CN110929658B 图像识别方法、图像识别装置及冰箱 （青岛海尔智能技术研发有限公司）

号一视频图像中选取与第二视频图像对应的视频二视频图像对应的视频图像进行图像识别，因2获取所述多张二值化图像中的每张二值化图像从所述第一视频图像中选取与所述时间戳对应的视频图像作为第对所述第三视频图像进行图像识别，并根据图像识别结果获取待放入食材的相关信值化图像内的所述热源的最高点的位置坐标，并根据所述位置坐标确定最优二值化图像，获取所述多张二值化图像中的每张二值化图像内的计算所述数组的最小值，并将所述最小值对应的二值化图像作为所述最优二值化图像的宽度，h表示所述二值化图像的高度，表示使通过红绿蓝摄像头获取所述第一视频图像，以及通过红外热成像摄像头5.根据权利要求1至4中任一项所述的方法，通过机器学习对所述第三视频图像进行图像识别，并根据图像识别第一检测模块，被配置为在检测到所述冰箱的门体打开时，对所3像中选取与所述时间戳对应的视频图像作为识别模块，被配置为对所述第三视频图像进行图像识别，并根45取与第二视频图像对应的视频图像作为第三视频图像，以及对第三视频图像进行图像识6[0032]S330，从第一视频图像中选取与第二视频图像对应的视频图像作为第三视频图热成像图像与物体表面的热分布场相对应。热源通常是指持有待放入食材的用户的手部，其表面温度明显高于环境温度或者拍摄画面内其他物体的[0036]需要说明的是，RGB摄像头和红外热成像摄像头不限于如上所述的设置在间室的7和红外热成像摄像头。举例来说，假设RGB摄像头和红外热成像摄像头的采集速率均为30速率为25帧/秒，则红外热成像摄像头的第13帧可能对应于RGB摄像头的第15帧或者第16式的目标和对象的技术；图像识别算法可以包括基于快速区域的卷积神经网络(FastRegion-basedConvolutionalNeuralNetwork，FastR-CNN)、残差网络(Residual对此不作限制。二视频图像，从第一视频图像中选取与第二视频图像对应的视频图像作为第三视频图像，[0042]另外，通过使用RGB摄像头和红外热成像摄像头分别对冰箱的间室进行连续视频8[0045]接着，获取多张二值化图像中的每张二值化图像内的热每张二值化图像内的热源的最高点的位置坐标，得到由多个最高点的位置坐标组成的数[0048]具体地，获取多张二值化图像中的每张二值化图像内的热源的最高点的位置坐yi表示使取得最小值时变9i表示第i个最高点的横坐标，视频图像中选取与该时间戳对应的视频图像作为限于决策树(DecisionTrees)算法、朴素贝叶斯分类(NaiveBayesClassification)算Regression)算法、支持向量机(SupportVectorMachines)算法、随机森林(Randomforest)算法、人工神经网络(ArtificialNeuralNetwork，ANN)算法、主成分分析(PrincipalComponentAnalysis[0066]S540，获取多张二值化图像中的每张二值化图像内的热图像中的每张二值化图像内的热源的最高点的位置坐标，得到由多个位置坐标组成的数[0073]第一检测模块610，被配置为在检测到冰箱的门体打开时，对冰箱的间室进行拍[0075]选取模块630，被配置为从第一视频图像中选取与第二视频图像对应的视频图像二视频图像，从第一视频图像中选取与第二视频图像对应的视频图像作为第三视频图像，表示使取得最小值时变[0083]在一些实施例中，图6的识别模块640通过机器学习对第三视频图像进行图像识[0084]在一些实施例中，如果识别出第三视频图像中的待放入食材，则图6的识别模块装置包括：处理器(processor)700和存储器(memory)701，还可以包括通信接口[0086]此外，上述的存储器701中的逻辑指令可以通过软件功能单元的形式实现并作为至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发