[发明专利]一种加速ELBP-IP核的方法及MR智能眼镜

说明书

本发明提供了一种加速ELBP‑IP核的方法及MR智能眼镜，包括：提取算法相关数据并进行编译。输入第一激励文件对像素文件处理得到第一纹理图像和第一处理时间。将提取文件进行改写后综合为待烧写文件，并映射到可编程逻辑门阵列中，得到可编程ELBP‑IP核后输入第二激励文件对相同像素文件进行处理得到第二纹理图像和第二处理时间。将第一纹理图像与第二纹理图像，第一处理时间和第二处理时间进行比对，得到纹理相同，第二处理时间小于第一处理时间的结果。由于新的IP核基于可编程逻辑门阵列运行，而可编程门阵列具有多线程同时处理数据的能力，从而提升了处理图形图像数据的速度，达到了加速处理的目的，和现有技术相比由于不需要增加处理器频率减小了功耗。

技术领域

本发明涉及图像处理领域，尤其涉及一种加速ELBP-IP核的方法及MR智能眼镜。

背景技术

随着科技的发展，虚拟现实VR、增强现实AR和混合现实MR逐渐进入大众视野。目前应用于AR/MR领域的计算机视觉、计算机图形学技术以及人工智能技术，均采用绝大部分依托于CPU+GPU架构。而且由CPU进行来主导运算处理。CPU在处理多线程调度任务等领域有诸多优势，但其处理运算方式为串行运算。

在VR、AR和MR领域中，人脸识别作为一种生物特征识别技术,受到了广泛的关注，成为应用于数学、信息技术紧密结合的前沿热点问题。识别算法是人脸识别系统的核心部分,直接影响到系统的性能。基于局部二进制模式(Local Binary Pattern,简称LBP)改进的采用圆形算子的ELBP算法(Extended Local Binary Pattern，拓展局部二进制模式)可以有效的应用在人脸识别算法中，它相比LBP的效果锐度更强。通过ELBP处理的图像得到的特征不仅反映纹理变化的大小,而且反映了纹理变化的趋势，并且还应用在人脸识别训练过程中。

人脸识别是计算机视觉中的一项重要分支，现有技术中CPU以串行运算的方式对外设获取的图形图像数据流进行一步步处理，最后统一输出至GPU，GPU对数据进行渲染后输出。在这个过程中，需要对图形图像数据进行逐步数据处理，比如：图形图像检测、位姿检测、像素匹配等环节。进一步的，每一个环节的具体进程也是串行的。由此导致了处理速度进一步变慢。

以ELBP算法为例，其算子为圆形算子，现有技术中，在运用此算法对图形图像数据流处理时：将图形图像数据流分解为多个像素图片，从一张像素图片中选定一个中心像素，然后将邻近的八个像素值与此中心像素值进行比较，若邻近像素点的值比中心像素值小，就将此位置记0，反之，则记1。将得到的8位二进制数按照位置及对应的权值进行求和，最后得到的十进制整数就是该中心像素的ELBP值。对一张像素图片处理完成后再对下一张像素图片进行处理，直至这个图形图像数据流中的所有像素图片被处理完毕之后输出。

从长远来看，上述架构已经无法满足大数据高并发实时处理的业务需求，在现行框架下只有增加处理器主频来提升处理速度，但是由此带了来了功耗增大的影响，如何提升图形图像处理速度成为了亟待解决的问题。

发明内容

本发明提供一种加速ELBP-IP核的方法及MR智能眼镜，用以解决如何提升图形图像处理速度问题。

为了实现上述目的，本发明实施例采用如下技术方案：