[发明专利]自适应智能检测电路及图像智能检测方法有效
申请号: | 202010610513.X | 申请日: | 2020-06-30 |
公开(公告)号: | CN111783876B | 公开(公告)日: | 2023-10-20 |
发明(设计)人: | 陈先武;赖鼐;熊祎 | 申请(专利权)人: | 西安全志科技有限公司 |
主分类号: | G06V10/774 | 分类号: | G06V10/774;G06V10/80;G06V10/764 |
代理公司: | 珠海智专专利商标代理有限公司 44262 | 代理人: | 林永协 |
地址: | 710000 陕西省西安市高新*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 自适应 智能 检测 电路 图像 方法 | ||
1.自适应智能检测电路,包括:
图像缩放模块、级联检测模块以及融合模块,所述级联检测模块接收所述图像缩放模块输出的图像数据,所述级联检测模块向所述融合模块输出检测结果图像数据,所述融合模块将所接收的检测结果图像数据进行融合处理;
其特征在于,所述级联检测模块包括:
图像数据存储器,接收并存储所述图像缩放模块输出的图像数据;
积分图计算电路,接收所述图像数据接收缓存器输出图像数据,并且计算所接收图像数据的多个像素点的积分图数据;
弱分类器检测电路,接收所述积分图计算电路输出的所述积分图数据以及弱分类器检测窗口设置数据,应用所述积分图数据和所述弱分类器检测窗口的设置数据计算弱分类器的值,并且将所述弱分类器的值作为计算结果输出;
强分类器检测电路,接收多个所述弱分类器检测电路输出的计算结果,并且将强分类器对应的多个所述弱分类器检测电路输出的计算结果相加后与预定级数的强分类器的阈值对比,确定当前接收的图像通过强分类器的级数。
2.根据权利要求1所述的自适应智能检测电路,其特征在于:
所述图像缩放模块输出的图像数据为至少两个通道以上的图像数据;
所述图像数据存储器包括二组以上的存储模块,每一组所述存储模块用于存储一个所述通道的图像数据。
3.根据权利要求1或2所述的自适应智能检测电路,其特征在于:
所述积分图计算电路的数量为二个以上,一个所述积分图计算电路的计算结果存储至一个或者多个积分数据缓存器中,所述积分数据缓存器的数量与弱分类器检测电路数量相等。
4.根据权利要求3所述的自适应智能检测电路,其特征在于:
每一所述积分图计算电路包括第一多路复用器,所述第一多路复用器同时将多个像素点的数据分别写入到一个寄存器中,每一所述像素点的数据写入到一个所述寄存器中,并且将所述寄存器存储的数据与当前计算列左侧一列的积分数据相加,并输出当前列的积分数据。
5.根据权利要求4所述的自适应智能检测电路,其特征在于:
每一所述弱分类器检测电路包括第二多路复用器,所述第二多路复用器接收两个以上的弱分类器检测窗口内像素的积分数据,并筛选参与计算弱分类器值的像素,计算黑框和白框的像素和;
所述级联检测模块还用于使用弱分类器检测窗口的所述黑框中的所有像素之和乘上系数后减去所述白框中所有像素之和乘上系数的结果,再与预设的阈值作比较,计算获得弱分类器的值。
6.根据权利要求2所述的自适应智能检测电路,其特征在于:
每一所述存储模块包括多个单端口静态存储器,每一所述单端口静态存储器用于存储多行像素点的数据,且多个所述单端口静态存储器的多行像素点的数据交错排列。
7.根据权利要求5所述的自适应智能检测电路,其特征在于:
还包括双端口静态存储器,用于接收所述强分类器检测电路的输出结果。
8.图像智能检测方法,包括:
应用图像缩放模块对原始图像进行缩放,形成多张分辨率大小不同的图像,并将所形成的图像的数据输出至级联检测模块,所述级联检测模块对所接收的图像进行检测,并向融合模块输出检测结果图像数据,所述融合模块将所接收的检测结果图像数据进行融合处理;
其特征在于,所述级联检测模块对所接收的图像进行检测包括:
应用图像数据存储器接收并存储所述图像缩放模块输出的图像数据;
应用积分图计算电路接收所述图像数据接收缓存器输出图像数据,并且计算所接收图像数据的多个像素点的积分图数据;
应用弱分类器检测电路接收所述积分图计算电路输出的所述积分图数据以及弱分类器检测窗口设置数据计算弱分类器的值,并且将所述弱分类器的值作为计算结果输出;
应用强分类器检测电路接收多个所述弱分类器检测电路输出的计算结果,并且将强分类器对应的多个所述弱分类器检测电路输出的计算结果相加后与预定级数的强分类器的阈值对比,确定当前接收的图像通过强分类器的级数。
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西安全志科技有限公司,未经西安全志科技有限公司许可,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/202010610513.X/1.html,转载请声明来源钻瓜专利网。