CN107977922B

CN107977922B - 一种图像分析方法、装置及系统

Info

Publication number: CN107977922B
Application number: CN201610938151.0A
Authority: CN
Inventors: 李鹏飞; 叶挺群; 王鹏
Original assignee: Hangzhou Hikvision Digital Technology Co Ltd
Current assignee: Hangzhou Hikvision Digital Technology Co Ltd
Priority date: 2016-10-25
Filing date: 2016-10-25
Publication date: 2020-12-25
Anticipated expiration: 2036-10-25
Also published as: CN107977922A

Abstract

本发明实施例提供了一种图像分析方法、装置及系统，方法包括：获取目标图像；将目标图像分割为预设数量的子图像；根据预设数量，生成至少一个针子图像分析指令，子图像分析指令携带有待分析的子图像的标识信息、特征分析方式信息，以及分析待分析的子图像的异构处理器组的处理器组标识信息；将预设数量的子图像以及所生成的子图像分析指令发送给处理器组标识信息所对应的异构处理器组，以供异构处理器组根据所接收的子图像分析指令中的特征分析方式信息，对预设数量的子图像中的目标子图像进行特征分析，得到分析结果。应用本发明实施例，能够对图像进行快速分析。

Description

一种图像分析方法、装置及系统

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像分析方法、装置及系统。

背景技术

目前，在监控领域，需要对监控采集到的图像进行分析，并根据分析结果执行某些特定的操作，例如：报警操作。举例而言：在家庭监控系统中，需要对摄像头所采集到的图像进行分析，以分析所采集到的图像是否出现陌生面孔，如果是，则向用户发送警示信息，提示用户在监控范围内出现陌生人。当然，除了监控领域外，越来越多的领域也需要对图像进行分析。

现有技术中，通常采用单组中央处理器(Central Processing Unit，CPU)+(图形处理器，Graphics Processing Unit)GPU异构处理器模式对图像进行处理。而随着网络和摄像技术等的快速发展，图像数据变得越来越丰富，无疑导致如下问题：单组中央处理器CPU+图形处理器GPU异构处理器模式的处理性能无法满足人们对大量图像进行快速分析的需求。

因此，如何对图像进行快速分析，成为亟待解决的技术问题。

发明内容

本发明实施例的目的在于提供一种图像分析方法、装置及系统，以实现对图像进行快速分析。具体技术方案如下：

第一方面，本发明实施例提供了一种图像分析方法，所述方法包括：

获取目标图像；

将所述目标图像分割为预设数量的子图像；

根据所述预设数量，生成至少一个子图像分析指令，其中，所述子图像分析指令携带有待分析的子图像的标识信息、特征分析方式信息，以及分析所述待分析的子图像的异构处理器组的处理器组标识信息；其中，所述异构处理器组的组数至少为两组；

将所述预设数量的子图像以及所生成的子图像分析指令发送给所述处理器组标识信息所对应的异构处理器组，以供所述异构处理器组根据所接收的子图像分析指令中的特征分析方式信息，对所述预设数量的子图像中的目标子图像进行特征分析，得到分析结果，其中，所述目标子图像的标识信息为所述所接收到的子图像分析指令中待分析的子图像的标识信息。

可选地，每个异构处理器组至少包括中央处理器CPU；

将所述预设数量的子图像以及所生成的子图像分析指令发送给所述处理器组标识信息所对应的异构处理器组的步骤，可以包括：

分别向每个处理器组标识信息所对应的异构处理器组中的CPU，发送所述预设数量的子图像以及所对应的子图像分析指令。

可选地，每个处理器组标识信息所对应的异构处理器组还包括数据处理器；

每个处理器组标识信息所对应的异构处理器组中的CPU，将所接收到的子图像分析指令和所述预设数量的子图像发送给本组内的数据处理器。

所述分别向每个处理器组标识信息所对应的异构处理器组中的CPU，发送所述预设数量的子图像以及所对应的子图像分析指令的步骤，可以包括：

分别向每个处理器组标识信息所对应的异构处理器组中的CPU和数据处理器，发送所述预设数量的子图像以及所对应的子图像分析指令。

可选地，所述将所述目标图像分割为预设数量的子图像，可以包括：

对所述目标图像进行边缘检测，以得到边缘检测结果；

按照所述边缘检测结果所对应的各个分隔区域的轮廓，将所述目标图像分割为预设数量的子图像。

可选地，本发明实施例提供的图像分析方法，还可以包括：

接收每个异构处理器组反馈的分析结果；

对所述分析结果进行融合处理。

第二方面，本发明实施例提供了一种图像分析装置，所述装置包括：

获得单元，用于获取目标图像；

分割单元，用于将所述目标图像分割为预设数量的子图像；

生成单元，用于根据所述预设数量，生成至少一个子图像分析指令，其中，所述子图像分析指令携带有待分析的子图像的标识信息、特征分析方式信息，以及分析所述待分析的子图像的异构处理器组的处理器组标识信息；其中，异构处理器组的组数至少为两组；

发送单元，用于将所述预设数量的子图像以及所生成的子图像分析指令发送给所述处理器组标识信息所对应的异构处理器组，，以供所述异构处理器组根据所接收的子图像分析指令中的特征分析方式信息，对所述预设数量的子图像中的目标子图像进行特征分析，得到分析结果，其中，所述目标图片帧的标识信息为所述所接收到的子图像分析指令中的标识信息。

可选地，每个异构处理器组至少包括中央处理器CPU；

所述发送单元具体用于，分别向每个处理器组标识信息所对应的异构处理器组中的CPU，发送所述预设数量的子图像以及所对应的子图像分析指令。

所述发送单元具体用于，分别向每个处理器组标识信息所对应的异构处理器组中的CPU和数据处理器，发送所述预设数量的子图像以及所对应的子图像分析指令。

可选地，所述分割单元，可以包括：

检测子单元，用于对所述目标图像进行边缘检测，以得到边缘检测结果；

分割子单元，用于按照所述边缘检测结果所对应的各个分隔区域的轮廓，将所述目标图像分割为预设数量的子图像。

可选地，本发明实施例提供的图像分析装置，还可以包括：

接收单元，用于接收每个异构处理器组反馈的分析结果；

融合单元，用于对所述分析结果进行融合处理。

第三方面，本发明实施例提供了一种图像分析系统，所述系统包括第一处理器和至少两组异构处理器组；

所述第一处理器，用于获取目标图像；将所述目标图像分割为预设数量的子图像；根据所述预设数量，生成至少一个子图像分析指令；将所述预设数量的子图像以及所生成的子图像分析指令发送给所述处理器组标识信息所对应的异构处理器组；其中，所述子图像分析指令携带有待分析的子图像的标识信息、特征分析方式信息，以及分析所述待分析的子图像的异构处理器组的处理器组标识信息；其中，所述异构处理器组的组数至少为两组；

每组异构处理器，用于根据所接收的子图像分析指令中的特征分析方式信息，对所述预设数量的子图像中的目标子图像进行特征分析，得到分析结果；其中，所述目标子图像的标识信息为所述所接收到的子图像分析指令中待分析的子图像的标识信息。

在本发明实施例中，通过获取目标图像，并将目标图像分割为预设份，得到分割后的由预设份(即预设数量)子图像组成的目标图像；将预设份子图像发送到子图像分析指令中的处理器组标识信息对应的异构处理器组，并将所对应的子图像分析指令发送给该异构处理器组，以供该异构处理器根据所接收到的子图像分析指令，对指定的目标子图像进行特征分析，使得各个异构处理器组分工更明确，提高了对目标图像的分析速度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种图像分析方法流程图；

图2为本发明实施例提供的一种图像分析方法示意图；

图3为本发明实施例提供的一种图像分析装置结构框图；

图4为本发明实施例提供的一种图像分析系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了解决现有技术问题，本发明实施例提供了一种图像分析方法、装置及系统。

下面首先对本发明实施例提供的图像分析方法进行介绍。

需要说明的是，该图像分析方法执行主体是可以进行图像分析的第一处理器。该第一处理器可以是智能手机、智能电视、电脑或视频监控设备等智能设备中的处理器，也可以是任一异构处理器组中的处理器，这都是合理的。

如图1所示，本发明实施例提供的图像分析方法，该方法至少可以包括如下步骤：

S101：获取目标图像；

其中，在接收到对目标图像分析指令时，获取目标图像。

可以理解的是，可以从第一处理器所在的设备(例如电脑)本地硬盘中获得该目标图像，也可以通过网络获取该目标图像。

S102：将该目标图像分割为预设数量的子图像；

可以根据目标图像中的目标数量及分布位置对该图像进行分割，也可以按照预设的像素行列分割目标图像，在此不做限定。

在本发明的一个实施例中，在将该目标图像进行分割后，仍然以一副完整的图像保存，只是该目标图像由预设数量的子图像构成，且各个子图像在该目标图像中的位置相对于分割前的目标图像，并未发生改变。

S103：根据所述预设数量，生成至少一个子图像分析指令，其中，所述子图像分析指令携带有待分析的子图像的标识信息、特征分析方式信息，以及分析所述待分析的子图像的异构处理器组的处理器组标识信息；其中，所述异构处理器组的组数至少为两组；

其中，为了对目标图像进行快速分析，可以采用多组预设的异构处理器对该目标图像进行同时处理。第一处理器可根据目标图像的分割份数(即子图像的预设数量)，生成至少一个子图像分析指令，以供子图像分析指令中携带的处理器组标识信息所对应的异构处理器组，可以根据所接收到的子图像分析指令分析相应的子图像，实现多个异构处理器组之间的分工合作，进而加快对目标图像的分析速度。其中，还可以根据各个异构处理器的空闲程度和预设数量，生成子图像分析指令。

可以理解的是，为了实现异构处理器组之间的明确分工，异构处理器组所接收到的子图像分析指令至少携带有分析待分析的子图像的异构处理器组的处理器组标识信息，以及待分析的子图像的标识信息，以供相应的异构处理器根据子图像的标识信息处理该目标图像中对应的子图像。

另外，要实现对目标图像中带有该标识信息的子图像进行分析，子图像分析指令中还应该携带有特征分析方式信息，以供异构处理器组能按照分析需求对带有该标识信息的子图像进行分析。

S104：将该预设数量的子图像以及所生成的子图像分析指令发送给该处理器组标识信息所对应的异构处理器组，以供该异构处理器组根据所接收的子图像分析指令中的特征分析方式信息，对该预设数量的子图像中的目标子图像进行特征分析，得到分析结果，其中，该目标子图像的标识信息为该所接收到的子图像分析指令中待分析的子图像的标识信息。

其中，在生成子图像分析指令后，将该子图像分析指令以及预设数量的子图像，发送给该子图像分析指令中处理器组标识信息所对应的异构处理器组，该异构处理器组在接收到发送给自己的子图像分析指令和预设数量的子图像后，根据子图像分析指令中所指定的目标子图像进行特定的特征分析，得到分析结果。

可以理解的是，该特定的特征分析可以是对目标图像中出现的车牌进行分析，也可以是对目标图像中出现的人物的性别进行分析，当然并不局限于此。

举例而言：假设将目标图像A进行分割，得到子图像1-9；异构处理器组为：异构处理器组A、B和C。此时，可以生成三个子图像分析指令。具体的，生成针对异构处理器组A的子图像分析指令，该子图像分析指令携带有异构处理器组A的处理器组标识信息、待分析的子图像的标识信息为1-3，特征分析方式信息为：分析子图像1-3中的车牌号；生成针对异构处理器组B的子图像分析指令，该子图像分析指令携带有异构处理器组B的处理器组标识信息、待分析的子图像的标识信息为4-6，特征分析方式为：分析子图像4-6中的车牌号；生成针对异构处理器组C的子图像分析指令，该子图像分析指令携带有异构处理器组C的处理器组标识信息、待分析的子图像的标识信息为7-9，特征分析方式信息为：分析子图像7-10中的车的颜色。

将子图像1-9发送给异构处理器组A、B和C，并将所确定的子图像分析指令发送给相应的异构处理器组A、B和C。则异构处理器组A对所接收到的子图像1-9中标识信息为1-3的子图像进行车牌号分析；异构处理器组B对所接收到的子图像1-9中标识信息为4-6的子图像进行车牌号分析；异构处理器组C对所接收到的子图像1-9中标识信息为7-9的子图像进行车颜色分析。

当异构处理器组A和B均分析得到半块车牌号后，异构处理器组C分析得到相应的车颜色后，异构处理器组B和C可将分析结果发送到异构处理器组A。异构处理器组A基于子图像1-6的坐标位置，以及根据异构处理器组A和B分析得到车牌号分析结果，确定完整的车牌号；并根据异构处理器C分析得到的车颜色结果，确定所分析出的车牌号所对应的车的颜色。

可选地，在一种实现方式中，每个异构处理器组可以至少包括中央处理器CPU；

将该预设数量的子图像以及所生成的子图像分析指令发送给该处理器组标识信息所对应的异构处理器组，包括：

分别向每个处理器组标识信息所对应的异构处理器组中的CPU，发送该预设数量的子图像以及所对应的子图像分析指令。

可以理解的是，在该种实现方式中，每个异构处理器中都包括至少一个中央处理器CPU。第一处理器将预设数量的子图像和对应的子图像分析指令发送给每个处理器组标识信息所对应的异构处理器中的CPU。每个CPU在接收到第一处理器发送的预设数量的子图像和子图像分析指令后，可以利用所接收到的子图像分析指令分析所接收到的子图像。

可选地，在每个处理器组标识信息所对应的异构处理器组至少包括CPU的前提下，每个处理器组标识信息所对应的异构处理器组还可以包括数据处理器；此时，在一种实现方式中，每个处理器组标识信息所对应的异构处理器组中的CPU，将所接收到的子图像分析指令和该预设数量的子图像发送给本组内的数据处理器。

可以理解的是，在每个处理器组标识信息所对应的异构处理器组包括CPU和数据处理器的情况下，每个CPU在接收到第一处理器发送的预设数量的子图像和子图像分析指令后，可以将所接收的子图像分配给本组内的数据处理器进行处理。

需要强调的是，该数据处理器包括但并不局限于GPU(Graphics ProcessingUnit，图形处理器)和FPGA(Field－Programmable Gate Array，即现场可编程门阵列)。

可选地，在每个处理器组标识信息所对应的异构处理器组包括CPU和数据处理器时，在另一种实现方式中第一处理器分别向每个处理器组标识信息所对应的异构处理器组中的CPU发送该预设数量的子图像以及所对应的子图像分析指令，包括：

分别向每个处理器组标识信息所对应的异构处理器组中的CPU和数据处理器发送该预设数量的子图像，以及所对应的子图像分析指令。

可以理解的是，在该种实现方式中，每个处理器组标识信息所对应的异构处理器组中还包括数据处理器。其中，第一处理器在向处理器组标识信息所对应的异构处理器组发送预设数量的子图像以及对应的子图像分析指令时，可以直接将该预设数量的子图像以及对应的子图像分析指令发送给处理器组标识信息所对应的异构处理器组中的数据处理器。CPU和数据处理器在接收到分割后的目标图像，以及对应的子图像分析指令后，CPU和数据处理器进行分工合作，即CPU和数据处理器根据所接收的子图像分析指令处理不同的子图像，提高了分析图像的效率。

可选地，该第一处理器可以属于该预设的异构处理器组中的一个处理器，或者，该第一处理器不属于该预设的异构处理器组中的处理器。

可以理解的是，为了实现对处理器的充分利用，该第一处理器可以是预设的异构处理器组中一个处理器，即该预设的异构处理器组用于分析图像的子图像分析指令是自身所生成的；为了实现处理器的明确分工，该第一处理器也可以是不属于该异构处理器组中的一个独立的处理器，即各个异构处理器组用于分析图像的子图像分析指令是所接收到的，这都是合理的。

可选地，该将该目标图像分割为预设数量的子图像，可以包括：

对该目标图像进行边缘检测，以得到边缘检测结果；

按照该边缘检测结果所对应的各个分隔区域的轮廓，将该目标图像分割为预设数量的子图像。

可以理解的是，在该种实现方式中，由于边缘检测可以突出显示目标图像中亮度变化明显的点，因此可以通过边缘检测技术对目标图像进行边缘检测，获得边缘检测结果后，根据该边缘检测结果所对应的各个分隔区域的轮廓，将该目标图像分割为预设数量的子图像。

例如，可以采用现有技术中的索贝尔算子Sobel边缘检测和拉普拉斯Laplace边缘检测等技术进行边缘检测，获得边缘检测结果。并可以根据边缘检测结果中的轮廓作为分割线，将轮廓围成的封闭区间进行分割，当然并不局限于该种分割方式。

可选地，本发明实施例提供的图像分析方法，还可以包括：

接收每个异构处理器组反馈的分析结果；

对该分析结果进行融合处理。

可以理解的是，在该种实现方式中，为了能够得到更好的特征分析结果，第一处理器还可以接收各个异构处理器组所反馈的分析结果，进而对这些分析结果进行融合，得到最后的特征分析结构。

作为一种示例，对分析结果进行融合处理可以采用以下方式：根据各个子图像所占的比例，确定各个子图像的特征分析结果所占的权重，并基于权重对各个分析结果进行融合，获得目标图像的分析结果。

需要说明的是，当第一处理器为预设的异构处理器组中的一个处理器时，为了能够对分析结果进行融合处理，可以使用高性能消息传递库OpenMPI等技术使得各个异构处理器组可以进行数据交互。其中，所述OpenMPI技术为现有技术，在此不做详述。

下面结合图2对本发明实施提供的图像分析方法做进一步说明。

如图2所示，第一处理器可以通过网络从图像数据源获取目标图像，并利用该第一处理器将该目标图像分割为M份子图像。另外，从图2还可以看出，异构系统中包括多个异构处理器组(例如N个，N≥2)，每个异构处理器组中至少包括CPU、GPU和FPGA等处理器，各个异构处理器组之间建立有通信。

第一处理器将包含M份子图像的目标图像发送给各个异构处理器组，并根据子图像分析指令中携带的处理器组标识信息，将子图像分析指令发送给对应的异构处理器组。异构处理器组接收M份子图像并接收所对应的子图像分析指令，并利用该所对应的子图像分析指令对所接收到的子图像进行特征分析，得到分析结果，并将分析结果输出。其中，可以将各个分析结果输出至第一处理器。其中，第一处理器还可以接收该各个异构处理器组所输出的分析结果，并对该分析结果进行合并。

如图3所示，本发明实施例提供的图像分析装置，该装置可以包括：

获得单元301，用于获取目标图像；

分割单元302，用于将该目标图像分割为预设数量的子图像；

生成单元303，用于用于根据所述预设数量，生成至少一个子图像分析指令，其中，所述子图像分析指令携带有待分析的子图像的标识信息、特征分析方式信息，以及分析所述待分析的子图像的异构处理器组的处理器组标识信息；其中，异构处理器组的组数至少为两组；

发送单元304，用于将所述预设数量的子图像以及所生成的子图像分析指令发送给所述处理器组标识信息所对应的异构处理器组，以供所述异构处理器组根据所接收的子图像分析指令中的特征分析方式信息，对所述预设数量的子图像中的目标子图像进行特征分析，得到分析结果，其中，所述目标子图像的标识信息为所述所接收到的子图像分析指令中待分析的子图像的标识信息。

可选地，每个异构处理器组至少包括中央处理器CPU；

该发送单元具体用于，分别向每个处理器组标识信息所对应的异构处理器组中的CPU，发送该预设数量的子图像以及所对应的子图像分析指令。

每个处理器组标识信息所对应的异构处理器组中的CPU，将所接收到的子图像分析指令和该预设数量的子图像发送给本组内的数据处理器。

该发送单元304具体用于，分别向每个处理器组标识信息所对应的异构处理器组中的CPU和数据处理器，发送该预设数量的子图像以及所对应的子图像分析指令。

可选地，该第一处理器属于该预设的异构处理器组中的一个处理器，或者，该第一处理器不属于该预设的异构处理器组中的处理器。

可选地，该分割单元302，包括：

检测子单元，用于对该目标图像进行边缘检测，以得到边缘检测结果；

分割子单元，用于按照该边缘检测结果所对应的各个分隔区域的轮廓，将该目标图像分割为预设数量的子图像。

可选地，本发明实施例提供的图像分析装置，还可以包括：

接收单元，用于接收每个异构处理器组反馈的分析结果；

融合单元，用于对该分析结果进行融合处理。

相应于上述方法和装置实施例，本发明还提供了一种图像分析系统，如图4所示，该系统包括第一处理器和至少两组异构处理器组；例如，可以包括异构处理器组1至异构处理器组N，N≥2；

该第一处理器，用于用于获取目标图像；将所述目标图像分割为预设数量的子图像；根据所述预设数量，生成至少一个子图像分析指令；将所述预设数量的子图像以及所生成的子图像分析指令发送给所述处理器组标识信息所对应的异构处理器组；其中，所述子图像分析指令携带有待分析的子图像的标识信息、特征分析方式信息，以及分析所述待分析的子图像的异构处理器组的处理器组标识信息；其中，所述异构处理器组的组数至少为两组；

每组异构处理器，用于根据所接收的子图像分析指令中的特征分析方式信息，对该预设数量的子图像中的目标子图像进行特征分析，得到分析结果；其中，该目标子图像的标识信息为该所接收到的子图像分析指令中待分析的子图像的标识信息。

可选地，在一种实现方式中，每个异构处理器组至少包括中央处理器CPU；

相应地，第一处理器将所述预设数量的子图像以及所生成的子图像分析指令发送给所述处理器组标识信息所对应的异构处理器组的具体操作为：

可选地，在每个处理器组标识信息所对应的异构处理器组至少包括CPU的前提下，每个处理器组标识信息所对应的异构处理器组还包括数据处理器；此时，在一种实现方式中，每个处理器组标识信息所对应的异构处理器组中的CPU，将所接收到的子图像分析指令和该预设数量的子图像发送给本组内的数据处理器。

可选地，在每个处理器组标识信息所对应的异构处理器组包括CPU和数据处理器时，在另一种实现方式中，第一处理器分别向每个处理器组标识信息所对应的异构处理器组中的CPU，发送该预设数量的子图像以及所对应的子图像分析指令的具体操作可以为：

分别向每个处理器组标识信息所对应的异构处理器组中的CPU和数据处理器，发送该预设数量的子图像，以及所对应的子图像分析指令。

可选地，第一处理器属于预设的异构处理器组中的一个处理器，或者，该第一处理器不属于预设的异构处理器组中的处理器。

可选地，第一处理器将目标图像分割为预设数量的子图像，包括：

对该目标图像进行边缘检测，以得到边缘检测结果；

按照该边缘检测结果所对应的各个分隔区域的轮廓，将目标图像分割为预设数量的子图像。

可选地，本发明实施例提供的图像分析系统，第一处理器还可以用于：

接收每个异构处理器组反馈的分析结果；

对该分析结果进行融合处理。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims

1.一种图像分析方法，其特征在于，所述方法包括：

获取目标图像；

将所述目标图像分割为预设数量的子图像；

将所述预设数量的子图像以及所生成的子图像分析指令发送给所述处理器组标识信息所对应的异构处理器组，以供所述异构处理器组根据所接收的子图像分析指令中的特征分析方式信息，对所述预设数量的子图像中的目标子图像进行特征分析，得到分析结果，其中，所述目标子图像的标识信息为所述所接收到的子图像分析指令中待分析的子图像的标识信息；

所述将所述目标图像分割为预设数量的子图像，包括：

对所述目标图像进行边缘检测，以得到边缘检测结果；

2.根据权利要求1所述的方法，其特征在于，每个异构处理器组至少包括中央处理器CPU；将所述预设数量的子图像以及所生成的子图像分析指令发送给所述处理器组标识信息所对应的异构处理器组，包括：

3.根据权利要求2所述的方法，其特征在于，每个处理器组标识信息所对应的异构处理器组还包括数据处理器；每个处理器组标识信息所对应的异构处理器组中的CPU，将所接收到的子图像分析指令和所述预设数量的子图像发送给本组内的数据处理器。

4.根据权利要求2所述的方法，其特征在于，每个处理器组标识信息所对应的异构处理器组还包括数据处理器；

所述分别向每个处理器组标识信息所对应的异构处理器组中的CPU，发送所述预设数量的子图像以及所对应的子图像分析指令，包括：

5.根据权利要求1所述的方法，其特征在于，还包括：

接收每个异构处理器组反馈的分析结果；

对所述分析结果进行融合处理。

6.一种图像分析装置，其特征在于，所述装置包括：

获得单元，用于获取目标图像；

分割单元，用于将所述目标图像分割为预设数量的子图像；

发送单元，用于将所述预设数量的子图像以及所生成的子图像分析指令发送给所述处理器组标识信息所对应的异构处理器组发，以供所述异构处理器组根据所接收的子图像分析指令中的特征分析方式信息，对所述预设数量的子图像中的目标子图像进行特征分析，得到分析结果，其中，所述目标图片帧的标识信息为所述所接收到的子图像分析指令中待分析的子图像的标识信息；

所述分割单元，包括：

7.根据权利要求6所述的装置，其特征在于，每个异构处理器组至少包括中央处理器CPU；

8.根据权利要求7所述的装置，其特征在于，每个处理器组标识信息所对应的异构处理器组还包括数据处理器；每个处理器组标识信息所对应的异构处理器组中的CPU，将所接收到的子图像分析指令和所述预设数量的子图像发送给本组内的数据处理器。

9.根据权利要求7所述的装置，其特征在于，每个处理器组标识信息所对应的异构处理器组还包括数据处理器；

10.根据权利要求6所述的装置，其特征在于，还包括：

接收单元，用于接收每个异构处理器组反馈的分析结果；

融合单元，用于对所述分析结果进行融合处理。

11.一种图像分析系统，其特征在于，所述系统包括第一处理器和至少两组异构处理器组；

每组异构处理器，用于根据所接收的子图像分析指令中的特征分析方式信息，对所述预设数量的子图像中的目标子图像进行特征分析，得到分析结果；其中，所述目标子图像的标识信息为所述所接收到的子图像分析指令中待分析的子图像的标识信息；

所述第一处理器具体用于：对所述目标图像进行边缘检测，以得到边缘检测结果；按照所述边缘检测结果所对应的各个分隔区域的轮廓，将所述目标图像分割为预设数量的子图像。