CN108509262B - 面向车载行人检测系统的dm6437软件结构设计方法 - Google Patents

面向车载行人检测系统的dm6437软件结构设计方法 Download PDF

Info

Publication number
CN108509262B
CN108509262B CN201810225191.XA CN201810225191A CN108509262B CN 108509262 B CN108509262 B CN 108509262B CN 201810225191 A CN201810225191 A CN 201810225191A CN 108509262 B CN108509262 B CN 108509262B
Authority
CN
China
Prior art keywords
detection
rois
video frame
frame
flow
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.)
Expired - Fee Related
Application number
CN201810225191.XA
Other languages
English (en)
Other versions
CN108509262A (zh
Inventor
刘琼
章凯
许瑞霖
徐云朋
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201810225191.XA priority Critical patent/CN108509262B/zh
Publication of CN108509262A publication Critical patent/CN108509262A/zh
Application granted granted Critical
Publication of CN108509262B publication Critical patent/CN108509262B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4812—Task transfer initiation or dispatching by interrupt, e.g. masked
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4812—Task transfer initiation or dispatching by interrupt, e.g. masked
    • G06F9/4818—Priority circuits therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/52—Program synchronisation; Mutual exclusion, e.g. by means of semaphores
    • G06F9/526—Mutual exclusion algorithms
    • 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
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明提出面向车载行人检测系统的DM6437软件结构设计方法。该方法包括对车载行人检测系统的视频帧处理流程和视频帧检测流程进行设计，并由DSP/BIOS的两个线程分别执行这两个流程，以低优先级任务循环执行视频帧检测流程，以BIOS时钟函数触发高优先级软中断启动视频帧处理流程，以乒乓方式同步视频帧处理流程与视频帧检测流程。视频帧检测流程包括跟踪环节和检测环节。视频处理流程以稳定帧率输出经同步标记检测结果的视频帧。本发明提供的方法通过解耦行人检测系统的视频帧处理流程和视频帧检测流程，保证输出帧率和检测帧率，并将计算资源优先用于近距离行人检测。

Description

面向车载行人检测系统的DM6437软件结构设计方法
技术领域
本发明涉及车载行人检测、DSP软件设计领域，具体为面向车载行人检测系统的DM6437软件结构设计方法。
背景技术
就目前的车载行人检测系统的发展情况来看，适用于车载环境下硬件平台的性能还比较落后，这是很多研究成果在移植后效果不够理想的主要原因之一。具体来说，大部分行人检测的工作都集中在算法的研究上，在车载平台的实现过程中往往按照PC平台的设计思路直接拼接各个算法，并没有针对运行平台的性能和特点定制优化检测流程。受限于车载环境下计算性能与功耗的限制，检测算法的性能难以得到充分发挥。因此，针对运行平台的检测流程的优化成为该系统设计的关键要点。
目前大多数行人检测算法的检测流程为线性结构，具体流程为：输入视频帧，在视频帧中提取可能包含新人的区域，再将这些区域送入分类器判别，最后输出可能包含行人的区域。这种处理流程结构简单易于实现和调试，但是检测效率较低，无法提供流畅的输出帧率和检测时延。为解决检测效率问题，研究人员主要通过对程序运行优化的方式降低检测算法的执行时间。例如：廖永贵(基于DM6437的车载红外行人检测系统的设计与实现，2014)基于编译优化、库优化、软件流水线优化、循环展开和EDMA数据搬移优化这几种方式将视频帧处理开销降低约23倍左右。在此基础上李鹏(基于DAVINIC技术的车载红外行人检测系统的研究和实现)分析了基于数值操作、数据类型优化、函数调用和跳转优化等更进一步的优化操作，将视频帧处理开销降低约30倍左右，平均每帧检测时间降到了0.05秒，基本能够满足实时性需求。
然而对程序运行优化需要对代码进行深度修改，不利于算法的迭代开发。并且受限于检测流程的线性结构，必须等到检测算法执行完成才能输出检测结果，复杂场景与简单场景下的检测时间有较大差异，无法保证稳定的检测帧率与检测时延。需要针对DSP平台上的如何提供低响应延迟与稳定检测帧率的流程优化进行更深入的研究。
发明内容
本发明的目的在于提供一种针对DM6437平台设计的远红外行人检测算法框架，旨在改善传统检测算法在DM6437平台上因计算资源不足导致的系统性能低下，帧率不稳定等问题。本发明通过以下DSP软件结构设计改进系统性能，提供稳定帧率。
本发明的目的至少通过如下技术方式之一实现。
面向车载行人检测系统的DM6437软件结构设计方法，将所述车载行人检测系统的流程分为视频帧处理流程和视频帧检测流程，并由DSP的BIOS建立两个线程分别执行这两个流程，以低优先级任务循环执行视频帧检测流程，以BIOS时钟函数触发高优先级软中断启动视频帧处理流程，以乒乓方式同步视频帧处理流程与视频帧检测流程。
进一步的，所述以乒乓方式同步视频帧处理流程与视频帧检测流程中，同步视频帧和同步检测结果，所述乒乓方式包括建立缓存读写锁、视频帧处理流程和视频帧检测流程同步执行读写、视频帧检测流程切换缓存读写锁；进一步的，同步视频帧指视频帧从处理流程同步到检测流程，同步检测结果指输出RoIs(RoIs,Region of Interests,中文含义为“感兴趣区域”)从检测流程同步到处理流程。
进一步的，所述视频帧处理流程包括输入视频帧、同步视频帧和同步检测结果、输出同步标记检测结果的视频帧；进一步的，所述以BIOS时钟函数触发高优先级软中断启动视频帧处理流程，其特征在于由输出帧率要求确定BIOS时钟函数的周期。
进一步的，所述视频帧检测流程包括循环执行跟踪环节和检测环节，每次循环先执行跟踪环节，建立和维护连续帧的RoIs关联链表；再执行检测环节，针对RoIs关联链表进行RoIs隔帧检测和当前帧超时控制，进一步的，RoIs隔帧检测包括检测结果一致性计算和隔帧检测判断。
进一步的，所述RoIs关联链表包括连续帧RoIs的记录，每个RoIs作为一个节点建立一条记录；进一步的，每条记录包括RoIs的位置、宽、高、丢失次数、置信度和检测结果一致性；进一步的，置信度指当前RoIs历史检测结果的累计得分，当超过设定阈值时认为该RoIs是行人，检测结果的一致性指当前检测结果与置信度阈值的判定结论一致。
进一步的，所述跟踪环节包括：建立和维护连续帧RoIs关联链表，包括关联节点的匹配、新目标节点的建立和历史节点的更新；进一步的，根据位置和宽高比对当前RoIs与上一帧RoIs进行配对，产生两类配对结果：1)RoIs配对成功，更新上一帧的RoIs记录；2)RoIs配对不成功，对于当前帧RoIs，作为新节点加入关联链表，对于上一帧RoIs，丢失次数加1；进一步的，删除连续丢失次数超过预设阈值的RoIs；进一步的，按照RoIs与摄像头的距离由近至远对关联链表中的RoIs排序。
进一步的，所述RoIs隔帧检测包括：检测结果一致性计算是对每个RoIs连续检测结果进行度量，进一步的，当RoIs的检测结果与置信度阈值结论一致时，该RoIs的一致性加1；当RoIs的检测结果与置信度阈值结论不一致时，该RoIs的一致性置0；新RoIs的一致性置0。
进一步的，所述RoIs隔帧检测包括：隔帧检测判断指通过非线性计算确定一致性不为0的RoIs在后续检测中允许跳过的帧数。所述非线性计算公式为y＝(x/4)^2，x代表一致性，y代表允许该RoIs检测跳过的帧数。
进一步的，所述当前帧超时控制，其特征在于预设当前帧的检测时间，进一步的，对关联链表中排序后的RoIs依次执行检测，当检测时间超过预设值，则停止当前帧的RoIs检测，输出检测结果并重新开始频帧检测流程。
与已有技术相比，本发明具有以下优点和技术效果：1)本发明设计的软件结构逻辑清晰，可维护性优良，可移植性强。2)通过解耦行人检测系统的视频帧处理流程和视频帧检测流程，充分发挥有限硬件资源的计算效率，在保证检测帧率的前提下提供稳定的输出帧率。3)RoIs隔帧检测与每帧RoIs检测超时控制策略，凸显行人检测过程中的优先级别更高的RoIs，保证检测结果的实时性和有效性。以上技术效果明显改善行人检测系统的开发效率和用户体验。
附图说明
图1是面向车载行人检测系统的DM6437软件结构的总体流程示意图。
图2是实例中行人检测系统数据流程图。
图3.是行人检测系统算法流程图。
图4是视频帧处理流程与检测流程之间乒乓缓存原理图。
图5是视频帧检测流程。
具体实施方式
以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
(一)面向行人检测系统的DM6437软件结构设计方法
面向行人检测系统的DM6437软件结构设计方法包括视频帧处理流程和视频帧检测流程，由DSP/BIOS建立两个线程分别执行这两个流程，以低优先级任务循环执行视频帧检测流程，以BIOS时钟函数触发高优先级软中断启动视频帧处理流程，以乒乓方式同步视频帧处理流程与视频帧检测流程。如图2所示，具体分为：
步骤S1：通过DSP/BIOS配置时钟函数触发高优先级软终端启动频帧处理流程，时钟函数的周期由输出视频帧率要求确定，每次执行从外设读取当前视频帧并缓存，标记检测结果并输出。
步骤S2：通过DSP/BIOS配置低优先级TSK循环执行视频帧检测流程，视频帧检测流程启动后初始化视频帧乒乓缓存和检测结果乒乓缓存，以原子粒度切换缓存读写锁。
具体地说，由于道路环境的复杂与多变，检测算法运行耗时的不确定性导致单线程模式下难以在输出帧率与检测帧率之间取得较好的平衡。本系统解耦并分离视频处理流程与检测流程，允许其运行在两个异步的线程中并通过乒乓缓存同步数据，同时保证视频处理流程稳定的运行周期和视频检测流程对计算资源的充分利用。
在本实施例中，步骤S1将视频帧处理流程设置为由PRD函数触发的软中断任务，步骤S2将视频检测流程设置为一个循环执行的低优先级任务(TSK)并随系统启动。检测过程中，按预设帧率中断视频检测流程，启动视频处理流程，优先完成视频帧的读取与输出，如图3所示。
视频帧处理流程与视频帧检测流程之间通过乒乓缓存同步视频帧和检测结果，包括建立缓存读写锁、视频帧处理流程和视频帧检测流程同步执行读写、视频帧检测流程切换缓存读写锁。针对视频帧同步过程，检测流程标记工作缓冲和输出缓冲的读写锁，处理流程在读取视频帧后会写入工作缓冲并标记更新状态，检测流程在处理完输出缓冲的图像后检查工作缓冲是否更新，若已更新则切换乒乓缓存的读写锁，否则一直等待图像缓冲完成。针对检测结果同步过程，检测流程标记工作缓冲和输出缓冲的读写锁，处理流程从输出缓冲中读取检测结果并标记在待输出视频帧上，检测流程在每个检测周期将检测结果存入工作缓冲，并在检测周期结束时切换乒乓缓存的读写锁，如图4所示。
(二)视频帧检测流程的设计
步骤S2所述的视频帧检测流程包括循环执行跟踪环节和检测环节，每次循环先执行跟踪环节，建立和维护连续帧的RoIs关联链表；再执行检测环节，针对RoIs关联链表进行RoIs隔帧检测和当前帧超时控制，如图5所示，具体步骤包括：
步骤S21：配对相同目标的RoIs；
步骤S22：根据配对结果更新RoIs关联链表节点信息或创建新的节点；
步骤S23：删除连续丢失次数超过预设阈值的RoIs，并对关联链表中剩余RoIs排序；
步骤S24：依次对关联链表中的RoIs进行隔帧检测判断；
步骤S25：针对需要检测的RoIs执行检测步骤并更新其一致性参数；
步骤S26：监控检测流程所消耗的时间并进行超时控制；
具体地，设计跟踪环节建立和维护RoIs关联链表，设计检测环节实现针对RoIs的隔帧检测和逐帧检测超时控制，在循环执行的检测流程中基于RoIs关联链表实现更加精细的检测算法调度策略。所述RoIs关联链表将每个RoIs作为一个节点建立一条记录，包括RoIs的位置、宽、高、丢失次数、置信度和检测结果一致性；其中，置信度指当前RoIs历史检测结果的累计得分，检测结果的一致性指当前检测结果与置信度阈值的判定结论一致。
步骤S21实现相同目标的RoIs配对，在配对过程中依次遍历RoIs关联链表，针对链表中的每个节点基于位置和宽高比与新输入的RoIs进行比较。为提高匹配效率，匹配算法搜索目标时限定搜索区域以待匹配RoIs的x轴坐标为中心，左右各搜索待匹配RoIs宽度加宽高匹配阈值的偏移范围。具体流程如下：
Figure BDA0001601138310000041
步骤S22和S23处理配对结果，对配对结果分两种情况：RoIs配对成功，更新上一帧的RoIs的记录；RoIs配对不成功，对于当前帧RoIs，作为新节点加入关联链表，对于上一帧RoIs，丢失次数加1，若丢失次数超过预设阈值则删除该RoIs节点。最后按照RoIs与摄像头的距离由近至远对关联链表中的RoIs排序。
步骤S24依次对关联链表中的RoIs进行隔帧检测判断，隔帧检测参数计算方式为：通过非线性算法逐个判断RoIs在当前帧是否检测，非线性计算公式为y＝(x/4)^2，x代表一致性，y代表允许该RoIs检测跳过的帧数。具体流程如下：
Figure BDA0001601138310000042
Figure BDA0001601138310000051
步骤S25针对需要检测的RoIs执行检测步骤并更新其一致性参数，在检测步骤启动后按预设顺序依次执行检测分类器，若有某个分类器认为该RoIs非行人目标，则降低该RoIs节点的置信度并停止之后分类器的执行；若所有分类器都执行通过，则增加该RoIs节点的置信度。
步骤S25在分类器执行完成后根据分类器检测结果和当前RoIs的历史置信度更新一致性参数，当RoIs的检测结果与置信度阈值结论一致时，该RoIs的一致性加1；当RoIs的检测结果与置信度阈值结论不一致时，该RoIs的一致性置0；新RoIs的一致性置0。
步骤S26在检测过程中监控本次检测循环已消耗的时间，若该时间超过设定阈值则放弃剩余RoIs的检测。该策略可以保证近处目标优先检测，并且在复杂环境下提供较低的检测时延。
上述内容是结合具体的实施方式对本发明进行的详细说明，但并不能认定本发明的具体实施只限于这些内容。对于本发明所属技术领域的普通技术人员而言，在不脱离本发明的原理和精神的前提下，还可以对这些实施进行若干调整、修改、替换和/或变型。本发明的保护范围由所附权利要求及其等同内容限定。

Claims (8)

1.面向车载行人检测系统的DM6437软件结构设计方法，其特征在于将车载行人检测系统的运行流程分为视频帧处理流程和视频帧检测流程，并由DSP的BIOS建立两个线程分别执行这两个流程，以低优先级任务循环执行视频帧检测流程，以BIOS时钟函数触发高优先级软中断启动视频帧处理流程，以乒乓方式同步视频帧处理流程与视频帧检测流程；所述以乒乓方式同步视频帧处理流程与视频帧检测流程，以同步视频帧和同步检测结果，所述乒乓方式包括建立缓存读写锁、视频帧处理流程和视频帧检测流程同步执行读写、视频帧检测流程切换缓存读写锁；同步视频帧指将输入视频帧从处理流程同步到检测流程，同步检测结果指将感兴趣区域即RoIs检测结果从检测流程同步到处理流程。
2.根据权利要求1所述的面向车载行人检测系统的DM6437软件结构设计方法，其特征在于，所述视频帧处理流程包括输入视频帧、同步视频帧和同步检测结果、输出同步标记检测结果的视频帧；所述以BIOS时钟函数触发高优先级软中断启动视频帧处理流程中，由输出帧率要求确定BIOS时钟函数的周期。
3.根据权利要求1所述的面向车载行人检测系统的DM6437软件结构设计方法，其特征在于所述视频帧检测流程包括循环执行跟踪环节和检测环节，每次循环先执行跟踪环节，建立和维护连续帧的RoIs关联链表，再执行检测环节，针对RoIs关联链表进行RoIs隔帧检测和当前帧超时控制，所述隔帧检测包括检测结果一致性计算和隔帧检测判断。
4.根据权利要求3所述的面向车载行人检测系统的DM6437软件结构设计方法，其特征在于所述RoIs关联链表包括连续帧RoIs的记录，每个RoIs作为一个节点建立一条记录；每条记录包括RoIs的位置、宽、高、丢失次数、置信度和检测结果一致性；置信度指当前RoIs历史检测结果的累计得分，当超过设定阈值时认为该RoIs是行人，检测结果的一致性指当前检测结果与置信度阈值的判定结论一致。
5.根据权利要求3所述的面向车载行人检测系统的DM6437软件结构设计方法，其特征在于所述跟踪环节建立和维护连续帧的RoIs关联链表包括关联节点的配对、新目标节点的建立和历史节点的更新；
首先根据位置和宽高比对当前RoIs与上一帧RoIs进行配对，产生两类配对结果：1)RoIs配对成功，更新上一帧的RoIs记录；2)RoIs配对不成功，对于当前帧RoIs，作为新节点加入关联链表，对于上一帧RoIs，丢失次数加1；进一步的，删除连续丢失次数超过预设阈值的RoIs；按照RoIs与摄像头的距离由近至远对关联链表中的RoIs排序。
6.根据权利要求3所述的面向车载行人检测系统的DM6437软件结构设计方法，其特征在于所述RoIs隔帧检测中，检测结果一致性计算是对每个RoIs连续检测结果进行度量，当RoIs的检测结果与置信度阈值结论一致时，该RoIs的一致性加1；当RoIs的检测结果与置信度阈值结论不一致时，该RoIs的一致性置0；新RoIs的一致性置0。
7.根据权利要求3所述的面向车载行人检测系统的DM6437软件结构设计方法，其特征在于所述隔帧检测判断指通过非线性计算确定一致性不为0的RoIs在后续检测中允许跳过的帧数y；所述非线性计算公式为y＝(x/4)^2，x代表一致性。
8.根据权利要求3所述的面向车载行人检测系统的DM6437软件结构设计方法，其特征在于所述当前帧超时控制包括：预设当前帧的检测时间，对关联链表中排序后的RoIs依次执行检测，当检测时间超过预设值，则停止当前帧的RoIs检测，输出检测结果并重新开始视频帧检测流程。
CN201810225191.XA 2018-03-19 2018-03-19 面向车载行人检测系统的dm6437软件结构设计方法 Expired - Fee Related CN108509262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810225191.XA CN108509262B (zh) 2018-03-19 2018-03-19 面向车载行人检测系统的dm6437软件结构设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810225191.XA CN108509262B (zh) 2018-03-19 2018-03-19 面向车载行人检测系统的dm6437软件结构设计方法

Publications (2)

Publication Number Publication Date
CN108509262A CN108509262A (zh) 2018-09-07
CN108509262B true CN108509262B (zh) 2022-03-29

Family

ID=63376791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810225191.XA Expired - Fee Related CN108509262B (zh) 2018-03-19 2018-03-19 面向车载行人检测系统的dm6437软件结构设计方法

Country Status (1)

Country Link
CN (1) CN108509262B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198332A (zh) * 2012-12-14 2013-07-10 华南理工大学 一种实时鲁棒的远红外车载行人检测方法
CN105260712A (zh) * 2015-10-03 2016-01-20 上海大学 一种车辆前方行人检测方法及系统
CN105261017A (zh) * 2015-10-14 2016-01-20 长春工业大学 基于路面约束的图像分割法提取行人感兴趣区域的方法
CN106778478A (zh) * 2016-11-21 2017-05-31 中国科学院信息工程研究所 一种基于混合特征的带缓存机制的实时行人检测与跟踪方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004029659A2 (en) * 2002-06-14 2004-04-08 Honda Giken Kogyo Kabushiki Kaisha Pedestrian detection and tracking with night vision

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198332A (zh) * 2012-12-14 2013-07-10 华南理工大学 一种实时鲁棒的远红外车载行人检测方法
CN105260712A (zh) * 2015-10-03 2016-01-20 上海大学 一种车辆前方行人检测方法及系统
CN105261017A (zh) * 2015-10-14 2016-01-20 长春工业大学 基于路面约束的图像分割法提取行人感兴趣区域的方法
CN106778478A (zh) * 2016-11-21 2017-05-31 中国科学院信息工程研究所 一种基于混合特征的带缓存机制的实时行人检测与跟踪方法

Also Published As

Publication number Publication date
CN108509262A (zh) 2018-09-07

Similar Documents

Publication Publication Date Title
US20190278367A1 (en) Apparatus and method for controlling an augmented reality device
CN110806923B (zh) 一种区块链任务的并行处理方法、装置、电子设备和介质
CN106502773B (zh) 具有同步回调信息功能的数据异步处理方法及模块
CN106202365B (zh) 数据库更新同步的方法、系统及数据库集群
CN103930874A (zh) 使用经调度资源组转变通过对便携式计算装置的工作负载估计而节省功率
CN103019805A (zh) 一种多线程环境下定时器的设置方法
KR100959548B1 (ko) 인터럽트 스케줄링 방법
CN103226443A (zh) 智能眼镜的控制方法、装置和智能眼镜
CN105009074A (zh) 消除指令处理电路中的冗余同步屏障和相关处理器系统、方法以及计算机可读媒体
CN117994837A (zh) 一种人脸图像检测方法、装置及设备
CN102799212B (zh) 用于多核多处理器并行系统的全局时钟系统及其使用方法
CN108564028A (zh) 一种基于嵌入式系统的多线程人脸识别系统
CN108509262B (zh) 面向车载行人检测系统的dm6437软件结构设计方法
Dou et al. An optimal transport approach to deep metric learning (student abstract)
CN109949203B (zh) 一种异构cpu多路4k超高清视频处理装置与控制方法
CN106021296B (zh) 核心银行系统批量作业路径的检测方法及装置
JPH02300939A (ja) セマフォオペレーション方式
CN107623606B (zh) 基于openflow交换机的流表表项空闲超时检测方法
US20110069761A1 (en) Parallel encoding device, recording medium, and imaging data encoding method
WO2017206816A1 (zh) 睡眠管理方法及装置、计算机存储介质
WO2019001077A1 (zh) 一种控制cpu线程和gpu线程同步的方法及装置
CN103617049A (zh) 基于互补谓词的代码移动方法
CN103763563A (zh) 运动估计搜索方法
CN102855307A (zh) 保留时序性的数据重组方法及视频结构化系统
CN110580907B (zh) 一种多人发言场景的语音识别方法和系统

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220329