[发明专利]冰箱菜谱推荐的方法、装置及计算机可读存储介质在审
申请号: | 201711292127.5 | 申请日: | 2017-12-08 |
公开(公告)号: | CN108062971A | 公开(公告)日: | 2018-05-22 |
发明(设计)人: | 刘彦甲;高洪波;俞国新 | 申请(专利权)人: | 青岛海尔智能技术研发有限公司 |
主分类号: | G16H20/60 | 分类号: | G16H20/60;G16H50/30;G06K9/00 |
代理公司: | 北京康盛知识产权代理有限公司 11331 | 代理人: | 李晓芳 |
地址: | 266101 *** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 冰箱 菜谱 推荐 方法 装置 计算机 可读 存储 介质 | ||
1.一种冰箱菜谱推荐的方法,其特征在于,包括:
对冰箱检测区域内的当前用户进行人脸检测,获取所述当前用户的当前人脸图像信息;
根据人脸深度学习模型,从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息;
确定所述人脸健康特征信息对应的当前健康菜谱,并进行推荐。
2.如权利要求1所述的方法,其特征在于,所述对冰箱检测区域内的当前用户进行人脸检测之前,包括:
当通过体感传感装置确定所述冰箱检测区域内有所述当前用户时,启动图像采集设备。
3.如权利要求1或2所述的方法,其特征在于,所述获取所述当前用户的当前人脸图像信息包括:
通过图像采集设备采集所述当前用户图像;
提取所述当前用户图像中用于描述人脸的当前Haar-like特征;
根据Haar-like特征训练分类模型,确定与所述当前Haar-like特征对应的所述当前人脸图像信息,其中,所述Haar-like特征训练分类模型是根据对训练人体图像提取的Haar-like特征深度智能学习后生成的。
4.如权利要求1所述的方法,其特征在于,所述从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息之前,还包括:
与服务器通讯获取所述人脸深度学习模型,其中,所述人脸深度学习模型是所述服务器根据训练人脸图片进行神经网络模型训练到达设定阈值后生成的;或,
根据训练人脸图片进行神经网络模型训练到达设定阈值后生成所述人脸深度学习模型。
5.如权利要求1或4所述的方法,其特征在于,所述确定所述人脸健康特征信息对应的当前健康菜谱包括:
将所述人脸健康特征信息发送给服务器,并接收所述服务器根据保存的菜谱分类索引关系,确定的与人脸健康特征信息的所述当前健康菜谱;或,
根据保存的所述菜谱分类索引关系,确定的与人脸健康特征信息的所述当前健康菜谱。
6.一种冰箱菜谱推荐的装置,其特征在于,包括:
获取单元,用于对冰箱检测区域内的当前用户进行人脸检测,获取所述当前用户的当前人脸图像信息;
识别单元,用于根据人脸深度学习模型,从所述当前人脸图像信息中识别出所述当前用户的人脸健康特征信息;
推荐单元,用于确定所述人脸健康特征信息对应的当前健康菜谱,并进行推荐。
7.如权利要求6所述的装置,其特征在于,所述装置还包括:
启动单元,用于当通过体感传感装置确定所述冰箱检测区域内有所述当前用户时,启动图像采集设备;
则,所述获取单元,具体用于通过图像采集设备采集所述当前用户图像,提取所述当前用户图像中用于描述人脸的当前Haar-like特征,以及,根据Haar-like特征训练分类模型,确定与所述当前Haar-like特征对应的所述当前人脸图像信息,其中,所述Haar-like特征训练分类模型是根据对训练人体图像提取的Haar-like特征深度智能学习后生成的。
8.如权利要求6所述的装置,其特征在于,还包括:通讯获取单元或生成单元,其中,
所述通讯获取单元,用于与服务器通讯获取所述人脸深度学习模型,其中,所述人脸深度学习模型是所述服务器根据训练人脸图片进行神经网络模型训练到达设定阈值后生成的;
所述生成单元,用于根据训练人脸图片进行神经网络模型训练到达设定阈值后生成所述人脸深度学习模型。
则,所述推荐模块,具体用于将所述人脸健康特征信息发送给服务器,并接收所述服务器根据保存的菜谱分类索引关系,确定的与人脸健康特征信息的所述当前健康菜谱;或,根据保存的所述菜谱分类索引关系,确定的与人脸健康特征信息的所述当前健康菜谱。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛海尔智能技术研发有限公司,未经青岛海尔智能技术研发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711292127.5/1.html,转载请声明来源钻瓜专利网。