[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

专利信息
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
【权利要求书】:

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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top