[发明专利]一种基于词袋模型和adaboosting的食堂自助计价方法

说明书

本发明公开了一种基于词袋模型和adaboosting的食堂自助计价方法，步骤S1：图像采集装置9每隔1秒采集结算区图像；步骤S2：PC机8对采集到的图像进行预处理、提取特征点、构造视觉词典、adaboosting识别；步骤S3：结算终端装置11计算菜品总价并显示供用餐者支付。采用本发明的技术方案，通过建立词袋模型，利用SIFI算法从分块图像中提取关键特征，采用基于权值分层的k均值聚类构造最终的视觉词典，凭借其提取特征的强大可区分性，能够最大限度地与其他物体进行区分，即使物体处在非常复杂的条件之下，这些特征也能被较好地检测与识别出来。采用基于adaboosting的分类器对图像进行训练，得到预置的训练库，显著地提高了学习精度。

技术领域

本发明涉及图像识别技术领域，特别涉及一种基于词袋模型和adaboosting的食堂自助计价方法。

背景技术

几乎所有的工厂、单位、企业和学校等一般通过自办食堂的方式，解决员工、学生日常的就餐问题。这些食堂基本上会采用自主选择，刷卡结算的方式，节省了人力上的一些成本。但是，随着人们生活品质的上升，食堂的菜品种类也在逐渐增多，这对终端结算人员带来很大的压力。特别是消费高峰期的时候，往往会排起长龙，终端结算人员往往因为人流量大，菜品种类繁多等种种原因出错，引起不必要的经济纠纷，导致食堂的一部分经济损失。

图像识别一直是当前计算机图像领域的热点之一，利用计算机对图像进行处理、分析和理解，由此在各种情况下识别出目标。而随着科技的发展，建设智能化食堂显得尤为重要，而作为智能化食堂建设关键内容的菜品识别，受到越来越多的关注。但是在实际应用中，有一些复杂场景，一般的图像识别不能有效地应对曝光不足、光线明暗、弱小目标或遮挡目标等情况。由此，本产品采用词袋模型来处理图像，凭借其提取特征的强大可区分性，能够最大限度地与其他物体进行区分，即使物体处在非常复杂的条件之下，这些特征也能被较好地检测与识别出来；采用adaboosting分类器，其将弱分类器结合，变成强分类器，相比起一般的模式识别、TCS230颜色识别、HSV空间检测和形状检测等的餐盘识别方法，更为精准，分类识别效果好。

故，针对现有技术存在的技术问题，本发明旨在使用该技术解决食堂中排队时间长，结算出错率高的问题。

发明内容

本发明针对传统的图像识别技术的缺点，提供一种基于词袋模型和adaboosting的食堂自助计价方法，能对用餐者装有所选菜品的托盘进行图像自动拍摄，并将拍摄图像传送至PC机进行连通域分块。采用SIFI算法从分块图像中提取关键特征，构建图像库的一个局部特征库，采用基于权值分层的k均值聚类完成特征与视觉单词之间的映射，建立对图像的描述，构造最终的视觉词典。对一幅给定的图像，计算其局部特征与视觉单词的距离，并统计离每个局部特征最近的视觉单词的出现频率，一个视觉单词出现频次的词袋直方图就可以表示一幅图像。然后用基于adaboosting的分类器对图像进行训练，得到预置的训练库，最后利用学习的模型对测试图像进行分类有效完成对托盘中菜品的识别，利用得到的菜品的信息计算出用餐者选择的菜品的总价，通过IC卡、微信支付、支付宝支付等多种结算方式，完成整个结算过程，实现用餐者整个自助结算的过程。

为实现以上目的,本发明提供一种基于词袋模型和adaboosting的食堂自助计价方法,所述计价方法包括:图像采集装置、PC机、结算终端装置。

所述图像采集装置每隔1秒采集当前结算区装图像，并将采集到的图像传送至所述PC机中保存。

所述PC机进一步包括结算判断装置、连通域标记模型、词袋模型、菜品识别模型，即对图像进行菜品识别计价后传到所述结算终端装置。

优选地，所述结算判断装置识别是否有托盘进入结算区等待结算，如有，则进行对图像的处理及识别操作。

所述连通域标记模型，标记托盘上的餐盘，将所述图像采集装置采集到的托盘图像分块，大大减少了冗余(背景)信息的引入，使图像所提供的有用信息的价值得以提升。