一种厨房卫生智能监控方法技术

本发明专利技术公开了一种厨房卫生智能监控方法，通过构建厨房卫生检测模型，对厨房中与卫生状况相关的害虫或工作人员目标进行检测，根据害虫出没状态或工作人员的穿着属性判断厨房的卫生状况，另外对拍摄到的厨房图像进行区域分割，根据分割到的厨房水槽区域的连通性或分割到垃圾区域的分布来判断厨房的卫生状况，通过对厨房中与卫生相关的害虫、工作人员、水槽区域、垃圾区域目标进行分析，全面智能的判断厨房的卫生状况，并且将绝大多数的正常情况进行过滤，仅仅上报异常情况，从而对各种不卫生状况进行实时预警和监控，能够大大降低人员投入，提高监控效率。

An intelligent monitoring method for kitchen Sanitation

【技术实现步骤摘要】
一种厨房卫生智能监控方法
本专利技术属于食品安全监管领域，更具体地，涉及一种厨房卫生智能监控方法。
技术介绍
食品药品安全问题直接关系到人民群众的身体健康和生命安全，并日益成为社会舆论与百姓关注的焦点。对监管部门来说，监管量大面广、监管任务繁重、监管力量相对不足成为当前面临的主要问题，食品药品监督管理部门基本是靠传统的手工、人力方式进行稽查、管理，导致日常监管工作中存在突出问题和漏洞，故对厨房卫生进行智能监控的研究具有重要的意义。现有的厨房卫生智能监控方法通过在大量厨房中安装大量的摄像头进行线数据采集，然后远程监控，由于摄像头数量过于庞大，不能实时查看，只能做事后查证和存储的作用，无法对厨房卫生情况进行事前预警和事中分析，无法实时对厨房卫生进行监控。综上所述，提出一种实时监控厨房卫生的厨房卫生智能监控方法是亟需解决的问题。
技术实现思路
针对现有技术的缺陷，本专利技术的目的在于提出一种厨房卫生智能监控方法，旨在解决现有方法中由于摄像头数量庞大无法人工实时查看而导致的无法对厨房卫生进行实时监控的问题。为实现上述目的，本专利技术提供了一种厨房卫生智能监控方法，包括以下步骤：采用预训练好的遮挡判别模型检测摄像头拍摄的厨房图像，对摄像头的遮挡情况进行判断，若摄像头被遮挡，则进行摄像头违规遮挡的预警操作；采用预训练好的厨房卫生目标检测模型对拍摄到的厨房图像中害虫或工作人员进行检测，根据害虫出没状态或工作人员的穿着属性判断厨房的卫生状况，并根据卫生状况进行相应的预警操作；对拍摄到的厨房图像进行区域分割，根据分割到的厨房水槽区域的连通性或分割到垃圾区域的分布来判断厨房的卫生状况，并根据卫生状况进行相应的预警操作。进一步优选地，将采集到的未遮挡的厨房图像作为正样本，存在遮挡的厨房图像作为负样本输入到PelleNet中进行训练得到遮挡判别模型。进一步优选地，采集大量的厨房图像，并将图像中的害虫、工作人员、目标对象进行标注，然后基于标注的厨房图像对YOLOV3进行训练，得到厨房卫生目标检测模型。进一步优选地，根据一天内检测到的害虫数量分布得到害虫出没状态，若害虫出没状态为偶尔出没或者经常出没或者害虫泛滥状态，则厨房处于不卫生状态，进行相应的预警操作。进一步优选地，根据工作人员的穿着属性判断厨房的卫生状况的方法，包括以下步骤：(1)采集厨房视频图像数据，对其中的工作人员的属性进行标注输入到深度学习网络ResNet50中进行训练，得到着装分析模型；(2)将厨房卫生目标检测模型检测到的工作人员从原图中抠出，并采用预训练好的着装分析模型分析工作人员是否佩戴口罩、帽子以及上下装着装是否规范，若工作人员未佩戴口罩或帽子，或者上下装着装不为工作服，则厨房不卫生，进行相应的预警操作。进一步优选地，对分割到的厨房水槽区域的连通性进行分析，当厨房水槽区域内的空洞区域占水槽整体面积的比例大于预设比例时，厨房不卫生，进行提示厨房水质不干净的预警操作。进一步优选地，根据分割到的垃圾区域的分布来判断厨房的卫生状况的方法包括：若上述图像分割的结果中垃圾桶区域与垃圾区域区域不重叠，则厨房不卫生，存在垃圾乱堆乱放现象，进行提示厨房存在垃圾乱堆乱放的预警操作；若上述图像分割的结果中垃圾区域覆盖了垃圾桶区域，则厨房不卫生，存在垃圾溢出现象，进行提示垃圾溢出的预警操作。通过本专利技术所构思的以上技术方案，与现有技术相比，能够取得下列有益效果：1、本专利技术提出了一种厨房卫生智能监控方法，通过构建厨房卫生检测模型，对厨房中与卫生状况相关的害虫或工作人员目标进行检测，根据害虫出没状态或工作人员的穿着属性判断厨房的卫生状况，另外对拍摄到的厨房图像进行区域分割，根据分割到的厨房水槽区域的连通性或分割到垃圾区域的分布来判断厨房的卫生状况，通过对厨房中与卫生相关的害虫、工作人员、水槽区域、垃圾区域目标进行分析，全面智能的判断厨房的卫生状况，并且将绝大多数的正常情况进行过滤，仅仅上报异常情况，从而对各种不卫生状况进行实时预警，解决了现有方法中由于摄像头数量庞大无法人工实时查看而导致的无法对厨房卫生进行实时监控的问题。2、本专利技术所提出的一种厨房卫生智能监控方法，通过对视频监控中厨房的卫生状况进行建模分析，能够大大降低人员投入，提高监控效率，而且可以将分析结果通过互联网接入监控中心，针对导致厨房处于不卫生状态的事件进行报警，而不需要监控人员长时间顶着监控视频看，降低出错率，有利于规范厨房的卫生条件。附图说明图1是本专利技术所提供的一种厨房卫生智能监控方法流程图；图2是本专利技术实施例所提供的为摄像头存在遮挡的厨房图像；图3是本专利技术实施例所提供的对分割到的厨房水槽区域的进行连通性分析的结果图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。为实现上述目的，本专利技术提供了一种厨房卫生智能监控方法，如图1所示，包括以下步骤：S1、采用预训练好的遮挡判别模型检测摄像头拍摄的厨房图像，对摄像头的遮挡情况进行判断，若摄像头被遮挡，则进行摄像头违规遮挡的预警操作；否则转至步骤S2；具体的，为了防止摄像头被有意或恶意遮挡，以逃避监管等行为进行识别，遮挡检测可以采用场景分类的方式实现，首先，将采集到的未遮挡的厨房图像作为正样本，存在遮挡的厨房图像进行负样本，对场景分类模型PelleNet进行训练得到遮挡判别模型。然后，采用遮挡判别模型对摄像头的遮挡情况进行判断，如图2所示为摄像头存在遮挡的厨房图像。因为遮挡一般是一个较长过程，为了降低整体系统的计算量，本实施例将遮挡检测的频率设置为1分钟检测一次，同时为了降低误报的次数，采用连续多次检测的方式以降低分类不准带来的误报，本实施例中当连续三次均检测到摄像头被遮挡时，才认为摄像头被遮挡，通过该方式可以极大的降低误报率。S2、采用预训练好的厨房卫生目标检测模型对拍摄到的厨房图像中害虫或工作人员进行检测，根据害虫出没状态或工作人员的穿着属性判断厨房的卫生状况，并根据卫生状况进行相应的预警操作；另外，对拍摄到的厨房图像进行区域分割，根据分割到的厨房水槽区域的连通性或分割到垃圾区域的分布来判断厨房的卫生状况，并根据卫生状况进行相应的预警操作。具体的，考虑到厨房环境的复杂性，被检测目标的多样性，并且待检测目标尺寸差异比较大，使用YOLOV3模型对获取的视频和图像中的感兴趣目标进行检测，感兴趣目标主要包括苍蝇、老鼠、蟑螂等害虫，厨师和帮厨等工作人员。首先采集大量的厨房图像，并将图像中的害虫、工作人员、目标对象进行标注，然后基于标注的图像训练深度神经网络采用梯度下降法训练深度神经网络，得到厨房卫生目标检测模型。采用预训练好的厨房卫生目标检测模型对拍摄到的厨房图像中害虫或工作人员进行检测，根据害虫出现频次或工作人员的穿着属性判断厨房的本文档来自技高网...

【技术保护点】
1.一种厨房卫生智能监控方法，其特征在于，包括以下步骤：/n采用预训练好的遮挡判别模型检测摄像头拍摄的厨房图像，对摄像头的遮挡情况进行判断，若摄像头被遮挡，则进行摄像头违规遮挡的预警操作；/n采用预训练好的厨房卫生目标检测模型对拍摄到的厨房图像中害虫或工作人员进行检测，根据害虫出没状态或工作人员的穿着属性判断厨房的卫生状况，并根据卫生状况进行相应的预警操作；/n对拍摄到的厨房图像进行区域分割，根据分割到的厨房水槽区域的连通性或分割到垃圾区域的分布来判断厨房的卫生状况，并根据卫生状况进行相应的预警操作。/n

【技术特征摘要】
1.一种厨房卫生智能监控方法，其特征在于，包括以下步骤：
采用预训练好的遮挡判别模型检测摄像头拍摄的厨房图像，对摄像头的遮挡情况进行判断，若摄像头被遮挡，则进行摄像头违规遮挡的预警操作；
采用预训练好的厨房卫生目标检测模型对拍摄到的厨房图像中害虫或工作人员进行检测，根据害虫出没状态或工作人员的穿着属性判断厨房的卫生状况，并根据卫生状况进行相应的预警操作；
对拍摄到的厨房图像进行区域分割，根据分割到的厨房水槽区域的连通性或分割到垃圾区域的分布来判断厨房的卫生状况，并根据卫生状况进行相应的预警操作。


2.根据权利要求1所述的厨房卫生智能监控方法，其特征在于，将采集到的未遮挡的厨房图像作为正样本，存在遮挡的厨房图像作为负样本输入到PelleNet中进行训练得到遮挡判别模型。


3.根据权利要求1所述的厨房卫生智能监控方法，其特征在于，采集大量的厨房图像，并将图像中的害虫、工作人员、目标对象进行标注，然后基于标注的厨房图像对YOLOV3进行训练，得到厨房卫生目标检测模型。


4.根据权利要求1所述的厨房卫生智能监控方法，其特征在于，根据一天内检测到的害虫数量分布得到害虫出没状态，若害虫出没状态为偶尔出没或者经常出没或者害虫泛滥状态，则厨房处于不卫生状态，进行相...

【专利技术属性】
技术研发人员：王建辉，钟胜，颜露新，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42