【技术实现步骤摘要】
一种基于图像识别的饭菜自动结账系统
本专利技术涉及图像处理
，尤其是一种基于图像识别。
技术介绍
现有食堂打饭结算主要是采用人工进行，在食堂中，一般都是学生先自行挑选食物，然后在根据挑选的食物进行结账，这期间需要人工计算价格，然后学生才能进行打卡，为了解决重复计算价格和调整打卡机的价格，现有的一些食堂采用分区的形式，比如12元区、15元区，不同区域所点的主食固定，比如两荤两素，这样虽然解决了重复计算价格，从而降低人工成本，以及降低价格错误率的问题，但是却限制了人们的选择，人们只能选择相应区域的相应食物，严重影响食堂的经济效益。当然现有的一些无人商店可以实现无人支付，但是每个产品上都必须要有相应的标签才能进行识别，显然这种模式不适用于食堂，工作人员无法在相应饭菜上贴上相应的标签。因此，亟需要一种能够解决现有食堂结账问题的系统和方法。
技术实现思路
针对现有技术的不足，本专利技术提供一种基于图像识别的饭菜自动结账系统，该系统能够自动识别学生所选择的饭菜自动计算价格，从而进一步提高食堂工作人员的效率，降低错误率。本专利技术的技术方案为：一种基于图像识别的饭菜自动结账系...
【技术保护点】
1.一种基于图像识别的饭菜自动结账系统，其特征在于：包括饭菜检测模块、饭菜识别模块、价格计算模块以及纠错模块；所述的菜检测模块包括饭菜图像采集模块和图像处理模块；所述的饭菜图像采集模块用于饭菜的图像；所述的图像处理模块用于对采集的饭菜图像进行相应的处理，通过采用基于面向梯度密集网格直方图(dense grid histograms of oriented gradients，HOG)算法识别采集的图像中是否存在饭菜，若不存在饭菜，则舍弃该图像，具体包括以下步骤：(1‑1)采用8×8像素邻域块作为采样窗口，对饭菜图像进行采样，通过像素邻域块将饭菜图像进行无重叠分割；(1‑2)...
【技术特征摘要】
1.一种基于图像识别的饭菜自动结账系统，其特征在于：包括饭菜检测模块、饭菜识别模块、价格计算模块以及纠错模块；所述的菜检测模块包括饭菜图像采集模块和图像处理模块；所述的饭菜图像采集模块用于饭菜的图像；所述的图像处理模块用于对采集的饭菜图像进行相应的处理，通过采用基于面向梯度密集网格直方图(densegridhistogramsoforientedgradients，HOG)算法识别采集的图像中是否存在饭菜，若不存在饭菜，则舍弃该图像，具体包括以下步骤：(1-1)采用8×8像素邻域块作为采样窗口，对饭菜图像进行采样，通过像素邻域块将饭菜图像进行无重叠分割；(1-2)为了避免边缘问题，采用中心对称梯度算子[-101]计算图像的梯度方向和幅度，具体为：θ(x,y)＝tan-1((I(x,y+1)-I(x,y-1))/I(x+1,y)-I(x-1,y)))；其中，I(x,y)是图像上点(x,y)坐标上的像素值，θ(x,y)是梯度方向，m(x,y)是幅度值；(1-3)在每个块中，梯度方向的直方图根据4×4像素大小进行统计分级，将单元格中相同梯度的值相加为一个权值，在块里的每个小格的直方图会连接到一个矢量；(1-4)通过L2正则化，对图像每一块中的直方图矢量进行归一化，所述的L2正则化如下式：其中，v表示正则化前块内的直方图向量，||v||k表示k-norm操作，k＝2为L2范数，ε是一个最小常量，用于防止计算结果为无穷大值；(1-5)将全部正则化的直方图矢量n×m作为表示图像面向梯度直方图特征，其中n是块的直方图矢量维度，m是要为整个饭菜图像中所涉及计算的块的数量(1-6)采用欧几里德距离计算相似度，从而识别图像是否为饭菜图像，其计算式为：其中，u和v分别表示两份饭菜的HOG特征向量；所述的饭菜识别模块主要通过采用训练好的卷积神经网络模型识别饭菜图像中相应饭菜的种类，所述的卷积神经网络模型依次包括输入层，卷积层1，卷积层2，池化层1、卷积层3，卷积层4，池化层2，Dropout层，全连接层1，全连接层2，输出层；所述的价格计算模块用于根据饭菜识别模块识别的种类对价格计算，即f(x)＝bxi；其中，xi表示识别结果，b是价格矢量矩阵，i表示菜式的序号，所述的纠错模块用于对识别结果进行纠正，若卷积神经网络模型识别的菜的种类与实际不符合，则将图像存储到训练数据集，进行训练，并修正权值参数；以提高识别的准确率。2.根据权利要求1所述的一种基于图像识别的饭菜自动结账系统，其特征在于：所述的饭菜图像采集模块主要由多个摄像头组成，采集的图像的尺寸为256...
【专利技术属性】
技术研发人员：应自炉，赵毅鸿，陈俊娟，宣晨，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。