[发明专利]一种基于深度学习的互联网摄像系统及其实现方法

说明书

本发明公开了一种基于深度学习的互联网摄像系统及其实现方法，系统包括视频前端芯片和人工智能芯片；方法包括：通过视频前端芯片对原始图像信息进行预处理，并通过USB接口将预处理后的图像信息发送至人工智能芯片；根据深度学习网络模型，通过人工智能芯片对预处理后的图像信息进行智能分析；根据智能分析的结果，通过视频前端芯片进行后续处理。本发明新增的人工智能芯片通过USB接口就可以与传统的视频前端处理芯片连接，系统成本低；另外，本发明通过人工智能芯片进行智能分析，降低了服务器端的负载和视频前端的内存带宽占用率，可广泛应用于互联网摄像产品领域。

技术领域

本发明涉及互联网摄像产品领域，尤其是一种基于深度学习的互联网摄像系统及其实现方法。

背景技术

互联网摄像产品是传统摄像产品与网络视频技术相结合的产物，它通过网络将视频前端采集到的视频数据传输到网络远端分析保存。现有的大多数互联网摄像产品的视频采集传输流程如附图1所示，网络视频前端传感器采集外部图像数据并保存到内存中，接着对内存中的图像数据进行图像增强，然后使用视频编码技术对图像数据进行压缩编码，并保存为视频数据，最后通过网络传输到远端服务器。然而这样的互联网摄像产品缺少必要的智能分析功能，视频数据中的有效信息难以得到及时的分析处理，使得大量无效的视频数据占用了服务器海量的存储空间。

现在基于深度学习神经网络技术的人工智能分析功能开始应用到互联网摄像产品中。相比以前的图像识别算法，基于深度学习网络技术的智能分析算法具有更高的识别成功率、更好的容错性，能够达到甚至超过人类的分析水平，同时计算量也更巨大。目前，为互联网摄像产品增加人工智能分析功能主要有以下两种实现方法：

(1)在服务器端增加人工智能分析功能，即待视频数据传输至服务器之后，由服务器对其进行数据的人工智能分析。由于互联网摄像产品前端时时刻刻都在进行视频数据的采集工作，视频数据的数量相当大，尤其对于那些连接多个互联网摄像产品前端的服务器而言，网络传输开销十分巨大；并且在视频数据的人工智能分析阶段，多对一(多数据来源，一个服务器)的处理模式也大大增加了服务器的工作负担，智能分析的性能较差。

(2)在互联网摄像产品前端芯片加入人工智能分析功能。该方法与方法(1)相比，解决了网络开销大和服务器工作负担大的问题。然而，人工智能分析算法计算量大，对内存访问需求巨大，而现有的视频前端处理已经占用了大部分系统计算资源和内存带宽资源，加入人工智能分析功能将进一步扩大系统资源需求，增加系统实现成本。

发明内容

为解决上述技术问题，本发明的目的在于：提供一种能够降低服务器端的负载和视频前端的内存带宽占用率、且系统成本低的，基于深度学习的互联网摄像系统及其实现方法。

本发明所采取的第一技术方案是：

一种基于深度学习的互联网摄像系统，包括视频前端芯片和人工智能芯片，

其中，所述视频前端芯片，用于对原始图像信息进行预处理、编码和存储；

所述人工智能芯片，用于采用深度学习方法对图像进行智能分析；

所述视频前端芯片还将智能分析的结果进行上传；

所述视频前端芯片通过USB接口与人工智能芯片连接。

进一步，所述人工智能芯片的数量为一个或多个。

进一步，所述视频前端芯片包括：

图像处理模块，用于对原始图像信息进行图像前处理，然后进行图像后处理；

微处理器，用于对图像后处理得到的图像进行分割处理；

编码模块，用于对分割处理得到的子图像进行编码处理；

第一存储器，用于对编码模块的处理结果进行存储；