[发明专利]一种基于海思平台的目标检测方法

说明书

本发明公开了一种基于海思平台的目标检测方法。首先配置媒体处理平台参数驱动摄像头，采集视频数据，实现数据传递；然后加载模型，配置对应模型所需的参数；之后使用专用的神经网络推导引擎对获得的数据进行前向推理；其次对得到的推理结果进行处理；最后通过HDMI接口输出显示。本发明通过使用海思HI35559AV100芯片内部的NNIE引擎和自带的高效媒体处理功能，使整个检测过程在一块嵌入式板子上进行，对比现有的方法，实现了高效和便携性的要求，更好的发挥了深度学习的优势。

技术领域

本发明涉及目标检测领域，具体涉及一种基于海思平台的目标检测方法。

背景技术

目标检测作为计算机有关图像识别的应用之一，在智能视频监控、机器人导航、航拍和道路检测等方面得到了广泛的应用，它的主要任务是在图片中找到感兴趣的目标或者物体，并确定它们的位置和大小。在目标检测领域，同一物体在不同图片中存在大小不一、形状多变、前景遮挡和光照变化等问题，这些问题也是目标检测亟待解决的问题；目标检测作为计算机视觉领域的研究方向之一，从最开始的传统目标检测算法到现在基于深度学习的目标检测算法，检测的速度和精度都有了很大的提升。

目前，大多数基于深度学习的目标检测算法运行在PC端的GPU上，该种方式存在功耗大、便携性差的问题，使得现有的目标检测算法不能更好的运用在实际生活中。此外，通过移动客户端采集数据，以网络传输的方式，将采集数据上传到云处理器进行处理，由云处理器返回处理结果，在移动客户端显示处理结果的目标检测方式，检测实时性差，且对网络信号的要求较高，不能充分发挥基于深度学习的优势。

发明内容

针对以上的现状，本发明利用海思HI3559AV100芯片高效的视觉计算处理能力，结合深度学习端到端的目标检测算法，对视频图像中的目标物体进行检测，更好地发挥了基于深度学习的目标检测算法的优势。

本发明采用的技术方案为：一种基于海思平台的目标检测方法，包括如下具体步骤：

步骤1)、摄像头采集：对海思媒体处理平台(MPP)参数进行配置，包括使用HI_MPI_VB_Init、HI_MPI_SYS_Init等媒体接口配置并初始化视频缓存池和MPP系统，实现摄像头对场景信息的采集，以及视频输入、处理通道数据流的数据传递；

步骤2)、配置参数、加载模型：调用NNIE硬件单元，通过HI_MPI_SVP_NNIE_LoadModelAPI接口加载HI3559AV100芯片NNIE硬件单元支持的.wk目标检测模型文件，配置并初始化相应的模型参数，包含通过调用NNIE模块的基本接口获取卷积神经网络每段所需的辅助内存空间来计算获到总的内存空间大小、申请内存空间地址以及配置网络模型所需的参数；

步骤3)、模型前行推理：对摄像头获取的数据信息进行前向推理；首先通过HI_MPI_VPSS_GetChnFrame接口获得视频的帧图像，之后通过配置NNIE模块神经网络推理接口的对应参数，对获得的视频图像数据进行处理，得到图像经过推导后的结果，以及部分中间推导结果；

步骤4)、对步骤3)推理得到的结果进行进一步的处理，并通过输出接口输出到显示器上进行显示。

进一步地，步骤2)所述通过HI_MPI_SVP_NNIE_LoadModel API接口加载的模型文件为在自建数据集上进行训练，并在训练完成后的模型上进行优化、转换得到的目标检测模型。

进一步地，步骤4)所述方法，实现检测算法通过HDMI视频输出接口显示检测结果。