【技术实现步骤摘要】
微小目标精确检测方法及系统
本专利技术涉及的是一种图像处理领域的技术，具体是一种能有效给出感兴趣物体精准位置的检测方法。
技术介绍
现有用于监控领域的卷积神经网络都能够在FPGA或者芯片中实现以减少许多应用中的输出延迟。但是，这些方案都面临着如何在准确性和成本上平衡的问题。对于传统方案，比如SVM、AdaBoost等，这类方案仅需要少量的算力但精度偏低；对于卷积神经网络方案，比如ResNet、MobileNet等，这类方案虽然整体性能提高了很多，但由于其算法复杂度更大，导致其需要更大尺寸的芯片和更高的能耗。且现有的方法对输入的图像分辨率要求较高，从而需要更大的储存和传输带宽的同时对视频流数据进行物体(尤其是对于尺寸小的物体)检测的准确性却难以满足工业需求。如图1所示，为一种现存的终端物体检测通用架构，包括一个图像传感器芯片100、数据链路1(101)、本地处理单元102(一个图像处理单元)、数据链路103、FPGA或者芯片上实现的物体检测单元104，该技术为了保证检测性能，通常在高分辨率的图像上采用复杂算法，从而导致...
【技术保护点】
1.一种微小目标精确检测方法，其特征在于，通过在按比例缩小后的较低分辨率图像上进行物体检测并得到潜在目标区域，再根据潜在目标区域在原始图像上截取高清分辨率目标信息进行二级物体检测以进一步筛选，最后将二级物体检测后的目标区域与原始的低分辨率图像按照各自对应的压缩比例组合成预设大小的全尺寸图，外接的更高阶的三级物体检测通过检测全尺寸图得到最终检测结果。/n
【技术特征摘要】
20181125 US 62/771,1031.一种微小目标精确检测方法，其特征在于，通过在按比例缩小后的较低分辨率图像上进行物体检测并得到潜在目标区域，再根据潜在目标区域在原始图像上截取高清分辨率目标信息进行二级物体检测以进一步筛选，最后将二级物体检测后的目标区域与原始的低分辨率图像按照各自对应的压缩比例组合成预设大小的全尺寸图，外接的更高阶的三级物体检测通过检测全尺寸图得到最终检测结果。
2.根据权利要求1所述的微小目标精确检测方法，其特征是，所述的最终检测结果进一步用于提高物体检测得到的感兴趣物体区域的置信以及二级检测中误检的ROI区域。
3.根据权利要求1所述的微小目标精确检测方法，其特征是，所述的物体检测采用Adaboost方法进行简单人脸检测。
4.根据权利要求1所述的微小目标精确检测方法，其特征是，所述的二级物体检测采用深度卷积神经网络算法实现。
5.根据权利要求1所述的微小目标精确检测方法，其特征是，所述的三级物体检测采用高级卷积神经网络算法实现。
6.一种实现上述任一权利要求所述方法的微小目标精确检测系统，其特征在于，包括：图像传感器、检测模块和外部高级检测器，其中：图像传感器采集并输出原始图像至检测模块...
【专利技术属性】
技术研发人员：熊伟华，张光斌，
申请(专利权)人：杭州凝眸智能科技有限公司，
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。