[发明专利]基于动作识别的油烟机控制方法、系统、设备及存储介质

说明书

本发明公开了一种基于动作识别的油烟机控制方法、系统、设备及存储介质，所述油烟机控制方法包括：对烹饪过程中获取的实时烹饪图像进行识别得到烹饪动作；调节所述油烟机的档位以与所述烹饪动作相匹配。通过转置空洞卷积残差模块使用2D卷积替代3D卷积实现烹饪动作的识别，大大降低了计算量，进而确保烹饪动作实时检测的可行性，根据检测到的用户烹饪动作，提前预判是否需要进行档位切换，实时调整烟机的档位，响应速度快，用户体验佳。

技术领域

本发明属于烟灶联动领域，特别涉及一种基于动作识别的油烟机控制方法、系统、设备及存储介质。

背景技术

目前烟灶联动通常是基于油烟浓度的检测，通过油烟内的挥发性有机物和颗粒物来检测得到油烟浓度，或者，通过温度的检测，通过判断油烟浓度或者温度是否达到某档位的对应阈值来调整油烟机的运行档位，然而，油烟传感器通常在烟机的风道内，即油烟升腾至一定高度时才能检测到油烟增多的现象，具有一定的滞后性，无法提前预判油烟的升腾，另外，温度检测往往受到来往人员或环境等因素的影响使得温度检测有干扰精准度不高，导致联动出现误操作。

发明内容

本发明要解决的技术问题是为了克服现有技术中基于油烟浓度和温度的烟灶联动精准度不高的缺陷，提供一种基于动作识别的油烟机控制方法、系统、设备及存储介质。

本发明是通过下述技术方案来解决上述技术问题：

一种基于动作识别的油烟机控制方法，所述油烟机控制方法包括：

对烹饪过程中获取的实时烹饪图像进行识别得到烹饪动作；

调节所述油烟机的档位以与所述烹饪动作相匹配。

较佳地，所述对烹饪过程中获取的烹饪图像进行识别得到烹饪动作的步骤具体包括：

基于2D卷积神经网络算法对历史烹饪图像进行训练，得到烹饪动作识别模型，所述烹饪动作识别模型以历史烹饪图像为输入，以烹饪动作的概率为输出；

将所述实时烹饪图像输入所述烹饪动作识别模型，得到不同烹饪动作的概率值；

将与最大概率值对应的烹饪动作确定为当前烹饪动作；

所述调节所述油烟机的档位以与所述烹饪动作相匹配的步骤具体包括：

调节所述油烟机的档位以与所述当前烹饪动作相匹配。

较佳地，所述历史烹饪图像包括多段视频图像数据，每段视频图像数据包括烹饪动作的类型标签，所述基于2D卷积神经网络算法对历史烹饪图像进行训练，得到烹饪动作识别模型的步骤具体包括：

对所述视频图像数据进行变维操作，以将时间参数与训练样本量参数并维得到降一维的视频图像数据；

对所述降一维的视频图像数据进行2D卷积操作和2D最大池化操作，得到第一中间图像数据；

将所述第一中间图像数据输入至少一个残差模块进行变维操作、转置操作和空洞卷积操作，输出第二中间图像数据；

对所述第二中间图像数据进行2D平均池化操作、全连接操作和softmax操作，然后返回将所述第一中间图像数据输入至少一个残差模块进行变维操作、转置操作和空洞卷积操作，输出第二中间图像数据的步骤，直至输出的烹饪动作的概率的判断结果与每段视频图像数据的类型标签一致，以训练得到所述烹饪动作识别模型。

较佳地，所述将所述第一中间图像数据输入至少一个残差模块进行变维操作、转置操作和空洞卷积操作，输出第二中间图像数据的步骤具体包括：

对所述第一中间图像数据进行2D卷积操作以降低所述第一中间图像数据的数据通道数量由初始数值至预设数值；