[发明专利]基于异构运算平台的目标检测方法及系统

权利要求书

1.一种基于异构运算平台的目标检测方法，其特征在于，包括以下步骤：

采集待检测区域的原始图像；使用DSP对所述原始图像进行边缘检测，得到所述原始图像的感兴趣区域图像及其边界坐标；使用FPGA对所述原始图像进行双边滤波，剔除所述原始图像的背景，得到差图像，根据所述边界坐标查找到所述差图像的感兴趣区域，计算并根据所述差图像的感兴趣区域像素均值和标准差确定第一分割阈值，通过所述第一分割阈值对所述差图像进行分割，将分割后的差图像与所述感兴趣区域图像相与后，进行聚类、标记，得到目标的坐标和/或面积；

其中，使用DSP对原始图像进行边缘检测，得到所述原始图像的感兴趣区域图像及其边界坐标，具体包括以下步骤：

将所述原始图像进行缩小，得到缩小图像；使用sobel算子对所述缩小图像进行边缘检测，得到边缘图像；

基于目标的活动特性对所述边缘图像进行分割，得到感兴趣区域的二值图像，将所述感兴趣区域的二值图像进行水平膨胀和孔洞填充，恢复至原始图像的尺寸，得到感兴趣区域图像以及感兴趣区域的边界坐标。

2.根据权利要求1所述的基于异构运算平台的目标检测方法，其特征在于，所述目标为空域目标，所述感兴趣区域为空域，基于目标的特性对所述边缘图像进行分割，包括以下步骤：

对边缘图像以行为单位进行均值滤波，并对均值滤波后的各行进行分组；统计各组的均值，并从各组均值中找出最大值和最小值；

将所述最大值与预设的第一阈值进行比较，将所述最小值与预设的第二阈值进行比较，若所述最大值小于预设的第一阈值，则判断所述边缘图像为全空域图像；若所述最小值小于第二阈值，则判断所述边缘图像为全地域图像；若所述最大值大于第一阈值，且所述最小值小于第二阈值，则判断所述边缘图像同时包含空域与地域，从所述边缘图像中查找出均值变化最剧烈位置的坐标作为所述空域的边界坐标；

计算所述空域的像素均值和标准差，并基于均值和标准差确定第二分割阈值，并使用所述第二分割阈值把所述空域从所述边缘图像分割出来，得到所述空域的二值图像。

3.根据权利要求2所述的基于异构运算平台的目标检测方法，其特征在于，所述第一分割阈值和第二分割阈值均通过以下公式计算得到：

λ＝E+nσ，其中，λ表示分割阈值，E表示均值，n表示调节系数，取值为大于1的正数，σ为标准差。

4.根据权利要求1所述的基于异构运算平台的目标检测方法，其特征在于，使用FPGA对原始图像进行双边滤波，剔除所述原始图像的背景，得到差图像，具体包括以下步骤：

通过双边滤波估计所述原始图像的背景图像，将原始图像减去所述背景图像，得到所述差图像。

5.根据权利要求1-4任意一项中所述的基于异构运算平台的目标检测方法，其特征在于，得到目标的二值图像后，还包括以下步骤：

通过连续多帧的目标的坐标进行时序滤波，并使用航迹关联来剔除固定不动的虚警。

6.根据权利要求5所述的基于异构运算平台的目标检测方法，其特征在于，在得到目标的坐标后，还包括以下步骤：

根据所述目标的坐标得到原始图像上的目标切片，将所述目标切片输入训练好的目标识别模型中，识别所述目标。

7.根据权利要求6所述的基于异构运算平台的目标检测方法，其特征在于，所述目标识别模型采用Caffe深度学习框架，且采用GPU进行处理。

8.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一所述方法的步骤。