CN106934354B - 一种fpga实现人脸检测的方法 - Google Patents

一种fpga实现人脸检测的方法 Download PDF

Info

Publication number
CN106934354B
CN106934354B CN201710113136.7A CN201710113136A CN106934354B CN 106934354 B CN106934354 B CN 106934354B CN 201710113136 A CN201710113136 A CN 201710113136A CN 106934354 B CN106934354 B CN 106934354B
Authority
CN
China
Prior art keywords
image
detection
compressed
fpga
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710113136.7A
Other languages
English (en)
Other versions
CN106934354A (zh
Inventor
于淼
武国勇
黄春晖
胡燕彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Ruiwei Information Technology Co ltd
Original Assignee
Xiamen Ruiwei Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xiamen Ruiwei Information Technology Co ltd filed Critical Xiamen Ruiwei Information Technology Co ltd
Priority to CN201710113136.7A priority Critical patent/CN106934354B/zh
Publication of CN106934354A publication Critical patent/CN106934354A/zh
Application granted granted Critical
Publication of CN106934354B publication Critical patent/CN106934354B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F12/00—Accessing, addressing or allocating within memory systems or architectures
    • G06F12/02—Addressing or allocation; Relocation
    • G06F12/08—Addressing or allocation; Relocation in hierarchically structured memory systems, e.g. virtual memory systems
    • G06F12/0802—Addressing of a memory level in which the access to the desired data or data block requires associative addressing means, e.g. caches
    • G06F12/0875—Addressing of a memory level in which the access to the desired data or data block requires associative addressing means, e.g. caches with dedicated cache, e.g. instruction or stack
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
    • G06F2212/40—Specific encoding of data in memory or cache
    • G06F2212/401—Compressed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
    • G06F2212/45—Caching of specific data in cache memory
    • G06F2212/455—Image or video data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种FPGA实现人脸检测的方法，主要是通过图像缩放模块和检测模块将视频中的每一帧图像进行图像缩放、图像分块、人脸检测、结果写回几个任务，并按流水作业方式进行处理。图像缩放模块开辟两个缓存区域用于存放图像缩放结果，使得图像分块单元能够无间断地、连续地调取调取缓存单元中的图像，同时检测模块开辟人脸检测步骤开辟了多个检测单元处理分块图像的检测任务，极大提高人脸检测效率，确保视频流每帧图像中的所有人脸可以快速检出。

Description

一种FPGA实现人脸检测的方法
技术领域
本发明涉及一种FPGA实现人脸检测的方法。
背景技术
人脸检测是人工智能目前应用比较多的一个方向，在公共安全、消费管理，广告推动等诸多领域都有广泛的应用。
传统的人脸检测都是运行在X86软件平台或者是嵌入式软件平台，但是这两种应用都有比较明显的缺陷。X86软件平台功耗很高，稳定性较差，嵌入式平台计算的速度已经明显赶不上应用的需求。
FPGA作为一种可编程器件，可以允许使用者对芯片内部的硬件电路进行变成，从而实现高速的并行输出处理，这一特性使得FPGA成为低功耗的高速人脸检测上检测上佳平台，依据FPGA特性对人脸检测进行并行处理。
发明内容
本发明的目的在于提供一种FPGA实现人脸检测的方法，其利用FPGA的高速并行特性对输入的视频流进行逐帧的人脸检测，保证每帧图像中的人脸都能检测得到，让人脸检测的效率更高，性能更佳。
本发明采用的技术方案是，
一种FPGA实现人脸检测的方法，通过图像缩放模块调取视频中的每一帧图像，将调取的图像按阈值比例逐级压缩，即下一级是在上一级压缩后的图像基础上按阈值比例压缩，将压缩后的各级图像依次存入两个缓存区域中，按照压缩的先后顺序，先压缩的图像先被检测模块中的图像分块单元调取，一旦缓存区域中的压缩图像被图像分块单元调取后，后续被压缩的图像将继续放入该缓存区域中；通过检测模块依次调取两个缓存区域中的压缩图像并进行图像分块和人脸检测工作，其中，图像分块单元调取缓存区域中的压缩图像并将该压缩图像分成多个像素块，图像分块单元对多个检测单元进行调度，一旦任何一个检测单元处于空闲状态，图像分块单元给该检测单元下发一个开始检测命令，并同时下发需要检测的像素块在内存中的位置，收到检测命令的检测单元开始检测，同时把自己的状态设置为非空闲状态，一直到对该像素块检测完成，再把状态设置为空闲状态，等待下一次的检测命令，检测单元的检测完成后将检测结果写入FPGA内部的RAM中；当一帧图像检测结束后，将写入FPGA内部RAM中的检测结果写入和软件共享的内存区中，供配合的软件进一步查询使用，然后进行下一帧图像检测。
所述方法具体包括以下步骤,
步骤1、通过图像缩放模块调取视频中的一帧原始图像;
步骤2、通过图像缩放模块将原始图像以1.2的倍率依次压缩，即下一级是在上一级压缩后的图像基础上进行再压缩，将压缩后的每级图像依次放入两个缓存区域中，按照压缩的先后顺序，先压缩的图像先被检测模块中的图像分块单元调取，一旦缓存区域中的压缩图像被图像分块单元调取后，后续被压缩的图像将继续放入该缓存区域中；
步骤3、通过检测模块依次调取两个缓存区域中的压缩图像并进行图像分块和人脸检测工作，
其中，图像分块单元调取一缓存区域中的压缩图像并将该压缩图像分成N个64*64像素的小块，调度三个并行的检测单元对分割图像形成的N个64*64像素的小块进行人脸检测，一旦任何一个检测单元处于空闲状态，图像分块单元给该检测单元下发一个开始检测命令，并同时下发需要检测的64*64像素的小块在内存中的位置，收到检测命令的检测单元开始检测，同时把自己的状态设置为非空闲状态，一直到对该64*64像素的小块检测完成，再把状态设置为空闲状态，等待下一次的检测命令，检测单元的检测完成后将检测结果写入FPGA内部的RAM中，当N个像素块处理完后，判断当前压缩的图像宽或高是否小于等于32个像素，若当前压缩的图像宽和高大于32个像素，图像分块单元调取另一缓存区域中的图像，继续进行图像分块和人脸检测工作；
步骤4、当前压缩的图像宽或高小于等于32个像素，将写入FPGA内部RAM中的检测结果写入和软件共享的内存区中，供配合的软件进一步查询使用，然后进行下一帧图像检测。
当该级压缩图像的宽或高小于等于32个像素，表示从视频中调取的这一帧图像的人脸检测结束， 一帧图像的所有的检测结果得出后，面积重合度超过阈值的结果认为是同一张人脸，合并成一个人脸结果，然后将FPGA内部的RAM中的检测结果写入和软件共享的内存区中，供配合的软件进一步查询使用。
在步骤3中，图像分块单元对图像分块时，64 *64像素的小块的左上角顶点从整幅图像的左上角开始，由左向右由上至下依次移动，每次移动距离是32个像素，直至移动到图像的上下边缘为止，得到N个64 * 64像素的小块。
在步骤3中，检测单元在64*64像素的小块中并行提取出32*32像素区域内的多个特征，使用分类算法与预存在FPGA中的模型进行运算得到此区域是否是一张人脸，并将结果写入FPGA内部的RAM中。
本发明主要是通过图像缩放模块和检测模块将视频中的每一帧图像进行图像缩放、图像分块、人脸检测、结果写回几个任务，并按流水作业方式进行处理。图像缩放模块开辟两个缓存区域用于存放图像缩放结果，使得图像分块单元能够无间断地、连续地调取调取缓存单元中的图像，同时检测模块开辟人脸检测步骤开辟了多个检测单元处理分块图像的检测任务，极大提高人脸检测效率，确保视频流每帧图像中的所有人脸可以快速检出。
附图说明
图1为本发明FPGA检测人脸的框图；
图2为本发明FPGA检测人脸的流程图。
以下结合附图和具体实施例对本发明作进一步详述。
具体实施方式
本发明公开了一种FPGA实现人脸检测的方法，其通过图像缩放模块和检测模块实现视频中每帧图像中的人脸检测，其中，检测模块将图像分块后开辟多个检测单元处理人脸检测任务，极大提高了人脸检测效率。本发明的具体检测方法如下：
步骤1、通过图像缩放模块调取视频中的一帧原始图像。
视频可以看作是一帧一帧的图像数据，对视频中的人脸检测也就是对每一帧图像中的人脸检测。
步骤2、将调取的图像按阈值比例逐级压缩，即下一级是在上一级压缩后的图像基础上按阈值比例压缩，将压缩后的各级图像依次存入两个缓存区域中，按照压缩的先后顺序，先压缩的图像先被检测模块中的图像分块单元调取，一旦缓存区域中的压缩图像被图像分块单元调取后，后续被压缩的图像将继续放入该缓存区域中。
因检测模块中的检测单元固定检测32*32像素的人脸，所以需要对原始图像进行压缩。
本实施例中通过图像缩放模块将原始图像以1.2的倍率依次压缩，压缩后的每级图像依次放入缓存区域中以供检测模块调取。图像缩放模块在进行图像缩放的过程中需要进行并行处理，以加快人脸检测速度。图像缩放并行处理的具体操作如下：提供两个缓存区域来存储各级压缩后的图像结果，缩放模块将原始图像压缩1.2倍得到一级压缩图像，该一级压缩图像存入第一个缓存区域中；在一级压缩图像的基础上再次压缩1.2倍得到二级压缩图像，二级压缩图像存入第二个缓存区域中，在二级压缩图像存入第二缓存区域的同时，检测模块调取并处理第一缓存区域中的图像。在二级压缩图像的基础上再次压缩1.2倍得到三级压缩图像，该三级压缩图像存入第一缓存区域中，于此同时，检测模块调取并处理第二缓存区域中的图像，如此循环进行图像压缩。
步骤3、通过检测模块依次调取两个缓存区域中的压缩图像并进行图像分块和人脸检测工作，其中，图像分块单元调取缓存区域中的压缩图像并将该压缩图像分成多个像素块，图像分块单元调度多个检测单元对分割图像形成的多个像素块进行人脸检测及结果比对，并将比对结果写入FPGA内部的RAM中。
图像分块单元把需要检测的图像分为64*64像素的小块以便检测单元检测，分块方法是小块的左上角顶点从整幅图像的左上角开始，由左向右由上至下依次移动，每次移动距离是32个像素，直至移动到图像的上下边缘为止，得到N个64 * 64像素的小块。
为了保证检测的速度，本实施例中通过三个检测单元对上述分块形成的64*64像素的小块同时处理检测任务，即在每一个64*64像素的小块中检测32*32像素的人脸。图像分块单元在对缩放后的图像进行分块的同时也对三个检测单元进行调度，图像分块单元循环判断三个检测模块的空闲状态，一旦任何一个检测单元处于空闲状态，图像分块单元给该检测单元下发一个开始检测命令，并同时下发需要检测的64*64像素的小块在内存中的位置，收到检测命令的检测单元开始检测，同时把自己的状态设置为非空闲状态，一直到对这次的64*64像素的小块检测完成，再把状态设置为空闲状态，等待下一次的检测命令。
检测单元的人脸检测工作主要是通过特征提取和结果比对两个部分实现的，检测单元检在64*64像素的小块中并行提取出32*32像素区域内的5个特征，使用分类算法与预存在FPGA中的模型进行运算得到此区域是否是一张人脸，也就是对这5个特征进行结果对比确定是否是一张人脸，并将结果写入FPGA内部的RAM中。该64*64像素的小块检测完成后检测单元判断N个像素小块是否处理完成，如果没有检测完，检测单元继续检测直至该级压缩图像的所有像素小块检测完成。
每一级压缩图像的像素小块压缩结束后，判断该级压缩图像的宽或高是否小于等于32个像素，如果没有，图像分块单元调取另一缓存区域中的压缩图像，重复上述的图像分块和人脸检测任务。
步骤4、当前压缩图像的宽或高小于等于32个像素，将写入FPGA内部RAM中的检测结果写入和软件共享的内存区中，供配合的软件进一步查询使用，然后进行下一帧图像检测。
当前压缩图像的宽或高小于等于32个像素，也就表示从视频中调取的这一帧图像的人脸检测结束， 一帧图像的所有的检测结果得出后，面积重合度超过阈值的结果认为是同一张人脸，合并成一个人脸结果，然后将FPGA内部的RAM中的检测结果写入和软件共享的内存区中，供配合的软件进一步查询使用。
视频中的一帧图像检测结束后，图像缩放模块调取下一帧图像，重复上述图像缩放、图像分块以及人脸检测的工作，并将结果写入和软件共享的内存区中，如此重复也就实现了对视频中人脸的高速检测。
本发明主要是通过图像缩放模块和检测模块将视频中的每一帧图像进行图像缩放、图像分块、人脸检测、结果写回几个任务，并按流水作业方式进行处理。图像缩放模块开辟两个缓存区域用于存放图像缩放结果，使得图像分块单元能够无间断地、连续地调取调取缓存单元中的图像，同时检测模块开辟人脸检测步骤开辟了多个检测单元处理分块图像的检测任务，极大提高人脸检测效率，确保视频流每帧图像中的所有人脸可以快速检出。

Claims (4)

1.一种FPGA实现人脸检测的方法，其特征在于：通过图像缩放模块调取视频中的每一帧图像，将调取的图像按阈值比例逐级压缩，即下一级是在上一级压缩后的图像基础上按阈值比例压缩，将压缩后的各级图像依次存入两个缓存区域中，按照压缩的先后顺序，先压缩的图像先被检测模块中的图像分块单元调取，一旦缓存区域中的压缩图像被图像分块单元调取后，后续被压缩的图像将继续放入该缓存区域中；通过检测模块依次调取两个缓存区域中的压缩图像并进行图像分块和人脸检测工作，其中，图像分块单元调取缓存区域中的压缩图像并将该压缩图像分成多个像素块，图像分块单元对多个检测单元进行调度，一旦任何一个检测单元处于空闲状态，图像分块单元给该检测单元下发一个开始检测命令，并同时下发需要检测的像素块在内存中的位置，收到检测命令的检测单元开始检测，同时把自己的状态设置为非空闲状态，一直到对该像素块检测完成，再把状态设置为空闲状态，等待下一次的检测命令，检测单元的检测完成后将检测结果写入FPGA内部的RAM中；当一帧图像检测结束后，将写入FPGA内部RAM中的检测结果写入和软件共享的内存区中，供配合的软件进一步查询使用，然后进行下一帧图像检测。
2.根据权利要求1所述的一种FPGA实现人脸检测的方法，其特征在于：所述方法具体包括以下步骤,
步骤1、通过图像缩放模块调取视频中的一帧原始图像；
步骤2、通过图像缩放模块将原始图像以1.2的倍率依次压缩，即下一级是在上一级压缩后的图像基础上再压缩1.2倍，将压缩后的每级图像依次放入两个缓存区域中，按照压缩的先后顺序，先压缩的图像先被检测模块中的图像分块单元调取，一旦缓存区域中的压缩图像被图像分块单元调取后，后续被压缩的图像将继续放入该缓存区域中；
步骤3、通过检测模块依次调取两个缓存区域中的压缩图像并进行图像分块和人脸检测工作，
其中，图像分块单元调取一缓存区域中的压缩图像并将该压缩图像分成N个64*64像素的小块，调度三个检测单元对分割图像形成的N个64*64像素的小块进行人脸检测，一旦任何一个检测单元处于空闲状态，图像分块单元给该检测单元下发一个开始检测命令，并同时下发需要检测的64*64像素的小块在内存中的位置，收到检测命令的检测单元开始检测，同时把自己的状态设置为非空闲状态，一直到对该64*64像素的小块检测完成，再把状态设置为空闲状态，等待下一次的检测命令，检测单元的检测完成后将检测结果写入FPGA内部的RAM中，当N个像素块处理完后，判断当前压缩的图像宽或高是否小于等于32个像素，若当前压缩的图像宽和高大于32个像素，图像分块单元调取另一缓存区域中的图像，进行图像分块人人脸检测工作；
步骤4、当前压缩的图像宽或高小于等于32个像素，将写入FPGA内部RAM中的检测结果写入和软件共享的内存区中，供配合的软件进一步查询使用，然后进行下一帧图像检测；
当前压缩图像的宽或高小于等于32个像素，表示从视频中调取的这一帧图像的人脸检测结束，一帧图像的所有的检测结果得出后，面积重合度超过一定值的结果认为是同一张人脸，合并成一个人脸结果，然后将FPGA内部的RAM中的检测结果写入和软件共享的内存区中，供配合的软件进一步查询使用。
3.根据权利要求2所述的一种FPGA实现人脸检测的方法，其特征在于：在步骤3中，图像分块单元对图像分块时，64*64像素的小块的左上角顶点从整幅图像的左上角开始，由左向右由上至下依次移动，每次移动距离是32个像素，直至移动到图像的上下边缘为止，得到N个64*64像素的小块。
4.根据权利要求2所述的一种FPGA实现人脸检测的方法，其特征在于：在步骤3中，检测单元在64*64像素的小块中并行提取出32*32像素区域内的多个特征，使用分类算法与预存在FPGA中的模型进行运算得到此区域是否是一张人脸，并将结果写入FPGA内部的RAM中。
CN201710113136.7A 2017-02-28 2017-02-28 一种fpga实现人脸检测的方法 Active CN106934354B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710113136.7A CN106934354B (zh) 2017-02-28 2017-02-28 一种fpga实现人脸检测的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710113136.7A CN106934354B (zh) 2017-02-28 2017-02-28 一种fpga实现人脸检测的方法

Publications (2)

Publication Number Publication Date
CN106934354A CN106934354A (zh) 2017-07-07
CN106934354B true CN106934354B (zh) 2020-08-07

Family

ID=59423550

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710113136.7A Active CN106934354B (zh) 2017-02-28 2017-02-28 一种fpga实现人脸检测的方法

Country Status (1)

Country Link
CN (1) CN106934354B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107507124B (zh) * 2017-08-10 2021-02-26 杭州朔天科技有限公司 系统芯片中灰度图像背景处理装置及方法
CN107909045A (zh) * 2017-11-24 2018-04-13 合肥博焱智能科技有限公司 基于fpga的人脸识别系统
CN110390679B (zh) * 2019-07-03 2022-04-26 上海联影智能医疗科技有限公司 图像处理方法、计算机设备和可读存储介质
CN110472077A (zh) * 2019-07-12 2019-11-19 浙江执御信息技术有限公司 人像识别前置校验方法、系统、介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101281599A (zh) * 2008-05-27 2008-10-08 北京中星微电子有限公司 人脸检测方法和装置
CN103093175A (zh) * 2011-10-27 2013-05-08 上海德致伦电子科技有限公司 基于fpga的人脸识别片上系统
CN104104888A (zh) * 2014-07-01 2014-10-15 大连民族学院 一种并行多核fpga数字图像实时缩放处理方法和装置
CN104463125A (zh) * 2014-12-11 2015-03-25 哈尔滨工程大学 基于dsp的人脸自动检测跟踪装置及其方法
CN105046222A (zh) * 2015-07-14 2015-11-11 福州大学 一种基于fpga的人脸检测与跟踪方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101281599A (zh) * 2008-05-27 2008-10-08 北京中星微电子有限公司 人脸检测方法和装置
CN103093175A (zh) * 2011-10-27 2013-05-08 上海德致伦电子科技有限公司 基于fpga的人脸识别片上系统
CN104104888A (zh) * 2014-07-01 2014-10-15 大连民族学院 一种并行多核fpga数字图像实时缩放处理方法和装置
CN104463125A (zh) * 2014-12-11 2015-03-25 哈尔滨工程大学 基于dsp的人脸自动检测跟踪装置及其方法
CN105046222A (zh) * 2015-07-14 2015-11-11 福州大学 一种基于fpga的人脸检测与跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于Adaboost算法的人脸实时检测及FPGA设计;高金良;《中国优秀硕士学位论文全文数据库信息科技辑》;20111015(第10期);第17-62页 *

Also Published As

Publication number Publication date
CN106934354A (zh) 2017-07-07

Similar Documents

Publication Publication Date Title
CN106934354B (zh) 一种fpga实现人脸检测的方法
US11611715B2 (en) System and method for event camera data processing
US20200005468A1 (en) Method and system of event-driven object segmentation for image processing
US9697443B2 (en) Model compression in binary coded image based object detection
US20110299783A1 (en) Object Detection in an Image
CN106412214A (zh) 一种终端及终端拍摄的方法
CN104598897A (zh) 视觉传感器、图像处理方法和装置、视觉交互设备
CN104349080A (zh) 一种图像处理方法及电子设备
WO2012051747A1 (en) Method and apparatus for providing hand detection
CN104125419A (zh) 一种基于cmos图像传感器的自适应分辨率实现方法
CN111178495B (zh) 用于检测图像中极小物体的轻量卷积神经网络
CN106201712B (zh) 增强现实中目标识别频率的调整方法、装置及移动终端
CN117274107B (zh) 低照度场景下端到端色彩及细节增强方法、装置及设备
CN104992155A (zh) 一种获取人脸位置的方法及装置
CN110135224B (zh) 一种监控视频的前景目标提取方法及系统、存储介质及终端
Dong et al. An improved SSD algorithm and its mobile terminal implementation
CN115082758A (zh) 目标检测模型的训练方法、目标检测方法、装置和介质
CN1436426A (zh) 用于图像相关性最小失真计算的自适应尽快退出技术
CN112487911A (zh) 智能监控环境下基于改进yolov3的实时行人检测方法及装置
CN116052233A (zh) 一种神经网络优化方法、装置、计算设备及存储介质
US10878592B2 (en) Video data processing
CN210781070U (zh) 结合图像传感器的智能辨识单芯片
Cho et al. Real-time object detection system on PAC Duo platform
Shin et al. Optimizing Ultra High-resolution Video Processing on Mobile Architecture with Massively Parallel Processing
Hsin et al. Adaptive Pooling for Convolutional Neural Networks with Arbitrary Input Sizes

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant