CN115184771B - 图像信号处理器的故障检测方法和装置、电子设备和介质 - Google Patents
图像信号处理器的故障检测方法和装置、电子设备和介质 Download PDFInfo
- Publication number
- CN115184771B CN115184771B CN202210800796.3A CN202210800796A CN115184771B CN 115184771 B CN115184771 B CN 115184771B CN 202210800796 A CN202210800796 A CN 202210800796A CN 115184771 B CN115184771 B CN 115184771B
- Authority
- CN
- China
- Prior art keywords
- processing
- image data
- result
- processed
- processing result
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 123
- 238000012545 processing Methods 0.000 claims abstract description 329
- 239000011159 matrix material Substances 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 50
- 230000009466 transformation Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 abstract description 28
- 239000013598 vector Substances 0.000 abstract description 21
- 230000006870 function Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 11
- 230000002146 bilateral effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- -1 i.e. Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/282—Testing of electronic circuits specially adapted for particular applications not provided for elsewhere
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本公开实施例公开了一种图像信号处理器的故障检测方法和装置、电子设备和存储介质,涉及图像技术领域,其中的方法包括:基于使用非对称矩阵对图像数据进行卷积处理的处理单元的数量,确定检测模式;若为第一检测模式,对需要处理的图像数据进行前后两次卷积处理,用以获得第一处理结果和第二处理结果;若为第二检测模式,使用至少两个处理单元分别对需要处理的图像数据以及与该需要处理的图像数据对应的对称图像数据进行卷积处理,用以获得第一处理结果和第二处理结果;基于第一处理结果和第二处理结果的比对结果确定工作状态;本公开可以节省硬件开销成本,有效降低测试向量的数量,降低故障检测时间,实现了对电路故障的快速、准确的检测。
Description
技术领域
本公开涉及图像处理技术,尤其是一种图像信号处理器的故障检测方法和装置、电子设备和存储介质。
背景技术
在很多应用领域都需要进行视频图像处理,例如基于图像处理技术的自动驾驶领域等。在自动驾驶领域,图像信号处理器是对图像进行处理的重要设备,如果图像信号处理器出现硬件故障(例如因为环境、老化、辐射等原因出现故障),则可能引起整个汽车设备的故障。图像信号处理器在实际使用中可能会发生某些不可预知的瞬态故障(可恢复正常的故障等)和永久性故障(不可恢复正常的故障等)等,这些故障的发生有可能引发整个车辆的设备故障,需要及时检测出这些故障。目前,图像信号处理器的检测方法主要方法有增加冗余检测电路等方法,需要增加检测电路,具有增加电路成本等缺点,因此,需要一种新的故障检测技术方案。
发明内容
为了解决上述技术问题,提出了本公开。本公开的实施例提供了一种图像信号处理器的故障检测方法和装置、电子设备和存储介质。
根据本公开实施例的第一方面,提供了一种图像信号处理器的故障检测方法,其中,图像信号处理器包括使用对称矩阵或非对称矩阵对图像数据进行卷积处理的至少两个处理单元,所述方法包括:基于使用非对称矩阵对图像数据进行卷积处理的处理单元的数量,确定对于所述图像信号处理器进行检测的检测模式;确定与所述检测模式相对应的所述至少两个处理单元需要处理的图像数据;若所述检测模式为第一检测模式,使用所述至少两个处理单元对所述需要处理的图像数据进行前后两次卷积处理,用以获得第一处理结果和第二处理结果;若所述检测模式为第二检测模式,使用所述至少两个处理单元分别对所述需要处理的图像数据以及与该需要处理的图像数据对应的对称图像数据进行卷积处理,用以获得所述第一处理结果和所述第二处理结果;将所述第一处理结果与所述第二处理结果进行比对,基于比对结果确定所述图像信号处理器的工作状态。
根据本公开实施例的第二方面,提供了一种图像信号处理器的故障检测装置,其中,图像信号处理器包括使用对称矩阵或非对称矩阵对图像数据进行卷积处理的处理单元,至少两个处理单元包括:至少两个所述处理单元;所述装置包括:模式确定模块,用于基于使用非对称矩阵对图像数据进行卷积处理的处理单元的数量,确定对于所述图像信号处理器进行检测的检测模式;图像确定模块,用于确定与所述检测模式相对应的所述至少两个处理单元需要处理的图像数据;至少两个处理单元,用于若所述检测模式为第一检测模式,使用所述至少两个处理单元对所述需要处理的图像数据进行前后两次卷积处理,用以获得第一处理结果和第二处理结果;若所述检测模式为第二检测模式,使用所述至少两个处理单元分别对所述需要处理的图像数据以及与该需要处理的图像数据对应的对称图像数据进行卷积处理,用以获得所述第一处理结果和所述第二处理结果;故障检测模块,用于将所述第一处理结果与所述第二处理结果进行比对,基于比对结果确定所述图像信号处理器的工作状态。
根据本公开实施例的第三方面,提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述的方法。
根据本公开实施例的第四方面,提供一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述的方法。
基于本公开上述实施例提供的图像信号处理器的故障检测方法和装置、电子设备和存储介质,可以节省硬件开销成本,通过利用测试向量和测试向量的对称集合作为使用的测试向量,可以有效降低测试向量的数量,降低故障检测时间,并减少对测试向量结果的存储,减少硬件消耗,灵活性高,实现了对电路故障的快速、准确的检测,提高客户的使用感受度。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述,本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解,并且构成说明书的一部分,与本公开实施例一起用于解释本公开,并不构成对本公开的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1为本公开的图像信号处理器的故障检测方法的一个实施例的流程图;
图2A为处理单元的一个实施例的示意图,图2B为处理单元的卷积矩阵的示意图;
图3A至3D为图像数据的对称处理示意图;
图4为本公开的图像信号处理器的故障检测方法的一个实施例中的第一检测模式的检测流程图;
图5为本公开的图像信号处理器的故障检测方法的一个实施例中的第二检测模式的检测流程图;
图6为本公开的图像信号处理器的故障检测装置的一个实施例的结构示意图;
图7为本公开的图像信号处理器的故障检测装置的一个实施例中的图像处理模块的结构示意图;
图8是本公开的电子设备的一个实施例的结构图。
具体实施方式
下面,将参考附图详细地描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:车机终端、个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
申请概述
在实现本公开的过程中,发明人发现,图像信号处理器的检测方法主要有增加冗余检测电路、测试向量等方法。增加冗余检测电路的方法是对电路做多份备份、校验检测和纠错码等处理,是一种增加电路的方法,然后,通过增加大量的电路,会提升冗余检测电路的硬件成本、功耗等,在冗余检测电路发生故障的情形下,会产生误报。
本公开提供的图像信号处理器的故障检测方法,基于使用非对称矩阵对图像数据进行卷积处理的处理单元的数量,确定检测模式;若检测模式为第一检测模式,使用图像信号处理器的至少两个处理单元对需要处理的图像数据进行前后两次卷积处理,用以获得第一处理结果和第二处理结果;若检测模式为第二检测模式,使用图像信号处理器的至少两个处理单元分别对需要处理的图像数据以及与该需要处理的图像数据对应的对称图像数据进行卷积处理,用以获得第一处理结果和第二处理结果;基于比对结果确定图像信号处理器的工作状态;通过使用用于对图像数据进行卷积处理的处理单元进行故障检测,不需要增加冗余的故障检测电路,可以节省硬件开销成本,故障检测的灵活性高;通过将测试向量的对称集合作为另一部分测试向量,可以减少测量向量的总量,减少了对测试向量存储的硬件消耗。
示例性方法
图1为本公开的图像信号处理器的故障检测方法的一个实施例的流程图,如图1所示的方法包括步骤:S101至S105。下面对各步骤分别进行说明。
S101,基于使用非对称矩阵对图像数据进行卷积处理的处理单元的数量,确定对于图像信号处理器进行检测的检测模式。
在一个实施例中,图像信号处理器(Image Signal Processor,简称ISP)包括至少两个处理单元,处理单元可以有多种实现方式。图像信号处理器可以实现多种图像处理功能,例如,去马赛克、白平衡、自动聚焦等功能。图像信号处理器包括处理单元,处理单元是ISP中实现各种图像处理功能的硬件单元,此硬件单元可以通过逻辑运算实现各自对应的图像处理算法,图像处理算法可以为白平衡、去马赛克、自动聚焦等。进一步地,处理单元可以为包括加法器、乘法器以及除法器等电路的硬件单元。处理单元能够对图像数据等数据进行相应的处理,例如对图像数据进行卷积处理等。
在本公开中,处理单元可以实现卷积矩阵的功能,所实现的卷积矩阵的功能可以被抽象为卷积矩阵,卷积矩阵可以为对称矩阵、非对称矩阵等,因此,处理单元对图像进行卷积处理可被认为处理单元使用卷积矩阵对图像进行卷积处理,用以得到新的图像。
如图2A所示,处理单元实现的卷积矩阵的功能为3x3卷积矩阵M的功能,处理单元可以被认为使用3x3卷积矩阵M对图像进行的卷积处理,得到进行卷积处理后的图像。独立的处理单元可以分为三类:对称的处理单元、伪对称的处理单元和非对称的处理单元,处理单元由其实现的卷积矩阵的功能特性来区分类别。例如,处理单元实现的卷积矩阵功能为对称矩阵,则此处理单元为对称处理单元,对称处理单元包括左右对称的处理单元和全对称处理单元。
处理单元实现的卷积矩阵的功能为卷积矩阵M的功能,卷积矩阵M如图2B所示,如果卷积矩阵M中的A==C、D==F并且G==I,则卷积矩阵M是一个左右对称矩阵,实现了此卷积矩阵M的功能的处理单元为左右对称的处理单元。如果卷积矩阵M中的A==C==G==I,B==D==F==H,则卷积矩阵M是一个全对称矩阵,实现了此卷积矩阵M的功能的处理单元为全对称处理单元。
当卷积矩阵M是一个左右对称矩阵时,图像的左侧先进入卷积矩阵M和图像的右侧先进入卷积矩阵M得到的卷积后图像是两个左右对称图像。例如,卷积矩阵M(左右对称矩阵)为一阶矩阵,为向量[1,2,1],图像数据为[1,2,3,4,5,6,7],当以正向的顺序将图像数据输入卷积矩阵M做卷积,得到的结果是[8,12,16,20,24]。如果改变图像数据输入的顺序,以反向的顺序输入图像的像素数据(可以认为是将原图像做了轴对称的处理),图像的右侧数据先通过卷积矩阵M做卷积,得到的结果是[24,20,16,12,8],两种输入方式的处理结果是对称的。
非对称处理单元实现的卷积矩阵的功能为非对称矩阵的功能。例如,卷积矩阵M(非对称矩阵)为一阶矩阵,即为向量[1,2,3],图像数据为[1,2,3,4,5,6,7],图像左侧数据先通过卷积矩阵M做卷积,得到的结果是[14,20,26,32,38],图像的右侧数据先通过卷积矩阵M做卷积,得到的结果是[10,16,22,28,34],两次卷积的结果不一致。
如果非对称处理单元实现的卷积矩阵的功能可以通过设置参数进行配置,使得图像的左侧先进入卷积矩阵和图像的右侧先进入卷积矩阵得到的卷积后图像是两个左右对称图像,则此非对称处理单元称为伪对称处理单元。
如果使用非对称矩阵对图像数据进行卷积处理的处理单元(即此处理单元实现的卷积矩阵的功能为非对称矩阵的功能)的数量大于0,则确定检测模式为第一检测模式;如果使用非对称矩阵对图像数据进行卷积处理的处理单元的数量为0,则确定检测模式为第二检测模式。
S102,确定与检测模式相对应的至少两个处理单元需要处理的图像数据。需要处理的图像数据包括完整图像或者完整图像中的部分图像数据等数据,需要处理的图像数据可以直接来自图像传感器,也可以来自缓存。
S103,若检测模式为第一检测模式,使用至少两个处理单元对需要处理的图像数据进行前后两次卷积处理,用以获得第一处理结果和第二处理结果。
S104,若检测模式为第二检测模式,使用至少两个处理单元分别对需要处理的图像数据以及与该需要处理的图像数据对应的对称图像数据进行卷积处理,用以获得第一处理结果和第二处理结果。
在一个实施例中,对于图像进行对称变换生成对称图像数据,是指把图像整体以水平中心轴为对称轴做对称处理,或者是将图像整体以垂直中心轴为对称轴做对称处理,或者同时做水平和垂直对称处理。如图3A-3D所示,图3A为原始图像,图3B是图3A的上下左右对称翻转后的图片,即中心对称图片,图3C是图3A的左右对称翻转后的图片,图3D是图3A的上下对称翻转后的图片。
S105,将第一处理结果与第二处理结果进行比对,基于比对结果确定图像信号处理器的工作状态。
如果第一处理结果和第二处理结果相同,则确定图像信号处理器的工作状态为正常;如果第一处理结果和第二处理结果不相同,则确定图像信号处理器出现故障。
在一个实施例中,图像信号处理器的至少两个处理单元可以工作在正常工作模式,也可以工作在测试模式。在工作模式下,全部处理单元按照正常工作连接方式连接;在测试模式下,两个或更多个处理单元的数据通路进行连接,在测试模式下对处理结果进行比较,得出是否出现故障的结论,并将至少两个处理单元的比对结果写入存储设备中。
图4为本公开的图像信号处理器的故障检测方法的一个实施例中的第一检测模式的检测流程图,如图4所示的方法包括步骤:S401至S405。下面对各步骤分别进行说明。
S401,获取至少两个处理单元中的各个处理单元依次对需要处理的图像数据进行第一卷积处理、第二卷积处理的结果,用以获得第一处理结果、第二处理结果。
在一个实施例中,至少两个处理单元中的各个处理单元进行前后两次卷积处理,例如,可以在第一时刻,由至少两个处理单元中的各个处理单元对需要处理的图像数据进行第一卷积处理,在第二时刻,至少两个处理单元中的各个处理单元对需要处理的图像数据进行第二卷积处理。
第一时刻和第二时刻可以设置,例如,将刚开始进行检测的时间作为第一时刻,进行第一卷积处理;经过固定时间(例如)后确定第二时刻,例如将2小时后,4小时后,6小时后确定为第二时刻,进行第二卷积处理。
S402,对第一卷积处理的结果进行第一哈希运算,生成第一哈希值。可以使用现有的哈希运算,生成哈希值。
S403,基于第一哈希值生成第一处理结果。可以将第一哈希值作为第一处理结果。
S404,对第二卷积处理的结果进行第二哈希运算,生成第二哈希值。
S405,基于第二哈希值生成第二处理结果。可以将第二哈希值作为第二处理结果。
在一个实施例中,如果至少两个处理单元中包含非对称图像处理单元,第一次进入测试模式后,图像信号处理器的至少两个处理单元中的各个处理单元依次对需要处理的图像数据进行第一卷积处理,并记录计算结果。在后续每次进入测试模式后,图像信号处理器的至少两个处理单元中的各个处理单元依次对需要处理的图像数据进行第二卷积处理,并记录计算结果。
比较第一卷积处理和第二卷积处理的计算结果,如果两次处理结果相同,则确定图像信号处理器的工作状态为正常,如果两次处理结果不相同,则确定图像信号处理器出现故障。可以对第一卷积处理和第二卷积处理的计算结果进行hash计算(或类似计算),只保存并比较hash值,作为第一处理结果、第二处理结果。
采用第一检测模式,可以实现对于电路故障检测的改进,以某些测试向量(完整图像或者完整图像中的部分图像数据)为基础,使用一套硬件资源(至少两个处理单元)先后进入测试模式A和测试模式B,分别在试模式A和测试模式B下,获取各个处理单元依次对测试向量进行第一卷积处理、第二卷积处理的结果,用以获得第一处理结果、第二处理结果;然后基于对第一处理结果、第二处理结果的对比结果,判断图像信号处理器是否出现故障,可以节省硬件开销成本,并实现图像信号处理器的快速检测。
图5为本公开的图像信号处理器的故障检测方法的一个实施例中的第二检测模式的检测流程图,如图5所示的方法包括步骤:S501至S503。下面对各步骤分别进行说明。
S501,基于至少两个处理单元中的各个处理单元依次对需要处理的图像数据进行第三卷积处理的结果,确定第一处理结果。
S502,对于需要处理的图像数据进行对称变换处理,生成与需要处理的图像数据相对应的对称图像数据。
在一个实施例中,对于需要处理的图像数据进行对称变换处理为对需要处理的图像数据进行水平对称变换处理、对需要处理的图像数据进行垂直对称变换处理、对需要处理的图像数据进行中心对称变换处理中的一种处理。
S503,基于至少两个处理单元中的各个处理单元依次对对称图像数据进行第四卷积处理的结果,确定第二处理结果。例如,对第四卷积处理的结果进行与对称变换处理相对应的反变换处理,生成第二处理结果。
在一个实施例中,对于图像信号处理器中的伪对称的处理单元,在检测时可以对其设置呈现对称方式的对称参数等,使得此伪对称的处理单元能够实现对称处理单元的效果。
当至少两个处理单元不包含非对称图像处理单元,以实际的输入图像为基础,并利用该输入图像的对称变换后的图像做测试向量,得到测试结果后进行对比处理,实现系统的故障检测。
例如,输入图像X,通过图像信号处理器的至少两个处理单元的各个处理单元进行卷积处理,得到第一处理结果,即图像Y;输入图像X在经过对称变换后,得到结果图像T,图像T通过图像信号处理器的至少两个处理单元的各个处理单元进行卷积处理,得到结果图像K,图像K经过图像反变换,得到结果图像Z。对比图像Y和图像Z,得到对比结果,如果对比结果为不一致,则该图像信号处理器发生故障;如果对比结果为一致,则该图像信号处理器正常。
可以采用多个分别由图像信号处理器的至少两个处理单元组成的处理单元组同时处理测试图像X以及变换后的图像T,两个处理单元组分别输出的结果图像Y和Z,对比图像Y和图像Z,根据对比结果判断图像信号处理器是否发生故障,能够实现更快的电路故障结果检测。
采用第二检测模式,利用测试向量(图像数据)和测试向量的对称集合作为最终的测试向量,可以有效的降低测试向量的数量,降低故障检测时间,减少对测试向量结果的存储,减少硬件消耗,灵活性高;能够根据实际应用来确定采用多硬件并行处理或采用硬件串行处理,实现了对电路故障的快速、准确的检测。
示例性装置
在一个实施例中,本公开提供一种图像信号处理器的故障检测装置,图像信号处理器包括使用对称矩阵或非对称矩阵对图像数据进行卷积处理的至少两个处理单元。如图6所示,故障检测装置包括模式确定模块601、图像确定模块602、图像处理模块603和故障检测模块604。
模式确定模块601基于使用非对称矩阵对图像数据进行卷积处理的处理单元的数量,确定对于图像信号处理器进行检测的检测模式。图像确定模块602确定与检测模式相对应的至少两个处理单元需要处理的图像数据。
若检测模式为第一检测模式,图像处理模块603使用至少两个处理单元对需要处理的图像数据进行前后两次卷积处理,用以获得第一处理结果和第二处理结果;若检测模式为第二检测模式,图像处理模块603使用至少两个处理单元分别对需要处理的图像数据以及与该需要处理的图像数据对应的对称图像数据进行卷积处理,用以获得第一处理结果和第二处理结果。故障检测模块604将第一处理结果与第二处理结果进行比对,基于比对结果确定图像信号处理器的工作状态。
在一个实施例中,如果使用非对称矩阵对图像数据进行卷积处理的处理单元的数量大于0,则模式确定模块601确定检测模式为第一检测模式;如果使用非对称矩阵对图像数据进行卷积处理的处理单元的数量为0,则模式确定模块601确定检测模式为第二检测模式。
如果第一处理结果和第二处理结果相同,则故障检测模块604确定图像信号处理器的工作状态为正常;如果第一处理结果和第二处理结果不相同,则故障检测模块604确定图像信号处理器出现故障。
在一个实施例中,如图7所示,图像处理模块603包括第一处理单元6031和第二处理单元6032。第一处理单元6031获取至少两个处理单元中的各个处理单元依次对需要处理的图像数据进行第一卷积处理、第二卷积处理的结果,用以获得第一处理结果、第二处理结果。
第一处理单元6031对第一卷积处理的结果进行第一哈希运算,生成第一哈希值,基于第一哈希值生成第一处理结果。第一处理单元6031对第二卷积处理的结果进行第二哈希运算,生成第二哈希值,基于第二哈希值生成第二处理结果。
第二处理单元6032基于至少两个处理单元中的各个处理单元依次对需要处理的图像数据进行第三卷积处理的结果,确定第一处理结果;第二处理单元6032对于需要处理的图像数据进行对称变换处理,生成与需要处理的图像数据相对应的对称图像数据。
第二处理单元6032基于至少两个处理单元中的各个处理单元依次对对称图像数据进行第四卷积处理的结果,确定第二处理结果。例如,第二处理单元6032对第四卷积处理的结果进行与对称变换处理相对应的反变换处理,生成第二处理结果。
示例性电子设备
如图8所示,电子设备包括一个或多个处理器801和存储器802。处理器801可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器802可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器801可以运行所述程序指令,以实现上文所述的本公开的各个实施例的图像信号处理器的故障检测方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备还可以包括:输入装置803和输出装置804,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。例如,输入装置803可以是麦克风或麦克风阵列,用于捕捉声源的输入信号,或者是通信网络连接器,接收所采集的输入信号,还可以包括例如键盘、鼠标等等。
该输出装置804可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出装置804可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图8中仅示出了该电子设备中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的图像信号处理器的故障检测方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的图像信号处理器的故障检测方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,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。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (12)
1.一种图像信号处理器的故障检测方法,其中,图像信号处理器包括使用对称矩阵或非对称矩阵对图像数据进行卷积处理的至少两个处理单元;所述方法包括:
基于使用非对称矩阵对图像数据进行卷积处理的处理单元的数量,确定对于所述图像信号处理器进行检测的检测模式;
确定与所述检测模式相对应的所述至少两个处理单元需要处理的图像数据;
若所述检测模式为第一检测模式,使用所述至少两个处理单元对所述需要处理的图像数据进行前后两次卷积处理,用以获得第一处理结果和第二处理结果;
若所述检测模式为第二检测模式,使用所述至少两个处理单元分别对所述需要处理的图像数据以及与该需要处理的图像数据对应的对称图像数据进行卷积处理,用以获得所述第一处理结果和所述第二处理结果;
将所述第一处理结果与所述第二处理结果进行比对,基于比对结果确定所述图像信号处理器的工作状态。
2.根据权利要求1所述的方法,其中,所述基于比对结果确定所述图像信号处理器的工作状态包括:
如果所述第一处理结果和所述第二处理结果相同,则确定所述图像信号处理器的工作状态为正常;
如果所述第一处理结果和所述第二处理结果不相同,则确定所述图像信号处理器出现故障。
3.如根据权利要求1或2所述的方法,所述确定对于所述图像信号处理器进行检测的检测模式包括:
如果使用非对称矩阵对图像数据进行卷积处理的处理单元的数量大于0,则确定所述检测模式为第一检测模式;
如果使用非对称矩阵对图像数据进行卷积处理的处理单元的数量为0,则确定所述检测模式为第二检测模式。
4.如根据权利要求3所述的方法,所述使用所述至少两个处理单元对所述需要处理的图像数据进行前后两次卷积处理,用以获得第一处理结果和第二处理结果需要处理的图像数据包括:
获取所述至少两个处理单元中的各个处理单元依次对所述需要处理的图像数据进行第一卷积处理、第二卷积处理的结果,用以获得所述第一处理结果、所述第二处理结果。
5.如根据权利要求4所述的方法,所述获得所述第一处理结果包括:
对所述第一卷积处理的结果进行第一哈希运算,生成第一哈希值;
基于所述第一哈希值生成所述第一处理结果;
所述获得所述第二处理结果包括:
对所述第二卷积处理的结果进行第二哈希运算,生成第二哈希值;
基于所述第二哈希值生成所述第二处理结果。
6.如权利要求3所述的方法,所述使用所述至少两个处理单元分别对所述需要处理的图像数据以及与该需要处理的图像数据对应的对称图像数据进行卷积处理,用以获得所述第一处理结果和所述第二处理结果包括:
基于所述至少两个处理单元中的各个处理单元依次对所述需要处理的图像数据进行第三卷积处理的结果,确定所述第一处理结果;
对于所述需要处理的图像数据进行对称变换处理,生成与所述需要处理的图像数据相对应的所述对称图像数据;
基于所述至少两个处理单元中的各个处理单元依次对所述对称图像数据进行第四卷积处理的结果,确定所述第二处理结果。
7.如权利要求6所述的方法,所述获得所述第二处理结果包括:
对所述第四卷积处理的结果进行与所述对称变换处理相对应的反变换处理,生成所述第二处理结果。
8.如权利要求6所述的方法,其中,对于所述需要处理的图像数据进行的对称变换处理包括:
对所述需要处理的图像数据进行水平对称变换处理、对所述需要处理的图像数据进行垂直对称变换处理、对所述需要处理的图像数据进行中心对称变换处理中的一种处理。
9.如权利要求1至8任一项所述的方法,其中,
所述需要处理的图像数据包括:完整图像或者完整图像中的部分图像数据。
10.一种图像信号处理器的故障检测装置,其中,图像信号处理器包括使用对称矩阵或非对称矩阵对图像数据进行卷积处理的至少两个处理单元;所述装置包括:
模式确定模块,用于基于使用非对称矩阵对图像数据进行卷积处理的处理单元的数量,确定对于所述图像信号处理器进行检测的检测模式;
图像确定模块,用于确定与所述检测模式相对应的所述至少两个处理单元需要处理的图像数据;
图像处理模块,用于若所述检测模式为第一检测模式,使用所述至少两个处理单元对所述需要处理的图像数据进行前后两次卷积处理,用以获得第一处理结果和第二处理结果;若所述检测模式为第二检测模式,使用所述至少两个处理单元分别对所述需要处理的图像数据以及与该需要处理的图像数据对应的对称图像数据进行卷积处理,用以获得所述第一处理结果和所述第二处理结果;
故障检测模块,用于将所述第一处理结果与所述第二处理结果进行比对,基于比对结果确定所述图像信号处理器的工作状态。
11.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-9中任一项所述的方法。
12.一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210800796.3A CN115184771B (zh) | 2022-07-08 | 2022-07-08 | 图像信号处理器的故障检测方法和装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210800796.3A CN115184771B (zh) | 2022-07-08 | 2022-07-08 | 图像信号处理器的故障检测方法和装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115184771A CN115184771A (zh) | 2022-10-14 |
CN115184771B true CN115184771B (zh) | 2024-06-11 |
Family
ID=83517589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210800796.3A Active CN115184771B (zh) | 2022-07-08 | 2022-07-08 | 图像信号处理器的故障检测方法和装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115184771B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112306555A (zh) * | 2019-07-30 | 2021-02-02 | 北京百度网讯科技有限公司 | 并行提取多个卷积窗中的图像数据的方法、装置、设备以及计算机可读存储介质 |
CN113160026A (zh) * | 2020-01-07 | 2021-07-23 | 北京地平线机器人技术研发有限公司 | 图像处理方法、装置、介质以及电子设备 |
WO2022016649A1 (zh) * | 2020-07-21 | 2022-01-27 | 深圳市鹰硕教育服务有限公司 | 智能笔图像处理方法、装置及电子设备 |
CN114612531A (zh) * | 2022-02-22 | 2022-06-10 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
-
2022
- 2022-07-08 CN CN202210800796.3A patent/CN115184771B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112306555A (zh) * | 2019-07-30 | 2021-02-02 | 北京百度网讯科技有限公司 | 并行提取多个卷积窗中的图像数据的方法、装置、设备以及计算机可读存储介质 |
CN113160026A (zh) * | 2020-01-07 | 2021-07-23 | 北京地平线机器人技术研发有限公司 | 图像处理方法、装置、介质以及电子设备 |
WO2022016649A1 (zh) * | 2020-07-21 | 2022-01-27 | 深圳市鹰硕教育服务有限公司 | 智能笔图像处理方法、装置及电子设备 |
CN114612531A (zh) * | 2022-02-22 | 2022-06-10 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于SIMD技术的图像卷积处理器体系结构研究;佟凤辉, 樊晓桠, 王党辉, 辛明瑞;微电子学与计算机;20030325(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115184771A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111429354B (zh) | 图像拼接及全景图拼接方法和装置、存储介质、电子设备 | |
CN113838070B (zh) | 数据脱敏方法和装置 | |
CN113837970B (zh) | 图像数据的脱敏方法和装置 | |
CN114821066A (zh) | 模型训练方法、装置、电子设备及计算机可读存储介质 | |
JP7398162B2 (ja) | テスト対象モジュールのテスト回路、方法及び装置 | |
CN113656230B (zh) | 故障诊断电路、方法、装置及计算机可读存储介质 | |
CN113569860B (zh) | 实例分割方法和实例分割网络的训练方法及其装置 | |
CN114882465A (zh) | 视觉感知方法、装置、存储介质和电子设备 | |
CN115184771B (zh) | 图像信号处理器的故障检测方法和装置、电子设备和介质 | |
CN111966473B (zh) | 一种线性回归任务的运行方法及装置、电子设备 | |
CN116048961A (zh) | 摄像头模组接入应用系统的处理方法、装置、设备和介质 | |
US20130185239A1 (en) | Accelerated Decision Tree Execution | |
CN116126754A (zh) | 用于内存访问的集成电路、处理方法、电子设备和介质 | |
CN112766470A (zh) | 特征数据处理方法、指令序列生成方法、装置及设备 | |
CN112116083B (zh) | 神经网络加速器及其检测方法和装置 | |
CN111915000B (zh) | 一种用于医疗图像的网络模型的调整方法和装置 | |
CN115272051A (zh) | 用于实现图像扭曲的方法、装置及计算机可读存储介质 | |
CN115185832A (zh) | 测试用例的生成方法、装置、计算机设备及可读存储介质 | |
CN112364724B (zh) | 活体检测方法和装置、存储介质、电子设备 | |
CN112199978B (zh) | 视频物体检测方法和装置、存储介质和电子设备 | |
CN112132274B (zh) | 特征图全连接卷积方法、装置、可读存储介质及电子设备 | |
CN114514506A (zh) | 深度学习框架的调整方法、装置、服务器及存储介质 | |
CN113129330B (zh) | 一种可移动设备的轨迹预测方法及装置 | |
CN112381713B (zh) | 图像拼接方法和装置、计算机可读存储介质、电子设备 | |
CN112118370A (zh) | 一种暗角缺陷消除方法、装置、设备和存储介质 |
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 |