CN114999192A - 基于Zynq7020的交通信号灯智能识别装置 - Google Patents

基于Zynq7020的交通信号灯智能识别装置 Download PDF

Info

Publication number
CN114999192A
CN114999192A CN202210375855.7A CN202210375855A CN114999192A CN 114999192 A CN114999192 A CN 114999192A CN 202210375855 A CN202210375855 A CN 202210375855A CN 114999192 A CN114999192 A CN 114999192A
Authority
CN
China
Prior art keywords
module
traffic signal
data processing
signal lamp
image data
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
Application number
CN202210375855.7A
Other languages
English (en)
Inventor
王慧玲
姜亿豪
刘一清
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.)
East China Normal University
Original Assignee
East China Normal University
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 East China Normal University filed Critical East China Normal University
Priority to CN202210375855.7A priority Critical patent/CN114999192A/zh
Publication of CN114999192A publication Critical patent/CN114999192A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/095—Traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于Zynq7020的交通信号灯智能识别装置，本发明包括摄像头数据采集模块、视频数据缓存模块、图像数据处理与识别模块、系统控制器MCU模块和电源管理模块。本发明可应用于自动驾驶领域，实现交通信号灯、倒计时数字、方向信号的智能识别，保证自动驾驶汽车的安全行驶。本发明基于Zynq7020核心芯片，FPGA和MCU(ARM)协同设计，FPGA部分负责硬件加速，MCU部分负责资源分配与任务调度，实现对机器视觉和人工智能算法的硬件加速。与传统PC机（GPU）智能识别装置相比，本发明具有实时性强，应用灵活，可装配性强，可调用性强，可复用性强等优点。

Description

基于Zynq7020的交通信号灯智能识别装置
技术领域
本发明涉及机器视觉、人工智能及软硬件协同技术领域，尤其是一种基于Zynq7020的交通信号灯智能识别装置，本发明可以作为自动驾驶汽车中自动驾驶系统的一个智能识别交通信号灯模块。
背景技术
现有的数字识别技术大多采用OCR（光学字符识别技术），对图像进行噪声过滤、自动白平衡、自动曝光以及伽马校对、边缘增强、对比度调整等操作后，通过灰度化、二值化等处理，精判定位字符区域，然后依据字符尺度特征进行字符切开，对切开后的字符进行缩放、特征提取，与字符数据库模板中的标准字符表达形式进行匹配区别，主要用于车牌号识别、银行卡号识别、车架号识别，快递单号识别等。
随着高速、高性能计算机硬件的出现和发展，传统PC机（GPU）人工智能算法识别方法相对于高速、高标准的应用场景，难以达到要求。由于人工智能时代的到来，各种神经网络的训练，数据挖掘，机器视觉和图像处理等算法计算复杂度较高，传统计算机出现计算时间较长或无法计算的问题，工作效率较低。而FPGA作为一种并行处理器件，相比传统CPU而言，计算速度较快。并且CPU的多核心架构存在暗硅效应，即使可以不断增加处理器核心的数量，但是由于能耗限制，无法让它们同时工作。
发明内容
本发明的目的是提供一种基于Zynq7020的交通信号灯智能识别装置，捕获带有交通信号灯的视频，并实现对视频流中的交通信号实时识别，识别结果传输至自动驾驶控制器中，通过其中的中央处理器对识别结果进行判断决策，保证自动驾驶汽车的安全驾驶，例如：根据交通信号灯的识别结果判断是停车、正常通行还是减速；根据倒计时数字识别结果判断是否需要减速停车或快速通过；根据方向指示灯判断是否可以转弯等。
实现本发明目的的具体技术方案是：
一种基于Zynq7020的交通信号灯智能识别装置，特点是该装置包括摄像头数据采集模块、视频数据缓存模块、图像数据处理与识别模块、系统控制器MCU模块和电源管理模块，所述摄像头数据采集模块与图像数据处理与识别模块及电源管理模块相连，捕获带交通信号灯的实时视频；所述视频数据缓存模块与图像数据处理与识别模块及电源管理模块相连，缓存摄像头数据采集模块捕获的图像帧；所述图像数据处理与识别模块和摄像头数据采集模块及视频数据缓存模块相连，处理捕获的视频流数据，输出交通信号灯的识别结果；所述系统控制器MCU模块与图像数据处理与识别模块、视频数据缓存模块及摄像头数据采集模块相连，完成对各模块的资源分配与任务调度，并根据图像数据处理与识别模块输出的交通信号灯识别结果进行判断决策，输出控制信号；所述电源管理模块与摄像头数据采集模块、视频数据缓存模块、图像数据处理与识别模块及系统控制器MCU模块相连，向各模块供电；其中，所述图像数据处理与识别模块为Zynq7020的FPGA(PL)，系统控制器MCU模块为Zynq7020的MCU(PS)。
所述摄像头数据采集模块带有标准的DVP接口及I2C接口，自带嵌入式微处理器，集成有源晶振，无需外部提供时钟。
所述视频数据缓存模块包含一片1Gb高速DDR3存储颗粒作为图像缓存，能够满足实时处理视频数据时对缓存空间的需求。
所述图像数据处理与识别模块与系统控制器MCU模块通过GP接口和HP接口相连，其中HP接口传输两模块间的数据流信息，GP接口传输两模块间的控制信息。
本发明将底层的图像数据处理与识别算法进行了封装，以达到可装配、可调用、可复用的作用，应用灵活。
本发明使用Xilinx 的高层次综合工具Vivado High-Level Synthesis(简称Vivado HLS)进行图像数据处理与识别算法的编写并进行IP封装，实现Zynq的FPGA部分对函数进行加速；使用Xilinx 的开发应用程序VivadoSoftware Development Kit (XSDK)进行MCU端程序设计，实现Zynq的MCU部分负责资源分配与任务调度；使用Xilinx 的Vivado将硬件描述语言（Verilog/VHDL）所描述的SoC编译、综合、实现，将FPGA内部本身无序的各种逻辑资源（如查找表、触发器、RAM等）配置成为有序的电路，实现本发明装置的逻辑功能。
本发明的有益效果是：
a本发明应用于自动驾驶领域，可以智能识别交通信号灯，自动驾驶控制器模块中的中央处理器对识别结果进行判断决策，保证自动驾驶汽车的安全驾驶。
b本发明采用Zynq7020核心芯片进行视频流图像的处理，FPGA和MCU部分协同设计，FPGA部分负责硬件加速，MCU部分负责资源分配与任务调度，能够实现对人工智能算法的硬件加速。与传统PC机（GPU）智能识别装置相比，本发明具有实时性更强，可以大大地减少图像处理与识别的时间，使自动驾驶控制器能更快速、准确地做出判断决策。
c本发明实时性强，应用灵活，满足视频流中交通信号灯实时识别对识别速度的需求。FPGA全名叫“现场可编程逻辑阵列”，它本质是一种可编程的芯片。人们可以把硬件设计重复烧写在它的可编程存储器里，从而使FPGA芯片可以执行不同的硬件设计和功能，而且可以在使用现场动态的改变它上面运行的功能；FPGA非常擅长对数据流进行快速处理，将“指令”锁定在架构上，然后在上面运行数据流，FPGA的核心思想是将某种计算架构用硬件电路实现出来，然后持续的将数据流输入系统，并完成计算，这种架构对于高速传输的网络数据非常有效。
d本发明将底层的图像数据处理与识别算法进行了IP封装，可装配性强，可调用性强，可复用性强，从而将本发明中的底层的图像数据处理与识别算法应用于多种应用场景中。
e本发明将各类人工智能算法的功能性验证从传统的PC机平台仿真转化为实际电路的实现。传统PC机（GPU）的人工智能算法的功能性验证通常耗费大量的时间，而实际电路的实现耗时更短。由于人工智能时代的到来，各种神经网络的训练，数据挖掘，机器视觉和图像处理等算法计算复杂度较高，传统计算机出现计算时间较长或无法计算的问题，工作效率较低，而FPGA作为一种并行处理器件，相比传统CPU而言，计算速度较快，因此，我们可以尝试将一些原来由CPU处理的相关计算交给FPGA来完成，从而提升计算速度和工作效率，以应对人工智能时代算力不足的问题。
附图说明
图1为本发明的结构框图；
图2为本发明的图像数据处理与识别模块工作流程示意图。
具体实施方式
参阅图1，本发明包括摄像头数据采集模块1、视频数据缓存模块2、图像数据处理与识别模块3、系统控制器MCU模块4和电源管理模块5，其中图像数据处理与识别模块3采用Zynq7020的FPGA(PL)部分、系统控制器MCU模块4采用Zynq7020的MCU(PS)部分；所述摄像头数据采集模块1和图像数据处理与识别模块3、电源管理模块5相连，捕获带交通信号灯的实时视频；所述视频数据缓存模块2和图像数据处理与识别模块3、电源管理模块5相连，缓存摄像头数据采集模块1捕获的图像帧；所述图像数据处理与识别模块3和摄像头数据采集模块1、视频数据缓存模块2相连，处理捕获的视频流数据，输出交通信号灯的识别结果；所述系统控制器MCU模块4与图像数据处理与识别模块3相连，完成对各模块的资源分配与任务调度，并根据图像数据处理与识别模块3输出的交通信号灯识别结果进行判断决策，将控制信号传输至无人驾驶汽车内的自动驾驶控制器；所述电源管理模块5与摄像头数据采集模块1、视频数据缓存模块2、图像数据处理与识别模块3及系统控制器MCU模块4相连，向各模块供电。
本发明是这样工作的：
参阅图1，系统控制器MCU模块4控制摄像头数据采集模块1、图像数据处理与识别模块3工作；摄像头数据采集模块1对交通信号灯进行视频图像传感，数据像素输出格式配置为RGB565格式，采用DVP（Digital Video Port）数据传输端口通过图像数据处理与识别模块3捕获数据进行并行数据传输；视频数据缓存模块2对视频数据进行缓存；图像数据处理与识别模块3对摄像头数据采集模块1输出的视频RGB数据进行图像预处理、交通信号灯定位、交通信号灯框定、交通信号灯识别处理，并将交通信号灯识别结果传输至系统控制器MCU模块4；系统控制器MCU模块4完成摄像头数据采集模块1接口和视频数据缓存模块2的资源分配与任务调度，完成摄像头数据采集模块1和视频数据缓存模块2的配置，并根据图像数据处理与识别模块3输出的交通信号灯识别结果进行判断决策，输出控制信号。若通过CAN总线使本装置与无人驾驶汽车内的自动驾驶控制器相连，图像数据处理与识别模块3可将控制信号传输至自动驾驶控制器中，保证自动驾驶汽车的安全驾驶。例如：根据交通信号灯的识别结果判断是停车、正常通行还是减速；根据倒计时数字识别结果判断是否需要减速停车或快速通过；根据方向指示灯判断是否可以转弯等。
实施例
参阅图1，摄像头数据采集模块1使用OmniVision（豪威科技）公司生产的型号为OV5640的CMOS图像传感器对交通信号灯进行视频图像传感，数据像素输出格式配置为RGB565格式。采用DVP（Digital Video Port）数据传输端口，将数据传输至图像数据处理与识别模块3。
参阅图1，视频数据缓存模块2选择DDR3存储器作为帧缓存存储器，为图像数据处理与识别模块3提供数据缓存的一片存储区域，可以解决图像数据处理与识别模块3的速率与摄像头数据采集模块1的传输速率不匹配的问题。视频数据缓存模块2的存储区域缓存输入的RGB图像数据，帧缓存的每一个存储单元对应一帧图像上的一个像素，整个帧缓存对应一帧图像。采用三帧缓存的方案可以避免多帧图像数据叠加在一起导致图像出现割裂的现象。
参阅图2，图像数据处理与识别模块3完成对摄像头数据采集模块1输出的RGB数据进行交通信号灯定位、框定、识别以及针对识别结果输出控制信号的工作，工作流程如下：
图像预处理：对摄像头数据采集模块1捕获得到的RGB图像进行灰度化、阈值二值化处理，以及数次中值滤波、腐蚀膨胀操作，滤除交通信号灯以外的噪声；
交通信号灯定位：统计预处理后的图像的像素值信息，遍历图像得到交通信号灯的位置；
交通信号灯框定：根据交通信号灯定位得到的位置信息，用矩形框定每一个交通信号灯；
交通信号灯识别：采用KNN算法，选定合适的K值，利用训练集训练KNN分类器，对被测图像进行分类，得出交通信号灯的识别结果；
输出识别结果：输出交通信号灯的识别结果。
参阅图1，系统控制器MCU模块4完成摄像头数据采集模块1接口和视频数据缓存模块2的配置，与图像数据处理与识别模块3通过GP接口和HP接口连接，其中HP接口传输数据，GP接口传输控制信号。系统控制器MCU模块4对图像数据处理与识别模块3输出的交通信号灯识别结果进行判断决策，产生控制信号。系统控制器MCU模块4可以通过CAN接口与自动驾驶控制器相连，输出控制信号，保证自动驾驶汽车的安全行驶。
本发明模块的选型：
摄像头数据采集模块1使用OmniVision（豪威科技）公司生产的型号为OV5640的CMOS图像传感器。采集的像素大小为1.4μm*1.4μm，并且使用OmniBSI技术以达到高灵敏度，低串扰和低噪声的功能特点。OV5640摄像头模块输出位宽为8位，带有标准的DVP接口，兼容I2C接口。该模块自带嵌入式微处理器，集成有源晶振，无需外部提供时钟。
视频数据缓存模块2采用Micron公司的MT41J128M芯片实现，为1片1Gb高速DDR3存储颗粒，可作为图像缓存。
图像数据处理与识别模块3以及系统控制器MCU模块4采用Xilinx公司的Zynq-7000 SoC系列型号为XC7Z020-CLG484 AP SoC的核心处理器芯片作为核心处理器。以FPGA+ARM 的架构，其具有超高速，且体积更小的优点。
电源管理模块采用TEXAS INSTRUMENTS公司的TSP62130电源转换芯片，可对各模块进行供电。

Claims (4)

1.一种基于Zynq7020的交通信号灯智能识别装置，其特征在于，该装置包括摄像头数据采集模块（1）、视频数据缓存模块（2）、图像数据处理与识别模块（3）、系统控制器MCU模块（4）和电源管理模块（5）；所述摄像头数据采集模块（1）与图像数据处理与识别模块（3）及电源管理模块（5）相连，捕获带交通信号灯的实时视频；所述视频数据缓存模块（2）与图像数据处理与识别模块（3）及电源管理模块（5）相连，缓存摄像头数据采集模块（1）捕获的图像帧；所述图像数据处理与识别模块（3）和摄像头数据采集模块（1）及视频数据缓存模块（2）相连，处理捕获的视频流数据，输出交通信号灯的识别结果；所述系统控制器MCU模块（4）与图像数据处理与识别模块（3）、视频数据缓存模块（2）及摄像头数据采集模块（1）相连，完成对各模块的资源分配与任务调度，并根据图像数据处理与识别模块（3）输出的交通信号灯识别结果进行判断决策，输出控制信号；所述电源管理模块（5）与摄像头数据采集模块（1）、视频数据缓存模块（2）、图像数据处理与识别模块（3）及系统控制器MCU模块（4）相连，向各模块供电；其中，所述图像数据处理与识别模块（3）为Zynq7020的FPGA(PL)，系统控制器MCU模块（4）为Zynq7020的MCU(PS)。
2.根据权利要求1所述的基于Zynq7020的交通信号灯智能识别装置，其特征在于，所述摄像头数据采集模块（1）带有标准的DVP接口及I2C接口，自带嵌入式微处理器，集成有源晶振，无需外部提供时钟。
3.根据权利要求1所述的基于Zynq7020的交通信号灯智能识别装置，其特征在于，所述视频数据缓存模块（2）包含一片1Gb高速DDR3存储颗粒作为图像缓存，能够满足实时处理视频数据时对缓存空间的需求。
4.根据权利要求1所述的基于Zynq7020的交通信号灯智能识别装置，其特征在于，所述图像数据处理与识别模块（3）与系统控制器MCU模块（4）通过GP接口和HP接口相连，其中HP接口传输两模块间的数据流信息，GP接口传输两模块间的控制信息。
CN202210375855.7A 2022-04-11 2022-04-11 基于Zynq7020的交通信号灯智能识别装置 Pending CN114999192A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210375855.7A CN114999192A (zh) 2022-04-11 2022-04-11 基于Zynq7020的交通信号灯智能识别装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210375855.7A CN114999192A (zh) 2022-04-11 2022-04-11 基于Zynq7020的交通信号灯智能识别装置

Publications (1)

Publication Number Publication Date
CN114999192A true CN114999192A (zh) 2022-09-02

Family

ID=83023862

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210375855.7A Pending CN114999192A (zh) 2022-04-11 2022-04-11 基于Zynq7020的交通信号灯智能识别装置

Country Status (1)

Country Link
CN (1) CN114999192A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825696A (zh) * 2016-04-18 2016-08-03 吉林大学 基于信号灯信息提示的驾驶辅助系统
CN106060462A (zh) * 2016-06-07 2016-10-26 中南大学 一种基于Zynq平台的高性能视频处理及传输系统
CN107885214A (zh) * 2017-11-22 2018-04-06 济南浪潮高新科技投资发展有限公司 一种基于fpga的加速自动驾驶视觉感知的方法及装置
US20180295311A1 (en) * 2017-04-11 2018-10-11 TuSimple Image transmission device and method
CN108765947A (zh) * 2018-06-04 2018-11-06 太仓迭世信息科技有限公司 一种基于行驶速度变化的自动驾驶方法及其系统
CN110276110A (zh) * 2019-06-04 2019-09-24 华东师范大学 一种双目立体视觉系统的软硬件协同设计方法
CN110706494A (zh) * 2019-10-30 2020-01-17 北京百度网讯科技有限公司 自动驾驶车辆的控制方法、装置、设备及存储介质
CN112235525A (zh) * 2020-09-15 2021-01-15 中国科学院微电子研究所 基于ZYNQ的GigE接口相机目标识别方法及系统
CN113590528A (zh) * 2021-07-20 2021-11-02 湖南艾科诺维科技有限公司 基于hp接口的多通道数据采集存储回放卡、系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825696A (zh) * 2016-04-18 2016-08-03 吉林大学 基于信号灯信息提示的驾驶辅助系统
CN106060462A (zh) * 2016-06-07 2016-10-26 中南大学 一种基于Zynq平台的高性能视频处理及传输系统
US20180295311A1 (en) * 2017-04-11 2018-10-11 TuSimple Image transmission device and method
CN107885214A (zh) * 2017-11-22 2018-04-06 济南浪潮高新科技投资发展有限公司 一种基于fpga的加速自动驾驶视觉感知的方法及装置
CN108765947A (zh) * 2018-06-04 2018-11-06 太仓迭世信息科技有限公司 一种基于行驶速度变化的自动驾驶方法及其系统
CN110276110A (zh) * 2019-06-04 2019-09-24 华东师范大学 一种双目立体视觉系统的软硬件协同设计方法
CN110706494A (zh) * 2019-10-30 2020-01-17 北京百度网讯科技有限公司 自动驾驶车辆的控制方法、装置、设备及存储介质
CN112235525A (zh) * 2020-09-15 2021-01-15 中国科学院微电子研究所 基于ZYNQ的GigE接口相机目标识别方法及系统
CN113590528A (zh) * 2021-07-20 2021-11-02 湖南艾科诺维科技有限公司 基于hp接口的多通道数据采集存储回放卡、系统及方法

Similar Documents

Publication Publication Date Title
WO2021238019A1 (zh) 基于Ghost卷积特征融合神经网络实时车流量检测系统及方法
Zhang et al. Tiny YOLO optimization oriented bus passenger object detection
CN111339977B (zh) 一种基于远程视频监控的小目标智能识别系统及其识别方法
CN101902617B (zh) 一种用dsp和fpga实现视频结构化描述的装置及方法
CN104320615B (zh) 一种智能视频安防系统及其信号处理方法
WO2024037408A1 (zh) 一种基于图像融合和特征增强的煤矿井下行人检测方法
CN104284065A (zh) 一种基于fpga的工业智能相机
CN108806243A (zh) 一种基于Zynq-7000的交通流量信息采集终端
CN101059838A (zh) 一种人脸识别系统与识别方法
Jokic et al. Binaryeye: A 20 kfps streaming camera system on fpga with real-time on-device image recognition using binary neural networks
CN203849870U (zh) 基于无线网络的车流监测与信号灯智能控制系统
CN103164697A (zh) 一种处理时间与识别精度自适应的车牌识别方法
US20220207750A1 (en) Object detection with image background subtracted
CN105825219A (zh) 机器视觉检测系统
CN114999192A (zh) 基于Zynq7020的交通信号灯智能识别装置
CN110991421B (zh) 卡口抓拍图像车辆检测方法、计算机存储介质及电子设备
CN203057353U (zh) 高清智能视觉一体机
US20230343114A1 (en) Automatic multi-plate recognition
CN116486392A (zh) 一种基于fpga的车牌人脸智能识别方法及系统
Wen et al. Improved Haar wavelet feature extraction approaches for vehicle detection
CN212990128U (zh) 一种基于远程视频监控的小目标智能识别系统
CN112379362A (zh) 一种基于多源数据融合的事件自适应采集设备及方法
CN112019808A (zh) 一种基于MPSoC的车载实时视频信息智能识别装置
CN2700978Y (zh) 便携式无线网络道路交通监测仪
CN110703670A (zh) 一种机器视觉智能传感器

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: 20220902

RJ01 Rejection of invention patent application after publication