[发明专利]基于Encoder-Decoder模型和混合高斯模型的餐饮后厨违规判断方法

权利要求书

1.一种基于Encoder-Decoder模型和混合高斯模型的餐饮后厨违规判断方法，其特征在于，包括建模阶段和实施阶段；

所述建模阶段包括：

S1，准备违规图片，构建违规图集；

S2，标记违规图片中的违规区域，构建违规区域集；

S3，构建Encoder-Decoder模型，包括编码器Encoder和解码器Decoder；

S4，以所述违规图集为样本训练Encoder-Decoder模型，直至Encoder-Decoder模型的输入与输出之间的代价函数收敛至第一阈值；

S5，以训练好的编码器Encoder的编码结果为输入构建混合高斯模型，输出结果为违规概率；

所述实施阶段包括：

S6，利用训练好的编码器提取待检测图片的编码结果；

S7，将S6求得的编码结果输入混合高斯模型，计算违规概率；

S8，根据违规概率判断该待检测图片中是否存在违规行为。

2.根据权利要求1所述的基于Encoder-Decoder模型和混合高斯模型的餐饮后厨违规判断方法，其特征在于，所述解码器Decoder为编码器Encoder的解耦结构。

3.根据权利要求1所述的基于Encoder-Decoder模型和混合高斯模型的餐饮后厨违规判断方法，其特征在于，所述代价函数具体如下：

其中，W_ij为权重，取决于像素点(i,j)的位置，若像素点(i,j)位于对应图片的违规区域内，则W_ij＝W，0.6≤W≤1，否则W_ij＝1-W；I(i,j)为违规图片中像素点(i,j)的像素值；Id(i,j)为以该违规图片为输入的Encoder-Decoder模型的输出结果中像素点(i,j)的像素值。

4.根据权利要求3所述的基于Encoder-Decoder模型和混合高斯模型的餐饮后厨违规判断方法，其特征在于，所述W取0.7。

5.根据权利要求1所述的基于Encoder-Decoder模型和混合高斯模型的餐饮后厨违规判断方法，其特征在于，所述第一阈值为0.001。

6.根据权利要求1所述的基于Encoder-Decoder模型和混合高斯模型的餐饮后厨违规判断方法，其特征在于，所述混合高斯模型为：

其中，K为混合高斯模型中的高斯分量的个数；w_k、μ_k、Σ_k分别为第k个高斯分量的权重、均值、协方差矩阵，由EM算法确定；0≤w_k≤1且

7.根据权利要求1所述的基于Encoder-Decoder模型和混合高斯模型的餐饮后厨违规判断方法，其特征在于，所述S8中判断的具体内容如下：预先设置第二阈值，若违规概率大于所述第二阈值，则该待检测图片中存在违规行为，否则该待检测图片中不存在违规行为。

8.根据权利要求1所述的基于Encoder-Decoder模型和混合高斯模型的餐饮后厨违规判断方法，所述违规图片和待检测图片为视频监控获取的视频帧。