[实用新型]基于深度神经网络和DSP芯片的人数统计装置有效

专利信息
申请号: 201820375908.4 申请日: 2018-03-20
公开(公告)号: CN207882929U 公开(公告)日: 2018-09-18
发明(设计)人: 李经纬;眭泽;孙敬博;焦雨泽 申请(专利权)人: 东北大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 沈阳东大知识产权代理有限公司 21109 代理人: 刘晓岚
地址: 110819 辽宁*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 中央控制单元 神经网络 人数统计装置 人机交互单元 本实用新型 存储单元 仿真单元 计算处理能力 嵌入式技术 复杂环境 机器学习 框架程序 实时采集 输入单元 现场数据 输出 输出端 输入端 总线 内置
【说明书】:

实用新型提供一种基于深度神经网络和DSP芯片的人数统计装置,涉及机器学习和嵌入式技术领域。该装置包括中央控制单元、存储单元、输入单元、输入A/D转换单元、输出A/D转换单元、显示单元、人机交互单元、仿真单元和CPLD器件。中央控制单元与输入A/D转换单元的输出端、输出A/D转换单元的输入端、仿真单元、存储单元以及人机交互单元均相连。CPLD器件通过总线与中央控制单元相连,中央控制单元内置深度神经网络框架程序。本实用新型提供的基于深度神经网络和DSP芯片的人数统计装置,具有更高的计算处理能力,可以实现现场数据高精度、高速度实时采集,适用于多种复杂环境,且成本低,具有较高的实用价值。

技术领域

本实用新型涉及机器学习和嵌入式技术领域,尤其涉及一种基于深度神经网络和DSP芯片的人数统计装置。

背景技术

随着计算机技术和人工智能的发展,图像识别技术开始逐渐走进人们的生活。图像识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术,是人工智能的一个重要领域,另外在地理学中也指将遥感图像进行分类的技术。目前人脸识别、多目标检测等的兴起也使得图像识别的发展方兴未艾。目前的图像识别技术主要是通过深度神经网络来实现,将深度神经网络应用到人数统计方面也有前车之鉴。运用深度神经网络进行人数统计,适应了当今经济社会发展的需要,将其运用到医院、商场、学校、室内等各种公共场所,能够有效地协助安全人员,在遇到紧急情况时更加及时的处理,保证公民的人身和财产安全。而使用神经网络的平台主要是PC和服务器,体积大,功耗大,成本高,不能满足嵌入式产品的需求。而DSP作为主要的嵌入式开发平台之一,并不能支持现有的神经网络框架所使用的语言。

实用新型内容

针对现有技术的缺陷,本实用新型提供一种基于深度神经网络和DSP芯片的人数统计装置,将现有的神经网络框架植入到DSP芯片,实现对摄入图像中的人数进行统计。

基于深度神经网络和DSP芯片的人数统计装置,包括中央控制单元、存储单元、输入单元、显示单元、输入A/D转换单元、输出A/D转换单元、人机交互单元、仿真单元和复杂可编程逻辑器件(Complex Programmable Logic Device,简称CPLD);所述中央控制单元与输入A/D转换单元的输出端、输出A/D转换单元的输入端、仿真单元、存储单元以及人机交互单元均相连;所述复杂可编程逻辑器件CPLD通过总线与中央控制单元相连;所述输入单元的输出端与输入A/D转换单元的输入端相连,所述显示单元的输入端与输出A/D转换单元的输出端相连;所述中央控制单元内置深度神经网络框架程序。

优选地,所述中央控制单元采用DSP微处理器。

优选地,所述存储单元包括数据存储器SDRAM和FLASH闪存,并且数据存储器SDRAM在200MHz下运行。

优选地,所述输入单元采用摄像头,显示单元采用TFT-LCD液晶显示器。

优选地,所述输入A/D转换单元和输出A/D转换单元均采用CMOS传感器。

优选地,所述人机交互单元采用键盘按键进行人机交互。

优选地,所述仿真单元采用XDS560仿真器。

由上述技术方案可知,本实用新型的有益效果在于:本实用新型提供的基于深度神经网络和DSP芯片的人数统计装置,通过C语言构建的深度学习神经网络模型框架,可以很好地实现各种图像识别功能,再将深度学习神经网络模型植入到中央控制单元中,使图像识别的平台具有具有更高的计算处理能力,可以实现现场数据高精度、高速度实时采集,适用于多种复杂环境,且成本低,具有较高的实用价值,同时,方便后续的开发使用。

附图说明

图1为本实用新型实施例提供的基于深度神经网络和DSP芯片的人数统计装置的结构框图;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学,未经东北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201820375908.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top