CN211506523U - 一种基于深度学习的目标检测开发平台 - Google Patents
一种基于深度学习的目标检测开发平台 Download PDFInfo
- Publication number
- CN211506523U CN211506523U CN201922501557.4U CN201922501557U CN211506523U CN 211506523 U CN211506523 U CN 211506523U CN 201922501557 U CN201922501557 U CN 201922501557U CN 211506523 U CN211506523 U CN 211506523U
- Authority
- CN
- China
- Prior art keywords
- target detection
- development platform
- processing unit
- deep learning
- ipc
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本实用新型提供一种基于深度学习的目标检测开发平台，其包括铝合金工具箱，所述铝合金工具箱内设置有IPC网络摄像机、边缘计算处理单元和电容触摸显示屏；IPC网络摄像机通过以太网与边缘计算处理单元连接，电容触摸显示屏通过EDP与边缘计算处理单元连接。本实用新型通过IPC网络摄像机进行视频数据采集，边缘计算处理单元理对视频进行分析，并实时显示分析结果，可以促进企业技术人员及高校师生快速学习深度学习的目标检测技术，开发平台预设基于深度学习的目标检测例程及指导说明，主要实现了在嵌入式平台上进行机器视觉的目标检测，通过深度学习的方法实现对多目标物体进行检测并识别。
Description
技术领域
本实用新型涉及一种基于深度学习的目标检测开发平台。
背景技术
目标检测是计算机视觉领域内一个长期存在的基础性难题，几十年来也一直都是一个活跃的研究领域。目标检测的目标是确定某张给定图像中是否存在给定类别(比如人、车、自行车、狗和猫)的目标实例；如果存在，就返回每个目标实例的空间位置和覆盖范围(比如返回一个边界框[53,179])。作为图像理解和计算机视觉的基石，目标检测是解决分割、场景理解、目标追踪、图像描述、事件检测和活动识别等更复杂更高层次的视觉任务的基础。
近些年兴起的深度学习技术是一种可从数据中直接学习特征表示的强大方法，并已经为目标检测领域带来了显著的突破性进展。
由于深度学习技术属于新兴技术，学习门槛比较高，为了促进企业技术人员及高校师生快速学习深度学习的目标检测技术，特提出一种基于深度学习的目标检测开发平台。开发平台预设基于深度学习的目标检测例程及指导说明，用户可基于此快速学习及二次开发。
实用新型内容
本实用新型要解决的技术问题是克服现有技术的缺陷，提供一种基于深度学习的目标检测开发平台。
为了解决上述技术问题，本实用新型提供了如下的技术方案：
本实用新型提供一种基于深度学习的目标检测开发平台，其包括铝合金工具箱，所述铝合金工具箱内设置有IPC网络摄像机、边缘计算处理单元和电容触摸显示屏；IPC网络摄像机通过以太网与边缘计算处理单元连接，电容触摸显示屏通过EDP与边缘计算处理单元连接。
进一步地，所述IPC网络摄像机支持高清1080P视频编码，为视频采集单元将采集到的视频信息进行编码后通过网络传输给边缘计算处理单元。
进一步地，视频采用H264编码。
进一步地，所述边缘计算处理单元用于接收IPC网络摄像机的视频流并进行解码，其包括嵌入式主控核心板、电源、以太网接口、 HDMI接口、扩展接口、EDP接口和USB 3.0接口。
进一步地，所述嵌入式主控核心板的主控核芯片采用瑞芯微电子的RK3399。
进一步地，所述嵌入式主控核心版至少包含2G DDR3内存，16G eMMC存储区。
进一步地，所述嵌入式主控核心板其物理上通过ddr4 sodim连接器与其他部件相连接。
进一步地，所述电容触摸显示屏的屏幕尺寸为11.6寸，分辨率不少于1920x1080。
本实用新型所达到的有益效果是：
本实用新型通过IPC网络摄像机进行视频数据采集，边缘计算处理单元理对视频进行分析，并实时显示分析结果，可以促进企业技术人员及高校师生快速学习深度学习的目标检测技术，开发平台预设基于深度学习的目标检测例程及指导说明，主要实现了在嵌入式平台上进行机器视觉的目标检测，通过深度学习的方法实现对多目标物体进行检测并识别。
附图说明
附图用来提供对本实用新型的进一步理解，并且构成说明书的一部分，与本实用新型的实施例一起用于解释本实用新型，并不构成对本实用新型的限制。在附图中：
图1基于深度学习的目标检测开发平台系统原理框图；
图2边缘计算处理单元的原理框图；
图3是开发平台预设的实验一般流程图；
图4是目标检测试验主流程图；
图5整体结构示意图。
具体实施方式
以下结合附图对本实用新型的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本实用新型，并不用于限定本实用新型。
如图1～5所示，一种基于深度学习的目标检测开发平台，其包括铝合金工具箱1，所述铝合金工具箱内设置有IPC网络摄像机2、边缘计算处理单元3和电容触摸显示屏4；IPC网络摄像机2通过以太网与边缘计算处理单元3连接，电容触摸显示屏4通过EDP与边缘计算处理单元连接。
所述IPC网络摄像机支持高清1080P视频编码，为视频采集单元将采集到的视频信息进行编码后通过网络传输给边缘计算处理单元。视频采用H264编码。所述边缘计算处理单元用于接收IPC网络摄像机的视频流并进行解码，其包括嵌入式主控核心板、电源、以太网接口、HDMI接口、扩展接口、EDP接口和USB 3.0接口。所述嵌入式主控核心板的主控核芯片采用瑞芯微电子的RK3399。所述嵌入式主控核心版至少包含2G DDR3内存，16G eMMC存储区。所述嵌入式主控核心板其物理上通过ddr4 sodim连接器与其他部件相连接。所述电容触摸显示屏的屏幕尺寸为11.6寸，分辨率不少于 1920x1080。
工作原理：IPC网络摄像机通过以太网与边缘计算处理单元连接，电容触摸显示屏通过EDP接口与边缘计算处理单元连接。所述 IPC网络摄像机，作为优选的，支持高清1080P视频编码，为视频采集单元将采集到的视频信息进行编码后通过网络传输给边缘计算处理单元。作为优选的，视频采用H264编码。所述边缘计算处理单元，其实现的功能主要有接收IPC网络摄像机的视频流并进行解码，作为优选的，视频采用H264解码。接下来运行试验程序软件，进行视频分析，检测并识别视频中的目标，通过EDP接口在电容触摸显示屏上实时显示。
开发平台预设的实验一般流程如图3所示，首先进行数据采集和预处理，然后训练模型，然后进行算法部署，然后就可以开始对应的实验。
所述数据采集，默认使用Pascal VOC的2007和2012数据集，下载VOC2007-training/validationdata、VOC2007-test data、 VOC2012-training/validation data、VOC2012-test data数据集，并解压到同一个目录下。
所述数据预处理，使用caffe-ssd提供的VOC数据集处理工具对数据集进行处理。处理完成后会生成包含图片和图片注释信息的路径、图片名称和图片的高宽等信息的文件。
所述训练模型，默认使用caffe进行训练。因为要使用ssd框架，所以要编译安装caffe的ssd分支，然后下载MobileNet-SSD源码，创建数据集软连接，开始训练和部署MobileNet-SSD模型。
接下来以目标检测实验为例，对实验流程进行详细说明：
目标检测实验主流程如图4，首先是程序预处理，主要对相关类进行创建，这些类包括IPC摄像机类、目标检测类、显示规则类等。然后创建新线程用于取出图像，开启RTSP客户端，获取IPC网络摄像机视频码流，并进行H264视频码流解码，采集到实时图像。接下来就是对视频帧进行检测识别，首先对采集到的图像进行预处理(宽高，图像格式转换，均值化处理)，然后使用caffe加载之前训练好的检测模型，初始化运行图，然后对检测后的图像进行标注。最后显示识别结果，在图像中显示边界框，并显示标注信息。
最后应说明的是：以上所述仅为本实用新型的优选实施例而已，并不用于限制本实用新型，尽管参照前述实施例对本实用新型进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本实用新型的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实用新型的保护范围之内。
Claims (8)
1.一种基于深度学习的目标检测开发平台，其特征在于，包括铝合金工具箱，所述铝合金工具箱内设置有IPC网络摄像机、边缘计算处理单元和电容触摸显示屏；IPC网络摄像机通过以太网与边缘计算处理单元连接，电容触摸显示屏通过EDP与边缘计算处理单元连接。
2.根据权利要求1所述的一种基于深度学习的目标检测开发平台，其特征在于，所述IPC网络摄像机支持高清1080P视频编码，为视频采集单元将采集到的视频信息进行编码后通过网络传输给边缘计算处理单元。
3.根据权利要求2所述的一种基于深度学习的目标检测开发平台，其特征在于，视频采用H264编码。
4.根据权利要求1所述的一种基于深度学习的目标检测开发平台，其特征在于，所述边缘计算处理单元用于接收IPC网络摄像机的视频流并进行解码，其包括嵌入式主控核心板、电源、以太网接口、HDMI接口、扩展接口、EDP接口和USB 3.0接口。
5.根据权利要求4所述的一种基于深度学习的目标检测开发平台，其特征在于，所述嵌入式主控核心板的主控核芯片采用瑞芯微电子的RK3399。
6.根据权利要求5所述的一种基于深度学习的目标检测开发平台，其特征在于，所述嵌入式主控核心版至少包含2G DDR3内存，16G eMMC存储区。
7.根据权利要求5所述的一种基于深度学习的目标检测开发平台，其特征在于，所述嵌入式主控核心板其物理上通过ddr4 sodim连接器与其他部件相连接。
8.根据权利要求1所述的一种基于深度学习的目标检测开发平台，其特征在于，所述电容触摸显示屏的屏幕尺寸为11.6寸，分辨率不少于1920x1080。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201922501557.4U CN211506523U (zh) | 2019-12-31 | 2019-12-31 | 一种基于深度学习的目标检测开发平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201922501557.4U CN211506523U (zh) | 2019-12-31 | 2019-12-31 | 一种基于深度学习的目标检测开发平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN211506523U true CN211506523U (zh) | 2020-09-15 |
Family
ID=72398233
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201922501557.4U Active CN211506523U (zh) | 2019-12-31 | 2019-12-31 | 一种基于深度学习的目标检测开发平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN211506523U (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112188164A (zh) * | 2020-09-29 | 2021-01-05 | 爱动超越人工智能科技（北京）有限责任公司 | 一种基于ai视觉的违规行为实时监测系统及方法 |
| CN112486677A (zh) * | 2020-11-25 | 2021-03-12 | 深圳市中博科创信息技术有限公司 | 一种数据链与图传产品的实现方法及装置 |
| CN114257785A (zh) * | 2021-12-13 | 2022-03-29 | 山东电工电气集团有限公司 | 一种基于边缘计算的视频处理方法 |
-
2019
- 2019-12-31 CN CN201922501557.4U patent/CN211506523U/zh active Active
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112188164A (zh) * | 2020-09-29 | 2021-01-05 | 爱动超越人工智能科技（北京）有限责任公司 | 一种基于ai视觉的违规行为实时监测系统及方法 |
| CN112486677A (zh) * | 2020-11-25 | 2021-03-12 | 深圳市中博科创信息技术有限公司 | 一种数据链与图传产品的实现方法及装置 |
| CN112486677B (zh) * | 2020-11-25 | 2024-01-12 | 深圳市中博科创信息技术有限公司 | 一种数据的图传方法及装置 |
| CN114257785A (zh) * | 2021-12-13 | 2022-03-29 | 山东电工电气集团有限公司 | 一种基于边缘计算的视频处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN211506523U (zh) | 一种基于深度学习的目标检测开发平台 | |
| CN109509260B (zh) | 动态障碍物点云的标注方法、设备及可读介质 | |
| US11430263B2 (en) | Machine vision with dimensional data reduction | |
| CN111047609B (zh) | 肺炎病灶分割方法和装置 | |
| CN112418216B (zh) | 一种复杂自然场景图像中的文字检测方法 | |
| CN102591447A (zh) | 图像处理设备,方法和程序 | |
| US11295169B2 (en) | Method, device, and program for sampling frame image of object to be learned in video for artificial intelligence video learning, and image learning method thereof | |
| CN111813997A (zh) | 入侵分析方法、装置、设备及存储介质 | |
| CN112200081A (zh) | 异常行为识别方法、装置、电子设备及存储介质 | |
| CN111835984A (zh) | 智能补光方法、装置、电子设备及存储介质 | |
| CN114782901B (zh) | 基于视觉变动分析的沙盘投影方法、装置、设备及介质 | |
| CN112068555A (zh) | 一种基于语义slam方法的语音控制型移动机器人 | |
| CN110858277A (zh) | 一种获得姿态分类模型的方法以及装置 | |
| CN111611988A (zh) | 图片验证码识别方法及装置、电子设备和计算机可读介质 | |
| CN114549557A (zh) | 一种人像分割网络训练方法、装置、设备及介质 | |
| CN112528903B (zh) | 人脸图像获取方法、装置、电子设备及介质 | |
| CN115690615B (zh) | 一种面向视频流的深度学习目标识别方法及系统 | |
| CN112613425A (zh) | 一种面向小样本水下图像的目标识别方法及系统 | |
| CN116703748A (zh) | 书法作品评价方法、装置、电子设备及计算机可读存储介质 | |
| CN114816055A (zh) | 基于vr设备的眼球运动轨迹捕捉分析方法、装置及介质 | |
| TW202139061A (zh) | 動作識別方法及裝置、電腦可讀存儲介質 | |
| KR20220118859A (ko) | 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법 | |
| CN114626430B (zh) | 情绪识别模型的训练方法、情绪识别方法、设备及介质 | |
| CN115272931A (zh) | 视频物体关联性的检测跟踪方法、装置、设备及存储介质 | |
| CN113673491B (zh) | 一种基于龙芯2k1000处理器实现高精度车辆识别的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |