×
哈米德·哈桑内贾德;吉多·马特雷拉;保罗·齐安波利尼;伊拉里亚·德穆纳里;莫妮卡·莫多尼尼;斯特凡诺·卡格诺尼

一种基于图像的食物体积估计的新方法。 （英语） Zbl 1461.62189号

算法（巴塞尔） 10，第2号，第66号论文，第14页（2017年）.
小结：均衡的饮食是健康生活方式的关键，对于预防或治疗糖尿病和肥胖症等许多慢性病至关重要。因此，监测饮食可以成为改善人们健康的有效途径。然而，人工报告食物摄入被证明是不准确的，而且往往不切实际。本文提出了一种基于图像建模的食物摄入量估算新方法。建模方法包括三个步骤：首先，用户的智能手机拍摄食物的简短视频。从这样的视频中，根据智能手机方向传感器确定的图片视点选择六帧。其次，用户标记其中一个帧以生成交互式分割算法。分割是基于高斯混合模型和图形切割算法。最后，定制的基于图像的建模算法生成一个点云来对食物建模。同时，一种随机对象检测方法定位用作尺寸/地面参考的棋盘。对建模算法进行了优化，使得使用六幅输入图像仍会产生可接受的计算成本。在我们的评估过程中，我们在包含不同种类的意大利面和面包图像的测试集上取得了92%的平均准确度，平均处理时间约为23秒。

引用于1文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62华氏35 多元分析中的图像分析

关键词：

自动饮食监测;图像分析;交互式分割;基于图像的建模;体积估算

软件：

PRMLT公司;冲浪;布里斯克
PDF格式BibTeX公司 XML格式引用
\textit｛H.Hassannejad｝等人，算法（巴塞尔）10，第2号，第66号论文，第14页（2017；Zbl 1461.62189）
全文： 内政部

参考文献：

[1] 梅萨斯，A。；Muñoz-Pareja，M。；López-García，E。；罗德里格斯-阿塔莱霍，F。；选择性饮食行为与超重：一项系统综述；奥贝斯。版本：2012；第13卷，106-135。
[2] Livingstone，文学学士。；黑色，A.E。；报告能量摄入有效性的标记；营养学杂志：2003; 第133卷，895S-920S。
[3] Schoeller，D.A。；通过自我报告评估膳食能量摄入的局限性；代谢：1995年；第44卷，第18-22页。
[4] 维茨基，J.C。；短期饮食回忆和记录方法；螺母。流行病：1990; 第4卷，第52-68页。
[5] 哈桑内贾德，H。；马特雷拉，G。；Ciampolini，P。；德穆纳里，I。；莫多尼尼，M。；卡格诺尼，S。；饮食自动监测：基于计算机视觉和可穿戴传感器的方法综述；国际食品科学杂志。螺母：2017年·Zbl 1461.62189号
[6] C.K.马丁。；卡亚，S。；英国冈特克。；利用食物图像分析量化食物摄入；IEEE医学和生物学会工程年度国际会议论文集：，6869-6872.
[7] 徐，C。；何毅。；Khannan，N。；A.帕拉。；布希，C。；德尔普，E。；基于图像的食物量估算；2013年美国纽约州纽约市第五届烹饪和饮食活动多媒体国际研讨会会议记录，75-80.
[8] 阿尔马格拉比，R。；Villalobos，G。；Pouladzadeh等人。；Shirmohammadi，S。；基于食物图像的营养摄入测量新方法；2012年IEEE国际仪器和测量技术会议（I2MTC）会议记录：，366-370.
[9] Puri，M。；朱，Z。；于清。；Divakaran，A。；Sawhney，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.
[10] Dehais，J。；舍夫奇克，S。；Diem，P。；Mougiakakou，S.G。；自我膳食评估应用中的食物量计算；2013年IEEE第13届生物信息学和生物工程国际会议（BIBE）论文集：，1-4.
[11] 哈桑内贾德，H。；马特雷拉，G。；莫多尼尼，M。；卡格诺尼，S。；哈桑内贾德，H。；用于食品检测的移动应用程序：交互式分割的新方法；国际志愿者大会记录：，306-313. ·Zbl 1461.62189号
[12] 哈桑内贾德，H。；马特雷拉，G。；莫多尼尼，M。；卡格诺尼，S。；使用小棋盘作为尺寸参考：基于模型的方法；图像分析和处理的新趋势——ICIAP 2015研讨会：Cham，瑞士2015，393-400.
[13] 朱，F。；博世，M。；伍，我。；Kim，S。；布希，C.J。；艾伯特，D.S。；德普，E.J。；移动设备在饮食评估中的使用；IEEE J.选择。顶部。信号处理：2010; 第4卷，756-766。
[14] 德海，J。；Anthimopoulos，M。；Mougiakakou，S。；智能手机膳食评估中的菜肴检测与分割；图像分析和处理的新趋势——ICIAP 2015研讨会：Cham，瑞士2015，433-440.
[15] 埃斯金，Y。；Mihailidis，A。；智能营养评价系统；2012年AAAI秋季研讨会系列会议记录：美国弗吉尼亚州阿灵顿。
[16] 朱，F。；博世，M。；Khanna，N。；布谢，C.J。；德普，E.J。；多假设图像分割与分类及其在膳食评估中的应用；IEEE J.生物医学。健康信息：2015年；第19卷，377-388。
[17] Kawano，Y。；Yanai，K。；Foodcam：采用fisher矢量的实时移动食品识别系统；多媒体建模：Cham，瑞士2014，369-373.
[18] 柳井，K。；Kawano，Y。；基于预训练和微调的深度卷积网络的食品图像识别；2015 IEEE多媒体国际会议论文集，1-6.
[19] 奥利维拉。；科斯塔，V。；Neves，G。；Oliveira，T。；Jorge，E。；Lizarraga，M。；基于民意调查的移动式轻量级食品识别系统；图案识别：2014年；1941-1952年第47卷。
[20] 科尔里，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。模式分析。机器。整数：2007; 第29卷，2079-2088。
[21] Bishop，C；模式识别和机器学习：美国纽约州纽约市，2007年·Zbl 1107.68072号
[22] 拉赫曼，M.H。；李，Q。；Pickering，M。；弗雷特，M。；科尔，D。；Bouchey，C。；德尔普，E。；基于手机的膳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国际会议论文集（SITIS）：，988-995.
[23] OpenCV。
[24] 斯托恩，R。；价格，K。；差分进化——一种简单有效的连续空间全局优化自适应方案；J.全球。最佳方案：1995; 第3卷，341-359·Zbl 0888.90135号
[25] Ugolotti，R。；Y.S.Nashed。；梅塞乔，P。；Ivekovič，Š。；Mussi，L。；卡格诺尼，S。；基于模型的目标检测的粒子群优化和差分进化算法；申请。软计算：2013; 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；第15卷·Zbl 0860.65029号
[27] Snavely，N。；塞茨，S.M。；Szeliski，R。；通过网络照片集塑造世界；国际期刊计算。视觉：2008; 第80卷，189-210。
[28] 巴乔·D.L；掌握实用计算机视觉项目的OpenCV：英国伯明翰2012。
[29] H.海湾。；埃斯·A。；Tuytelaars，T。；Van Gool，L。；加速稳健特征（SURF）；计算。视觉。图像理解：2008; 第110卷，346-359。
[30] Leutenger，S。；Chli，M。；西格沃特，R.Y。；BRISK：二进制鲁棒不变量可伸缩关键点；2011年IEEE计算机视觉国际会议论文集：，2548-2555.
[31] 哈特利，R。；齐瑟曼；计算机视觉中的多视图几何：剑桥，英国2003·Zbl 0956.68149号
[32] 拉古拉姆，R。；弗拉姆，J.M。；Pollefeys，M。；导致自适应实时随机样本一致性的RANSAC技术的比较分析；第十届欧洲计算机视觉会议记录：2008年德国柏林，500-513.
[33] R.I.哈特利。；Sturm，P。；三角测量；计算。视觉。图像理解：1997; 第68卷，146-157。
[34] 触发器，B。；McLauchlan，P.F。；R.I.哈特利。；菲茨吉本，A.W。；束调整——现代综合；视觉算法：理论与实践：德国柏林，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。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。