CN113766058A - 一种获取营养信息的方法、系统、拍摄终端及存储介质 - Google Patents
一种获取营养信息的方法、系统、拍摄终端及存储介质 Download PDFInfo
- Publication number
- CN113766058A CN113766058A CN202111006828.4A CN202111006828A CN113766058A CN 113766058 A CN113766058 A CN 113766058A CN 202111006828 A CN202111006828 A CN 202111006828A CN 113766058 A CN113766058 A CN 113766058A
- Authority
- CN
- China
- Prior art keywords
- information
- acquiring
- target food
- target
- image frame
- 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
- 235000016709 nutrition Nutrition 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000035764 nutrition Effects 0.000 title claims abstract description 25
- 235000013305 food Nutrition 0.000 claims abstract description 154
- 235000013619 trace mineral Nutrition 0.000 claims abstract description 14
- 239000011573 trace mineral Substances 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 11
- 238000012549 training Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 241000220225 Malus Species 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 244000241235 Citrullus lanatus Species 0.000 description 1
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- UPYKUZBSLRQECL-UKMVMLAPSA-N Lycopene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1C(=C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=C)CCCC2(C)C UPYKUZBSLRQECL-UKMVMLAPSA-N 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 150000001746 carotenes Chemical class 0.000 description 1
- 235000005473 carotenes Nutrition 0.000 description 1
- 235000010675 chips/crisps Nutrition 0.000 description 1
- 235000019219 chocolate Nutrition 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000021485 packed food Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 235000013580 sausages Nutrition 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- NCYCYZXNIZJOKI-UHFFFAOYSA-N vitamin A aldehyde Natural products O=CC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C NCYCYZXNIZJOKI-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种获取营养信息的方法、系统、拍摄终端及存储介质。获取营养信息的方法包括:获取当前图像帧,当前图像帧包括目标食物,获取目标食物与摄像装置的有效距离;当有效距离为预设距离时,获取当前图像帧对应的目标图像;获取目标图像中目标食物的物体轮廓,根据物体轮廓获取目标食物的体积信息;根据体积信息获取目标食物的重量信息,根据重量信息和目标食物的营养信息计算出目标食物的实际卡路里信息和微量元素含量信息。本发明可以准确便捷的目标食物的提供营养信息或卡路里信息。
Description
技术领域
本发明涉及人工智能领域,具体涉及一种获取营养信息的方法、系统、拍摄终端及存储介质。
背景技术
现代人越来越重视生活的品质,特别是在饮食方面越来越追求合理搭配的营养配方。为此,人们需要了解各种食物所含的营养成分和卡路里数值。
可以在一些网站上搜索食品营养信息或卡路里信息,但是用户还需要根据食物的重量或体积进一步计算以获取较为准确的营养信息或卡路里信息。某些包装食品,例如薯片、饼干、巧克力等,可能在包装上有标注一包食品的重量。用户需要根据重量计算出该食品的营养信息或者卡路里信息,步骤比较繁琐。此外,某些食物例如苹果、单片的吐司面包等用户并不能准确得知其重量或体积,从而无法获知其准确的营养信息或卡路里信息。
发明内容
本发明要解决的技术问题在于无法获知其准确的营养信息或卡路里信息,针对现有技术的上述缺陷,提供一种获取营养信息的方法、系统、拍摄终端及存储介质。
本发明解决其技术问题所采用的技术方案是:提供一种获取营养信息的方法,应用于智能终端,所述智能终端包括摄像装置;所述获取营养信息的方法包括如下步骤:获取当前图像帧,所述当前图像帧包括目标食物,获取所述目标食物与所述摄像装置的有效距离;当所述有效距离为预设距离时,获取所述当前图像帧对应的目标图像;获取所述目标图像中所述目标食物的物体轮廓,根据所述物体轮廓获取所述目标食物的体积信息;根据所述体积信息获取所述目标食物的重量信息,根据所述重量信息和所述目标食物的营养信息计算出所述目标食物的实际卡路里信息和微量元素含量信息。
其中,所述获取所述目标食物与所述摄像装置的有效距离的步骤,包括:生成由所述智能终端显示的所述当前图像帧的中心点沿拍摄方向的延伸线,获取至少一个与所述延伸线相交的相交对象和每个所述相交对象到所述摄像装置的拍摄距离,从所述至少一个所述相交对象中选择有效对象,将所述有效对象的拍摄距离作为所述有效距离。
其中,所述从所述至少一个所述相交对象中选择有效对象,将所述有效对象的拍摄距离作为所述有效距离的步骤,包括:将具有最小的所述拍摄距离的所述相交对象作为所述有效对象,将所述拍摄距离中的最小值作为所述有效距离。
其中,所述获取当前图像帧的步骤,包括:判断所述目标食物是否位于所述当前图像帧中心以及所述图像帧的拍摄角度是否为预设角度;若所述目标食物不位于所述当前图像帧中心和/或所述拍摄角度不为所述预设角度,则向用户显示提示信息,以提示用户调整拍摄角度和/或位置,使得所述目标食物位于所述当前图像帧中心且所述拍摄角度为所述预设角度。
其中,所述获取所述目标图像中所述目标食物的物体轮廓的步骤,包括:对所述目标图像进行灰度处理和二值化处理,获取所述物体轮廓。
其中,所述根据所述物体轮廓获取所述目标食物的体积信息的步骤,包括:获取所述物体轮廓的最小外接矩形,根据所述最小外接矩形的矩形长宽信息获取所述目标食物的长宽信息;根据所述目标图像的分辨率信息和所述目标图像的长宽信息获取所述体积信息。
其中,所述根据所述体积信息计算出所述目标食物的重量信息的步骤,包括:将所述体积信息和所述目标图像输入预训练的食物神经网络模型,获取所述目标食物的名称信息和重量信息。
本发明解决其技术问题所采用的技术方案是:提供一种获取营养信息的系统,应用于智能终端,所述智能终端包括摄像装置;所述获取营养信息的系统包括如下模块:获取模块,用于获取当前图像帧,所述图像帧包括目标食物,根据所述图像帧获取所述目标食物与所述摄像装置的有效距离;图像模块,用于当所述有效距离为预设距离时,获取所述当前图像帧对应的目标图像;体积模块,用于获取所述目标图像中所述目标食物的物体轮廓,根据所述物体轮廓获取所述目标食物的体积信息;营养模块,用于根据所述体积信息计算出所述目标食物的重量信息,根据所述重量信息和所述营养信息计算出所述目标食物的实际卡路里信息和微量元素含量信息。
本发明解决其技术问题所采用的技术方案是:提供一种拍摄终端,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上所述方法的步骤。
本发明解决其技术问题所采用的技术方案是:提供一种存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如上所述方法的步骤。
本发明的有益效果在于,与现有技术相比,本发明通过在目标食物与摄像装置间的有效距离为预设距离时,获取包括目标食物的当前图像帧对应的目标图像,从而在获取目标图像中目标食物的物体轮廓,能够根据物体轮廓获取目标食物的体积信息,根据体积信息获取目标食物的重量信息,根据重量信息和目标食物的营养信息计算出目标食物的实际卡路里信息和微量元素含量信息,用户无需自行计算,只需用智能终端对准目标食物进行拍摄就能够快捷且准确的获取目标食物的营养信息和卡路里信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1是本发明提供的获取营养信息的方法的一实施例的流程示意图;
图2是本发明提供的智能终端的一实施例的结构示意图;
图3是本发明提供的hitTest(_point:,types:)方法的原理示意图;
图4是本发明提供的获取营养信息的系统的一实施例的结构示意图;
图5是本发明提供的拍摄终端的一实施例的结构示意图;
图6是本发明提供的存储介质的一实施例的结构示意图。
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作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和图2,图1是本发明提供的获取营养信息的方法的一实施例的流程示意图。图2是本发明提供的智能终端的一实施例的结构示意图。如图2所示的智能终端10,智能终端10包括摄像装置11,智能终端10还包括显示屏幕12,摄像装置11用于获取包括目标食物的当前图像帧,显示屏幕12用于显示当前图像帧。
本发明提供的获取营养信息的方法包括如下步骤:
S101:获取当前图像帧,图像帧包括目标食物,获取目标食物与摄像装置的有效距离。
在一个具体的实施场景中,通过智能终端10的摄像装置11对准目标食物进行拍摄,获取拍摄装置11当前拍摄的当前图像帧,通过显示屏幕12显示当前图像帧。获取目标食物与摄像装置11的有效距离。例如,通过智能终端上设置的传感器探测有效距离,或者通过ARKit框架提供的hitTest(_point:,types:)方法获取有效距离。
请结合参阅图3,图3是本发明提供的hitTest(_point:,types:)方法的原理示意图。如图2所示的,从视图坐标系中2D点(例如,显示屏幕12的中心点)指向3D空间,3D空间从摄像装置11开始,并沿拍摄方向延伸。生成由智能终端10的显示屏幕12显示的当前图像帧的中心点(坐标(0,0))沿拍摄方向的延伸线,沿着该延伸线搜索与该延伸线相交的相交对象,获取每个相交对象与摄像装置11之间的拍摄距离,从至少一个相交对象中选择有效对象,将有效对象的拍摄距离作为有效距离。
在一个实施场景中,针对hitTest(_point:,types:)方法,第一个入参传入的是视图坐标系中的一个点(point),例如,显示屏幕12的中心点,第二个入参传入的是要搜索结果的类型(types),这里传入的为特征点相交类型,以获取相交对象。hitTest(_point:,types:)方法的返回值是一个数组,数组中的对象是从距离拍摄装置11最近到最远排列的所有相交对象。选择数组中排序第一的相交对象作为有效对象,也就是选择距离拍摄装置最近的相交对象作为有效对象,hitTest(_point:,types:)方法返回值中的相交对象具有distance属性,根据distance属性可以直接获取有效对象与拍摄装置的有效距离。
在一个实施场景中,使用hitTest(_point:,types:)方法需要指定当前图像帧中一个点,为了提升运算的效率,降低运算误差,选择当前图像帧中心点作为该点。因此,需要确保当前图像帧中,目标食物位于当前图像帧的中心位置,才能确保hitTest(_point:,types:)方法返回值的数组中,第一个相交对象为目标食物。可以以当前图像帧的中心点为圆心,以预设距离值为半径画圆,判断目标食物是否位于该圆中,若是,则可以判定目标食物位于当前图像帧的中心。若否,则向用户显示提示信息,例如闪烁显示该圆,以提示用户调整拍摄角度和/或位置,使得目标食物位于当前图像帧中心。
S102:当有效距离为预设距离时,获取当前图像帧对应的目标图像。
在一个具体的实施场景中,当有效距离为预设距离(例如,20cm)时,获取当前图像帧对应的目标图像。可以将当前图像帧进行截图,从而获取目标图像。可以理解的是,当同一个物体距离摄像装置11的距离不同时,其在当前图像帧上显示的大小不同,在摄像装置11的拍摄参数已知的情况下,可以根据拍摄参数和预设距离计算出在当前图像帧上尺寸为A*B的目标实际尺寸C*D。因此,可以预设一个预设距离,当有效距离为预设距离时,能够根据目标食物在目标图像上的尺寸信息,推算出目标食物的实际尺寸信息。
S103:获取目标图像中目标食物的物体轮廓,根据物体轮廓获取目标食物的体积信息。
在一个具体的实施场景中,可通过图像识别和图像处理技术获取物体轮廓。例如,过OpenCV提供的方法对目标图像进行灰度处理,再对灰度处理后的图像进行二值化处理,获取物体轮廓信息。根据物体轮廓信息可以获取物体的长、宽、直径、高、底边长、夹角等体积参数,若目标食物为规则物体,例如,近似球型的苹果、橘子、橙子、西瓜,或者是近似正方体或者长方体的面包、午餐肉,或者是近似圆柱体的火腿肠等,则可以根据体积参数获取目标食物的体积信息。
在本实施场景中,可以先根据预设距离和目标食物在目标图像中的体积参数获取目标食物实际的体积参数。预先获取拍摄装置11拍摄目标食物的拍摄角度,根据拍摄角度和图像的体积参数计算出目标食物的实际体积信息。
在一个实施场景中,获取物体轮廓的最小外接矩形,根据最小外接矩形的矩形长宽信息获取目标食物的长宽信息,例如,可以直接将最小外接矩形的矩形长宽信息作为目标食物的长宽信息。获取目标图像的分辨率信息,根据分辨率信息获取目标食物的长度像素值和宽度像素值。根据目标食物的长度像素值和宽度像素值以及预设距离和拍摄角度计算出目标食物的实际体积信息。
在其他实施场景中,可以通过将在摄像装置11或者与摄像装置11具有相同拍摄参数的拍摄装置在在预设距离下拍摄多个不同尺寸的拍摄物体,获取拍摄物体在摄像装置拍摄的训练图像帧中的图像体积参数和拍摄物体的实际体积信息,将每个拍摄物体的图像体积参数与实际体积信息输入待训练的尺寸计算神经网络进行训练,获取训练完成的尺寸计算神经网络。将目标图像中的目标食物的体积参数输入训练完成的尺寸计算神经网络,获得目标食物的实际体积信息。
在一个实施场景中,由于拍摄角度的不同对拍摄物体的图像体积参数的影响较大,因此可以预设一个固定的预设角度拍摄多个不同尺寸的拍摄物体。以该预设角度拍摄出的训练图像帧进行训练。在获取当前图像帧时,提示用户根据该预设角度进行拍摄,以提升尺寸计算神经网络计算的准确度。
S104:根据体积信息计算出目标食物的重量信息,根据重量信息和营养信息计算出目标食物的实际卡路里信息和微量元素含量信息。
在一个具体的实施场景中,对目标图像进行图像识别,获取目标图像中的目标食物的食物类型。具体地说,可以通过预训练的AI(Artificial Intelligence,人工智能)神经网络对目标图像进行图像识别,获取目标图像中的目标食物的食物类型。进一步地,还可以根据AI神经网络获取目标食物的密度信息和营养信息。在其他实施场景中,还可以根据获取的食物类型在预设的数据库中进行检索,获取目标食物的密度信息和营养信息。例如,目标食物类型是苹果,苹果的密度是0.9g/cm3。每100g苹果的热量是53.00大卡,包括碳水化合物13.70g,蛋白质0.40g,钠1.6mg,VE 2.12mg,VC 4mg,VB5 0.2mg,VB2 0.02mg,VB10.06mg,胡萝卜素0.2μg。
在一个实施场景中,将目标食物的体积信息和密度信息相乘,计算出目标食物的重量信息。重量信息和营养信息相乘,计算出目标食物的实际卡路里信息和微量元素含量信息。例如,目标食物每100g的热量为400kJ,目标食物的重量为300g,则目标食物的实际卡路里为400*300*0.2389=286.68kcal。再例如,目标食物每100g的钙含量为3mg,目标食物的钙含量为9mg。
在本实施场景中,可以显示目标食物的实际卡路里信息和微量元素含量信息,或者通过语音播报目标食物的实际卡路里信息和微量元素含量信息。进一步地,可以记录目标食物的实际卡路里信息和微量元素含量信息,可用于对用户健康追踪时进行分析。
在一个实施场景中,可以预先训练食物神经网络模型,预先获取多个训练图像,每个训练图像对应的训练食物的体积信息和重量信息,将每个训练图像及其对应的体积信息与重量信息作为一对输入信息输入食物神经网络模型进行训练,获取预训练的食物神经网络模型。将体积信息和目标图像输入预训练的食物神经网络模型,获取目标食物的名称信息和重量信息。训练图像是拍摄装置距离训练食物预设距离,以预设角度进行拍摄获取的。因此,在获取目标图像时,为了降低输出的误差,拍摄装置11距离目标食物预设距离,以预设角度进行拍摄。
通过上述描述可知,在本实施例中,通过在目标食物与摄像装置间的有效距离为预设距离时,获取包括目标食物的当前图像帧对应的目标图像,从而在获取目标图像中目标食物的物体轮廓,能够根据物体轮廓获取目标食物的体积信息,根据体积信息获取目标食物的重量信息,根据重量信息和目标食物的营养信息计算出目标食物的实际卡路里信息和微量元素含量信息,用户无需自行计算,只需用智能终端对准目标食物进行拍摄就能够快捷且准确的获取目标食物的营养信息和卡路里信息。
请参阅图4,图4是本发明提供的获取营养信息的系统的一实施例的结构示意图。获取营养信息的系统20应用于图2所示的智能终端,包括:获取模块21、图像模块22、体积模块23、营养模块24。
获取模块21用于获取当前图像帧,图像帧包括目标食物,根据图像帧获取目标食物与摄像装置的有效距离。图像模块22用于当有效距离为预设距离时,获取当前图像帧对应的目标图像。体积模块23用于获取目标图像中目标食物的物体轮廓,根据物体轮廓获取目标食物的体积信息。营养模块24用于根据体积信息计算出目标食物的重量信息,根据重量信息和营养信息计算出目标食物的实际卡路里信息和微量元素含量信息。
获取模块21还用于生成由智能终端显示的当前图像帧的中心点沿拍摄方向的延伸线,获取至少一个与延伸线相交的相交对象和每个相交对象到摄像装置的拍摄距离,从至少一个相交对象中选择有效对象,将有效对象的拍摄距离作为有效距离。
获取模块21还用于将具有最小的拍摄距离的相交对象作为有效对象,将拍摄距离中的最小值作为有效距离。
获取模块21还用于判断目标食物是否位于当前图像帧中心以及图像帧的拍摄角度是否为预设角度;若目标食物不位于当前图像帧中心和/或拍摄角度不为预设角度,则向用户显示提示信息,以提示用户调整拍摄角度和/或位置,使得目标食物位于当前图像帧中心且拍摄角度为预设角度。
体积模块23还用于对目标图像进行灰度处理和二值化处理,获取物体轮廓。
体积模块23还用于获取物体轮廓的最小外接矩形,根据最小外接矩形的矩形长宽信息获取目标食物的长宽信息;根据目标图像的分辨率信息和目标图像的长宽信息获取体积信息。
营养模块24还用于将体积信息和目标图像输入预训练的食物神经网络模型,获取目标食物的名称信息和重量信息。
通过上述描述可知,在本实施例中,获取营养信息的系统在目标食物与摄像装置间的有效距离为预设距离时,获取包括目标食物的当前图像帧对应的目标图像,获取目标图像中目标食物的物体轮廓,根据物体轮廓获取目标食物的体积信息,根据体积信息获取目标食物的重量信息,根据重量信息和目标食物的营养信息计算出目标食物的实际卡路里信息和微量元素含量信息,能够快捷且准确的获取目标食物的营养信息和卡路里信息。
请参阅图5,图5是本发明提供的拍摄终端的一实施例的结构示意图。拍摄终端30包括处理器31、存储器32。处理器31耦接存储器32。存储器32中存储有计算机程序,处理器31在工作时执行该计算机程序以实现如图1所示的方法。详细的方法可参见上述,在此不再赘述。
请参阅图6,图6是本发明提供的存储介质的一实施例的结构示意图。存储介质40中存储有至少一个计算机程序41,计算机程序41用于被处理器执行以实现如图1所示的方法,详细的方法可参见上述,在此不再赘述。在一个实施例中,计算机可读存储介质40可以是终端中的存储芯片、硬盘或者是移动硬盘或者优盘、光盘等其他可读写存储的工具,还可以是服务器等等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种获取营养信息的方法,其特征在于,应用于智能终端,所述智能终端包括摄像装置;
所述获取营养信息的方法包括如下步骤:
获取当前图像帧,所述当前图像帧包括目标食物,获取所述目标食物与所述摄像装置的有效距离;
当所述有效距离为预设距离时,获取所述当前图像帧对应的目标图像;
获取所述目标图像中所述目标食物的物体轮廓,根据所述物体轮廓获取所述目标食物的体积信息;
根据所述体积信息获取所述目标食物的重量信息,根据所述重量信息和所述目标食物的营养信息计算出所述目标食物的实际卡路里信息和微量元素含量信息。
2.根据权利要求1所述的获取营养信息的方法,其特征在于,所述获取所述目标食物与所述摄像装置的有效距离的步骤,包括:
生成由所述智能终端显示的所述当前图像帧的中心点沿拍摄方向的延伸线,获取至少一个与所述延伸线相交的相交对象和每个所述相交对象到所述摄像装置的拍摄距离,从所述至少一个所述相交对象中选择有效对象,将所述有效对象的拍摄距离作为所述有效距离。
3.根据权利要求2所述的获取营养信息的方法,其特征在于,所述从所述至少一个所述相交对象中选择有效对象,将所述有效对象的拍摄距离作为所述有效距离的步骤,包括:
将具有最小的所述拍摄距离的所述相交对象作为所述有效对象,将所述拍摄距离中的最小值作为所述有效距离。
4.根据权利要求2所述的获取营养信息的方法,其特征在于,所述获取当前图像帧的步骤,包括:
判断所述目标食物是否位于所述当前图像帧中心以及所述图像帧的拍摄角度是否为预设角度;
若所述目标食物不位于所述当前图像帧中心和/或所述拍摄角度不为所述预设角度,则向用户显示提示信息,以提示用户调整拍摄角度和/或位置,使得所述目标食物位于所述当前图像帧中心且所述拍摄角度为所述预设角度。
5.根据权利要求1所述的获取营养信息的方法,其特征在于,所述获取所述目标图像中所述目标食物的物体轮廓的步骤,包括:
对所述目标图像进行灰度处理和二值化处理,获取所述物体轮廓。
6.根据权利要求1所述的获取营养信息的方法,其特征在于,所述根据所述物体轮廓获取所述目标食物的体积信息的步骤,包括:
获取所述物体轮廓的最小外接矩形,根据所述最小外接矩形的矩形长宽信息获取所述目标食物的长宽信息;
根据所述目标图像的分辨率信息和所述目标图像的长宽信息获取所述体积信息。
7.根据权利要求6所述的获取营养信息的方法,其特征在于,所述根据所述体积信息计算出所述目标食物的重量信息的步骤,包括:
将所述体积信息和所述目标图像输入预训练的食物神经网络模型,获取所述目标食物的名称信息和重量信息。
8.一种获取营养信息的系统,其特征在于,应用于智能终端,所述智能终端包括摄像装置;
所述获取营养信息的系统包括如下模块:
获取模块,用于获取当前图像帧,所述图像帧包括目标食物,根据所述图像帧获取所述目标食物与所述摄像装置的有效距离;
图像模块,用于当所述有效距离为预设距离时,获取所述当前图像帧对应的目标图像;
体积模块,用于获取所述目标图像中所述目标食物的物体轮廓,根据所述物体轮廓获取所述目标食物的体积信息;
营养模块,用于根据所述体积信息计算出所述目标食物的重量信息,根据所述重量信息和所述营养信息计算出所述目标食物的实际卡路里信息和微量元素含量信息。
9.一种拍摄终端,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111006828.4A CN113766058A (zh) | 2021-08-30 | 2021-08-30 | 一种获取营养信息的方法、系统、拍摄终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111006828.4A CN113766058A (zh) | 2021-08-30 | 2021-08-30 | 一种获取营养信息的方法、系统、拍摄终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113766058A true CN113766058A (zh) | 2021-12-07 |
Family
ID=78791860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111006828.4A Pending CN113766058A (zh) | 2021-08-30 | 2021-08-30 | 一种获取营养信息的方法、系统、拍摄终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113766058A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108050943A (zh) * | 2014-12-23 | 2018-05-18 | 广东欧珀移动通信有限公司 | 一种长度测量方法及终端 |
JP2018147414A (ja) * | 2017-03-09 | 2018-09-20 | 株式会社ブレイン | 食事の識別システムとそのプログラム |
CN108895756A (zh) * | 2018-06-29 | 2018-11-27 | 青岛海尔股份有限公司 | 用于冰箱的展示食物的热量值的方法和装置 |
JP2018190259A (ja) * | 2017-05-10 | 2018-11-29 | キヤノン株式会社 | 撮像システム |
CN110020609A (zh) * | 2019-03-15 | 2019-07-16 | 吕丹青 | 一种分析食物的方法、系统以及储存介质 |
CN112070736A (zh) * | 2020-09-01 | 2020-12-11 | 上海电机学院 | 一种结合目标检测和深度计算的物体体积视觉测量方法 |
-
2021
- 2021-08-30 CN CN202111006828.4A patent/CN113766058A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108050943A (zh) * | 2014-12-23 | 2018-05-18 | 广东欧珀移动通信有限公司 | 一种长度测量方法及终端 |
JP2018147414A (ja) * | 2017-03-09 | 2018-09-20 | 株式会社ブレイン | 食事の識別システムとそのプログラム |
JP2018190259A (ja) * | 2017-05-10 | 2018-11-29 | キヤノン株式会社 | 撮像システム |
CN108895756A (zh) * | 2018-06-29 | 2018-11-27 | 青岛海尔股份有限公司 | 用于冰箱的展示食物的热量值的方法和装置 |
CN110020609A (zh) * | 2019-03-15 | 2019-07-16 | 吕丹青 | 一种分析食物的方法、系统以及储存介质 |
CN112070736A (zh) * | 2020-09-01 | 2020-12-11 | 上海电机学院 | 一种结合目标检测和深度计算的物体体积视觉测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2924268T3 (es) | Procedimiento, aparato y dispositivo electrónico de recuperación de imágenes | |
CN109446883B (zh) | 商品状态识别方法、装置、电子设备及可读存储介质 | |
CN109271870B (zh) | 行人重识别方法、装置、计算机设备及存储介质 | |
TW201814242A (zh) | 貨架庫存估測方法與系統 | |
CN110490076A (zh) | 活体检测方法、装置、计算机设备和存储介质 | |
CN108447061B (zh) | 商品信息处理方法、装置、计算机设备和存储介质 | |
CN109859113B (zh) | 模型生成方法、图像增强方法、装置及计算机可读存储介质 | |
CN110610149B (zh) | 一种信息处理方法、装置及计算机存储介质 | |
CN111339884B (zh) | 图像识别方法以及相关设备、装置 | |
CN112053428A (zh) | 一种识别食物所含营养信息的方法及装置 | |
CN112232140A (zh) | 人群计数方法、装置、电子设备及计算机存储介质 | |
CN111666792A (zh) | 图像识别方法、图像采集和识别方法以及商品识别方法 | |
JP2012022538A (ja) | 注目位置推定方法、画像表示方法、注目コンテンツ表示方法、注目位置推定装置および画像表示装置 | |
KR102467234B1 (ko) | 작물 및 가축의 크기 및 무게 추정 방법 및 장치 | |
CN111160450A (zh) | 一种基于神经网络的果蔬称重方法及储存介质、装置 | |
CN115294538A (zh) | 障碍物检测方法及装置、存储介质、终端 | |
CN113766058A (zh) | 一种获取营养信息的方法、系统、拍摄终端及存储介质 | |
TWI712903B (zh) | 商品資訊查詢方法和系統 | |
CN113607064A (zh) | 目标物体的间距测算方法、装置、设备及可读存储介质 | |
CN112419432A (zh) | 冰箱内食物的控制方法和装置、电子设备和存储介质 | |
CN110766646A (zh) | 展示架遮挡检测方法、装置以及存储介质 | |
US20180218219A1 (en) | Information processing apparatus and information processing method | |
CN112926616B (zh) | 图像匹配方法和装置、电子设备、计算机可读存储介质 | |
JP7241366B2 (ja) | 対象物の種類および状態を判定する方法 | |
CN115239789B (zh) | 用于确定液体体积的方法及装置、存储介质、终端 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211207 |