×

兹马思-数学第一资源

一种新的基于图像的食物体积估计方法。(英语) Zbl公司 06920652
小结:均衡的饮食是健康生活方式的关键,对预防或处理许多慢性疾病如糖尿病和肥胖症至关重要。因此,监测饮食是改善人们健康的有效途径。然而,人工报告食物摄入量已被证明是不准确的,往往不切实际。本文提出了一种新的基于图像建模的食物摄取量估计方法。建模方法包括三个步骤:首先,用智能手机拍摄食物的视频短片。从这样一段视频中,根据智能手机的方位传感器确定的图片视角选择6帧。其次,用户标记其中一个帧,以种子交互式分割算法。分割是基于高斯混合模型和图切割算法。最后,一个定制的基于图像的建模算法生成一个点云来对食物进行建模。同时,随机目标检测方法定位棋盘作为尺寸/地面参考。对建模算法进行了优化,使得使用六幅输入图像仍然可以获得可接受的计算成本。在我们的评估过程中,我们在包含不同种类面食和面包图像的测试集上获得了92%的平均准确率,平均处理时间约为23秒。

理学硕士:
00 一般性和全局性主题;收藏
软件:
轻快;冲浪
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 梅萨,A。;ñ奥兹·帕雷亚,M。;ó佩兹加克ía、 E。;罗德íguez Artalejo,F。;饮食行为与超重:一项系统综述;出窍。版次:2012年;第13卷,106-135页。
[2] 利文斯顿,理学学士。;黑色,A.E。;能量摄入报告有效性的标志物;J。营养:2003年;卷133895s-920S。
[3] Schoeller,D.A。;通过自我报告评估饮食能量摄入的局限性;新陈代谢:1995年;第44卷,第18-22卷。
[4] 维茨基,J.C。;短期膳食回忆和记录方法;营养。埃皮迪米尔:1990年;第4卷,52-68页。
[5] 哈桑尼亚德。;马特雷拉,G。;夏姆波利尼,P。;德穆纳里,I。;莫多尼尼,M。;卡格诺尼。;自动饮食监测:基于计算机视觉和可穿戴传感器的方法综述;内景J。食品科学。营养:2017年·Zbl公司 06920652
[6] 马丁,C.K。;卡亚,S。;冈图克,英国。;利用食物图像分析量化食物摄取量;医学与生物学会IEEE工程国际年会论文集:,6869-6872。
[7] 徐,C。;他,Y。;北卡罗来纳州坎南。;帕拉,A。;博伊,谢尔。;德尔普,E。;基于图像的食物量估计;第五届烹饪与饮食活动多媒体国际研讨会论文集:美国纽约,纽约,2013年,75-80岁。
[8] 阿尔马格拉比,R。;维拉洛博斯,G。;Pouladzadeh,P。;Shirmohammadi,S。;提出了一种新的基于食物图像的营养摄入量测量方法;2012年IEEE国际仪器与测量技术会议论文集(I2MTC):,366-370页。
[9] 普里,M。;朱,Z。;于,Q。;迪瓦卡兰,A。;萨赫尼,H。;使用移动设备识别和估计食物摄入量;2009年IEEE计算机视觉应用研讨会论文集:,1-8页。
[10] 德哈斯,J。;舍甫契克。;迪姆,P。;Mougiakakou,S.G。;用于自我饮食评估应用的食物量计算;2013年IEEE第13届生物信息学与生物工程国际会议论文集:,1-4页。
[11] 哈桑尼亚德。;马特雷拉,G。;莫多尼尼,M。;卡格诺尼。;哈桑尼亚德。;一个用于食品检测的移动应用程序:交互式分割的新方法;论坛会议记录:,306-313·Zbl公司 06920652
[12] 哈桑尼亚德。;马特雷拉,G。;莫多尼尼,M。;卡格诺尼。;使用小棋盘作为尺寸参考:一种基于模型的方法;图像分析和处理新趋势ICIAP 2015研讨会:瑞士查姆,2015年,393-400。
[13] 朱飞。;博世,M。;哦,我。;金,S。;布希,C.J。;埃伯特,D.S。;德尔普,E.J。;使用移动设备辅助饮食评估和评估;IEEE J。选择。顶部。信号处理:2010年;第4756-766卷。
[14] 德哈斯,J。;Anthimopoulos,M。;Mougiakakou,S。;用于智能手机饮食评估的盘子检测和分割;图像分析和处理新趋势ICIAP 2015研讨会:瑞士查姆,2015年,433-440。
[15] 艾斯金,Y。;米海利迪斯,A。;智能营养评估系统;2012年美国科学院秋季研讨会系列论文集:美国弗吉尼亚州阿灵顿市。
[16] 朱飞。;博世,M。;北卡罗来纳州坎纳。;布希,C.J。;德尔普,E.J。;多假设图像分割与分类在膳食评价中的应用(英文);IEEE J。生物医药。健康信息:2015年;第19377-388卷。
[17] 川野,Y。;亚奈,K。;Foodcam:一个基于fisher向量的实时移动食品识别系统;多媒体建模:瑞士查姆,2014年,第363-379页。
[18] 亚奈,K。;川野,Y。;基于深度卷积网络的食品图像识别,具有预训练和微调功能;2015年IEEE多媒体国际会议论文集&,1-6页。
[19] 奥利维拉,L。;科斯塔,V。;内维斯,G。;奥利维拉,T。;乔治E。;利扎拉加,M。;一个移动的、轻量级的、基于民意调查的食品识别系统;模式识别:2014年;第47卷,1941-1952年。
[20] 科利,P。;托尔,P.H。;马尔可夫随机场中有效推理的动态图割;IEEE传输。肛门模式。机器。国际:2007年;第29卷,2079-2088。
[21] 主教,C;模式识别与机器学习:纽约,纽约,美国2007·Zbl公司 1107.68072
[22] 拉赫曼,医学博士。;李,Q。;皮克林,M。;弗雷特,M。;克尔,D。;布奇,C。;德尔普,E。;基于手机的饮食评估系统中的食物量估算;2012年IEEE第八届信号图像技术和基于互联网的系统(SITIS)国际会议论文集:,988-995年。
[23] OpenCV。
[24] 斯托恩,R。;价格,K。;差分进化是一种简单有效的连续空间全局优化自适应算法;J。球。最佳:1995年;第3卷,341-359·Zbl公司 888.90135
[25] 乌戈洛蒂,R。;纳希德,Y.S。;梅塞霍,P。;依维科维č, Š.; 穆西,L。;卡格诺尼。;提出了一种基于模型的目标检测方法;申请。软计算:2013年;第13卷,3092-3105。
[26] 劳森,C.L。;汉森,R.J;解决最小二乘问题:费城,宾夕法尼亚州,美国1995年;第15卷·Zbl公司 860.65029
[27] 斯纳夫利,N。;塞茨,S.M。;塞利斯基,R。;从网络照片集合中模拟世界;内景J。计算机。对比:2008年;第80卷,189-210页。
[28] 巴乔,D.L;通过实际的计算机视觉项目掌握OpenCV:英国伯明翰,2012。
[29] 海湾,H。;Ess,A。;图耶特拉斯,T。;范古尔,L。;加速鲁棒特征(SURF);计算机。维斯。影像底片:2008;第110346-359卷。
[30] Leutenegger,S。;克力,M。;西格沃特,R.Y。;BRISK:二进制鲁棒不变可伸缩关键点;2011年IEEE国际计算机视觉大会论文集:,2548-2555。
[31] 哈特利,R。;齐瑟曼,A;计算机视觉中的多视图几何:剑桥,英国2003·Zbl公司 956.68149
[32] 拉古兰,R。;弗拉姆,J.M。;波利菲,M。;自适应实时随机样本一致性的RANSAC技术比较分析;第十届欧洲计算机视觉会议论文集:德国柏林,2008,500-513。
[33] 哈特利R。;斯特姆,P。;三角测量;计算机。维斯。影像底片:1997年;第68卷,146-157页。
[34] 特里格斯,B。;麦克劳克兰,P.F。;哈特利,R.I。;菲茨吉本,A.W。;束流调节——现代综合;视觉算法:理论与实践:柏林,德国,1999,298-372。
[35] Qhull。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。