐厅菜品的重新计价；所述数据库用于存储相关数据信息，以备后续调取；所述大数据分析模块用于根据大数据进行预测分析餐厅加菜时刻；所述调整模块用于进行调整餐厅加菜时间；
所述餐盘感应模块的输出端与所述传输模块的输入端相连接；所述传输模块的输出端与所述数据处理模块的输入端相连接；所述数据处理模块的输出端与所述主机计价模块的输入端相连接；所述主机计价模块的输出端与所述数据库的输入端相连接；所述数据库的输出端与所述大数据分析模块的输入端相连接；所述大数据分析模块的输出端与所述调整模块的输入端相连接；
所述餐盘感应模块包括红外感应装置、高清摄像装置；
所述红外感应装置用于在餐盘进入识别区后进行红外感应，并开启高清摄像装置，在餐盘离开识别区后，关闭高清摄像装置；所述高清摄像装置用于在用户进行夹菜时录制视频；
所述红外感应装置的输出端与所述高清摄像装置的输入端相连接；所述高清摄像装置的输出端与所述传输模块、数据库的输入端相连接；
所述数据库包括视频存储单元、计价存储单元；
所述视频存储单元用于存储用户进行夹菜时的视频；所述计价存储单元用于进行存储重新计价的顾客人数及时间情况；
所述视频存储单元、计价存储单元的输出端与所述大数据分析模块的输入端相连接。
4.根据权利要求3所述的一种基于大数据的智能视频图像分析系统，其特征在于：所述数据处理模块包括接收单元、特征提取单元、处理单元；
所述接收单元用于接收传输模块传输过来的视频图像信息；所述特征提取单元用于对菜品中的各原料进行特征提取；所述处理单元用于对用户夹菜的过程中，夹取的各菜品原料进行统计；
所述接收单元的输出端与所述特征提取单元的输入端相连接；所述特征提取单元的输出端与所述处理单元的输入端相连接；所述处理单元的输出端与所述主机计价模块的输入端相连接。
5.根据权利要求3所述的一种基于大数据的智能视频图像分析系统，其特征在于：所述主机计价模块包括检测单元、健康提醒发送单元、重新计价单元；
所述检测单元用于检测用户夹菜时，是否对单一菜品原料夹取比例过大；所述健康提醒发送单元用于对用户发送健康提醒，提醒用户进行荤素搭配，健康饮食；所述重新计价单元用于对菜品重新进行计价，并发送至用户终端；
所述检测单元的输出端与所述健康提醒发送单元、重新计价单元的输入端相连接；所述重新计价单元的输出端与所述大数据分析模块的输入端相连接。
6.根据权利要求3所述的一种基于大数据的智能视频图像分析系统，其特征在于：所述大数据分析模块包括历史数据调取单元、预测单元；
所述历史数据调取单元用于调取相关的历史数据；所述预测单元用于进行预测餐厅加菜的时刻；
所述历史数据调取单元的输出端与所述预测单元的输入端相连接；所述预测单元的输出端与所述调整模块的输入端相连接。
7.根据权利要求3所述的一种基于大数据的智能视频图像分析系统，其特征在于：所述调整模块包括时间调整单元、预警单元；
所述时间调整单元用于对餐厅加菜时间进行提醒；所述预警单元用于在即将到达餐厅加菜时间时发出预警信息，提醒餐厅加菜；
所述时间调整单元的输出端与所述预警单元的输入端相连接。
CN202110722677.6A 2021-06-29 2021-06-29 一种基于大数据的智能视频图像分析系统及方法 Active CN113255596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110722677.6A CN113255596B (zh) 2021-06-29 2021-06-29 一种基于大数据的智能视频图像分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110722677.6A CN113255596B (zh) 2021-06-29 2021-06-29 一种基于大数据的智能视频图像分析系统及方法

Publications (2)

Publication Number Publication Date
CN113255596A CN113255596A (zh) 2021-08-13
CN113255596B true CN113255596B (zh) 2021-11-02

Family

ID=77190112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110722677.6A Active CN113255596B (zh) 2021-06-29 2021-06-29 一种基于大数据的智能视频图像分析系统及方法

Country Status (1)

Country Link
CN (1) CN113255596B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114613145B (zh) * 2022-05-12 2022-08-19 中运科技股份有限公司 一种大数据下的客运流量感知预警系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109389144A (zh) * 2018-08-14 2019-02-26 上海常仁信息科技有限公司 一种基于菜品识别的菜品组成分析系统和方法
CN109544203A (zh) * 2018-10-15 2019-03-29 西安黑瞳信息科技有限公司 一种餐厅的用户习惯记录与推荐方法
CN110059654A (zh) * 2019-04-25 2019-07-26 台州智必安科技有限责任公司 一种基于细粒度识别的菜品自动结算及饮食健康管理方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005222191A (ja) * 2004-02-04 2005-08-18 Fujitsu Ltd メニューオーダ選択支援システム、データセンタおよび店舗システム
CN107122730A (zh) * 2017-04-24 2017-09-01 乐金伟 自选餐厅自动计价方法
US20180336603A1 (en) * 2017-05-22 2018-11-22 Fujitsu Limited Restaurant review systems
CN112905650A (zh) * 2021-02-09 2021-06-04 广东电网有限责任公司 基于大数据统计及健康报告分析的智能推荐算法研究

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109389144A (zh) * 2018-08-14 2019-02-26 上海常仁信息科技有限公司 一种基于菜品识别的菜品组成分析系统和方法
CN109544203A (zh) * 2018-10-15 2019-03-29 西安黑瞳信息科技有限公司 一种餐厅的用户习惯记录与推荐方法
CN110059654A (zh) * 2019-04-25 2019-07-26 台州智必安科技有限责任公司 一种基于细粒度识别的菜品自动结算及饮食健康管理方法

Also Published As

Publication number Publication date
CN113255596A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
CN109493254B (zh) 一种菜品制作排序与催菜方法、装置以及菜品处理系统
KR102141172B1 (ko) 인공지능 및 사물인터넷을 적용한 키오스크 주문 관리 시스템 및 그 방법
CN106408278B (zh) 支付方法和装置
CN111080493B (zh) 一种菜品信息识别方法、装置及菜品自助结算系统
CN211149511U (zh) 无人自助餐厅系统
US20140052585A1 (en) Information processing system, information processing method, program, and information recording medium
CN113255596B (zh) 一种基于大数据的智能视频图像分析系统及方法
CN112329866A (zh) 一种餐厅智能健康点餐系统及方法
JP5746554B2 (ja) 情報提供システム、情報提供方法、プログラム及び情報記録媒体
CN112700352A (zh) 一种智慧餐厅的自助管理系统及方法
CN109872214A (zh) 食材一键下单方法、系统、电子设备及存储介质
CN110889784B (zh) 无人自助餐厅系统
CN110852299A (zh) 顾客饮食习惯确定方法及装置
WO2014031002A1 (en) Group composition based recommender system and method
CN109919672B (zh) 智能点餐方法、系统、点餐终端、餐食制作机及存储介质
RU2724797C1 (ru) Кассовая система и способ для идентификации блюд на подносе
US20220222844A1 (en) Method, device, and program for measuring food
CN210573934U (zh) 无人自助餐厅系统
CN107330814A (zh) 智能点餐方法及系统
JP2005293395A (ja) 食事情報管理システム
CN114519512A (zh) 数据处理方法、装置、可读存储介质及电子设备
JPH05266358A (ja) 食堂向けｐｏｓシステム
CN111860263B (zh) 信息录入方法、装置及计算机可读存储介质
CN113592183A (zh) 就餐高峰预测方法及装置
EP1117056A2 (en) Method and apparatus for generating profile data

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