[发明专利]一种基于度量学习的餐饮场景违规识别方法

说明书

本发明公开了一种基于度量学习的餐饮场景违规识别方法，涉及智能视频监控技术领域。包括以下步骤：对原始图像进行归类，根据后厨巡视标准依次构建每一违规项的图像数据库；基于所述图像数据库训练深度学习模型作为特征提取器；提取每一违规项的特征向量，构建后厨巡视标准的特征注册库；将待识别图像输入特征提取器中获得待识别特征向量；将所述待识别特征向量与特征注册库进行比对，若待识别特征向量与特征注册库中的任一特征向量对比成功，则所述待识别图像中的操作违规，向客户推送当前图片，否则所述待识别图像中的操作符合后厨巡视标准。本发明不受后厨场景限制，对于不同餐饮门店的违规项识别泛化性能较好。

技术领域

本发明涉及智能视频监控技术领域，尤其涉及一种基于度量学习的餐饮场景违规识别方法。

背景技术

计算机视觉是一个近几年来日臻成熟的技术，基于计算机视觉技术的智能视频监控技术在餐饮、公司、健身房、工地以及火车站等场景中被广泛应用.当前随着人们生活水平的提高，对餐饮行业的要求也随之提高，为了使餐饮行业对后厨的管理越来越规范，基于计算机视觉技术的餐饮智能视频监控技术也应运而生.

基于计算机视觉技术的餐饮智能视频监控一般做法是首先采用目标检测的方法检测出当前视频帧中的细化的目标，然后基于一些后厨的语义信息对当前帧中的操作人员的动作以及着装做判断，从而做出决策判断当前帧中的操作人员是否都符合后厨标准，找出视频帧中存在操作人员违规的图片推送给餐饮管理者，节省餐饮行业对后厨违规操作查找的人力资本，为餐饮行业有效的管理以及监督各个门店给出可靠的解决方案.

但是当前算法存在一定的局限性，首先是在餐饮行业的后厨场景中，视觉背景杂乱且存在大量的冗余干扰信息，会对目标检测算法造成一定的干扰，导致目标检测算法的性能提升受限.其次是基于目标检测算法检测出目标结合后厨的一些语义信息人为制定相应的规则找出后厨巡视标准中的违规项，该方法在处理规则简单，视觉特征单一明确时，智能算法可以精准的发现问题，降低视频浏览量，从而提高效率。但是实际在后厨的巡视项中很多无法用明确规则制定，导致智能算法只能找出一些违规疑似项，误报率会比较高，对提升工作效率帮助有限。

发明内容

有基于此，本发明的目的在于提供一种基于度量学习的餐饮场景违规识别方法，不受后厨场景限制，对于不同餐饮门店的违规项识别泛化性能较好。

为实现上述目的，本发明提供如下技术方案：

一种基于度量学习的餐饮场景违规识别方法，其特征在于，包括以下步骤：

S1，对原始图像进行归类，根据后厨巡视标准依次构建每一违规项的图像数据库；

S2，基于所述图像数据库训练深度学习模型作为特征提取器；

S3，提取每一违规项的特征向量，构建后厨巡视标准的特征注册库；

S4，将待识别图像输入特征提取器中获得待识别特征向量；

S5，将所述待识别特征向量与特征注册库进行比对，若待识别特征向量与特征注册库中的任一特征向量对比成功，则所述待识别图像中的操作违规，向客户推送当前图片，否则所述待识别图像中的操作符合后厨巡视标准。

进一步的，所述S1中归类之前，对原始图像进行裁剪：以目标检测算法检测出原始图像中的人，以人为中心向周围扩展一定区域进行裁剪。

进一步的，所述S4中待识别图像输入特征提取器前进行相同的裁剪。

进一步的，所述一定区域为以人为中心按1.2倍向外侧扩展。

进一步的，所述S2中深度学习模型为基于度量学习设计的捕获违规项的特征向量的距离损失函数，具体如下：