[发明专利]信息处理装置及其控制方法、以及电子设备

说明书

技术领域

本发明涉及用于针对存储在存储器中的诸如图像的数据进行高速计算处理的信息处理装置、信息处理装置的控制方法以及电子设备。

背景技术

传统上，已知如下信息处理方法及信息处理装置：针对存储在存储器中的诸如图像的多个元素数据项的阵列，通过根据预定规则依次参照特定位置的元素数据来进行计算处理并获得计算结果。

例如，在“Rapid Object Detection using a Boosted Cascade of Simple Features”（P.Viola and M.Jones,IEEE Conference on Computer Vision and Pattern Recognition 2001）（下文中称为参考文献1）中提出了如下方法：使用Boosting型判别器（discriminator）来高速检测图像数据中的诸如人脸的对象物体。该方法对通过基于由机器学习预先获得的级联弱判别器的字典依次参照并计算滑动窗口（sliding window）内的预定位置的特征量而获得的积分进行累积，然后确定是中止（abort）计算还是该物体是最后的对象物体。

被计算作为多个局部矩形内的总和值的线性和的Haar-like特征被用作要由各弱判别器参照的特征量。通过仅参照由原始亮度图像预先生成的、积分图像或称为区域求和表（summed area table）的图像中的四个点进行加/减处理，能够低负荷计算矩形内的总和值。

作为要由各弱判别器参照的特征量，通过使用多个样本数据项进行预学习来选择当执行弱判别器时使判别性能最大化的特征量。此外，如果通过将目前为止的积分与由弱判别器计算出的积分相加而获得的累积积分尚未到达预定阈值，则中止后续计算以减少总计算量，从而提高速度。

日本特许4553044号公报（下文中称为参考文献2）通过使用判别对象亮度图像中针对各弱判别器进行预学习而确定的两个点之间的亮度差分作为特征量，实现了由类似于参考文献1中描述的多个弱判别器进行的高速判别处理。

还提出了如下方法：通过将各自利用简单计算进行二进制判别的多个节点组合而创建多类判别器来实现高精度、高速度的多类判别。例如，在“Keypoint recognition using randomized trees”（V.Lepetit and P.Fua,IEEE Transaction on Pattern Analysis and Machine Intelligence,28(9):1465-1479,September 2006）（下文中称为参考文献3）中描述的称为随机树（randomized trees）的方法使用通过二进制树模式组合多个节点而获得的判别器，从而省略不必要的判别。此外，在“Keypoint recognition using Random Ferns”（M.Ozuysal,M.Calonder,V.Lepetit,and P.Fua,IEEE Transaction on Pattern Analysis and Machine Intelligence,32(3):448-461,March 2010）（下文中称为参考文献4）中描述的称为随机蕨（random ferns）的方法使用在同一分层内使用同一二进制特征的判别器，从而提出更高速度的多类判别器。

如上所述，在针对例如图像进行判别处理的多种传统的信息处理方法中，仅关注判别器的计算量减少以提高速度。

另一方面，在用于执行这种信息处理的诸如计算机的处理系统的电路中，存在各种存储器架构。例如，通常，经常使用包括DRAM和SRAM的架构，DARM具有大容量但从处理器进行访问费时，而SRAM被布置在处理器附近并且能够被高速访问，但具有小容量。

这种架构中的一些架构通过从DRAM向SRAM一次传送具有预定大小的连续区域来提高速度，这被称为突发传送（bust transfer）。

可选地，经常使用如下缓存机制：当对DRAM中的数据进行访问时将预定范围复制到SRAM，然后当下次参照该范围内的数据时仅对SRAM进行访问。提出了诸如直接映射模式和组相联缓存（set associative cache）等的各种模式作为缓存机制。

为了针对数据进行高速计算处理，有效的是，不仅尽可能减少计算量，而且除考虑到上述存储器架构以外还尽可能减少数据访问时生成的负荷（下文中称为参照负荷）。