一种基于物联网和视频行为发现的食堂综合评价系统技术方案

本发明专利技术公开了一种基于物联网和视频行为发现的食堂综合评价系统，属于评价管理技术领域，其包括中央处理器和数据库。通过对食堂管理及操作人员的行为姿态数据进行采集并且进行特征提取，其次通过行为评价模块AI计算人员行为与标准操作规范的差异度，根据计算灰色加权关联度的大小，对各评价对象进行排序，关联度越大其评价结果越好，通过物联网的应用作为数据传输通道，以视频行为发现为核心，通过对食堂管理及操作人员的行为姿态进行识别评价，实现对食堂管理的动态归集和即时评估，通过有效实施动态管控，促使食堂管理和操作人员规范日常行为、严格落实流程，推动食堂食品安全工作向深层次迈进。作向深层次迈进。作向深层次迈进。

【技术实现步骤摘要】
一种基于物联网和视频行为发现的食堂综合评价系统


[0001]本专利技术属于评价管理
，具体为一种基于物联网和视频行为发现的食堂综合评价系统。

技术介绍

[0002]目前，食堂的服务质量常常直接影响就餐人员的心情和精神状况，间接影响学生的学习和生活，食堂及后勤部门，在满足学生基本饮食需求的同时，还要考虑如何提高服务质量、加强管理，其首要问题就是合理评估当前服务的好与坏，由于服务行业提供的是非实物服务，难以用标准化的定量指标去测量评价。
[0003]食堂的综合评价是食品安全监管的重要内容，关系到食品安全监管的效率和效能，现有的评价方法局限于静态评估，仅能够反应某一时间点的管理状况，虽通过互联网的形式进行信息传输，缺乏对食堂管理的动态捕捉与评估，致使评估缺乏权威性、导向性，甚至导致评价流于形式，为合理促使食堂管理和操作人员规范日常行为，研究一种基于物联网和视频行为发现的食堂综合评价系统来解决上述问题。

技术实现思路

[0004](一)解决的技术问题
[0005]为了克服现有技术的上述缺陷，本专利技术提供了一种基于物联网和视频行为发现的食堂综合评价系统，解决了现有的评价方法局限于静态评估，仅能够反应某一时间点的管理状况，虽通过互联网的形式进行信息传输，缺乏对食堂管理的动态捕捉与评估，致使评估缺乏权威性、导向性，甚至导致评价流于形式的问题。
[0006](二)技术方案
[0007]为实现上述目的，本专利技术提供如下技术方案：一种基于物联网和视频行为发现的食堂综合评价系统，包括中央处理器和数据库，所述中央处理器与数据库双向连接，所述中央处理器包括数据采集单元和行为评价模块，所述数据采集单元的输出端与行为评价模块的输入端连接。
[0008]所述行为评价模块和数据采集单元与数据库双向连接，所述数据采集单元包括人员识别模块和行为姿态识别单元，所述行为评价模块包括评价数列设定模块、权重计算模块、关联系数计算模块和加权关联度计算模块。
[0009]作为本专利技术的进一步方案：所述数据库包括历史数据储存模块和标准行为姿态数据录入模块。
[0010]历史数据储存模块：用于对历史数据进行录入，并且通过云储存的方式进行数据长期保存。
[0011]标准行为姿态数据录入模块：用于录入人员行为与标准操作规范的姿态特征，形成评价标准数据包。
[0012]作为本专利技术的进一步方案：所述人脸识别模块用于对食堂管理及操作人员进行面
部识别，对每个食堂管理及操作人员的身份设定独立定位标签。
[0013]作为本专利技术的进一步方案：所述行为姿态识别单元包括姿态特征提取模块、图像识别模块。
[0014]姿态特征提取模块：用于对食堂管理及操作人员的行为姿态数据进行采集并且进行特征提取。
[0015]所述姿态特征提取模块的具体实施步骤如下：
[0016]S10、首先建立姿态图像的识别模型，设X
i
为图像中姿态的像素点颜色，则用K个三维高斯函数描述特征像素点的概率密度函数：
[0017][0018]其中，ω
i,t
为t时刻第i个高斯分布权值，μ
i,t
为均值，∑
i,t
为协方差矩阵
[0019]设置η()为第i个高斯在t时刻的分布，则：
[0020][0021]其中，n为X
t
的位数，i＝1,2,...,k。
[0022]S20、对姿态图像识别模型进行更新，对于姿态图像中每一个像素值I
t
，D为像素特征的相关参数，设置σ
i,t
‑1为标准的像素特征，若|I
t
‑
μ
i,t
‑1|≤D*σ
i,t
‑1，则姿态特征的像素值I
t
与此高斯函数相匹配，利用下述公式对参数进行更新：
[0023][0024]其中，ρ为参数的学习速率，a为预设的学习速率。
[0025]S30、归一化处理，对全部高斯分布的姿态图像权值进行归一化处理，并将全部高斯分布情况ω
i,t
/σ
i,t
从大到小进行排序，设前M个高斯分布满足下述公式，则高斯分布为人物姿态图像中的背景分布表达式如下所示：
[0026][0027]其中τ为权值的阀值。
[0028]当姿态图像像素点符合上述高斯分布模型时，则该像素点为人物姿态图像中的像素点，反之为背景中的像素，对人物姿态图像中的人物姿态进行准确分离，完成姿态特征提取。
[0029]图像识别模块：用于利用支持向量机(SVM)的方式对复杂混合部位的姿态图像进行识别，对复杂混合部位姿态图像进行准确分类。
[0030]所述图像识别模块的具体实施步骤如下：
[0031]首先设复杂混合部位姿态图像为二分类问题，则利用非线性映射函数将原始的姿态图像数据映射到高位特征空间内进行准确分类，利用下述公式描述复杂混合部位姿态图像的最优分类超平面：
[0032][0033]其中，w为姿态图像矢量的权值，b为分类的阀值。
[0034]由结构风险最小的原则，得到复杂混合部位姿态图像的最优分类应该满足下述约束条件：
[0035][0036]为提高算法的泛化能力，引入非负松弛变量ξ
i
，则复杂混合部位姿态图像的最优分类问题能够转换为：
[0037][0038]约束条件转换为下述形式：
[0039]y
i
(w
·
x
i
+b)≥1
‑
ξ
i
,ξ
i
≥0,i＝1,2,...,n
[0040]其中，C为误差惩罚因子。
[0041]通过引入拉格朗日乘子，将上述复杂混合部位姿态图像的最优分类问题转换为对偶问题：
[0042][0043]约束条件转换为下述形式：
[0044][0045]其中，α
i
≥0在姿态图像中对应的点即为支持向量。
[0046]由于负责混合部位姿态图像的分类问题是一个非线性的分类问题，引入核函数对公式进行转换，转换后得到下述结果：
[0047][0048]复杂混合部位的姿态图像的最优据决策函数能够用下述公式进行描述：
[0049][0050]由上述得知：
[0051]通过组合策略构建复杂混合部位姿态图像的多分类器，对复杂混合部位姿态图像特征进行分类，采用多级二叉树的形式构建复杂混合部位姿态图像分类器，实现了复杂混合部位姿态图像的准确分类。
[0052]作为本专利技术的进一步方案：所述行为评价模块用于AI计算人员行为与标准操作规范的差异度。
[0053]作为本专利技术的进一步方案：所述评价数列设定模块用于确定比较数列和参考数列，所述比较数列为评价对象，所述参考数列为评价标准。
[0054]作为本专利技术的进一步方案：所述权重计算模块用于确定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网和视频行为发现的食堂综合评价系统，包括中央处理器和数据库，其特征在于：所述中央处理器与数据库双向连接，所述中央处理器包括数据采集单元和行为评价模块，所述数据采集单元的输出端与行为评价模块的输入端连接；所述行为评价模块和数据采集单元与数据库双向连接，所述数据采集单元包括人员识别模块和行为姿态识别单元，所述行为评价模块包括评价数列设定模块、权重计算模块、关联系数计算模块和加权关联度计算模块。2.根据权利要求1所述的一种基于物联网和视频行为发现的食堂综合评价系统，其特征在于：所述数据库包括历史数据储存模块和标准行为姿态数据录入模块；历史数据储存模块：用于对历史数据进行录入，并且通过云储存的方式进行数据长期保存；标准行为姿态数据录入模块：用于录入人员行为与标准操作规范的姿态特征，形成评价标准数据包。3.根据权利要求1所述的一种基于物联网和视频行为发现的食堂综合评价系统，其特征在于：所述人脸识别模块用于对食堂管理及操作人员进行面部识别，对每个食堂管理及操作人员的身份设定独立定位标签。4.根据权利要求1所述的一种基于物联网和视频行为发现的食堂综合评价系统，其特征在于：所述行为姿态识别单元包括姿态特...

【专利技术属性】
技术研发人员：涂晓帆，谢颖基，
申请(专利权)人：湖北鲲鹏芯科技有限公司，
类型：发明
国别省市：