一种基于深度学习检测的明厨亮灶智能监控方法及系统技术方案

本发明专利技术提供了一种基于深度学习检测的明厨亮灶智能监控方法及系统，其方法包括：基于目标现场视频流获取视频数据，对视频数据进行数据分析确定神经网络结构；基于神经网络结构针对性设计目标神经网络，基于目标神经网络对视频数据进行模型训练，生成目标模型，并将视频数据输入至目标模型中进行监控；将监控结果进行显示，并发出实时预警以及预警原因。通过目标模型实现对视频数据的监控，并基于监控结果进行显示并实时预警，不仅实现了对厨师服、厨师帽的穿戴情况，人员玩手机、抽烟等行为，垃圾桶乱摆放、垃圾桶未盖盖、垃圾溢满、垃圾乱放等不卫生情况的监控的精确性与智能性，而且通过实时报警与确定预警原因，有利于客户及时掌握厨房的情况。握厨房的情况。握厨房的情况。

【技术实现步骤摘要】
一种基于深度学习检测的明厨亮灶智能监控方法及系统


[0001]本专利技术涉及智能厨房监控
，特别涉及一种基于深度学习检测的明厨亮灶智能监控方法及系统。

技术介绍

[0002]目前，明厨亮灶就是通过对关键场所和关键环节的全景展示，提高对饮食安全的保障，本专利技术提出了对厨房人员穿戴、行为及卫生状况进行智能监控分析并实现自动实时预警。
[0003]然而，现如今的监控技术仅仅通过摄像头进行监控，并没有实现客户与监控进行交互，从而使得监控效率大大降低，因为，为了提高对明厨亮灶监控的准确性以及智能性，本专利技术提供了一种基于深度学习检测的明厨亮灶智能监控方法及系统。

技术实现思路

[0004]本专利技术提供一种基于深度学习检测的明厨亮灶智能监控方法及系统，用以通过目标模型实现对视频数据的监控，并基于监控结果进行显示并实时预警，不仅实现了对厨师服、厨师帽的穿戴情况，人员玩手机、抽烟等行为，垃圾桶乱摆放、垃圾桶未盖盖、垃圾溢满、垃圾乱放等不卫生情况的监控的精确性与智能性，而且通过实时报警与确定预警原因，有利于客户及时掌握厨房的情况。
[0005]一种基于深度学习目标检测的明厨亮灶智能监控方法，包括：
[0006]步骤1：基于目标现场视频流获取视频数据，同时，对所述视频数据进行数据分析确定神经网络结构；
[0007]步骤2：基于所述神经网络结构针对性设计目标神经网络，并基于所述目标神经网络对所述视频数据进行模型训练，生成目标模型，并将所述视频数据输入至所述目标模型中进行监控；r/>[0008]步骤3：将监控结果进行显示，并发出实时预警以及预警原因。
[0009]优选的，一种基于深度学习目标检测的明厨亮灶智能监控方法，步骤1中，基于目标现场视频流获取视频数据，同时，对所述视频数据进行分析确定神经网络结构的工作过程，包括：
[0010]读取所述目标现场视频流，并基于预设服务器收集所述目标现场视频流对应的视频数据；
[0011]根据目标程序在网上提取与所述视频数据相关的数据模型；
[0012]对所述视频数据进行清洗，并将清洗后的所述视频数据通过所述数据模型进行分析，并基于分析结果确定神经网络结构。
[0013]优选的，一种基于深度学习目标检测的明厨亮灶智能监控方法，步骤2中，基于所述目标神经网络对所述视频数据进行模型训练，生成目标模型的工作过程，包括：
[0014]获取目标客户的场景需求；
[0015]基于所述视频数据以及所述目标客户的场景需求确定目标神经网络，同时，对所述视频数据进行数据标注；
[0016]基于标注后的所述视频数据对所述目标神经网络进行针对性改造调优，并基于调优后的所述目标神经网络针对所述目标场景进行模型训练；
[0017]根据训练结果生成所述目标模型。
[0018]优选的，一种基于深度学习目标检测的明厨亮灶智能监控方法，步骤2中，所述目标模型包括：物体检测模型、垃圾桶属性分类模型以及动作预测模型，将所述目标现场视频流对应的视频数据输入至所述物体检测模型、垃圾桶属性分类模型以及所述动作预测模型中，实现对明厨亮灶进行智能监控。
[0019]优选的，一种基于深度学习目标检测的明厨亮灶智能监控方法，对所述明厨亮灶进行智能监控的过程，包括：
[0020]对所述目标现场视频流进行读取，确定当前帧对应的视频图像，并读取人体在所述当前帧对应的视频图像中的区域范围；
[0021]根据所述区域范围对所述帧图像进行剪切，并基于剪切结果确定目标图像；
[0022]对所述目标图像中的人体特征进行增强处理，同时，去除所述目标图像的背景干扰，获得处理图像；
[0023]对所述处理图像进行读取，确定所述人体的特征骨骼点，并基于所述人体的特征骨骼点确定目标人员；
[0024]基于监控装置对所述目标人员进行动态追踪，确定所述目标人员的活动帧信息；
[0025]当所述监控装置收集到的所述目标人员的活动帧信息满足预设帧数时，将所述目标人员的特征骨骼点以及所述活动帧信息输入至所述动作预测模型中，进行动作预测；
[0026]基于预测结果确定所述目标人员的当前动作。
[0027]优选的，一种基于深度学习目标检测的明厨亮灶智能监控方法，对所述明厨亮灶进行智能监控的过程，还包括：
[0028]将所述视频数据输入至所述物体检测模型中进行静态检测识别，并确定识别结果；
[0029]基于所述识别结果确定目标现场的静态厨师帽与静态厨师服，并根据所述识别结果对目标识别区域进行交互计算，并基于计算结果确定所述静态厨师帽与所述静态厨师服所对应的目标厨师；
[0030]将所述目标厨师基于所述目标现场视频流中的活动区域进行记录，并根据时间帧顺序确定记录图像集；
[0031]根据预设算法，并利用目标特性确定在所述记录图像集中的的误识别图像，并将所述误识别图像进行过滤，确定过滤图像集；
[0032]基于所述过滤图像集，依次将当前帧的过滤图像所对应的目标厨师的活动区域与将上一帧的过滤图像所对应的目标厨师的活动区域进行相似度匹配；
[0033]根据相似度匹配结果确定所述目标厨师对所述厨师服与厨师帽的穿戴情况。
[0034]优选的，一种基于深度学习目标检测的明厨亮灶智能监控方法，对所述明厨亮灶进行智能监控的过程，还包括：
[0035]获取目标现场的视频画面，并基于目标客户的客户需求对所述视频画面进行划
分，确定垃圾桶区域以及敏感区域；
[0036]对所述垃圾桶区域以及所述敏感区域分别进行区域检测，具体过程包括：
[0037]基于所述垃圾桶属性分类模型对所述垃圾桶区域中的垃圾桶进行识别，确定所述垃圾桶的进行属性；
[0038]其中，所述垃圾桶的进行属性包括：垃圾溢满、垃圾桶未盖盖、垃圾桶已盖盖；
[0039]基于所述物体检测模型对垃圾进行识别，并基于识别结果与所述敏感区域进行交互，并生成交互结果，其中，所述交互结果包括：垃圾在所述敏感区域中、垃圾不在所述敏感区域中。
[0040]优选的，一种基于深度学习目标检测的明厨亮灶智能监控方法，步骤2中，生成目标模型之后并在将所述视频数据输入至所述目标模型中进行监控之前，还包括：
[0041]读取视频检测点，确定所述视频检测点的检测特征，并根据所述检测特征确定对所述视频数据的分类标签；
[0042]将所述视频数据基于所述分类标签进行聚类，确定子视频数据区块，其中，所述子视频数据区块中包含同一个检测特征的多个视频数据；
[0043]基于所述视频检测点确定样本检测数据，并将所述样本检测数据作为校验码输入至所述子视频数据区块中进行数据校验；
[0044]根据校验结果，确定在所述子视频数据区块中与所述校验码不相符的视频数据，并将与所述校验码不相符的视频数据作为无关数据；
[0045]对所述无关数据进行数据打包，生成无关数据集；
[0046]确定所述无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习目标检测的明厨亮灶智能监控方法，其特征在于，包括：步骤1：基于目标现场视频流获取视频数据，同时，对所述视频数据进行数据分析确定神经网络结构；步骤2：基于所述神经网络结构针对性设计目标神经网络，并基于所述目标神经网络对所述视频数据进行模型训练，生成目标模型，并将所述视频数据输入至所述目标模型中进行监控；步骤3：将监控结果进行显示，并发出实时预警以及预警原因。2.根据权利要求1所述的一种基于深度学习目标检测的明厨亮灶智能监控方法，其特征在于，步骤1中，基于目标现场视频流获取视频数据，同时，对所述视频数据进行分析确定神经网络结构的工作过程，包括：读取所述目标现场视频流，并基于预设服务器收集所述目标现场视频流对应的视频数据；根据目标程序在网上提取与所述视频数据相关的数据模型；对所述视频数据进行清洗，并将清洗后的所述视频数据通过所述数据模型进行分析，并基于分析结果确定神经网络结构。3.根据权利要求1所述的一种基于深度学习目标检测的明厨亮灶智能监控方法，其特征在于，步骤2中，基于所述目标神经网络对所述视频数据进行模型训练，生成目标模型的工作过程，包括：获取目标客户的场景需求；基于所述视频数据以及所述目标客户的场景需求确定目标神经网络，同时，对所述视频数据进行数据标注；基于标注后的所述视频数据对所述目标神经网络进行针对性改造调优，并基于调优后的所述目标神经网络针对所述目标场景进行模型训练；根据训练结果生成所述目标模型。4.根据权利要求1所述的一种基于深度学习目标检测的明厨亮灶智能监控方法，其特征在于，步骤2中，所述目标模型包括：物体检测模型、垃圾桶属性分类模型以及动作预测模型，将所述目标现场视频流对应的视频数据输入至所述物体检测模型、垃圾桶属性分类模型以及所述动作预测模型中，实现对明厨亮灶进行智能监控。5.根据权利要求4所述的一种基于深度学习目标检测的明厨亮灶智能监控方法，其特征在于，对所述明厨亮灶进行智能监控的过程，包括：对所述目标现场视频流进行读取，确定当前帧对应的视频图像，并读取人体在所述当前帧对应的视频图像中的区域范围；根据所述区域范围对所述帧图像进行剪切，并基于剪切结果确定目标图像；对所述目标图像中的人体特征进行增强处理，同时，去除所述目标图像的背景干扰，获得处理图像；对所述处理图像进行读取，确定所述人体的特征骨骼点，并基于所述人体的特征骨骼点确定目标人员；基于监控装置对所述目标人员进行动态追踪，确定所述目标人员的活动帧信息；当所述监控装置收集到的所述目标人员的活动帧信息满足预设帧数时，将所述目标人
员的特征骨骼点以及所述活动帧信息输入至所述动作预测模型中，进行动作预测；基于预测结果确定所述目标人员的当前动作。6.根据权利要求4所述的一种基于深度学习目标检测的明厨亮灶智能监控方法，其特征在于，对所述明厨亮灶进行智能监控的过程，还包括：将所述视频数据输入至所述物体检测模型中进行静态检测识别，并确定识别结果；基于所述识别结果确定目标现场的静态厨师帽与静态厨师服，并根据所述识别结果对目标识别区域进行交互计算，并基于计算结果确定所述静态厨师帽与所述静态厨师服所对应的目标厨师；将所述目标厨师基于所述目标现场视频流中的活动区域进行记录，并根据时间帧顺序确定记录图像集；根据预设算法，并利用目标特性确定在所述记录图像集中的的误识别图像，并将所述误识别图像进行过滤，确定过滤图像集；基于所述过滤图像集，依次将当前帧的过滤图像所对应的目标厨师的活动区域与将上一帧的过滤图像所对应的目标厨师的活动区域进行相似度匹配；根据相似度匹配结果确定所述目标厨师对所述厨师服与厨师帽的穿戴情况。7.根据权利要求4...

【专利技术属性】
技术研发人员：刘佳宁，曾国卿，许志强，孙昌勋，朱新潮，李威，杨坤，
申请(专利权)人：北京容联易通信息技术有限公司，
类型：发明
国别省市：