[发明专利]提升禁区场景下行人识别速度的方法、系统、介质及装置

权利要求书

1.一种提升禁区场景下行人识别速度的方法，其特征在于，包括：

将禁区场景下带有行人的图片的初始训练集放入YOLO模型中进行第一次训练；

对第一次训练完成的YOLO模型进行稀疏化训练和规整通道剪枝，以使刨去最后一层的其它层的通道数均为2ⁿ，得到修正后的YOLO模型；

使用DNNDK推理框架对YOLO模型进行格式转换，生成YOLO模型的代码；

将代码输入带有FPGA芯片的识别设备中运行，以提升识别设备在禁区场景下的行人识别速度；

将FPGA芯片的线程分成三部分，第一部分线程放置输入缓冲图片队列，第二部分线程放置所述YOLO模型的代码，第三部分线程放置输出缓冲图片队列；

获取1920×1080的待识别图片；

将待识别图片按照顺序同时复制进入所述输入缓冲图片队列和所述输出缓冲图片队列；

将所述输入缓冲图片队列的待识别图片按照顺序输入所述第二部分线程；

将所述待识别图片拆分成左右两个1000×1080的图片，两张图片的长度方向具有80的重叠；

将拆分的两张图片分别输入所述带有FPGA芯片的识别设备进行处理，得到左图的ROI坐标和右图的ROI坐标；

将所述左图的ROI坐标和所述右图的ROI坐标进行合并后获得所述待识别图片的ROI坐标；

将所述待识别图片的ROI坐标输入至所述输出缓冲图片队列，并且与其相对应的图片结合；

将带有ROI坐标的待识别图片进行显示；

其中，n为大于等于4的自然数。

2.根据权利要求1所述的方法，其特征在于，“对第一次训练完成的YOLO模型进行稀疏化训练和规整通道剪枝，以使刨去最后一层的其它层的通道数均为2ⁿ，得到修正后的YOLO模型”的步骤之后，所述方法还包括：

使用补充微调训练集对所述修正后的YOLO模型进行模型精度的修复；

其中，所述补充微调训练集与所述初始训练集当中包括的图片无重复。

3.根据权利要求2所述的方法，其特征在于，所述初始训练集和/或所述补充微调训练集内使用的图片为大于608×608个像素点的原始图片，当所述图片为1920×1080像素点时，所述原始图片在训练和/或精度修复时被拆分成的左右两个1000×1080像素点的图片，两张图片的长度方向具有80像素点的重叠。

4.根据权利要求1所述的方法，其特征在于，“将禁区场景下带有行人的图片的初始训练集放入YOLO模型中进行第一次训练”的步骤之前，所述方法还包括：

将通用目标检测网络YOLO模型由原始的识别80类减少到识别m类，相应地最后一层通道数由(80+5)×3＝255层修改为(m+5)×3层，以得到第一次训练所使用的YOLO模型；

其中，m为大于0且小于80的自然数。