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cel ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。