一种计算图像中食物热量的方法及装置制造方法及图纸

本发明专利技术涉及一种计算图像中食物热量的方法及装置，所述方法包括：步骤1：获取食物图像，采用模糊C均值算法对食物图像进行分割获取各种类食物图像块；步骤2：基于所述各种类食物图像块提取图像块特征，所述图像块特征包括全局特征和局部特征；步骤3：采用球形SVM分类器对各种类食物进行识别；步骤4：根据识别出的食物种类以及食物热量表对食物的热量进行计算。基于本发明专利技术所述方法能够自动对食物图像中的食物进行识别，并计算食物中的热量，为用餐者提供饮食评估，辅助用餐者进行饮食，并更加高效的对健康进行管理。

【技术实现步骤摘要】
一种计算图像中食物热量的方法及装置
本专利技术涉及图像处理领域，尤其涉及一种计算图像中美食热量的方法。
技术介绍
近年来，随着人们生活水平的不断提高，减肥问题越来越引起人们的关注，与此同时人们对所获取的食物种类以及进食量产生了浓厚的兴趣。目前，大多数人们需要通过专业机构根据自身的体质制定健康的食谱，以达到在保证营养的同时控制饮食摄入的热量，避免出现由于饮食摄入的热量过多导致体型过胖的情况。然而，这种方式无法使人们实时获知自身饮食中每种食物的热量，时效性较低，并且成本较高。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的目的之一在于提出一种计算图像中食物热量的方法，该方法包括步骤1：获取食物图像，采用模糊C均值算法对食物图像进行分割获取各种类食物图像块；步骤2：基于所述各种类食物图像块提取图像块特征，所述图像块特征包括全局特征和局部特征；步骤3：采用球形SVM分类器对各种类食物进行识别；步骤4：根据识别出的食物种类以及食物热量表和食物密度表对食物的热量进行计算。其中所述采用模糊C均值算法对食物图像进行分割获取各种类食物图像块进一步包括：步骤101：确定聚类类别数c，其中c满足条件2≤c≤n,确定模糊加权指数m，其中1≤m≤∞,确定迭代停止条件ε以及最大迭代次数，初始化迭代次数b＝0，同时确定初始化模糊分类矩阵U(0)；步骤102：根据模糊分类矩阵U(b)计算聚类中心矩阵所述公式为其中表示第j个像素对第i类的隶属度，xi表示样本集合中的样本，N表示样本集中元素的个数；步骤103：利用获取的聚类中心矩阵更新模糊分类矩阵U(b+1)，所述公式为其中Djk表示第k个像素到第i类的距离；步骤104：如果计算||U(b)-U(b+1)||＜ε，则计算停止，否则置b＝b+1，返回步102；步骤105：通过求得的目标函数最小值得到最佳聚类，所述目标函数表示为其中，D是像素点的数量，yj是群簇的中心向量，||xi-yj||2表示像素点xi到群簇j的距离。所述全局特征包括颜色特征描述符和纹理特征描述符，其中，所述颜色特征描述符通过颜色空间矩的颜色分量来表示，该特征可以从RGB和HSV颜色空间的每个分量中获得，其表示为：F＝{(C1P1V1)，...(CpPpVp)}，其中Cp是分割图像的3D颜色矢量表示，Pp表示百分比值，Pp表示该区域的测量方差。基于梯度方向空间相关性矩阵或熵分类或基于Gabor的图像分解和分形维数估计的方法来获取纹理特征描述符，其中，梯度方向的特征向量包括角二次矩(A)，熵(E)，对比度(Ct)相关性(Cr)和均匀性(H)等几种统计量，所述纹理特征描述符表示为其中fd＝[Cr0，A0，E0，Ct0，H0，Cr45，A45，E45，Ct45，H45，Cr90，A90，E90，Ct90，H90，Cr135，A135，E135，Ct135，H135]。其中通过SIFT(尺度不变特征)和SUFT(加速鲁棒特征)特征描述符检测所述局部特征。其中所述根据识别出的食物种类以及食物热量表和食物密度表对该食物的热量进行计算具体为：步骤401：获取基于球形SVM分类器识别的食物类型；步骤402：获取食物图像的总面积，具体为其中n表示从食物图像中切分得到的食品图像块中的正方形网格的总数，T表示切分得到的食物图像块面积；步骤403：基于食物图像总面积以及食物图像深度估计食物体积，具体为V＝TA*d，其中d表示食物图像深度，V表示食物体积；步骤404：根据食物体积和对应食物密度表中提取的食物密度估算食物质量，具体为M＝ρV，其中M表示食物质量，ρ表示食物密度；步骤405：基于食物热量表中食物的热量值以及食物质量获取图像中食物热量，具体为H＝Ht*M，其中Ht表示热量表中对应食物热量。本专利技术目的之二，提出一种计算图像中食物热量的装置，所述装置包括，图像获取模块，获取食物图像，图像分割模块，采用模糊C均值算法对食物图像进行分割获取各种类食物图像块；图像特征提取模块，基于所述各种类食物图像块提取图像块特征，所述图像块特征包括全局特征和局部特征；识别模块，采用球形SVM分类器对各种类食物进行识别；存储模块，存储食物热量表和食物密度表，计算模块，根据识别出的食物种类以及食物热量表和食物密度表对食物的热量进行计算。其中所述图像分割模块采用模糊C均值算法对食物图像进行分割获取各种类食物图像块包括；步骤101：确定聚类类别数c，其中c满足条件2≤c≤n,确定模糊加权指数m，其中1≤m≤∞,确定迭代停止条件ε以及最大迭代次数，初始化迭代次数b＝0，同时确定初始化模糊分类矩阵U(0)；步骤102：根据模糊分类矩阵U(b)计算聚类中心矩阵所述公式为其中表示第j个像素对第i类的隶属度，xi表示样本集合中的样本，N表示样本集中元素的个数；步骤103：利用获取的聚类中心矩阵更新模糊分类矩阵U(b+1)，所述公式为其中Djk表示第k个像素到第i类的距离；步骤104：如果计算||U(b)-U(b+1)||＜ε，则计算停止，否则置b＝b+1，返回步102；步骤105：通过求得的目标函数最小值得到最佳聚类，所述目标函数表示为其中，D是像素点的数量，yj是群簇的中心向量，||xi-yj||2表示像素点xi到群簇j的距离。所述图像特征提取模块提取全局特征包括颜色特征描述符和纹理特征描述符，其中，所述颜色特征描述符通过颜色空间矩的颜色分量来表示，该特征可以从RGB和HSV颜色空间的每个分量中获得，其表示为：F＝{(C1P1V1)，...(CpPpVp)}，其中Cp是分割图像的3D颜色矢量表示，Pp表示百分比值，Pp表示该区域的测量方差。其中，基于梯度方向空间相关性矩阵或熵分类或基于Gabor的图像分解和分形维数估计的方法来获取纹理特征描述符，其中，梯度方向的特征向量包括角二次矩(A)，熵(E)，对比度(Ct)相关性(Cr)和均匀性(H)等几种统计量，所述纹理特征描述符表示为其中fd＝[Cr0A0，E0，Ct0，H0，Cr45，A45，E45，Ct45，H45，Cr90，A90，E90，Ct90，H90，Cr135，A135，E135，Ct135，H135]。其中通过SIFT(尺度不变特征)和SUFT(加速鲁棒特征)特征描述符检测所述局部特征。其中，所述计算模块，根据识别出的食物种类以及食物热量表和食物密度表对食物的热量进行计算具体为：步骤401：获取基于球形SVM分类器识别的食物类型；步骤402：获取食物图像的总面积，具体为其中n表示从食物图像中切分得到的食品图像块中的正方形网格的总数，T表示切分得到的食物图像块面积；步骤403：基于食物图像总面积以及食物图像深度估计食物体积，具体为V＝TA*d，其中d表示食物图像深度，V表示食物体积；步骤404：根据食物体积和对应食物密度表中提取的食物密度估算食物质量，具体为M＝ρV，其中M表示食物质量，ρ表示食物密度；步骤405：基于食物热量表中食物的热量值以及食物质量获取图像中食物热量，具体为H＝Ht*M，其中Ht表示热量表中对应食物热量。与现有技术相比，本专利技术所述方法及装置通过采用模糊C均值算法对食物图像进行分割获取各种类食物，并根据球形SVM分类器对食物种类进行识别，进一步计算食物图本文档来自技高网...

【技术保护点】
1.一种计算图像中食物热量的方法，所述方法包括如下步骤：步骤1：获取食物图像，采用模糊C均值算法对食物图像进行分割获取各种类食物图像块；步骤2：基于所述各种类食物图像块提取图像块特征，所述图像块特征包括全局特征和局部特征；步骤3：采用球形SVM分类器对各种类食物进行识别；步骤4：根据识别出的食物种类以及食物热量表和食物密度表对食物的热量进行计算。

【技术特征摘要】
1.一种计算图像中食物热量的方法，所述方法包括如下步骤：步骤1：获取食物图像，采用模糊C均值算法对食物图像进行分割获取各种类食物图像块；步骤2：基于所述各种类食物图像块提取图像块特征，所述图像块特征包括全局特征和局部特征；步骤3：采用球形SVM分类器对各种类食物进行识别；步骤4：根据识别出的食物种类以及食物热量表和食物密度表对食物的热量进行计算。2.根据权利要求1所述计算图像中食物热量的方法,其中所述采用模糊C均值算法对食物图像进行分割获取各种类食物图像块进一步包括：步骤101：确定聚类类别数c，其中c满足条件2≤c≤n,确定模糊加权指数m，其中1≤m≤∞,确定迭代停止条件ε以及最大迭代次数，初始化迭代次数b＝0，同时确定初始化模糊分类矩阵U(0)；步骤102：根据模糊分类矩阵U(b)计算聚类中心矩阵所述公式为其中表示第j个像素对第i类的隶属度，xi表示样本集合中的样本，N表示样本集中元素的个数；步骤103：利用获取的聚类中心矩阵更新模糊分类矩阵U(b+1)，所述公式为其中Djk表示第k个像素到第i类的距离；步骤104：如果计算||U(b)-U(b+1)||＜ε，则计算停止，否则置b＝b+1，返回步102；步骤105：通过求得的目标函数最小值得到最佳聚类，所述目标函数表示为其中，D是像素点的数量，yj是群簇的中心向量，||xi-yi||2表示像素点xi到群簇j的距离。3.根据权利要求1所述的计算图像中食物热量的方法，所述全局特征包括颜色特征描述符和纹理特征描述符，其中，所述颜色特征描述符通过颜色空间矩的颜色分量来表示，该特征可以从RGB和HSV颜色空间的每个分量中获得，其表示为：F＝{(C1P1V1)，...(CpPpVp)}其中Cp是分割图像的3D颜色矢量表示，Pp表示百分比值，Vp表示该区域的测量方差。4.根据权利要求3所述的计算图像中食物热量的方法，其中，基于梯度方向空间相关性矩阵或熵分类或基于Gabor的图像分解和分形维数估计的方法来获取纹理特征描述符，其中，梯度方向的特征向量包括角二次矩(A)，熵(E)，对比度(Ct)相关性(Cr)和均匀性(H)等几种统计量，所述纹理特征描述符表示为其中fd＝[Cr0，A0，E0，Ct0，H0，Cr45，A45，E45，Ct45，H45，Cr90A90E90Ct90，H90Cr135，A135，E135，Ct135，H135]。5.根据权利要求1所述的计算图像中食物热量的方法，其中所述根据识别出的食物种类以及食物热量表和食物密度表对该食物的热量进行计算具体为：步骤401：获取基于球形SVM分类器识别的食物类型；步骤402：获取食物图像的总面积，具体为其中n表示从食物图像中切分得到的食品图像块中的正方形网格的总数，T表示切分得到的食物图像块面积；步骤403：基于食物图像总面积以及食物图像深度估计食物体积，具体为V＝TA*d，其中d表示食物图像深度，V表示食物体积；步骤404：根据食物体积和对应食物密度表中提取的食物密度估算食物质量，具体为M＝ρV，其中M表示食物质量，ρ表示食物密度；步骤405：基于食物热量表中食物的热量值以及食物质量获取图像中食物热量，具体为H＝Ht*M，其中Ht表示热量表中对应食物热量。6.一种计算图像中食物热量的装置，所述装置包括图像获取...

【专利技术属性】
技术研发人员：林柱英，曾海军，王细娥，
申请(专利权)人：无锡众创未来科技应用有限公司，
类型：发明
国别省市：江苏,32