用于冰箱的展示食物的热量值的方法和装置与流程

文档序号:16080068发布日期:2018-11-27 21:42阅读:168来源:国知局

本发明涉及制冷设备技术领域,尤其涉及一种用于冰箱的展示食物的热量值的方法和装置。



背景技术:

冰箱是日常生活中经用的电器,通常会在冰箱的冷藏室中存储各种水果、点心和/或饮料等,且用户经常会从冷藏室中直接取出并食用这些食物;随着时代的进步和发展,人们的健身和防止肥胖的观念越来越强烈,即在食用食物之前,如果能得知食物的一些信息(例如,热量值等),则对于提醒用户健身和减少食物摄入量有很大的帮助。

因此,设计一种能够向用户提示食物的热量值的冰箱,就成为一个亟待解决的问题。



技术实现要素:

本发明的目的在于提供一种能够向用户展示食物的热量值的冰箱。

为了实现上述发明目的之一,本发明一实施方式提供了一种用于冰箱的展示食物的热量值的方法,所述冰箱箱体的前端面设置有能够拍摄用户的摄像头和能够感知用户与所述前端面距离的距离传感器,包括以下步骤:在依据所述距离传感器确定用户与所述前端面的距离小于等于预设值、且确定所述冰箱的门体由关闭变为打开时,启动摄像头并拍摄包含用户的视频流;在依据所述视频流、确定用户取走食物时,获取所述食物的体积,并依据所述体积生成所述食物的热量值;展示所述食物的热量值。

作为本发明一实施方式的进一步改进,所述依据所述视频流、确定用户取走食物,包括:对所述视频流中的每帧图片都进行过滤静止物体的处理,并依据食品模型对所述每帧图片进行识别,并进行轨迹跟踪从而得到食品轨迹信息,其中所述食品模型为通过深度学习算法训练而获得的神经网络;依据所述食品轨迹信息确定所述食品在远离前端面时,则确定用户取走食物。

作为本发明一实施方式的进一步改进,所述进行轨迹跟踪从而得到食品轨迹信息,包括:进行轨迹跟踪从而得到食物在所述每帧图片中的位置信息;所述依据所述食品轨迹信息确定所述食品在远离前端面,包括:依据所述食物在所述每帧图片中的位置信息、来确定所述食品在远离前端面。

作为本发明一实施方式的进一步改进,所述依据所述体积生成所述食物的热量值,包括:热量值=体积*所述食物的单位体积的热量值。

作为本发明一实施方式的进一步改进,所述获取所述食物的体积,包括:从所述每帧图片中选取任一帧图片,并获取所述食物在所述任一帧图片中的面积和所述食物与所述前端面的距离,基于所述面积和距离确定所述食物的体积,其中,所述食物的体积与面积呈正比、与所述距离呈正比。

本发明实施例还提供了一种用于冰箱的展示食物的热量值的装置,所述冰箱箱体的前端面设置有能够拍摄用户的摄像头和能够感知用户与所述前端面距离的距离传感器,包括以下模块:用户感知模块,用于在依据所述距离传感器确定用户与所述前端面的距离小于等于预设值、且确定所述冰箱的门体由关闭变为打开时,启动摄像头并拍摄包含用户的视频流;热量值生成模块,用于在依据所述视频流、确定用户取走食物时,获取所述食物的体积,并依据所述体积生成所述食物的热量值;展示模块,用于展示所述食物的热量值。

作为本发明一实施方式的进一步改进,所述热量值生成模块,还用于:对所述视频流中的每帧图片都进行过滤静止物体的处理,并依据食品模型对所述每帧图片进行识别,并进行轨迹跟踪从而得到食品轨迹信息,其中所述食品模型为通过深度学习算法训练而获得的神经网络;依据所述食品轨迹信息确定所述食品在远离前端面时,则确定用户取走食物。

作为本发明一实施方式的进一步改进,所述热量值生成模块,还用于:进行轨迹跟踪从而得到食物在所述每帧图片中的位置信息;依据所述食物在所述每帧图片中的位置信息、来确定所述食品在远离前端面。

作为本发明一实施方式的进一步改进,所述热量值生成模块,还用于:热量值=体积*所述食物的单位体积的热量值。

作为本发明一实施方式的进一步改进,所述热量值生成模块,还用于:从所述每帧图片中选取任一帧图片,并获取所述食物在所述任一帧图片中的面积和所述食物与所述前端面的距离,基于所述面积和距离确定所述食物的体积,其中,所述食物的体积与面积呈正比、与所述距离呈正比。

相对于现有技术,本发明的技术效果在于:本发明实施例提供了一种用于冰箱的展示食物的热量值的方法和装置,所述冰箱箱体的前端面设置有能够拍摄用户的摄像头和能够感知用户与所述前端面距离的距离传感器,包括以下步骤:在依据所述距离传感器确定用户与所述前端面的距离小于等于预设值、且确定所述冰箱的门体由关闭变为打开时,启动摄像头并拍摄包含用户的视频流;在依据所述视频流、确定用户取走食物时,获取所述食物的体积,并依据所述体积生成所述食物的热量值;展示所述食物的热量值。从而在用户从冰箱中取走食物时,便于用户获知该食物的热量值。

附图说明

图1为本发明实施例中的用于冰箱的展示食物的热量值的方法的流程示意图。

具体实施例

以下将结合附图所示的各实施方式对本发明进行详细描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。

本发明实施例提供了一种用于冰箱的展示食物的热量值的方法,所述冰箱箱体的前端面设置有能够拍摄用户的摄像头和能够感知用户与所述前端面距离的距离传感器,这里,在该冰箱中可以设置有用于执行所述方法的处理器模块,该处理器模块可以为软件模块、硬件模块或软硬结合的模块;在使用中,用户在使用冰箱时,会站在冰箱前面并面对冰箱的门体,打开门体,之后就可以从存储间室(例如,冷藏室或冷冻室等)拿出或存放物品,此时,冰箱的箱体面对用户的一侧即为箱体的前端面。这里,食物可以为点心、水果和/或饮料等各种食品。这里,所述距离传感器可以为:红外测距传感器、人体接近传感器等。

如图1所示,该方法包括以下步骤:

步骤101:在依据所述距离传感器确定用户与所述前端面的距离小于等于预设值、且确定所述冰箱的门体由关闭变为打开时,启动摄像头并拍摄包含用户的视频流;

这里,所述距离传感器可以实时的将其所探测到的人体与前端面的距离发送到处理器模块,从而处理器模块就可以以此确定该距离是否小于等于预设值。

这里,可以在门体上设置有用于探测门体状态的传感器,该传感器在探测到门体由关闭变为打开时,就会向处理器模块发送用于表征门体由关闭变为打开的状态指令,则处理器模块就能够以此确定门体由关闭变为打开;传感器也可以实时的将门体状态(例如,门体与冰箱前端面的角度值等)发送给处理器模块,从而处理器模块就可以依据门体状态确定门体由关闭变为打开。

可以理解的是,在实际中,用户通常都是站在门体的前侧,因此,摄像头就可以拍摄到包含用户的视频流。

步骤102:在依据所述视频流、确定用户取走食物时,获取所述食物的体积,并依据所述体积生成所述食物的热量值;这里,会首先从所述视频流中识别出食物的类型和体积,之后再对该食物进行跟踪,且在门体被关闭之前,确定该食物与前端面的距离越来越远时,则可以确定用户在取走该食物,之后,并可以依据该体积来生成该食物的热量值。

步骤103:展示所述食物的热量值。这里,可以通过多种方式来展示该食物的热量值,例如,使用语音的方式,使用显示屏来展示等等。

在步骤102中,需要使用特定算法对该视频流进行处理,并且从视频流中匹配出食物,从而可以获得食物的类型和体积,之后对食物进轨迹跟踪,就能够确定食物与前端面的距离是否越来越远。

优选的,所述依据所述视频流、确定用户取走食物,包括:对所述视频流中的每帧图片都进行过滤静止物体的处理,并依据食品模型对所述每帧图片进行识别,并进行轨迹跟踪从而得到食品轨迹信息,其中所述食品模型为通过深度学习算法训练而获得的神经网络;依据所述食品轨迹信息确定所述食品在远离前端面时,则确定用户取走食物。其中,该神经网络可以为:卷积神经网络、递归神经网络或循环神经网络等。

可选的,所述获取所述食物的体积,包括:对所述视频流中的每帧图片都进行过滤静止物体的处理,并依据食品模型对所述每帧图片进行识别,从而得到该食品的类型。其中,该神经网络可以为:卷积神经网络、递归神经网络或循环神经网络等。

优选的,所述进行轨迹跟踪从而得到食品轨迹信息,包括:进行轨迹跟踪从而得到食物在所述每帧图片中的位置信息;所述依据所述食品轨迹信息确定所述食品在远离前端面,包括:依据所述食物在所述每帧图片中的位置信息、来确定所述食品在远离前端面。

优选的,所述依据所述体积生成所述食物的热量值,包括:热量值=体积*所述食物的单位体积的热量值。这里,可以针对每种食物都设置有一个具体的单位体积的热量值。

优选的,所述获取所述食物的体积,包括:

从所述每帧图片中选取任一帧图片,并获取所述食物在所述任一帧图片中的面积和所述食物与所述前端面的距离,基于所述面积和距离确定所述食物的体积,其中,所述食物的体积与面积呈正比、与所述距离呈正比。这里,首先选取任一帧图片,在该任一帧图片中匹配出食物所处的区域,并生成该区域的面积和该食物与前端面的距离,可以理解的是,当该区域的面积越大时,食物的体积越大;对于面积恒定的区域,当该距离越远时,食物的体积越大。

本发明实施例还提供了一种用于冰箱的展示食物的热量值的装置,所述冰箱箱体的前端面设置有能够拍摄用户的摄像头和能够感知用户与所述前端面距离的距离传感器,包括以下模块:用户感知模块,用于在依据所述距离传感器确定用户与所述前端面的距离小于等于预设值、且确定所述冰箱的门体由关闭变为打开时,启动摄像头并拍摄包含用户的视频流;热量值生成模块,用于在依据所述视频流、确定用户取走食物时,获取所述食物的体积,并依据所述体积生成所述食物的热量值;展示模块,用于展示所述食物的热量值。

优选的,所述热量值生成模块,还用于:对所述视频流中的每帧图片都进行过滤静止物体的处理,并依据食品模型对所述每帧图片进行识别,并进行轨迹跟踪从而得到食品轨迹信息,其中所述食品模型为通过深度学习算法训练而获得的神经网络;依据所述食品轨迹信息确定所述食品在远离前端面时,则确定用户取走食物。

优选的,所述热量值生成模块,还用于:进行轨迹跟踪从而得到食物在所述每帧图片中的位置信息;依据所述食物在所述每帧图片中的位置信息、来确定所述食品在远离前端面。

优选的,所述热量值生成模块,还用于:热量值=体积*所述食物的单位体积的热量值。

优选的,所述热量值生成模块,还用于:从所述每帧图片中选取任一帧图片,并获取所述食物在所述任一帧图片中的面积和所述食物与所述前端面的距离,基于所述面积和距离确定所述食物的体积,其中,所述食物的体积与面积呈正比、与所述距离呈正比。

应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施方式中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1