بررسی تشخیص خودکار رفتار غذا خوردن درون وعده غذایی

Samsung SUR40 یک کامپیوتر رومیزی است که از پلتفرم Microsoft Surface استفاده می کند.

این شامل قابلیت های میز ناهار خوری تاشو دیجی کالا چند لمسی است که توسط یک دوربین مادون قرمز در پشت صفحه نمایش تغذیه می شود.

کیت توسعه نرم‌افزار Surface (SDK) دسترسی به جریان تصویر خام (جریان یک جریان پیوسته از داده‌ها، در این مورد فریم‌های تصویر از دوربین مادون قرمز) ضبط شده توسط این دوربین را فراهم می‌کند.

ما امکان استفاده از این جریان تصویر خام را برای تشخیص خودکار رفتار غذا خوردن درون وعده غذایی و انتخاب غذا در قالب چند بشقاب بررسی کردیم.

مزایای چنین روش شناسی نایلون درب مغازه در امکان ارائه بازخورد و تعامل روی صفحه در پاسخ به انتخاب غذا و میزان گاز گرفتن در طول یک وعده غذایی نهفته است.

فرآیند تشخیص خودکار انتخاب غذای داخل وعده غذایی به دو مرحله مجزا تقسیم ش، تشخیص نیش و طبقه بندی نیش.

تشخیص نیش مرحله تشخیص زمانی است که گاز گرفته شده است، صرف نظر از صفحه منبع.

ما تعدادی روش را مدل روپوش پزشکی برای انجام تشخیص نیش با استفاده از حسگرها و الگوریتم‌های مختلف بررسی کردیم.

تشخیص گزش سپس فرآیند طبقه‌بندی نیش را آغاز می‌کند و از جریان تصویر خام SUR40 برای تعیین صفحه منبع نیش استفاده می‌کند.

یک آزمایش سه صفحه ای برای آزمایش تشخیص نیش و طبقه بندی با هم طراحی شد.

پس از تجزیه و تحلیل نتایج آزمایش سه صفحه، ما تصمیم گرفتیم روش‌های تشخیص نیش را در آزمایش تک صفحه‌ای با استفاده از بازوبند Myo با شتاب‌سنج نه محور به عنوان یک رویکرد جایگزین اصلاح کنیم.

این برچسب ها کلوچه زنجبیلی را می توان چاپ کرد و به پایین اشیاء متصل کرد تا موقعیت آنها در حین استفاده از SUR40 ردیابی شود.

این قابلیت تگ بایت برای ردیابی موقعیت مرکز هر صفحه استفاده شد.

  • منابع:
    1. The “Smart Dining Table”: Automatic Behavioral Tracking of a Meal 
  • تبلیغات: 
    1. آموزش رفتار کردن مانند یک فرد موفق
    2. رکوردهای عجیب در گینس که دلهره آور هستند
    3. تاثیر خواندن کتاب بر زندگی اجتماعی
    4. صد راه کسب ثروت از نظر آمازون

دیدگاه شما با موفقیت ثبت شد.

نظرتان را ثبت نمایید.

شماره همراه شما منتشر نخواهد شد.