[发明专利]基于深度神经网络的目标检测方法、装置、存储介质及嵌入式设备

权利要求书

1.一种基于深度神经网络的目标检测方法，其特征在于，包括：

加载模型配置文件，以及基于所述模型配置文件配置深度神经网络；

采集当前帧图像；

基于所述当前帧图像对所述深度神经网络进行前向推理，以及在前向推理过程中采集下一帧图像；

若根据前向推理结果在所述当前帧图像中检测到目标对象，标记出所述目标对象在所述当前帧图像中的位置。

2.根据权利要求1所述的方法，其特征在于，所述深度神经网络包括至少一个卷积层，所述至少一个卷积层采用network in network结构。

3.根据权利要求1或2所述的方法，其特征在于，所述深度神经网络为改进的GaussianYOLOv3网络，改进的Gaussian YOLOv3网络由13个卷积层、5个池化层、11个批处理归一化层、11个激活层、1个上采样层、2个路由层和2个高斯定位层组成，改进的Gaussian YOLOv3网络中第13、20、27、33、36和44层为卷积层且卷积核大小为1×1。

4.根据权利要求3所述的方法，其特征在于，所述模型配置文件为操作符集合文件，所述操作符集合文件是编译器对h5文件进行编译得到，所述h5文件是计算机设备利用keras或DrakNet深度学习框架训练得到的。

5.根据权利要求1或2或4所述的方法，所述加载模型配置文件，以及基于所述模型配置文件配置深度神经网络，包括：

从闪存中读取模型配置文件，解析所述模型配置文件得到网络权重参数和网络结构参数，基于所述网络权重参数和所述网络结构参数配置深度神经网络。

6.根据权利要求5所述的方法，其特征在于，所述基于所述当前帧图像对所述深度神经网络进行前向推理，以及在前向推理过程中采集下一帧图像，包括：

通过前向推理线程基于所述当前帧图像对所述深度神经网络进行前向推理；

在开始执行前向推理时，通过所述前向推理线程向采集线程发送推理执行指令，所述推理执行指令用于指示所述采集线程采集下一帧图像。

7.根据权利要求1或2或4或6所述的方法，其特征在于，通过矩形的检测框在当前帧图像中标记出目标对象的位置。

8.一种基于深度神经网络的目标检测装置，其特征在于，包括：

配置单元，用于加载模型配置文件，以及基于所述模型配置文件配置深度神经网络；

采集单元，用于采集当前帧图像；

并行计算单元，用于基于所述当前帧图像对所述深度神经网络进行前向推理，以及在前向推理过程中采集下一帧图像；

检测单元，用于若根据前向推理结果在所述当前帧图像中检测到目标对象，标记出所述目标对象在所述当前帧图像中的位置。

9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1～7任意一项的方法步骤。

10.一种嵌入式设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1～7任意一项的方法步骤。