[發(fā)明專利]食物圖像檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 201710398536.7
• 申請日: 2017-05-31
• 公開（公告）號: CN107220650B
• 公開（公告）日: 2020-07-17
• 發(fā)明（設計）人: 李祥明;吳祖玉
• 申請（專利權）人: 廣州炒米信息科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 黃隸凡

1.一種食物圖像檢測方法，運用于智能終端，其特征在于，包括以下步驟：

獲取目標圖像；

對獲取到的所述目標圖像進行預處理；

將預處理后的所述目標圖像輸入食物圖像檢測模型，得到所述目標圖像的食物特征隸屬度；其中，所述食物圖像檢測模型是通過對食物圖像樣本集進行可變形部件模型算法訓練得到的；

將所述食物特征隸屬度與預設食物特征隸屬度閾值進行比較；

當所述食物特征隸屬度大于或等于所述預設食物特征隸屬度閾值時，標記所述目標圖像為食物圖像；

所述獲取目標圖像的步驟之前，還包括對食物圖像樣本集進行可變形部件模型算法訓練得到食物圖像檢測模型的步驟，所述對食物圖像樣本集進行可變形部件模型算法訓練得到食物圖像檢測模型的步驟包括：

獲取食物圖像樣本集，所述食物圖像樣本集包括多張食物圖像；

對所述食物圖像進行預處理；

對所述預處理后的食物圖像進行食物位置標注；

將完成所述食物位置標注的所述食物圖像輸入可變形部件模型，將所述食物位置處的圖像劃分為多個檢測窗口，提取每個所述檢測窗口內的食物圖像梯度特征，生成食物梯度特征直方圖，獲取多個食物梯度特征直方圖；對所述多個食物圖像梯度特征直方圖進行線性擬合得到食物圖像檢測模型。

2.根據權利要求1所述的食物圖像檢測方法，其特征在于，還包括：

當所述食物特征隸屬度大于或等于所述預設食物特征隸屬度閾值時，獲取所述目標圖像中食物圖像的位置，標記所述食物圖像的位置。

3.根據權利要求1所述的食物圖像檢測方法，其特征在于，所述對多張所述食物圖像的食物圖像梯度特征直方圖進行線性擬合得到食物圖像檢測模型的步驟之前，還包括：

通過所述可變形部件模型檢測多張非食物圖像，獲取多個非食物圖像梯度特征直方圖；

將所述多個非食物圖像梯度特征直方圖和所述多個食物圖像梯度特征直方圖進行支持向量機分類，獲取多個用于進行線性擬合的所述食物圖像梯度特征直方圖。

4.根據權利要求1至3任意一項所述的食物圖像檢測方法，其特征在于，還包括：

獲取多張食物圖像和多張非食物圖像；

獲取預設食物特征隸屬度閾值范圍；

將所述多張食物圖像和多張非食物圖像輸入所述食物圖像檢測模型，根據所述預設食物特征隸屬度閾值范圍選取多個食物特征隸屬度閾值檢測所述多張食物圖像和多張非食物圖像，計算每個所述食物特征隸屬度閾值對應的查準率和查全率，選取得到的查準率與查全率之和最大的食物特征隸屬度閾值為所述預設食物特征隸屬度閾值。

5.根據權利要求1至3任意一項所述的食物圖像檢測方法，其特征在于，還包括：

獲取多張食物圖像和多張非食物圖像；

獲取預設食物特征隸屬度閾值范圍；

將所述多張食物圖像和多張非食物圖像輸入所述食物圖像檢測模型，根據所述預設食物特征隸屬度閾值范圍選取多個食物特征隸屬度閾值檢測所述多張食物圖像和多張非食物圖像，計算每個所述食物特征隸屬度閾值對應的查準率和查全率，選取得到的查準率與查全率相等的食物特征隸屬度閾值為所述預設食物特征隸屬度閾值。