[发明专利]一种实现高速处理计算机视觉图像的分层计算方法

说明书

本发明提供一种实现高速处理计算机视觉图像的分层计算方法，所述方法包括将计算机视觉图像处理任务分为快速响应层、实时响应层和非实时响应层，所述快速响应层对图像传感器输出的列并行数据流进行图像像素级并行运算处理，为实时响应层提供多个感兴趣区域和/或图像特征；实时响应层对感兴趣区域和/或图像特征实时进行目标检测、分类或识别；非实时响应层通过网络远程访问，对所述实时响应层目标检测、分类或识别的结果进行进一步细分识别和/或相关信息检索。本发明提供的一种实现高速处理计算机视觉图像的分层计算方法具有运算速度快，延时低等特点，可以超高速完成低层和中层视觉计算任务，并能大幅度降低高层视觉任务的计算复杂度以实现实时运算能力。

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种实现高速处理计算机视觉图像的分层计算方法。

背景技术

机器视觉广泛用于机器人视觉系统、自动驾驶控制系统和视频监控等诸多领域。在多数应用场景中，基于视觉的智能系统需要对通过图像传感器获得的图像进行分析，实现目标检测和追踪，或在此基础上进一步分析目标的行为特征来完成具体的视觉任务。

近年来机器视觉算法的研究进展，尤其是关于深度神经网络的研究工作使得机器视觉智能得到快速发展，甚至能够在某些具体任务上超越人眼的性能。同时，随着以深度神经网络为代表的视觉处理算法的发展，视觉计算的复杂度大幅度增加，使得视觉计算的实时性愈发成为挑战。当前的应用中通常会部署GPU(图形处理器)作为复杂算法特别是深度学习算法的硬件加速器，同时研究人员也开始将这类视觉算法移植到FPGA(现场可编程门阵列)上或者是做成专用视觉芯片来提高计算速度以实现视觉计算的实时性。

现有技术中，单一类型的视觉计算实现方案存在明显的缺点。在具体应用场景的需求限制下，面对复杂的视觉任务其算法和功能均存在局限性，难以实现不同的应用场景下的灵活配置和根据需要进行功能拓展。

因此，需要为具体场景下的视觉任务提供高速、结构化、可重构、可拓展且实现灵活的一种实现高速处理计算机视觉图像的分层计算方法。

发明内容

本发明的目的在于提供一种实现高速处理计算机视觉图像的分层计算方法，所述方法包括

将计算机视觉图像处理任务分为快速响应层、实时响应层和非实时响应层，其中，

所述快速响应层对图像传感器输出的列并行数据流进行图像像素级并行运算处理，为所述实时响应层提供多个感兴趣区域和/或图像特征，其中，所述快速响应层包括处理单元阵列和存储器，所述处理单元阵列包括K×L个处理单元，其中K为列像素个数，L为处理单元阵列的行数；每行处理单元以单指令多数据方式执行精简指令进行图像像素级并行运算；

所述实时响应层对所述感兴趣区域和/或图像特征实时进行目标检测、分类或识别，所述实时相应层包括二维处理单元，所述感兴趣区域和/或图像特征通过二维处理单元阵列以单指令多数据方式实现卷积神经网络的逐层并行运算；

所述非实时响应层通过网络远程访问，对所述实时响应层检测或分类计算的结果进行进一步细分识别和/或相关信息检索。

优选地，所述快速响应层与图像传感器集成于同一芯片。

优选地，所述卷积神经网络通过流水线模式逐层并行运算。

优选地，所述卷积神经网络通过流水线模式逐层计算包括：

在卷积运算时，卷积运算作为局部运算，由相互连通的二维处理单元读取相邻的二维处理单元的数据并加权求和；

在激活运算时，通过激活函数对卷积运算的输出结果的正负进行判断，若输入正数，则输出原值，若输入负数，则输出零。

优选地，所述二维处理单元阵列包括M×N个二维处理单元。