【技术实现步骤摘要】
图像分析装置以及图像分析系统
本专利技术涉及图像分析装置以及图像分析系统。
技术介绍
从以往，已知如下装置或系统：利用物体检测用神经网络等来对以监视相机等相机拍摄出的帧图像中摄入的人等物体进行检测，并利用物体识别用神经网络来进行检测出的物体的识别(例如，参照专利文献1)。在先技术文献专利文献专利文献1：JP特开2017-224925号公报
技术实现思路
(专利技术要解决的课题)然而，在上述那样利用神经网络进行物体的检测及识别的装置或系统(以下，简称为“进行物体的检测以及识别的装置”)中，物体检测和物体识别均是需要大量计算机资源的处理。而且，识别1个帧图像中的全部物体所需的时间取决于帧中所含的(检测)物体数。故而，检测到许多物体的帧图像中的物体的识别需要长时间，因此会发生所谓掉帧的问题，即，无法对在物体多的帧图像之后一段期间所输入的帧图像中的物体进行识别(发生识别遗漏)。作为针对上述问题的既有的应对方法，存在如下方法：使得能将物体检测处理用的线程与物体识别处理...
【技术保护点】
1.一种图像分析装置，与多个相机连接，其特征在于，/n所述图像分析装置具备：/n图像分析部，使用包含学习完成物体检测用神经网络模型和1种以上的学习完成物体识别用神经网络模型在内的图像分析程序的各实例，来对从所述多个相机的每个相机输入的图像进行分析，所述学习完成物体检测用神经网络模型用于对在从所述相机的每一个输入的图像中摄入的物体进行检测，所述1种以上的学习完成物体识别用神经网络模型用于对由所述学习完成物体检测用神经网络模型检测出的物体进行识别；/n多个推理用处理器，用于进行所述学习完成物体检测用神经网络模型以及所述学习完成物体识别用神经网络模型中的推理处理；以及/n处理器分...
【技术特征摘要】
20190426 JP 2019-0856211.一种图像分析装置，与多个相机连接，其特征在于，
所述图像分析装置具备：
图像分析部，使用包含学习完成物体检测用神经网络模型和1种以上的学习完成物体识别用神经网络模型在内的图像分析程序的各实例，来对从所述多个相机的每个相机输入的图像进行分析，所述学习完成物体检测用神经网络模型用于对在从所述相机的每一个输入的图像中摄入的物体进行检测，所述1种以上的学习完成物体识别用神经网络模型用于对由所述学习完成物体检测用神经网络模型检测出的物体进行识别；
多个推理用处理器，用于进行所述学习完成物体检测用神经网络模型以及所述学习完成物体识别用神经网络模型中的推理处理；以及
处理器分配部，根据所述图像分析程序的各实例中所含的所述学习完成物体检测用神经网络模型以及所述学习完成物体识别用神经网络模型的各自的推理处理所需的推理时间和使用频度，来进行所述多个推理用处理器当中的、用于所述学习完成物体检测用神经网络模型中的推理处理以及各所述学习完成物体识别用神经网络模型中的推理处理的推理用处理器的分配。
2.根据权利要求1所述的图像分析装置，其特征在于，
所述处理器分配部根据各所述学习完成物体识别用神经网络模型中的推理处理所需的推理时间以及所述学习完成物体识别用神经网络模型的各自的使用频度，来估计所述学习完成物体识别用神经网络模型的各自的推理处理所需的推理用处理器的数量。
3.根据权利要求1或2所述的图像分析装置，其特征在于，
所述处理器分配部根据所述学习完成物体检测用神经网络模型中的推理处理所需的推理时间以及基于所述学习完成物体检测用神经网络模型的作为物体检测的对象的图像的输入源的相机的台数，来估计所述学习完成物体检测用神经网络模型的推理处理所需的推理用处理器的数量。
4.根据权利要求2所述的图像分析装置，其特征在于，
所述处理器分配部根据各所述学习完成物体识别用神经网络模型中的推理处理所需的推理时间、所述学习完成物体识别用神经网络模型的各自的使用频度、以及各所述学习完成物体识别用神经网络模型在给定时间内进行推理处理的目标帧数，来估计所述学习完成物体识别用神经网络模型的各自的推理处理所需的推理用处理器的数量。
5.根据权利要求3所述的图像分析装置，其特征在于，
所述处理器分配部根据所述学习完成物体检测用神经网络模型中的推理处理所需的推理时间、基于所述学习完成物体检测用神经网络模型的作为物体检测的对象的图像的输入源的相机的台数、以及所述学习完成物体检测用神经网络模型在给定时间内进行推理处理的目标帧数，来估...
【专利技术属性】
技术研发人员：宇野礼于，土田安纩，
申请(专利权)人：AWL株式会社，
类型：发明
国别省市：日本;JP
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。