模型数据的读取方法和装置制造方法及图纸

本发明专利技术提供了一种模型数据的读取方法和装置，其中，该方法包括：采用预设的数据类型，在线下，读取训练得到的XML文件中的层数据部分；获取XML文件中数据块对应的维度；根据数据块对应的维度，计算得到CELL的坐标信息；根据CELL的坐标信息，计算得到矩形的横坐标和纵坐标；将矩形的横坐标、矩形的纵坐标、矩形的宽、矩形的高、CELL的坐标信息，作为XML文件的特征数据部分；读取预设的数据类型的层数据部分和特征数据部分；根据预设的数据类型的层数据部分和特征数据部分，进行目标对象的检测识别。本发明专利技术解决了现有的模型数据读取过程中所存在的内存消耗大、效率低下的技术问题，达到了减少内存消耗和提高数据读取效率的技术效果。

Method and device for reading model data

The invention provides a method and device for reading model data, wherein the method comprises: reading the layer data part of the trained XML file on-line and off-line with the preset data type; obtaining the corresponding dimension of the data block in the XML file; calculating the coordinate information of CELL according to the corresponding dimension of the data block; According to the coordinate information of CELL, the abscissa and ordinate coordinates of rectangle are calculated; the coordinate information of rectangle, rectangle's ordinate, rectangle's width, rectangle's height and CELL is taken as the characteristic data part of XML file; the layer data part and characteristic data part of preset data type are read; and the preset data is used. The layer data part and the feature data part are used to detect and identify the target objects. The invention solves the technical problems of large memory consumption and low efficiency existing in the process of model data reading, and achieves the technical effect of reducing memory consumption and improving data reading efficiency.

【技术实现步骤摘要】
模型数据的读取方法和装置
本专利技术涉及智能识别
，特别涉及一种模型数据的读取方法和装置。
技术介绍
目前，机器学习算法一般是先进行模型的训练得到相应的XML文件，然后，在检测的时候，先加载训练好的XML文件，再进行窗口的遍历，以进行目标的检测。对于基于hog特征的XML可以包括两个部分：1)stages部分(层部分)，主要包括的是：maxWeakCount(stage包含的弱分类器个数)、stageThreshold(该stage的阈值)。假设一共五个5个弱分类器了，那么对于每个弱分类器而言，其中包括有：internalNodes和leafValues两个节点，分别记录：left和right标记、featureID和threshold1。2)features部分(特征部分)，分类器中的features节点中保存的可以是该分类器使用到的各种特征值，featureID就是在这些中的ID，就是在这些之中的顺序位置。其中，对于一个HOG特征，rect节点(例如：<rect>08881</rect>)中的前四个数字(0888)代表提到的矩形，而最后的一个数字(1)表示要提取的特征值是block中提取的36维向量中的哪一个。其中，特征的读取最终将保留在featureEvaluator中的vector<Feature>中，具体地，Feature的定义(以hog特征为例)：其中的CELL_NUM(这里是4)和BIN_NUM(这里是9)分别表示hog特征提取的过程中block内cell的个数和梯度方向划分的区间的个数。即，在一个block内，将提取出CELL_NUM*BIN_NUM维度的hog特征向量。其中，rect[CELL_NUM]保存的是block的四个矩形位置，featComponent表明该特征是36(4*9)维hog特征中的哪一个维度的值。对于pF和pN而言，首先可以假设featComponent＝10，也就是说，提取的特征值是该rect描述的block内提取的HOG特征的第10个值，而第一个cell中会产生9个值，那么第10个值就是第二个cell中的第一个值。通过原图计算梯度和按照区间划分的梯度积分图之后，共产生9个积分图，那么pF应当指向第1个积分图内rect描述的block内的第二个cell矩形位置的四个点。由此可见，上述生成XML的过程中，存在一些无用的数据，且这些数据大多数是浮点数据，如果直接采用原始的load加载数据模型的方式进行模型加载，那么将消耗较多的资源，且占用内存量比较大，效率比较低。进一步的，在将所有的features遍历填充到vector<Feature>中的过程中，即，计算pN、pF时，需要将block的4个矩形框均计算保存下来(即rect[4])，具体计算哪一维特征时，还需要计算featComponent/9和featComponent％9结合前面的rect[4]才能得到，因此效率比较低下。针对上述问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种模型数据的读取方法，以解决现有的模型数据读取过程中所存在的内存消耗大、效率低下的技术问题，该方法包括：采用预设的数据类型，在线下，读取训练得到的XML文件中的层数据部分；获取所述XML文件中数据块对应的维度；根据数据块对应的维度，计算得到CELL的坐标信息；根据所述CELL的坐标信息，计算得到矩形的横坐标和纵坐标；将所述矩形的横坐标、所述矩形的纵坐标、所述矩形的宽、所述矩形的高、所述CELL的坐标信息，作为所述XML文件的特征数据部分；读取预设的数据类型的层数据部分和所述特征数据部分；根据所述预设的数据类型的层数据部分和所述特征数据部分，进行目标对象的检测识别。在一个实施方式中，所述层数据部分包括以下至少之一：训练样本的高度、每一级强分类器的个数、每一级弱分类器的个数、总的弱分类器的个数、每个弱分类器的阈值、特征索引、左右叶子节点值。在一个实施方式中，所述预设的数据类型包括以下至少之一：unsignedshort、int、uchar。在一个实施方式中，根据数据块对应的维度，计算得到CELL的坐标信息，包括：按照以下规则，计算得到所述CELL的坐标信息：如果featComponent/9＝0，那么rx＝rx0，ry＝ry0；如果featComponent/9＝1，那么rx＝rx0+rw0，ry＝ry0；如果featComponent/9＝2)，那么rx＝rx0，ry＝ry0+rh0；否则，rx＝rx0+rw0，ry＝ry0+rh0；其中，featComponent/9表示数据块对应的维度，rx表示的横坐标，ry表示矩阵的纵坐标，rx0表示纵坐标初始值、ry0表示横坐标初始值、rw0表示矩阵宽度初始值、rh0表示矩阵高度初始值。在一个实施方式中，在将所述矩形的横坐标、所述矩形的纵坐标、所述矩形的宽、所述矩形的高、所述CELL的坐标信息，作为所述XML文件的特征数据部分的过程中，还包括：采用数组方式，存储所述矩形的横坐标、所述矩形的纵坐标、所述矩形的宽、所述矩形的高、所述CELL的坐标信息。在一个实施方式中，所述XML文件是基于HOG特征的XML文件。本专利技术实施例还提供了一种模型数据的读取装置，以解决现有的模型数据读取过程中所存在的内存消耗大、效率低下的技术问题，该装置包括：第一读取模块，用于采用预设的数据类型，在线下，读取训练得到的XML文件中的层数据部分；获取模块，用于获取所述XML文件中数据块对应的维度；第一计算模块，用于根据数据块对应的维度，计算得到CELL的坐标信息；第二计算模块，用于根据所述CELL的坐标信息，计算得到矩形的横坐标和纵坐标；生成模块，用于将所述矩形的横坐标、所述矩形的纵坐标、所述矩形的宽、所述矩形的高、所述CELL的坐标信息，作为所述XML文件的特征数据部分；第二读取模块，用于读取预设的数据类型的层数据部分和所述特征数据部分；识别模块，用于根据所述预设的数据类型的层数据部分和所述特征数据部分，进行目标对象的检测识别。在一个实施方式中，所述层数据部分包括以下至少之一：训练样本的高度、每一级强分类器的个数、每一级弱分类器的个数、总的弱分类器的个数、每个弱分类器的阈值、特征索引、左右叶子节点值。在一个实施方式中，所述第一计算模块具体用于按照以下按照以下规则，计算得到所述CELL的坐标信息：如果featComponent/9＝0，那么rx＝rx0，ry＝ry0；如果featComponent/9＝1，那么rx＝rx0+rw0，ry＝ry0；如果featComponent/9＝2)，那么rx＝rx0，ry＝ry0+rh0；否则，rx＝rx0+rw0，ry＝ry0+rh0；其中，featComponent/9表示数据块对应的维度，rx表示的横坐标，ry表示矩阵的纵坐标，rx0表示纵坐标初始值、ry0表示横坐标初始值、rw0表示矩阵宽度初始值、rh0表示矩阵高度初始值。在一个实施方式中，所述生成模块，还用于采用数组方式，存储所述矩形的横坐标、所述矩形的纵坐标、所述矩形的宽、所述矩形的本文档来自技高网...

【技术保护点】
1.一种模型数据的读取方法，其特征在于，包括：采用预设的数据类型，在线下，读取训练得到的XML文件中的层数据部分；获取所述XML文件中数据块对应的维度；根据数据块对应的维度，计算得到CELL的坐标信息；根据所述CELL的坐标信息，计算得到矩形的横坐标和纵坐标；将所述矩形的横坐标、所述矩形的纵坐标、所述矩形的宽、所述矩形的高、所述CELL的坐标信息，作为所述XML文件的特征数据部分；读取预设的数据类型的层数据部分和所述特征数据部分；根据所述预设的数据类型的层数据部分和所述特征数据部分，进行目标对象的检测识别。

【技术特征摘要】
1.一种模型数据的读取方法，其特征在于，包括：采用预设的数据类型，在线下，读取训练得到的XML文件中的层数据部分；获取所述XML文件中数据块对应的维度；根据数据块对应的维度，计算得到CELL的坐标信息；根据所述CELL的坐标信息，计算得到矩形的横坐标和纵坐标；将所述矩形的横坐标、所述矩形的纵坐标、所述矩形的宽、所述矩形的高、所述CELL的坐标信息，作为所述XML文件的特征数据部分；读取预设的数据类型的层数据部分和所述特征数据部分；根据所述预设的数据类型的层数据部分和所述特征数据部分，进行目标对象的检测识别。2.根据权利要求1所述的方法，其特征在于，所述层数据部分包括以下至少之一：训练样本的高度、每一级强分类器的个数、每一级弱分类器的个数、总的弱分类器的个数、每个弱分类器的阈值、特征索引、左右叶子节点值。3.根据权利要求1所述的方法，其特征在于，所述预设的数据类型包括以下至少之一：unsignedshort、int、uchar。4.根据权利要求1所述的方法，其特征在于，根据数据块对应的维度，计算得到CELL的坐标信息，包括：按照以下规则，计算得到所述CELL的坐标信息：如果featComponent/9＝0，那么rx＝rx0，ry＝ry0；如果featComponent/9＝1，那么rx＝rx0+rw0，ry＝ry0；如果featComponent/9＝2)，那么rx＝rx0，ry＝ry0+rh0；否则，rx＝rx0+rw0，ry＝ry0+rh0；其中，featComponent/9表示数据块对应的维度，rx表示的横坐标，ry表示矩阵的纵坐标，rx0表示纵坐标初始值、ry0表示横坐标初始值、rw0表示矩阵宽度初始值、rh0表示矩阵高度初始值。5.根据权利要求1所述的方法，其特征在于，在将所述矩形的横坐标、所述矩形的纵坐标、所述矩形的宽、所述矩形的高、所述CELL的坐标信息，作为所述XML文件的特征数据部分的过程中，还包括：采用数组方式，存储所述矩形的横坐标、所述矩形的纵坐标、所述矩形的宽、所述矩形...

【专利技术属性】
技术研发人员：余慧，
申请(专利权)人：北京君正集成电路股份有限公司，
类型：发明
国别省市：北京,11