目标检测算法的软硬件协同异构SoC系统及方法技术方案

本发明专利技术公开了一种目标检测算法的软硬件协同异构SoC系统，属于计算机机器视觉领域。其中包括：中央处理器，用于对视频图像进行预处理，以及整个计算过程的任务调度；目标检测及追踪硬件加速器，用于根据视频图像进行目标检测及追踪；特征提取及匹配硬件加速器，用于对视频图像进行特征点提取及描述符计算，当丢失目标的目标框时，输出预测目标框，特征提取及匹配硬件加速器提取当前帧视频图像中的特征点以及计算描述符并根据预测目标框的位置和匹配结果输出补充的目标的目标检测框；当目标检测及追踪硬件加速器检测到目标的目标框时，输出目标的目标检测框。本发明专利技术通过目标检测算法以及特征提取算法，提高目标检测鲁棒性，解决漏检问题。

【技术实现步骤摘要】

本专利技术属于计算机视觉，更具体地，涉及一种目标检测算法的软硬件协同异构soc系统及方法。

技术介绍

1、随着自动驾驶、智能监控、机器人等领域的飞速发展，准确的目标检测的需求日益增加。目标检测系统在这些应用中扮演着至关重要的角色，特别是在复杂环境下，需要同时实现鲁棒性和实时性。目标检测系统的性能直接影响到系统的可靠性和用户体验。因此，如何提升目标检测算法在复杂场景下的鲁棒性，以及如何在边缘设备上实现高帧率、低功耗的计算，成为了亟待解决的问题。

2、当前主流神经网络目标检测算法，比如yolo、faster r-cnn等，在复杂场景中容易出现漏检问题，尤其在光照、尺度、视角变化等场景下，检测精确度和准确度下降明显。

3、此外，现有硬件平台多数基于通用中央处理器cpu或图形处理器gpu执行复杂特征提取及深度神经网络计算，存在运算时间长、运算速度慢、运算功耗高、能量效率低等问题，不利于在边缘设备上部署。因此开发一种软硬件协同异构的片上系统实现更精确的目标检测显得尤为必要。

技术实现思路

1、针本文档来自技高网...

【技术保护点】

1.一种目标检测算法的软硬件协同异构SoC系统，其特征在于，包括：

2.根据权利要求1所述的目标检测算法的软硬件协同异构SoC系统，其特征在于，所述特征提取及匹配硬件加速器将当前帧视频图像的特征点与前n帧视频图像的特征点匹配时，n大于等于1，且匹配残差RANSAC内点比例大于80％。

3.根据权利要求1所述的目标检测算法的软硬件协同异构SoC系统，其特征在于，所述中央处理器对待检测的视频图像的预处理包括去噪、图像缩放以及灰度转换。

4.根据权利要求1所述的目标检测算法的软硬件协同异构SoC系统，其特征在于，还包括片外存储器、片上存储器、DMA模块以及总...

【技术特征摘要】

1.一种目标检测算法的软硬件协同异构soc系统，其特征在于，包括：

2.根据权利要求1所述的目标检测算法的软硬件协同异构soc系统，其特征在于，所述特征提取及匹配硬件加速器将当前帧视频图像的特征点与前n帧视频图像的特征点匹配时，n大于等于1，且匹配残差ransac内点比例大于80％。

3.根据权利要求1所述的目标检测算法的软硬件协同异构soc系统，其特征在于，所述中央处理器对待检测的视频图像的预处理包括去噪、图像缩放以及灰度转换。

4.根据权利要求1所述的目标检测算法的软硬件协同异构soc系统，其特征在于，还包括片外存储器、片上存储器、dma模块以及总线，所述片外存储器用于存储原始视频图像；所述片上存储器用于暂存中间数据，包括目标检测结果、特征点、描述符；所述dma模块用于所述片外存储器与所述片上存储器之间的数据传输；所述总线用于连接所述中...

【专利技术属性】
技术研发人员：王超，刘炳强，沈梓煊，王继鹏，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：