[发明专利]一种面向嵌入式深度学习的超大尺寸图像目标检测方法及系统

权利要求书

1.一种面向嵌入式深度学习的超大尺寸图像目标检测方法，其特征在于，包括：

1)接收输入图像，按照像素点位置将图像分割为多个子图像，其中任意一个子图像均与其相邻的所有子图像在靠近边界的区域互相重叠，该区域记为分割冗余区域；具体是根据预设的宽度W、高度H、冗余阈值T进行图像分割；所述冗余阈值T表征所述在靠近边界的区域互相重叠的像素数；

2)分别对每个子图像进行目标检测，得到目标相关信息；具体是基于卷积神经网络算法分别对大小为W×H的子图像进行目标检测，输出目标相关信息，所述目标相关信息至少包括目标位置；

3)参考得到的各个子图像的目标相关信息，对分割冗余区域的目标重新检测定位；根据更新后的目标检测结果在原始图像上标记，输出可视化结果；具体包括：分析各个子图像的分割冗余区域是否存在目标回归框，且目标回归框到子图边界的距离小于aT，其中a为设定的系数；若存在满足以上条件的目标回归框，则以分割冗余区域为中心，重新确定相应的宽度或高度范围，采样大小为W×H的新的子图像；对所述新的子图像重新进行目标检测，仅采纳所述分割冗余区域的目标检测结果，更新分割冗余区域目标相关信息，根据此前非分割冗余区域的目标相关信息，将全部目标相关信息按所需规则标记在原始图像上，形成可视化输出图像。

2.根据权利要求1所述的面向嵌入式深度学习的超大尺寸图像目标检测方法，其特征在于：所述目标相关信息还包括所属类别和置信度。

3.根据权利要求1所述的面向嵌入式深度学习的超大尺寸图像目标检测方法，其特征在于：所述宽度W、高度H和冗余阈值T，是根据原始图像尺寸、目标尺寸和处理器计算能力来确定；

分割图像宽度范围为[0，W-1]、[W-T，2W-T-1]、[2W-2T，3W-2T-1]......；

分割图像高度范围为[0，H-1]、[H-T，2H-T-1]、[2H-2T，3H-2T-1]......；

任一宽度范围和高度范围共同组成子图像区域。

4.根据权利要求1所述的面向嵌入式深度学习的超大尺寸图像目标检测方法，其特征在于：0＜a＜0.5。

5.一种面向嵌入式深度学习的超大尺寸图像目标检测系统，其特征在于，包括：

图像预处理单元，用于接收输入图像，按照像素点位置将图像分割为多个子图像，其中任意一个子图像均与其相邻的所有子图像在靠近边界的区域互相重叠，该区域记为分割冗余区域；具体用于根据预设的宽度W、高度H、冗余阈值T进行图像分割；所述冗余阈值T表征所述在靠近边界的区域互相重叠的像素数；

目标检测单元，分别对每个子图像进行目标检测，得到目标相关信息；具体用于基于卷积神经网络算法分别对大小为W×H的子图像进行目标检测，输出目标相关信息，所述目标相关信息至少包括目标位置；

图像后处理单元，用于参考得到的各个子图像的目标相关信息，对分割冗余区域的目标重新检测定位；根据更新后的目标检测结果在原始图像上标记，输出可视化结果；具体用于分析各个子图像的分割冗余区域是否存在目标回归框，且目标回归框到子图边界的距离小于aT，其中a为设定的系数；若存在满足以上条件的目标回归框，则以分割冗余区域为中心，重新确定相应的宽度或高度范围，采样大小为W×H的新的子图像；之后对所述新的子图像重新进行目标检测，仅采纳所述分割冗余区域的目标检测结果，更新分割冗余区域目标相关信息，根据此前非分割冗余区域的目标相关信息，将全部目标相关信息按所需规则标记在原始图像上，形成可视化输出图像。

6.一种嵌入式设备，包括处理器和程序存储器，其特征在于，所述程序存储器存储的程序被处理器加载时执行权利要求1所述面向嵌入式深度学习的超大尺寸图像目标检测方法。