基于异构运算平台的目标检测方法及系统技术方案

本发明专利技术公开了基于异构运算平台的目标检测方法及系统，通过采集待检测区域的原始图像；使用DSP对原始图像进行边缘检测，得到原始图像的感兴趣区域图像及其边界坐标；使用FPGA对原始图像进行双边滤波，剔除原始图像的背景，得到差图像，根据坐标查找到差图像的感兴趣区域，计算并根据差图像的感兴趣区域像素均值和标准差确定第一分割阈值，通过第一分割阈值对差图像进行分割，将分割后的差图像与感兴趣区域图像相与后，进行聚类、标记，得到目标的坐标和/或面积，相比现有技术，本发明专利技术的目标检测方法采用DSP和FPGA并行处理的方法，能大大提高检测速率。提高检测速率。提高检测速率。

【技术实现步骤摘要】
基于异构运算平台的目标检测方法及系统


[0001]本专利技术涉及目标检测领域，尤其涉及基于异构运算平台的目标检测方法及系统。

技术介绍

[0002]随着生态环境的好转，机场周边的鸟类数量越来越多，鸟击事件数量逐年增加，严重威胁航空器与人员的安全。其他的低慢小目标，如：风筝、漂浮物、无人机等目标也是机场净空安全的隐患。而机场目前仍采用人工的方式观测鸟类活动，该方式监测范围有限、效率低下而且易受昼夜、天气条件影响，有很大的局限性，且随着探测器技术的发展，探测器分辨率不断增大，帧频不断提高，检测识别算法要要求的运算量呈几何级数增长，如何快速检测目标已成为本技术亟待解决的技术问题。

技术实现思路

[0003]本专利技术提供了基于异构运算平台的目标检测方法及系统，用于解决现有的目标检测技术检测速度慢的技术问题。
[0004]为解决上述技术问题，本专利技术提出的技术方案为：
[0005]一种基于异构运算平台的目标检测方法，包括以下步骤：
[0006]采集待检测区域的原始图像；使用DSP(Digital Signal Processing，数字信号处理器)对原始图像进行边缘检测，得到原始图像的感兴趣区域图像及其边界坐标；使用FPGA(Field Programmable Gate Array，现场可编程逻辑门阵列)对原始图像进行双边滤波，剔除原始图像的背景，得到差图像，根据坐标查找到差图像的感兴趣区域，计算并根据差图像的感兴趣区域像素均值和标准差确定第一分割阈值，通过第一分割阈值对差图像进行分割，将分割后的差图像与感兴趣区域图像相与后，进行聚类、标记，得到目标的坐标和/或面积。
[0007]优选的，使用DSP对原始图像进行边缘检测，得到原始图像的感兴趣区域图像及其边界坐标，具体包括以下步骤：
[0008]将原始图像进行缩小，得到缩小图像；使用sobel算子(索贝尔算子)对缩小图像进行边缘检测，得到边缘图像；
[0009]基于目标的活动特性对边缘图像进行分割，得到感兴趣区域的二值图像，将空域的二值图像进行水平膨胀和孔洞填充，恢复至原始图像的尺寸，得到感兴趣区域图像以及感兴趣区域的边界坐标。
[0010]优选的，目标为空域目标，感兴趣区域为空域，基于目标的特性对边缘图像进行分割，包括以下步骤：
[0011]对边缘图像以行为单位进行均值滤波，并对均值滤波后的各行进行分组；统计各组的均值，并从各组均值中找出最大值和最小值；
[0012]将最大值与预设的第一阈值进行比较，将最小值与预设的第二阈值进行比较，若最大值小于预设的第一阈值，则判断边缘图像为全空域图像；若最小值小于第二阈值，则判
断边缘图像为全地域图像；若最大值大于第一阈值，且最小值小于第二阈值，则判断边缘图像同时包含空域与地域，从边缘图像中查找出均值变化最剧烈位置的坐标作为空域的边界坐标；
[0013]计算空域的像素均值和标准差，并基于均值和标准差确定第二分割阈值，并使用第二分割阈值把空域从边缘图像分割出来，得到空域的二值图像。
[0014]优选的，第一分割阈值和第二分割阈值均通过以下公式计算得到：
[0015]λ＝E+nσ，其中，λ表示分割阈值，E表示均值，n表示调节系数，取值为大于1的正数，σ为标准差。
[0016]优选的，使用FPGA对原始图像进行双边滤波，剔除原始图像的背景，得到差图像，具体包括以下步骤：
[0017]通过双边滤波估计原始图像的背景图像，将原始图像减去背景图像，得到差图像。
[0018]优选的，得到目标的二值图像后，还包括以下步骤：
[0019]通过连续多帧的目标的坐标进行时序滤波，并使用航迹关联来剔除固定不动的虚警。
[0020]优选的，在得到目标的坐标后，还包括以下步骤：
[0021]根据目标的坐标得到原始图像上的目标切片，将目标切片输入训练好的目标识别模型中，识别目标。
[0022]优选的，目标识别模型采用Caffe(Convolutional Architecture for Fast Feature Embedding，卷积神经网络框架)深度学习框架，且采用GPU(Graphics Processing Unit，图形处理器)进行处理。
[0023]一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
[0024]本专利技术具有以下有益效果：
[0025]1、本专利技术中的基于异构运算平台的目标检测方法及系统，通过采集待检测区域的原始图像；使用DSP对原始图像进行边缘检测，得到原始图像的感兴趣区域图像及其边界坐标；使用FPGA对原始图像进行双边滤波，剔除原始图像的背景，得到差图像，根据坐标查找到差图像的感兴趣区域，计算并根据差图像的感兴趣区域像素均值和标准差确定第一分割阈值，通过第一分割阈值对差图像进行分割，将分割后的差图像与感兴趣区域图像相与后，进行聚类、标记，得到目标的坐标和/或面积，相比现有技术，本专利技术的目标检测方法采用DSP和FPGA并行处理的方法，能大大提高检测速率。
[0026]2、在优选方案中，本技术方案还通过连续多帧的目标的坐标进行时序滤波，并使用航迹关联来剔除固定不动的虚警，并采用基于Caffe深度学习框架对目标识别，大大提高了目标识别的准确率。
[0027]除了上面所描述的目的、特征和优点之外，本专利技术还有其它的目的、特征和优点。下面将参照附图，对本专利技术作进一步详细的说明。
附图说明
[0028]构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0029]图1是本专利技术中的基于异构运算平台的目标检测方法的流程图；
[0030]图2是本专利技术优选实施例中的基于异构运算平台的目标检测系统的结构简图；
[0031]图3是本专利技术优选实施例中的基于异构运算平台的目标检测系统的工作流程框图；
[0032]图4是本专利技术优选实施例中的基于异构运算平台的目标检测系统的DSP工作流程框图；
[0033]图5是本专利技术优选实施例中的基于异构运算平台的目标检测系统的FPGA工作流程框图；
[0034]图6是本专利技术优选实施例中的基于异构运算平台的目标检测方法的流程图；
[0035]图7是本专利技术优选实施例中的分割后的差图像与感兴趣区域图像相与过程图。
具体实施方式
[0036]以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以由权利要求限定和覆盖的多种不同方式实施。
[0037]实施例一：
[0038]如图1所示，本实施中公开了一种基于异构运算平台的目标检测方法，包括以下步骤：
[0039]采集待检测区域的原始图像；使用DSP对原始图像进行边缘检测，得到原始图像的感兴趣区域图像及其边界坐标；使用FPGA对原始图像进行双边滤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异构运算平台的目标检测方法，其特征在于，包括以下步骤：采集待检测区域的原始图像；使用DSP对所述原始图像进行边缘检测，得到所述原始图像的感兴趣区域图像及其边界坐标；使用FPGA对所述原始图像进行双边滤波，剔除所述原始图像的背景，得到差图像，根据所述坐标查找到所述差图像的感兴趣区域，计算并根据所述差图像的感兴趣区域像素均值和标准差确定第一分割阈值，通过所述第一分割阈值对所述差图像进行分割，将分割后的差图像与所述感兴趣区域图像相与后，进行聚类、标记，得到目标的坐标和/或面积。2.根据权利要求1所述的基于异构运算平台的目标检测方法，其特征在于，使用DSP对原始图像进行边缘检测，得到所述原始图像的感兴趣区域图像及其边界坐标，具体包括以下步骤：将所述原始图像进行缩小，得到缩小图像；使用sobel算子对所述缩小图像进行边缘检测，得到边缘图像；基于目标的活动特性对所述边缘图像进行分割，得到感兴趣区域的二值图像，将所述空域的二值图像进行水平膨胀和孔洞填充，恢复至原始图像的尺寸，得到感兴趣区域图像以及感兴趣区域的边界坐标。3.根据权利要求2所述的基于异构运算平台的目标检测方法，其特征在于，所述目标为空域目标，所述感兴趣区域为空域，基于目标的特性对所述边缘图像进行分割，包括以下步骤：对边缘图像以行为单位进行均值滤波，并对均值滤波后的各行进行分组；统计各组的均值，并从各组均值中找出最大值和最小值；将所述最大值与预设的第一阈值进行比较，将所述最小值与预设的第二阈值进行比较，若所述最大值小于预设的第一阈值，则判断所述边缘图像为全空域图像；若所述最小值小于第二阈值，则判断所述边缘图像为全地域图像；若所述最大值大于第一阈值，且所述最小值小于第二阈...

【专利技术属性】
技术研发人员：韩建涛，唐新春，邱程，贺遵亮，
申请(专利权)人：湖南傲英创视信息科技有限公司，
类型：发明
国别省市：