CN110399824A - zynq系统及基于zynq系统的图像目标识别方法 - Google Patents
zynq系统及基于zynq系统的图像目标识别方法 Download PDFInfo
- Publication number
- CN110399824A CN110399824A CN201910656858.6A CN201910656858A CN110399824A CN 110399824 A CN110399824 A CN 110399824A CN 201910656858 A CN201910656858 A CN 201910656858A CN 110399824 A CN110399824 A CN 110399824A
- Authority
- CN
- China
- Prior art keywords
- image data
- image
- module
- data
- described image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 21
- 238000012546 transfer Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000004321 preservation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种zynq系统及基于zynq系统的图像目标识别方法，zynq系统包括PS模块和PL模块，PL模块接收图像源发送的图像数据，并对图像数据进行标签添加；PS模块对添加标签后的图像数据进行目标识别，得到识别结果并将识别结果发送至数据中心。可见，本申请中在得到图像数据后，并没有直接发送至数据中心，而是先在本地基于zynq系统进行图像数据处理，PL模块本质上为FPGA，其能够对图像数据快速数据处理，PS模块本质上为ARM，其能够通过图像识别线程实现对图像数据的高效控制处理，从而提高了图像目标识别的处理速度；此外，由于只需将目标识别结果发送至数据中心，从而大大减小了对传输线的带宽的占用。
Description
技术领域
本发明涉及图像识别技术领域，特别是涉及一种zynq系统及基于zynq系统的图像目标识别方法。
背景技术
目标识别技术指的是从视频图像信号中检测和识别目标的一项技术，可广泛应用于智能交通、防监控、军事侦察等诸多领域。现有技术中，图像源(例如为摄像头)的图像数据通常发送至数据中心，由数据中心根据图像数据进行图像目标识别，而数据中心的处理器在处理图像数据的速度较慢，且由于图像数据通常容量较大，传输图像数据占用了传输线上较大的带宽。
发明内容
本发明的目的是提供一种zynq系统及基于zynq系统的图像目标识别方法，提高了图像目标识别的处理速度，大大减小了对传输线的带宽的占用。
为解决上述技术问题，本发明提供了一种基于zynq系统的图像目标识别方法，所述zynq系统包括PS模块和PL模块，包括：
所述PL模块接收图像源发送的图像数据；
将所述图像数据打上与所述图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
所述PS模块在接收到所述中断信号后调用图像识别线程从所述存储单元中获取图像数据；
通过所述图像识别线程对获取的所述图像数据进行目标识别，并将得到的识别结果及其对应的标签发送至数据中心。
优选地，所述图像源为N个，N为不小于2的整数，则：
所述PL模块接收图像源发送的图像数据，包括：
所述PL模块并行接收图像源发送的图像数据；
所述将所述图像数据打上与所述图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号，包括：
并行将所述图像数据打上与所述图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
所述PS模块在接收到所述中断信号后调用图像识别线程从所述存储单元中获取图像数据，包括：
所述PS模块在接收到所述中断信号后调用N个图像识别线程从所述存储单元中获取与各自一一对应的图像数据。
优选地，所述将打上标签的图像数据保存至存储单元之前，还包括：
对所述图像数据进行归一化处理。
优选地，所述将打上标签的图像数据保存至存储单元之前，还包括：
对所述图像数据中的每一帧数据打上数据帧标签。
优选地，所述存储单元为DDR3。
优选地，所述通过所述图像识别线程对获取的所述图像数据进行目标识别，包括：
通过所述图像识别线程并利用OpenCV以及深度学习技术识别目标图像；
若识别成功，则所述图像数据对应的图像中包括目标图像；
若识别不成功，所述图像数据对应的图像中不包括目标图像。为解决上述技术问题，本发明还提供了一种zynq系统，所述zynq系统包括PS模块和PL模块，包括：
所述PL模块，用于接收图像源发送的图像数据；将所述图像数据打上与所述图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
所述PS模块，用于在接收到所述中断信号后调用图像识别线程从所述存储单元中获取图像数据；通过所述图像识别线程对获取的所述图像数据进行目标识别，并将得到的识别结果及其对应的标签发送至数据中心。
优选地，所述图像源为N个，N为不小于2的整数，则：
所述PL模块，具体用于并行接收图像源发送的图像数据；并行将所述图像数据打上与所述图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
所述PS模块具体用于在接收到所述中断信号后调用N个图像识别线程从所述存储单元中获取与各自一一对应的图像数据；通过所述图像识别线程对获取的所述图像数据分别进行目标识别，并将得到的各个识别结果及其对应的标签发送至数据中心。
优选地，所述PL模块还用于在将打上标签的图像数据保存至存储单元之前，对所述图像数据进行归一化处理。
优选地，所述通过所述图像识别线程对获取的所述图像数据进行目标识别，包括：
通过所述图像识别线程并利用OpenCV以及深度学习技术识别目标图像；
若识别成功，则所述图像数据对应的图像中包括目标图像；
若识别不成功，所述图像数据对应的图像中不包括目标图像。
本发明提供了一种基于zynq系统的图像目标识别方法，本申请中在得到图像数据后，并没有直接发送至数据中心，而是先在本地基于zynq系统进行图像数据处理，PL模块本质上为FPGA，其能够对图像数据快速数据处理，PS模块本质上为ARM，其能够通过图像识别线程实现对图像数据的高效控制处理，从而提高了图像目标识别的处理速度；此外，由于只需将目标识别结果发送至数据中心，从而大大减小了对传输线的带宽的占用。
本发明还提供了一种zynq系统，具有与上述基于zynq系统的图像目标识别方法相同的有益效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例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为本发明提供的一种基于zynq系统的图像目标识别方法的过程流程图；
图2为本发明提供的一种zynq系统的结构示意图。
具体实施方式
本发明的核心是提供一种zynq系统及基于zynq系统的图像目标识别方法，提高了图像目标识别的处理速度，大大减小了对传输线的带宽的占用。
为使本发明实施例的目的、技术方案和优点更加清楚，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。
请参照图1和图2，其中，图1为本发明提供的一种基于zynq系统的图像目标识别方法的过程流程图，图2为本发明提供的一种zynq系统的结构示意图，zynq系统包括PS(Processing System，处理系统)模块2和PL(Progarmmable Logic，可编程逻辑)模块1，该方法包括：
S11：PL模块1接收图像源发送的图像数据；
在zynq系统工作之前，首先启动zynq系统，具体地，通过fsbl加载fpga的bit文件到PL端，加载u-boot和kernel启动Linux，然后加载存放在eMMc中的文件系统，启动成功后运行嵌入式Linux应用程序，读取目标的特征值，并初始化系统。
需要说明的是，zynq系统可以分为PS模块2(zynq中与FPGA无关的ARM的SOC(片上系统)的部分，本质上为AMR，负责逻辑控制)和PL模块1(zynq中FPGA部分，本质上为FPGA)，PL模块和PS模块通过内部AXI总线连接，本申请利用zynq系统来对图像数据预先做处理，得到目标识别结果后将识别结果传送至数据中心。
具体地，PL模块1首先通过其中的图像接收模块(具体为图像接收模块中的cmlink接口)接收图像源发送的图像数据(本质为多帧图像)，这里的图像源可以但不仅限为摄像头，在图像源为多个时，其输出的图像数据也为多组，PL模块1中的图像接收模块也为多个，以同时接收多组图像数据。
S12：将图像数据打上与图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
具体地，考虑到用户需要知道图像数据以及最终的识别结果究竟为哪个图像源的图像数据及识别结果，因此，PL模块1在接收到图像源发送的图像数据后，会通过其中的图像预处理模块对每组图像数据进行预处理，这里的预处理包括为每组图像数据添加标签，这里的标签也可以理解为编号，其与图像源对应，例如1号图像源的图像数据的标签可以设置为1，2号图像源的图像数据的标签可以设置为2，当然，还可以采用其他标签设置方式，能表征出图像数据与图像源之间的关系即可。
图像预处理模块在对每组图像数据添加上标签后，将各组图像数据保存至存储单元，以便后续PS模块2对图像数据的应用，此外，在将图像数据保存至存储单元之后，PL模块1还通过AXI总线3发送中断信号至PS模块2，其中，中断信号包括有多少组图像数据，以便后续PS模块2调用多少个图像识别线程对图像数据进行处理。
此外，还需要说明的是，在图像源为多个时，PL模块1中的图像接收模块也为多个，图像预处理模块也为多个，以同时实现对多组图像数据进行预处理。
S13：PS模块2在接收到中断信号后调用图像识别线程从存储单元中获取图像数据；
PS模块2中的图像识别模块在接收到中断信号后，根据中断信号中包括图像数据的组数调用相应组数的图像识别线程，各个图像识别线程分别从存储单元中获取图像数据。
S14：通过图像识别线程对获取的图像数据进行目标识别，并将得到的识别结果及其对应的标签发送至数据中心。
图像识别线程在获取到图像数据后，PS模块2对图像数据进行目标识别，得到识别结果，并将识别结果及该识别结果对应的标签发送至数据中心，以便数据中心根据标签及其对应的识别结果进行后续处理。需要说明的是，这里的目标识别指的是识别图片中是否包括预设目标，例如图中是否包括车辆或者人等，根据实际情况来定。
综上，本申请中，PL模块1接收图像源发送的图像数据，并对图像数据进行预处理，预处理包括标签添加；PS模块2对添加标签后的图像数据进行目标识别，得到识别结果并将识别结果发送至数据中心。可见，本申请中在得到图像数据后，并没有直接发送至数据中心，而是先在本地基于zynq系统进行图像数据处理，PL模块1本质上为FPGA，其能够对图像数据快速数据处理，PS模块2本质上为ARM，其能够通过图像识别线程实现对图像数据的高效控制处理，从而提高了图像目标识别的处理速度；此外，由于只需将目标识别结果发送至数据中心，从而大大减小了对传输线的带宽的占用。
在上述实施例的基础上：
作为一种优选地实施例，图像源为N个，N为不小于2的整数，则：
PL模块1接收图像源发送的图像数据，包括：
PL模块1并行接收图像源发送的图像数据；
将图像数据打上与图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号，包括：
并行将图像数据打上与图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
PS模块2在接收到中断信号后调用图像识别线程从存储单元中获取图像数据，包括：
PS模块2在接收到中断信号后调用N个图像识别线程从存储单元中获取与各自一一对应的图像数据。
通常情况下，图像源可能有多个，也即存储单元中存储的图像数据为多组，则该种情况下，PL模块1会同时并行接收多个图像源发送的图像数据，并并行将图像数据打上与图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；PS模块2会调用多个图像识别线程(与多组图像数据一一对应)去从存储单元中获取与各自一一对应的图像数据。本实施例中，通过并行接收图像源发送的图像数据、并行对图像数据预处理以及多线程同时对多组图像数据进行目标识别，进一步提高了图像目标识别的处理速度。
在实际应用中，Linux系统能够提高多线程服务，因此，本申请中的zynq系统可以应用Linux系统。
作为一种优选地实施例，将打上标签的图像数据保存至存储单元之前，还包括：
对图像数据进行归一化处理。
本实施例中，PL模块1中的图像预处理模块还可以对图像数据进行归一化处理，使得各个图像变换为固定标准模式，方便后续PS模块2中的图像识别模块的目标识别处理，进一步提高了PS模块2的图像目标识别的处理速度。
作为一种优选地实施例，将打上标签的图像数据保存至存储单元之前，还包括：
对图像数据中的每一帧数据打上数据帧标签。
具体地，图像数据由每一帧图像构成，本实施例中，对于每一帧图像均添加标签，后续PS模块2中的图像识别模块可以根据实际需要有选择性的选出部分帧进行图像处理，提高了PS模块2的图像目标识别的处理灵活性和处理速度。
作为一种优选地实施例，存储单元为DDR3。
DDR3在本申请中起到共享内存的作用，实现了PL模块1和PS模块2的内存共享，DDR3具有功耗和发热量小、工作频率高、成本低及通用性好的优点。当然，这里的存储单元还可以为其他类型的存储器，本申请在此不作特别的限定。
作为一种优选地实施例，通过图像识别线程对获取的图像数据进行目标识别，包括：
通过图像识别线程并利用OpenCV以及深度学习技术识别目标图像；
若识别成功，则图像数据对应的图像中包括目标图像；
若识别不成功，图像数据对应的图像中不包括目标图像。
具体地，PS模块2中的图像识别模块通过图像识别线程并利用OpenCV以及深度学习技术从图像数据中提取特征值，其中，OpenCV和深度学习技术能够实现图像数据中目标图像的快速识别，进一步加快了目标识别速度。如果识别出目标图像，则说明该图像中存在目标，否则，说明该图像中不存在目标。图像识别模块将识别结果及其标签发送至PS模块2中的应用处理模块，应用处理模块再将识别结果及其标签通过网络接口发送至数据中心。本实施例实现了对图像中目标的精准快速识别。
请参照图2，zynq系统包括PS模块2和PL模块1，包括：
PL模块1，用于接收图像源发送的图像数据；将图像数据打上与图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
PS模块2，用于在接收到中断信号后调用图像识别线程从存储单元中获取图像数据；通过图像识别线程对获取的图像数据进行目标识别，并将得到的识别结果及其对应的标签发送至数据中心。
作为一种优选地实施例，图像源为N个，N为不小于2的整数，则：
所述PL模块，具体用于并行接收图像源发送的图像数据；并行将所述图像数据打上与所述图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
PS模块2具体用于在接收到中断信号后调用N个图像识别线程从存储单元中获取与各自一一对应的图像数据；通过图像识别线程对获取的图像数据分别进行目标识别，并将得到的各个识别结果及其对应的标签发送至数据中心。
作为一种优选地实施例，PL模块1还用于在将打上标签的图像数据保存至存储单元之前，对图像数据进行归一化处理。
作为一种优选地实施例，通过图像识别线程对获取的图像数据进行目标识别，包括：
通过图像识别线程并利用OpenCV以及深度学习技术识别目标图像；
若识别成功，则图像数据对应的图像中包括目标图像；
若识别不成功，图像数据对应的图像中不包括目标图像。
对于本发明提供的zynq系统的介绍请参照上述方法实施例，本发明在此不再赘述。
需要说明的是，在本说明书中，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。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于zynq系统的图像目标识别方法，所述zynq系统包括PS模块和PL模块，其特征在于，包括：
所述PL模块接收图像源发送的图像数据；
将所述图像数据打上与所述图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
所述PS模块在接收到所述中断信号后调用图像识别线程从所述存储单元中获取图像数据；
通过所述图像识别线程对获取的所述图像数据进行目标识别，并将得到的识别结果及其对应的标签发送至数据中心。
2.如权利要求1所述的基于zynq系统的图像目标识别方法，其特征在于，所述图像源为N个，N为不小于2的整数，则：
所述PL模块接收图像源发送的图像数据，包括：
所述PL模块并行接收图像源发送的图像数据；
所述将所述图像数据打上与所述图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号，包括：
并行将所述图像数据打上与所述图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
所述PS模块在接收到所述中断信号后调用图像识别线程从所述存储单元中获取图像数据，包括：
所述PS模块在接收到所述中断信号后调用N个图像识别线程从所述存储单元中获取与各自一一对应的图像数据。
3.如权利要求1所述的基于zynq系统的图像目标识别方法，其特征在于，所述将打上标签的图像数据保存至存储单元之前，还包括：
对所述图像数据进行归一化处理。
4.如权利要求1所述的基于zynq系统的图像目标识别方法，其特征在于，所述将打上标签的图像数据保存至存储单元之前，还包括：
对所述图像数据中的每一帧数据打上数据帧标签。
5.如权利要求1所述的基于zynq系统的图像目标识别方法，其特征在于，所述存储单元为DDR3。
6.如权利要求1至5任一项所述的基于zynq系统的图像目标识别方法，其特征在于，所述通过所述图像识别线程对获取的所述图像数据进行目标识别，包括：
通过所述图像识别线程并利用OpenCV以及深度学习技术识别目标图像；
若识别成功，则所述图像数据对应的图像中包括目标图像；
若识别不成功，所述图像数据对应的图像中不包括目标图像。
7.一种zynq系统，所述zynq系统包括PS模块和PL模块，其特征在于，包括：
所述PL模块，用于接收图像源发送的图像数据；将所述图像数据打上与所述图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
所述PS模块，用于在接收到所述中断信号后调用图像识别线程从所述存储单元中获取图像数据；通过所述图像识别线程对获取的所述图像数据进行目标识别，并将得到的识别结果及其对应的标签发送至数据中心。
8.如权利要求7所述的zynq系统，其特征在于，所述图像源为N个，N为不小于2的整数，则：
所述PL模块，具体用于并行接收图像源发送的图像数据；并行将所述图像数据打上与所述图像源一一对应的标签，并将打上标签的图像数据保存至存储单元且在之后发送中断信号；
所述PS模块具体用于在接收到所述中断信号后调用N个图像识别线程从所述存储单元中获取与各自一一对应的图像数据；通过所述图像识别线程对获取的所述图像数据分别进行目标识别，并将得到的各个识别结果及其对应的标签发送至数据中心。
9.如权利要求7所述的zynq系统，其特征在于，所述PL模块还用于在将打上标签的图像数据保存至存储单元之前，对所述图像数据进行归一化处理。
10.如权利要求7至9任一项所述的zynq系统，其特征在于，所述通过所述图像识别线程对获取的所述图像数据进行目标识别，包括：
通过所述图像识别线程并利用OpenCV以及深度学习技术识别目标图像；
若识别成功，则所述图像数据对应的图像中包括目标图像；
若识别不成功，所述图像数据对应的图像中不包括目标图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910656858.6A CN110399824A (zh) | 2019-07-19 | 2019-07-19 | zynq系统及基于zynq系统的图像目标识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910656858.6A CN110399824A (zh) | 2019-07-19 | 2019-07-19 | zynq系统及基于zynq系统的图像目标识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110399824A true CN110399824A (zh) | 2019-11-01 |
Family
ID=68324838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910656858.6A Pending CN110399824A (zh) | 2019-07-19 | 2019-07-19 | zynq系统及基于zynq系统的图像目标识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110399824A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111178322A (zh) * | 2020-01-10 | 2020-05-19 | 济南浪潮高新科技投资发展有限公司 | 一种用于边缘端图像的识别加速系统和方法 |
| CN112711925A (zh) * | 2021-02-10 | 2021-04-27 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 虚拟化emif总线dsp软件设计方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069780A (zh) * | 2015-07-17 | 2015-11-18 | 北京理工大学 | 一种基于SoPC的SAR图像水域检测实现方法 |
| CN108711135A (zh) * | 2018-04-17 | 2018-10-26 | 广州创龙电子科技有限公司 | 一种基于fpga+dsp架构的相机图像采集与处理的方法及系统 |
| CN109788208A (zh) * | 2019-01-30 | 2019-05-21 | 华通科技有限公司 | 基于多组焦距图像源的目标识别方法及系统 |
-
2019
- 2019-07-19 CN CN201910656858.6A patent/CN110399824A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069780A (zh) * | 2015-07-17 | 2015-11-18 | 北京理工大学 | 一种基于SoPC的SAR图像水域检测实现方法 |
| CN108711135A (zh) * | 2018-04-17 | 2018-10-26 | 广州创龙电子科技有限公司 | 一种基于fpga+dsp架构的相机图像采集与处理的方法及系统 |
| CN109788208A (zh) * | 2019-01-30 | 2019-05-21 | 华通科技有限公司 | 基于多组焦距图像源的目标识别方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111178322A (zh) * | 2020-01-10 | 2020-05-19 | 济南浪潮高新科技投资发展有限公司 | 一种用于边缘端图像的识别加速系统和方法 |
| CN111178322B (zh) * | 2020-01-10 | 2022-09-30 | 山东浪潮科学研究院有限公司 | 一种用于边缘端图像的识别加速系统和方法 |
| CN112711925A (zh) * | 2021-02-10 | 2021-04-27 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 虚拟化emif总线dsp软件设计方法 |
| CN112711925B (zh) * | 2021-02-10 | 2022-10-28 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 虚拟化emif总线dsp软件设计方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110399824A (zh) | zynq系统及基于zynq系统的图像目标识别方法 | |
| US7412556B2 (en) | Method and system for master devices accessing slave devices | |
| CN1845125A (zh) | 一种同时读取多个标签的防碰撞的系统和方法 | |
| CN102004895B (zh) | 基于碰撞预检的时隙扫描防碰撞方法 | |
| CN115587065A (zh) | 一种主从机控制方法、控制系统及血液柜 | |
| CN111427694A (zh) | 任务执行方法、装置、系统和服务器 | |
| CN1379330A (zh) | 一种检测单板在位的方法 | |
| CA2253627A1 (fr) | Procede pour selectionner un module electronique parmi une pluralite de modules presents dans le champ d'interrogation d'un terminal | |
| CN109784115A (zh) | Rfid移动阅读器防碰撞资源自适应分配与动态再竞争方法 | |
| CN1175588C (zh) | 信息通信系统、非接触型ic卡及ic芯片 | |
| CN106302459A (zh) | 联网操作方法及装置 | |
| US8009601B2 (en) | Power saving when using aggregated packets | |
| CN111507269B (zh) | 车位状态的识别方法及装置、存储介质和电子装置 | |
| CN110650546B (zh) | 文件传输的方法、装置、存储介质以及终端 | |
| CN208752652U (zh) | 一种行李远程视觉补码系统 | |
| CN103580951A (zh) | 多个信息系统的输出比较方法 | |
| CN116166421A (zh) | 分布式训练任务的资源调度方法及其设备 | |
| CN104951373A (zh) | 调度系统的消息队列处理方法 | |
| US6064647A (en) | Method and system for sending frames around a head of line blocked frame in a connection fabric environment | |
| CN109034322A (zh) | 一种行李远程视觉补码系统及方法 | |
| CN106127094B (zh) | 无线射频识别系统及其多标签防碰撞预分析式识别方法 | |
| EP1873683A3 (en) | Method of reading a plurality of non-contact data carriers, including an anti-collision scheme | |
| KR20090010228U (ko) | 멀티 카메라를 이용한 코드 판독 시스템 | |
| CN113052769B (zh) | 基于尺寸辨别的自适应标签选择系统及方法 | |
| CN116185668B (zh) | 一种基于grpc的高效多模型选配部署方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191101 |
|
| RJ01 | Rejection of invention patent application after publication |