目标识别方法、装置、设备及存储介质与流程

本发明涉及图像识别领域，尤其涉及一种目标识别方法、装置、设备及存储介质。

背景技术：

1、随着人工智能与边缘计算的发展，基于android系统的智能终端，如智能大屏、边缘计算盒、工业检测设备、农业无人机/机器人等广泛开始外接 usb摄像头进行实时图像识别与目标检测。为了兼顾带宽与画质，高分辨率或高帧率的usb摄像头普遍采用mjpeg压缩格式传输视频帧。

2、在android系统中，图像识别的核心在于将摄像头采集到的数据流，以尽可能低的延迟、尽可能完整的细节送入深度学习模型推理引擎。然而，传统的android图像处理管线在面对高分辨率、高帧率的数据流时，常因链路冗长、冗余计算过多而导致严重的性能瓶颈。

技术实现思路

1、本发明实施例提供一种目标识别方法、装置、设备及存储介质，以克服现有图像识别的不足，实现低延迟、低功耗的目标图像识别。

2、第一方面，本发明实施例提供一种目标识别方法包括：

3、获取待识别图像，并确定待识别图像的目标感兴趣区域；

4、以最小编码单元为解码单位，对目标感兴趣区域的图像内容进行解码处理，得到局部像素数据；

5、对局部像素数据进行预处理，得到适配深度学习推理引擎的处理后局部像素数据，并将处理后局部像素数据存储于内存的连续区域中；

6、将连续区域对应的内存指针传递至所述深度学习推理引擎，内存指针用于所述深度学习推理引擎从连续区域中读取处理后局部像素数据进行目标识别，得到目标识别结果。

7、第二方面，本发明实施例提供一种目标识别装置，包括：

8、获取模块，用于获取待识别图像，并确定待识别图像的目标感兴趣区域；

9、解码模块，用于以最小编码单元为解码单位，对目标感兴趣区域的图像内容进行解码处理，得到局部像素数据；

10、预处理模块，用于对局部像素数据进行预处理，得到适配深度学习推理引擎的处理后局部像素数据，并将处理后局部像素数据存储于内存的连续区域中；

11、识别模块，用于将连续区域对应的内存指针传递至深度学习推理引擎，内存指针用于所述深度学习推理引擎，从连续区域中读取处理后局部像素数据进行目标识别，得到目标识别结果。

12、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现目标识别方法。

13、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述目标识别方法。

14、上述一种目标识别方法、装置、设备及存储介质，以最小编码单元为解码单位，仅对目标感兴趣区域的图像内容进行解码处理，跳过了非感兴趣区域的全量解码操作，解码计算量与目标感兴趣区域面积成正比，可避免无效像素解码计算；内存指针传递机制替代全帧数据的反复深度拷贝，能够有效降低cpu算力与内存带宽占用；局部解码与内存指针传递大幅削减了处理负载，使中低端android硬件平台也能支持高分辨率高帧率的实时识别，拓宽了工业检测、农业无人机、边缘计算盒等应用场景的落地可行性。

1.一种目标识别方法，其特征在于，包括：

2.如权利要求1所述目标识别方法，其特征在于，获取待识别图像包括：

3.如权利要求1所述目标识别方法，其特征在于，确定所述待识别图像的目标感兴趣区域包括：

4.如权利要求1所述目标识别方法，其特征在于，确定所述待识别图像的目标感兴趣区域包括：

5.如权利要求1所述目标识别方法，其特征在于，以最小编码单元为解码单位，对所述目标感兴趣区域的图像内容进行解码处理包括：

6.如权利要求1所述目标识别方法，其特征在于，所述对局部像素数据进行预处理，得到适配深度学习推理引擎的处理后局部像素数据，包括：

7.如权利要求1所述目标识别方法，其特征在于，所述方法还包括：

8.一种目标识别装置，其特征在于，包括：

9.一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，处理器执行所述计算机程序时实现权利要求1-7任一项所述的目标识别方法。

10.一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的目标识别方法。