[发明专利]一种基于可形变部件模型算法的目标检测硬件结构

说明书

本申请公开了一种基于可形变部件模型算法的目标检测硬件结构，包括：图片解码模块，与图片解码模块相连接的双线性插值模块，与双线性插值模块相连接的外部缓存结构模块，与外部缓存结构模块相连接的HOG特征提取模块，与HOG特征提取模块相连接的主卷积模块和次卷积模块，与次卷积模块相连接的距离变换模块，与主卷积模块和距离变换模块相连接的得分值计算模块，以及与外部缓存结构模块相连接的控制整个计算流程的图片调度控制模块。本申请充分利用了数据带宽采用硬件流水线处理和并行计算处理，从而大大提高了数据处理的并行度，最终实现对输入测试图片的目标识别，有效提高了数据的吞吐率，使得目标检测速度获得了大幅度的提升。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种基于可形变部件模型算法的目标检测硬件结构。

背景技术

图像处理是最近非常热门的一个领域，涉及军事，工业以及生活的方方面面。而目标检测作为图像处理领域中的子领域，在行人检测和自动驾驶、安保安防等领域具有广泛的应用。可形变部件模型(DPM，deformable part models)是近年来最为流行的图像中物体检测模型，由于其能准确地检测出目标而受到欢迎，是公认的较好的目标检测算法。DPM算法是由Pedro F.Felzenszwalb等人提出，该算法在视觉对象的分类识别和检测的一个基准测试PASCAL VOC挑战赛中连续三年获得检测冠军。

DPM算法采用广泛用于目标检测的方向梯度直方图(HOG，Histogram of OrientedGradient)特征，HOG特征是图片的一种统计梯度直方图，这种特征对光照不敏感，能够很好地描绘图片中目标的轮廓信息。DPM算法采用一种多层次建模的方法，对目标的整体形象建立一个主模型，对由目标整体细分的多个组成部分建立若干次模型，并且对主模型和次模型的位置关系进行建模。这种建模方法使得DPM算法在检测柔性目标或者具有多种动作特征的目标方面显著优于其他算法。DPM算法同时引入多组件的概念，一个组件可代表目标的一种可视化形态，每个组件包括一个主模型和若干个次模型，多组件方法也提高了目标检测的准确率。

然而，在目标检测的硬件实现中，关注的是在满足准确率和召回率要求的情况下达到一定的检测速度。现有DPM目标检测算法采用软件编程方式实现，其流程主要为先将待检测的图片按照一定的缩小比例进行不断地缩小，形成一个图片的金字塔；对图片金子塔中的每一张图片提取HOG特征，得到相应的图片特征图金子塔；利用训练得到的主模型和次模型的参数矩阵分别与图片特征金子塔中的对应特征图进行卷积得到相应响应矩阵；次模型参数矩阵与特征图的卷积响应矩阵再进行一次距离变换操作得到变换矩阵；最后将主模型响应矩阵和所有变换矩阵对应位置相减，如果某个位置的值大于阈值则可判断目标存在于该点。现有软件实现存在以下缺点：保存所有的图片金子塔和特征金字塔浪费了大量的内存资源，而且必须在保存完所有图片金子塔和特征金字塔计算完成后才开始进行后续的检测操作，不利于流水的实现。另外，目标检测算法在实际应用中为了达到更好的效果，往往同时处理多个组件的模型，更加减慢了其检测速度。

发明内容

本申请实施例旨在提供一种基于可形变部件模型算法的目标检测硬件结构，用以解决现有技术采用软件编程存在的浪费大量的内存资源、检测速度慢的问题。

本申请的一个方面提供了一种基于可形变部件模型算法的目标检测硬件结构，包括：

图片解码模块，用于依次接收外部输入的编码图片数据，将接收到的数据解码成红绿蓝RGB格式数据输出；

双线性插值模块，与所述图片解码模块连接，用于接收所述图片解码模块的RGB三通道数据，并对其进行插值计算，输出插值后的数据；

外部缓存结构模块，与所述双线性插值模块连接，用于将经过双线性插值模块插值得到的图片数据依次轮流存放在乒乓存储区域；

图片调度控制模块，与所述外部缓存结构模块连接，用于读取外部缓存结构模块中对应区域的图片数据，并将其传递给后续模块使用；