[發明專利]基于圖像識別的自選餐廳自助付費裝置及其使用方法

有效

• 申請號: 201410311841.4
• 申請日: 2014-07-02
• 公開（公告）號: CN104077842A
• 公開（公告）日: 2014-10-01
• 發明（設計）人: 彭韌;金小能;廖宇晗;高翔;程章;樓小龍;郝力濱;江山永;葉思巧
• 申請（專利權）人: 浙江大學
• 主分類號: G07F7/08
• 分類號: G07F7/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林松海

技術領域

本發明涉及一種支付裝置，更具體地說，涉及一種自選餐廳自助付費裝置及其使用方法。

背景技術

隨著現代商場、餐廳的規模化，需要越來越多的員工來收銀，但效率卻比較低，遇到旺季經常會排很長的隊，影響消費者進行消費的愿望，這個問題由來已久，而過往對此所采取的措施就是根據平均客流量來增加部分收銀員，但這只能使情況有所緩解，并不能得到解決，遇到旺季，所有的收銀員忙的不可開交，遇到淡季，許多收銀員則非常空閑，有被解雇之憂，這是非常不合理的，不利于企業的發展。

而對于餐廳，每天一到吃飯的時間收銀員們就忙的不可開交，其他時間又非常地空，對于餐廳來說，不可能安排許多收銀員，只能安排其他服務員臨時進行收銀，但這并非長久之計。雖然物聯網技術的逐步應用對自助付費產生了正面的影響，但是目前尚缺乏一種抗干擾性強，成本低的自助付費裝置。

發明內容

本發明的目的是解決以上提出的問題，提供一種自選餐廳自助付費裝置及其使用方法。

本發明的技術方案如是：

一種自選餐廳自助付費裝置，它包括自助付費結算裝置，自助付費結算裝置包括圖像采集裝置、帶觸摸屏的電腦、主支架、底座、放置窗口和IC支付器。

優選地，圖像采集裝置包括環形LED照明燈、攝像頭、攝像頭支架，攝像頭通過攝像頭支架設置在底座的正上方，其與電腦相互連接。

優選地，所述的放置窗口還設置有壓力感應裝置，所述的壓力感應裝置與電腦相接。

一種自選餐廳自助付費裝置的使用方法，該方法包括以下步驟：

1）、接通電源，開啟裝置；

2）、壓力感應裝置檢測放置窗口上是否放置有餐盤，若有餐盤，則轉入步驟3），若無餐盤，則繼續等待；

3）、帶觸摸屏的電腦控制圖像采集裝置采集餐盤的頂部圖片；

4）、帶觸摸屏的電腦應用形狀識別技術定位圖像采集裝置采集的餐盤的頂部圖片中餐盤的具體位置，根據餐盤位置分割提取相應菜品，再應用的基于深度學習的菜品識別方法確定菜肴的種類、數量和名稱；

5）、帶觸摸屏的電腦讀取數據庫中相應菜品的價格信息，計算總價格；

6）、帶觸摸屏的電腦的顯示器顯示總價以及相關信息；

7）、用戶通過IC支付器付款，若已付款，則轉入步驟8），否則繼續等待；

8）、帶觸摸屏的電腦記錄交易信息；

優選地，所述的自助付費裝置，所述的形狀識別技術，主要應用Hough變換。Hough?變換?是一種在圖像或者圖片表現中識別復雜模式的方法，最開始被應用于檢測直線和圓等基礎圖形?。后來被推廣到?檢測任意圖形的一種通用方法。這里應用Hough變換進行對圓形和橢圓形的識別，得到圓和橢圓的邊界和中心點。根據邊界和中心點再對圖像進行分割，截取每一盤菜品的中心圖像。

優選地，所述的自助付費裝置，所述的基于深度學習的菜品識別方法，主要是一種應用基于卷積神經網絡機器學習的識別方法，卷積神經網絡架構自上而下主要包括圖像輸入、卷基層a（5X5?kernel）、Pooling層（3X3?->?1）a、局部響應標準化層a、卷基層b（5X5?kernel）、局部響應標準化層b、Pooling層（3X3?->?1）b、局部相連層（非共享權重3X3?kernel）a、局部相連層（非共享權重3X3?kernel）b、全連接層。

優選地，所述的自助付費裝置，所述的基于卷積神經網絡機器學習的識別方法，首先利用卷積層和Pooling層做兩層層疊，提取圖像特征。其中分別添加局部標準化層對網絡學習進行輔助。經過特征提取之后，進行兩層局部非共享權重相連層的學習，進行局部特征的綜合。最后進行全相連，將所有特征歸到菜品的類別數。

優選地，所述的自助付費裝置，所述的卷積層中，前一層的特征圖會經過和學習到的卷積核進行卷積，然后通過神經元的激發函數，得到該特征圖輸出。

優選地，所述的自助付費裝置，所述的Pooling層會將輸入圖進行降采樣，Pooling分為平均、最小化、最大化等方式，在卷積神經網絡中采用最大化Pooling。

優選地，所述的自助付費裝置，所述的全連接層是全連接的一維網絡。對于全連接網絡，需要利用標準的向后傳遞法進行訓練。

優選地，所述的自助付費裝置，所述的基于卷積神經網絡機器學習的識別方法還有一種網絡訓練方法，它將所有數據分為6個批次（batch），選擇不同的batch分別作測試和交叉驗證。具體如下：

a）、在批次1至4上進行訓練，利用批次5進行交叉驗證；