[发明专利]一种低功耗视觉目标检测和识别装置及方法

说明书

本发明公开了一种低功耗视觉目标检测和识别装置及方法，所述装置包括神经网络处理器单元NPU、低功耗运动目标检测单元、电源管理单元、协处理器单元。协处理器单元根据识别场景中有无目标主动切换低功耗模式和高性能模式。协处理器单元控制第一总线互联单元，将总线数据流在低功耗模式和高性能模式下分别传输至低功耗运动目标检测单元和神经网络处理器单元NPU，进行目标检测和识别。协处理器单元控制电源管理单元，低功耗模式下关闭神经网络处理器单元NPU和显示输出单元电源，高性能模式下关闭低功耗运动目标检测单元电源。本发明通过控制检测和识别场景无目标情况下的功耗，降低了目标检测和识别的平均功耗。

技术领域

本发明涉及计算机和微电子技术领域，具体涉及一种低功耗视觉目标检测和识别装置及方法。

背景技术

视觉目标检测和识别技术旨在定位和识别图像中存在的物体，属于计算机视觉领域的经典任务之一，也是许多计算机视觉任务的前提与基础，在自动驾驶、视频监控等领域具有重要的应用价值。

视觉目标检测和识别主要基于传统机器视觉算法以及深度学习算法。传统机器视觉算法依赖人工设计视觉特征检测器，每个检测器都是针对具体应用，所述检测器一般拥有较快的运行速度和较低的检测功耗，对硬件要求低，但是往往精度差，泛化能力弱。基于深度学习算法的视觉目标检测和识别以神经网络为基础，特征提取的过程是自学习的，检测和识别精度高，泛化能力比较强。所述神经网络在运算过程中会调用大量权重参数进行多次处理，占用海量缓存。在保证识别性能前提下，对硬件要求高且功耗很高。

当前市场上视觉目标检测和识别设备中，所使用的检测和识别方法受限于现有硬件而较为单一。如果只使用传统低精度视觉检测和识别方案，检测和识别精度较低(该方法已基本淘汰)；或是使用单纯针对深度学习算法应用的神经网络开发的专用硬件(例如卷积神经网络处理器(NPU))，进行不间断的高功耗的检测和识别运算。

现有方法在应用场景无待检测目标的情况下，依旧使用高性能高精度的神经网络处理器(NPU)进行视觉检测和识别，造成功耗浪费。不能依据场景情况主动降低自身计算量以降低功耗，灵活性差。

发明内容

本发明的目的是为了解决现有单一识别方案中灵活性差的缺陷，提供一种低功耗视觉目标检测和识别装置及方法。基于场景自适应方式的检测和识别单元自动切换以及电源控制，在保证检测和识别精度不变的前提下，降低检测场景无目标时的能量消耗，解决单一识别方案的灵活性差问题。

本发明的第一个目公开了一种低功耗视觉目标检测和识别装置，所述低功耗视觉目标检测和识别装置11包括内部封装的视频流格式转换单元111、第一总线互联单元112、电源管理单元113、神经网络处理器单元NPU114、协处理器单元115、低功耗运动目标检测单元116、显示输出单元117、第二总线互联单元118以及外部内存控制单元119，所述低功耗视觉目标检测和识别装置11还包括与外部设备连接的视频流输入接口15、外部内存接口16、显示输出接口13和目标信息输出接口12；

其中，所述视频流格式转换单元111将视频流输入接口15输入的视频流数据转换成标准总线数据流，并传输至第一总线互联单元112，标准总线数据流作为神经网络处理器单元NPU114和低功耗运动目标检测单元116的标准数据来源；

所述第一总线互联单元112与协处理器单元115相连，并通过协处理器单元115控制标准总线数据流流向，在不同识别模式下，分别将标准总线数据传输到连接的神经网络处理器单元NPU114和低功耗运动目标检测单元116，同时传输一路标准总线数据通过外部内存控制单元119写入外部内存；

所述电源管理单元113由协处理器单元115发送命令控制神经网络处理器单元NPU114，低功耗运动目标检测单元116和显示输出单元117的电源供应；