【技术实现步骤摘要】
用于对象辨识和评估的成像系统
[0001]相关申请的交叉引用
[0002]本申请要求于2014年11月21日提交的共同未决的美国临时申请第62/082,795号对于两个申请所共有的主题的优先权和权益。所述临时申请的全部公开内容通过引用并入本文。
[0003]本专利技术大体上涉及一种将被配置为捕获一个或多个对象的二维和/或三维图像数据的一个或多个传感器组合的系统。特别地，本专利技术涉及一种被配置为捕获一个或多个对象例如食物项的光谱图像数据和尺寸数据并将这些数据导出到基于网络的应用的系统。该系统的基于网络的应用部分利用多个算法和表格数据数据库来促进对一个或多个对象的表征，以及实施综合程序以使用户自动地跟踪和监视该一个或多个对象的期望变量、特性和特征。
技术介绍
[0004]一般地，人们一直使用多种不同的方法和设备来跟踪饮食食物消耗和健康。这些方法包括用于计算卡路里、跟踪点、排除或限制某些类型的食物等的系统。这些系统还可以包括健康跟踪，以估计用户可能关于所估计的卡路里摄入燃烧了多少卡路里。总的来说，智能电话、平板电...
【技术保护点】
【技术特征摘要】
1.一种用于自动检测和处理一盘食物的营养价值的方法，所述方法包括：通过完全位于物体一侧和上方的至少一个成像传感器，基于所述传感器目标区域视野中该盘食物相对于其他对象的深度差来检测该盘食物的边缘，所述深度差基于到所述至少一个成像传感器的距离量的差；通过所述至少一个成像传感器捕获该盘食物的三维模型；通过所述至少一个成像传感器捕捉该盘食物的图像数据，所述图像数据包括该盘食物的可见光图像和至少一个近红外(NIR)图像；通过处理器将所述图像数据转换为合成图像，所述合成图像模拟单个传感器拍摄的单个图像；通过处理器识别与所述合成图像相对应的食物项；通过处理器将所识别的食物项的三维模型转换为所识别的食物项的体积；以及通过处理器基于所述食物项的体积计算所识别的食物项的饮食信息。2.根据权利要求1所述的方法，还包括：确定所识别的食物项的初始体积；确定所识别的食物项的最终体积；以及根据所识别的食物项的所述初始体积和所识别的食物项的所述最终体积之差来计算所识别的食物项的体积变化。3.根据权利要求2所述的方法，还包括：从数据库获取所识别的食物项的饮食信息；以及计算所识别的食物项的所述体积变化的饮食含量。4.根据权利要求1所述的方法，还包括通过LED阵列照射该盘食物，并获得在745nm、810nm、940nm、970nm和/或1050nm的波长下的反射图像数据，并将所述反射图像数据与特征食物元素相关联。5.根据权利要求1所述的方法，其中，能够关于所述可见光图像和至少一个近红外(NIR)图像计算所识别的食物项的体积和重量。6.一种用于自动检测和处理目标区域中的一个或多个对象的方法，所述方法包括：通过至少一个传感器，基于视野中所述目标区域相对于其他对象的深度差来检测所述目标区域的边缘，所述深度差基于到所述至少一个传感器的距离量的差；通过所述至少一个传感器捕获所述目标区域内所述一个或多个对象的三维模型；通过所述至少一个传感器捕获所述一个或多个对象的图像数据，所述图像数据包括从可见光图像中分离的RGB元素或矢量以及从来自所述一个或多个对象的反射光的所述图像数据中提取的特定波长的多个近红外矢量；通过图像处理模块将所述图像数据转换为合成图像，所述合成图像模拟单个传感器拍摄的单个图像；通过所述图像处理模块识别所述一个或多个对象中与所述合成图像的颜色像素相对应的至少一个对象；通过所述图像处理模块基于像素深度确定所述三维模型中每个像素的空间体积；通过所述图像处理模块，将每个所识别的至少一个对象的每个像素的所述空间体积转换为所述至少一个对象的体积值；以及
通过所述图像处理模块，将所述合成图像中所识别的至少一个对象的每个颜色像素的体积值求和，以计算所述至少一个对象的总体积。7.一种系统，包括：数字相机，包括：至少一个图像传感器，所述数字相机被配置为将一光谱范围内捕获的可见光和一光谱范围内的近红外(NIR)光转换为所捕获光电压；以及至少一个图像处理模块，其将所捕获光电压转换为三维(3D)图像数据；以及记录设备，其记录所述3D图像数据；其中，所述数字相机捕获并记录在NIR光谱范围内的至少两个不同且不重叠的光谱范围子集，而不记录不重叠的光谱范围子集之间的光谱范围间隙；图像处理引擎，被配置为：分析所捕获和记录的所捕获光电压，以识别一个或多个对象；基于所记录的三维图像数据...
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。