一種基于圖像處理識(shí)別方法的自動(dòng)膳食評(píng)估裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于物聯(lián)網(wǎng)技術(shù)領(lǐng)域，涉及一種基于圖像處理識(shí)別方法的自動(dòng)膳食評(píng)估 裝置，本發(fā)明的目的在于使用該技術(shù)解決現(xiàn)實(shí)生活中食物攝入量測(cè)量的問(wèn)題。它有助于營(yíng) 養(yǎng)師監(jiān)測(cè)每日營(yíng)養(yǎng)攝入量。要做到這一點(diǎn)，在食物識(shí)別裝置的不同步驟中已經(jīng)采用了各種 圖像處理技術(shù)。在肥胖癥患者的移動(dòng)設(shè)備上使用這種食物識(shí)別裝置，任何人都可以監(jiān)控他 /她的食物的攝入量，由此可降低飲食記錄者的負(fù)擔(dān)。
[0002]
【背景技術(shù)】
[0003] 隨著生活質(zhì)量和水平的不斷提升，年輕人中肥胖病患者的數(shù)量逐步增長(zhǎng)是一個(gè)巨 大的問(wèn)題。不幸的是，這種持續(xù)的增長(zhǎng)趨勢(shì)導(dǎo)致2型糖尿病病人的數(shù)量也持續(xù)增長(zhǎng)。在2008 年，肥胖癥患者占世界成人人口的十分之一，而在2012年這個(gè)數(shù)字已增長(zhǎng)到六分之一，并 且還在以驚人的速度增長(zhǎng)。最近的研宄表明，肥胖的人更可能產(chǎn)生嚴(yán)重的健康疾病，如高血 壓、心臟病、2型糖尿病、高血脂、乳腺癌、結(jié)腸癌和呼吸疾病等。肥胖癥的主要原因是食物和 能量的攝入與消耗之間的不平衡。所以，為了用健康的方式減肥并且維持正常人的健康體 重，必須每天測(cè)量食物攝取量。事實(shí)上，所有現(xiàn)有的肥胖癥治療技術(shù)要求病人每天記錄食物 的攝入量來(lái)對(duì)比能量的攝入和消耗。
[0004] 膳食攝入量，即定義某人每天吃什么。膳食攝入量可以為增加干預(yù)方案提供寶貴 意見(jiàn)，從而能夠預(yù)防許多疾病。在營(yíng)養(yǎng)和健康領(lǐng)域，精確測(cè)量膳食攝入量是開(kāi)放的研宄課 題。通過(guò)引入一個(gè)新的半自動(dòng)膳食評(píng)估裝置，它有助于營(yíng)養(yǎng)師監(jiān)測(cè)每日營(yíng)養(yǎng)攝入量。要做 到這一點(diǎn)，在食物識(shí)別裝置的不同步驟中已經(jīng)采用了各種圖像處理技術(shù)。在肥胖癥患者的 移動(dòng)設(shè)備上使用這種食物識(shí)別裝置，任何人都可以監(jiān)控他/她的食物的攝入量。
[0005] 本發(fā)明的膳食評(píng)估裝置是由幾個(gè)獨(dú)立的部分組成，一個(gè)部分的輸出信息是另一個(gè) 部分的輸入信息。因此，整個(gè)攝入測(cè)量裝置對(duì)每個(gè)操作過(guò)程都非常敏感。換句話說(shuō)，一個(gè)早 期階段(如分割階段)的錯(cuò)誤估計(jì)，會(huì)將錯(cuò)誤傳播到整個(gè)裝置，并降低最終結(jié)果的精確度。本 發(fā)明為了有一個(gè)精確的攝入測(cè)量裝置，考慮并使用了這一特點(diǎn)。因此，在每個(gè)部分的算法的 技術(shù)準(zhǔn)確性上可以稱得上"精準(zhǔn)"。整體食物卡路里的精確和準(zhǔn)確的測(cè)量是需要解決的主 要問(wèn)題。整體食物卡路里的精確測(cè)量是另一個(gè)問(wèn)題。在討論任何技術(shù)問(wèn)題之前，對(duì)本裝置 的精度的預(yù)期是很重要的。為了回答這個(gè)問(wèn)題，首先必須了解現(xiàn)有的食物營(yíng)養(yǎng)成分測(cè)量方 法的精度。從兩個(gè)方面進(jìn)行考慮。首先，如果把一盤(pán)食物放到專業(yè)營(yíng)養(yǎng)師面前，他/她不能 僅僅通過(guò)簡(jiǎn)單的觀察或手動(dòng)測(cè)量就給出精確的營(yíng)養(yǎng)成分測(cè)量結(jié)果，這是因?yàn)闋I(yíng)養(yǎng)師不知道 盤(pán)中食物的精確的成分，例如食物中是否包含鹽，如果含有鹽則含量是多少，或者它是否包 含油，如果含有油是什么類型(橄欖油，玉米油，動(dòng)物類，...），如果含有某一類油，其含量是 多少等問(wèn)題。此外，某些食物不易察覺(jué)，例如一片肉隱藏在湯內(nèi)，使?fàn)I養(yǎng)師也無(wú)法看到。因 此，我們可以看出在現(xiàn)實(shí)生活中高精度卡路里測(cè)量是不可能實(shí)現(xiàn)的。本發(fā)明主要是設(shè)計(jì)一 個(gè)在具有內(nèi)置相機(jī)的智能手機(jī)或其他移動(dòng)設(shè)備上運(yùn)行的半自動(dòng)化測(cè)量模塊以記錄食物的 卡路里攝入量。與現(xiàn)有的臨床方法相比，本裝置是通過(guò)測(cè)量食物的體積和其營(yíng)養(yǎng)成分來(lái)計(jì) 算卡路里的攝入量。
[0006] 本目標(biāo)必然不是得到高精度的結(jié)果，因?yàn)槿缟衔乃觯趯?shí)際生活中是不可能測(cè) 量出高精度的數(shù)據(jù)的。當(dāng)然，越精準(zhǔn)的裝置，最后得出的結(jié)論越好。這就是為什么考慮試圖 測(cè)量食物的攝入部分的體積的大小，并且盡可能準(zhǔn)確的辨認(rèn)食物的類型。但非常重要的是 僅通過(guò)食物圖片的處理是不可能得到高精度的數(shù)據(jù)的。
[0007]

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的是提供一種基于圖像處理識(shí)別方法的自動(dòng)膳食評(píng)估裝置。
[0009] 上述的目的通過(guò)以下的技術(shù)方案實(shí)現(xiàn)： 考慮到在年輕人群中移動(dòng)設(shè)備(例如智能手機(jī)和平板電腦）的普及，并且這些通信設(shè)備 普遍存在，它們可以加載飲食相關(guān)的應(yīng)用模塊，例如我們的食物識(shí)別模塊。本發(fā)明的目的在 于使用該技術(shù)解決現(xiàn)實(shí)生活中食物攝入量測(cè)量的問(wèn)題。當(dāng)前這一領(lǐng)域的研宄可以分為三 類，即臨床研宄、輔助研宄和半自動(dòng)化方法研宄。在如24小時(shí)膳食回顧（24HR)和食物頻率 問(wèn)卷這類臨床研宄中，其數(shù)據(jù)是由患者手工記錄，之后再計(jì)算卡路里攝入量。由于這些方法 的數(shù)據(jù)是手工記錄，因此在整個(gè)記錄過(guò)程中可能產(chǎn)生大量的錯(cuò)誤。這些方法的另一個(gè)缺點(diǎn) 是病人很難將記錄應(yīng)用于治療。最近，一些研宄人員研宄半自動(dòng)化的方法。本發(fā)明將設(shè)計(jì)開(kāi) 發(fā)一個(gè)簡(jiǎn)單而實(shí)用的半自動(dòng)化的應(yīng)用模塊，人們可以使用應(yīng)用模塊進(jìn)行交互。此外，在這種 情況下，通過(guò)使用模塊化的方法來(lái)增加如智能手機(jī)這類移動(dòng)設(shè)備的使用機(jī)會(huì)。使用移動(dòng)設(shè) 備作為用戶接口，并且通過(guò)網(wǎng)絡(luò)將自己的食物圖像數(shù)據(jù)發(fā)送給專家來(lái)計(jì)算卡路里攝入量。 移動(dòng)應(yīng)用模塊提供了一個(gè)獨(dú)特的機(jī)制來(lái)收集飲食信息，由此可降低飲食記錄者的負(fù)擔(dān)。 [0010] 在早期階段，用戶用移動(dòng)設(shè)備拍攝圖像，隨后進(jìn)行預(yù)處理步驟。然后，在分割步驟 中對(duì)每個(gè)圖像進(jìn)行分析并提取出各個(gè)食物部分。眾所周知，若非具有良好的圖像分割機(jī)制， 該裝置則不能夠適當(dāng)?shù)靥幚韴D像。因此，本項(xiàng)目將這個(gè)步驟分解成了更多的步驟。為此， 我們使用了顏色分割、K均值聚類和紋理分割等工具。對(duì)于每個(gè)檢測(cè)到的食品部分，特征提 取過(guò)程必須被執(zhí)行。對(duì)于每個(gè)檢測(cè)到的食物圖像，必須執(zhí)行特征提取步驟。在這一步驟中 將會(huì)提取出食物的各種屬性，如大小、形狀、顏色和紋理等。所提取的特征將被發(fā)送到分類 步驟，分類步驟使用SVM方案將食物識(shí)別出來(lái)。最后，通過(guò)估計(jì)食物部分的面積，并參照營(yíng) 養(yǎng)表，計(jì)算出食物中卡路里的含量。
[0011]圖像分析模塊的步驟如下： 1、預(yù)處理 首先，為了分割可以獲得準(zhǔn)確的結(jié)果，必須將圖像的大小簡(jiǎn)單變換為標(biāo)準(zhǔn)格式。這樣 做能夠?qū)D像與標(biāo)準(zhǔn)尺寸的圖像相比較進(jìn)行分類。如果圖像的尺寸無(wú)法與其他任何尺寸兼 容，則對(duì)圖像使用裁剪或填充技術(shù)。
[0012] 2、圖像分割 在下面的部分，我們將介紹在本裝置中采用的圖像分割工具。
[0013] I) K均值聚類 均值漂移算法是一種無(wú)需聚類數(shù)目的先驗(yàn)知識(shí)并且不限制聚類形狀的非參數(shù)聚類技 術(shù)。K-均值算法