【技术实现步骤摘要】
一种基于多核异构平台的检测跟踪算法优化方法
本专利技术涉及一种深度学习领域的检测跟踪算法优化硬件实现，尤其是涉及一种基于多核异构平台的检测跟踪算法优化方法。
技术介绍
基于深度学习的检测跟踪技术是各类应用技术的基础，比如现在应用广泛的公交校车数人头、人脸识别等应用都需要检测跟踪技术。但是现有的检测跟踪算法存在一些问题：计算在传统CPU平台上进行，存在计算速度慢的问题、检测、跟踪可能将无语义的对象识别检测出来。这些问题影响了检测跟踪的计算速度以及准确率。如何利用多核异构深度学习计算平台，进行深度学习检测和传统的目标跟踪算法进行嵌入式平台的实时计算，是本专利的核心。
技术实现思路
在一种基于多核异构平台的跟踪检测算法优化实现中，遇到的问题有：如何设计高效的流水线技术，实现检测跟踪算法的高效调度？如何对对象信息进行高效存储，提高计算效率？如何针对多核异构平台进行分布式计算？如何针对过滤器设计加速算法，减少过滤器调用的计算次数？为解决上述问题，本专利技术提供一种基于...
【技术保护点】
1.一种基于多核异构平台的检测跟踪算法优化方法，其特征在于，包括如下步骤：/n步骤(1)、首先对输入分辨率为1920×1080的高清图像进行图像缩放，这里缩放输出两个分辨率图像：一是分辨率300×300，用于检测器进行检测；二是缩放到分辨率720×576，用于跟踪器在缩放的图像上进行跟踪；缩放运算主要在GC620硬件图形加速器上进行；/n步骤(2)、将分辨率300×300的图像送入CNN检测器MobileNet_SSD进行对象检测，将感兴趣的对象比如人、车、非机动车检测出来；检测运算主要在Cadence C5硬件上进行；/n步骤(3)、将检测器输出的对象和缓存的对象进行匈牙...
【技术特征摘要】
1.一种基于多核异构平台的检测跟踪算法优化方法，其特征在于，包括如下步骤：
步骤(1)、首先对输入分辨率为1920×1080的高清图像进行图像缩放，这里缩放输出两个分辨率图像：一是分辨率300×300，用于检测器进行检测；二是缩放到分辨率720×576，用于跟踪器在缩放的图像上进行跟踪；缩放运算主要在GC620硬件图形加速器上进行；
步骤(2)、将分辨率300×300的图像送入CNN检测器MobileNet_SSD进行对象检测，将感兴趣的对象比如人、车、非机动车检测出来；检测运算主要在CadenceC5硬件上进行；
步骤(3)、将检测器输出的对象和缓存的对象进行匈牙利算法关联，其中，关联是将现有前后两帧的图像，前一帧将图像的对象检测出来，后面一帧将也将对象检测出来，但是这两个对象有可能是同一个物体，匈牙利算法关联主要是用于将两个相邻帧的同一个物体将其关联，也就是将两个帧的同一个对象关联起来；匈牙利算法在CadenceP6硬件上进行运算；
步骤(4)、针对关联上的对象，利用分类器进行分类，判断是否属于感兴趣的对象类别中；如果不属于感兴趣对象类别，则将该对象去除；
其中，感兴趣对象类别是指人、车、非机动车这些对象；由于分类器的对象数目不确定，分类器可在CadenceP6或CadenceC5上进行运算；
步骤(5)、针对未关联上的对象，利用KCF核关联滤波跟踪算法进行跟踪，跟踪得到当前帧中最相似对象所处的位置；KCF模块主要在P6上进行计算；
步骤(6)、根据关联和KCF核关联滤波跟踪算法关联的目标轨迹，通过检测的类别得分以及矩形框的面积优选出轨迹上最优的目标对象，并将最优的目标对象送入后续的结构化操作；优选操作在CK860上进行计算。
2.根据权利要求1中一种基于多核异构平台的检测跟踪算法优化方法，其特征在于，步骤(1)中图像缩放的方法，包括如下步骤：确定源图像到目标图像的缩放倍数，根据缩放倍数采用bilinear方法进行缩放操作。
3.根据权利要求1中一种基于多核异构平台的检测跟踪算法优化方法，其特征在于，步骤(2)中图像检测的方法，包括如下步骤：
对缩放后的图像300×300进行归一化预处理操作，然后输入到...
【专利技术属性】
技术研发人员：黄晓峰，吴飞红，王升堂，黄仁强，郑龙飞，陈科，殷海兵，贾惠柱，
申请(专利权)人：杭州博雅鸿图视频技术有限公司，
类型：发明
国别省市：浙江;33
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。