CN119442205A 用于食堂智能结算的用户鉴别方法及装置 (国网思极飞天(兰州)云数科技有限公司)_第1页
CN119442205A 用于食堂智能结算的用户鉴别方法及装置 (国网思极飞天(兰州)云数科技有限公司)_第2页
CN119442205A 用于食堂智能结算的用户鉴别方法及装置 (国网思极飞天(兰州)云数科技有限公司)_第3页
CN119442205A 用于食堂智能结算的用户鉴别方法及装置 (国网思极飞天(兰州)云数科技有限公司)_第4页
CN119442205A 用于食堂智能结算的用户鉴别方法及装置 (国网思极飞天(兰州)云数科技有限公司)_第5页
已阅读5页,还剩37页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

本发明涉及用于食堂智能结算的用户鉴别频数据流,从后台配置节点接收菜品分布数据述菜品分布数据流,与身份鉴别餐盘单元视频2从客户端接收待汇算生物测定数据时,通过感知层从摄像感知节点接收视频数据流,通过主体层的语义分割主网络从所述感知层接收所述视频数据流进通过所述主体层的一级语义分割次网络从所述语义分割主网络接收所述局部单元视通过所述主体层的二级语义分割次网络从所述语义分割主网络接收所述衣着盲区局通过所述主体层的身份鉴别网络从所述语义分割主网络、所述一级语义分割次网络、通过所述感知层的所述重量感知节点接收所述菜品陈列腔体的通过所述主体层对所述身份鉴别餐盘单元视频流和所述菜品分布数据流执行时序对通过所述主体层,基于所述陈列腔体标识数据流和所述菜品陈列腔通过所述语义分割主网络的分割通道,对所述视频数据流进行目标通过所述语义分割主网络的遮挡标识通道,对所述视频数据流进行通过所述语义分割主网络的特征提取通道,对所述餐盘单元视频3,,实标签,当y=1表征被遮挡,当y=0表征未被遮挡,表征遮挡标识通道预测的第,,根据所述分割通道损失函数、所述遮挡标识通道损失函数、所述聚从所述第一帧局部单元提取空间分布距离小于或等于一致距离阈值的第一组局部单根据所述一级语义分割次网络的衣着特征提取通道提取所述第一组局部单元的第一根据所述一级语义分割次网络的衣着特征比对通道比对所述第一衣着特征和所述第4循环分析,当任意两组局部单元衣着相似度小于所述衣着提取所述衣着盲区局部单元视频流的第一组衣着盲区局部单元视频流和第二组衣着通过所述二级语义分割次网络的运动特征提取通道提取所述第一组衣着盲区局部单通过所述二级语义分割次网络的运动轨迹比对通道,对所述第一循环分析,当任意两组局部单元视频流轨迹相似度小于所述当所述局部餐盘单元视频流的数量不等于0,对每一个所述局部餐盘单元视频流进行提取所述局部餐盘单元视频流的第一局部餐盘单元视频流的第一局部餐盘单元运动从所述残留局部单元视频流提取第一残留局部单元视频流的第一残留局部单元运动5流的任意一帧的第一残留局部单元与第一局部餐盘单元的空间分布距离小于或等于分选直到从所述残留局部单元视频流提取第N残留局部单元视频流的第N残留局部单元运流的任意一帧的第N残留局部单元与第一局部餐盘单元的空间分布距离小于或等于分选距提取所述第一残留局部单元运动轨迹直到所述第N残留局部单元运动轨迹中,与所述数据采集模块,用于从客户端接收待汇算生物测定数据时,通过单元分割模块,用于通过主体层的语义分割主网络从衣着分割模块,用于通过所述主体层的一级语义分割次网络从所述运动分割模块,用于通过所述主体层的二级语义分割次网络从所述身份鉴别模块,用于通过所述主体层的身份6述主体层的一级语义分割次网络从所述语义分割主网络接收所述局部单元视频流进行衣层的二级语义分割次网络从所述语义分割主网络接收所述衣着盲区局部单元视频流进行7于通过所述主体层的一级语义分割次网络从所述语义分割主网络接收所述局部单元视频8[0021]S20:通过主体层的语义分割主网络从所述感知层接收所述视频数据流进行单元9[0025]S30:通过所述主体层的一级语义分割次网络从所述语义分割主网络接收所述局[0027]具体过程如下:一级语义分割次网络接收来自语义分割主网络的局部单元视频[0029]S40:通过所述主体层的二级语义分割次网络从所述语义分割主网络接收所述衣[0032]这一步骤在整个方案中的作用是解决因衣着特征不明显或被遮挡而导致的身份[0035]具体过程如下:身份鉴别网络首先接收来自语义分割主网络的整体单元视频流、一级语义分割次网络的第一补偿整体单元视频流和二级语义分割次网络的第二补偿整体流中识别出的用户进行身份匹配,待汇算生物测定数据是用户在结算终端录入的身份信[0039]通过所述主体层对所述身份鉴别餐盘单元视频流和所述菜品分布数据流执行时选取菜品信息的数据流,选取陈列腔体标识数据流是标识用户所选菜品对应腔体的数据挡的真实标签,当y=1表征被遮挡,当y=0表征未被遮挡,表征遮挡标识通道预和函数连续100次训练至少98次损失小于或等于分割通道损失阈值时,视为分割通道单独收进行有监督训练,当语义分割主网络损失函数连续100次训练至少98次损失小于或等于语[0070]从所述第一帧局部单元提取空间分布距离小于或等于一致距离阈值的第一组局[0071]根据所述一级语义分割次网络的衣着特征提取通道提取所述第一组局部单元的[0072]根据所述一级语义分割次网络的衣着特征比对通道比对所述第一衣着特征和所[0076]具体过程如下:一级语义分割次网络首先从语义分割主网络接收局部单元视频[0081]提取所述衣着盲区局部单元视频流的第一组衣着盲区局部单元视频流和第二组[0082]通过所述二级语义分割次网络的运动特征提取通道提取所述第一组衣着盲区局[0085]循环分析,当任意两组局部单元视频流轨迹相似度小于[0091]进一步的,当任意两组局部单元视频流轨迹相似度小于[0094]当所述局部餐盘单元视频流的数量不等于0,对每一个所述局部餐盘单元视频流单元视频流是指在经过运动一致性匹配后,未能与其他视频流合并的那些局部单元视频[0096]具体过程如下:当任意两组局部单元视频流的轨迹相似度低于轨迹相似度阈值保所有相关的视频流都能被正确地关联和识别。[0100]提取所述局部餐盘单元视频流的第一局部餐盘单元视频流的第一局部餐盘单元[0101]从所述残留局部单元视频流提取第一残留局部单元视频流的第一残留局部单元视频流的任意一帧的第一残留局部单元与第一局部餐盘单元的空间分布距离小于或等于[0102]直到从所述残留局部单元视频流提取第N残留局部单元视频流的第N残留局部单视频流的任意一帧的第N残留局部单元与第一局部餐盘单元的空间分布距离小于或等于分[0103]提取所述第一残留局部单元运动轨迹直到所述第N残留局部单元运动轨迹中,与[0107]具体过程如下:首先提取局部餐盘单元视频流中的第一局部餐盘单元的运动轨的视频流都能被正确地关联和识别。[0110]本发明实施例提供的用于食堂智能结算的用户鉴别方法,至少具有如下技术效果:[0113]如图2所示,基于实施例一提供的用于食堂智能结算的用户鉴别方法相同的发明[0115]单元分割模块200,用于通过主体层的语义分割主网络从所述感知层接收所述视[0116]衣着分割模块300,用于通过所述主体层的一级语义分割次网络从所述语义分割[0117]运动分割模块400,用于通过所述主体层的二级语义分割次网络从所述语义分割[0121]通过所述主体层对所述身份鉴别餐盘单元视频流和所述菜品分布数据流执行时挡的真实标签,当y=1表征被遮挡,当y=0表征未被遮挡,表征遮挡标识通道预和[0145]从所述第一帧局部单元提取空间分布距离小于或等于一致距离阈值的第一组局[0146]根据所述一级语义分割次网络的衣着特征提取通道提取所述第一组局部单元的[0147]根据所述一级语义分割次网络的衣着特征比对通道比对所述第一衣着特征和所[0151]提取所述衣着盲区局部单元视频流的第一组衣着盲区局部单元视频流和第二组[0152]通过所述二级语义分割次网络的运动特征提取通道提取所述第一组衣着盲区局[0155]循环分析,当任意两组局部单元视频流轨迹相似度小于[0156]进一步的,当任意两组局部单元视频流轨迹相似度小于[0159]当所述局部餐盘单元视频流的数量不等于0,对每一个所述局部餐盘单元视频流[0161]提取所述局部餐盘单元视频流的第一局部餐盘单元视频流的第一局部餐盘单元[0162]从所述残留局部单元视频流提取第一残留局部单元视频流的第一残留局部单元视频流的任意一帧的第一残留局部单元与第一局部餐盘单元的空间分布距离小于或等于[0163]直到从所述残留局部单元视频流提取第N残留局部单元视频流的第N残留局部单视频流的任意一帧的第N残留局部单元与第一局部餐盘单元的空间分布距离小于或等于分[0164]提取所述第一残留局部单元运动轨迹直到所述第N残留局部单元运动轨迹中,与现在

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论