[发明专利]一种基于PYNQ的智能监控系统及监控方法有效
申请号: | 201910661356.2 | 申请日: | 2019-07-22 |
公开(公告)号: | CN110414401B | 公开(公告)日: | 2022-02-15 |
发明(设计)人: | 李一涛;胡有能;岳克强 | 申请(专利权)人: | 杭州电子科技大学 |
主分类号: | G06V20/40 | 分类号: | G06V20/40;G06V20/52;G06V10/762;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;H04N7/18 |
代理公司: | 杭州浙科专利事务所(普通合伙) 33213 | 代理人: | 吴秉中 |
地址: | 310018 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于PYNQ的智能监控系统及监控方法,通过软硬件协同实现目多目标检测分类。主要包括多目标检测模块,进行算法的移植与优化,通用卷积神经网络加速器IP,基于python的API接口。所述PYNQ集成了arm处理器系统和FPGA可编程逻辑,软件部分移植了caffe框架,适用于主流人工智能算法,改进了faster‑RCNN算法移植到PYNQ平台实现目标检测功能。FPGA部分使用卷积神经网络加速IP来进行算法推导部分的计算。基于Python的API提供方便的调用接口。本发明具有图像处理速度快,硬件资源需求少,方便移植与开发的优点。 | ||
搜索关键词: | 一种 基于 pynq 智能 监控 系统 方法 | ||
【主权项】:
1.一种基于PYNQ的智能监控系统,其特征在于:包括通过USB连接的摄像头和PYNQ处理系统,所述PYNQ处理系统包括arm处理器和FPGA,其特征在于所述PYNQ系统包括多目标检测模块、通用卷积神经网络加速器IP和Python的API接口,所述多目标检测模块移植与优化faster‑RCNN多目标检测算法,优化AlexNet网络的结构做为前馈网络,并对检测结果kmeans聚类;所述faster‑RCNN多目标检测算法包括建议框的提取模块、SVM分类模块、线性回归修正模块、卷积模块、池化模块、全连接层模块。
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杭州电子科技大学,未经杭州电子科技大学许可,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/patent/201910661356.2/,转载请声明来源钻瓜专利网。