一种基于微控制器的目标检测方法及装置与流程
本发明涉及数据处理,具体涉及一种基于微控制器的目标检测方法及装置。
背景技术:
1、嵌入式系统作为一种专用计算机系统,广泛部署于各类终端设备中,承担着特定的感知、控制与计算任务。计算机视觉技术使得嵌入式系统能够通过图像传感器获取视觉信息,并利用目标检测算法对感兴趣的目标进行识别与定位,从而在智能安防、无人机导航、工业检测、智能家居等应用场景中发挥重要作用。然而,嵌入式平台通常采用微控制器(mcu)作为主控芯片,并配合低分辨率图像传感器进行数据采集。由于mcu的运算能力有限、内存资源紧张,而主流的目标检测模型(如基于卷积神经网络的检测器)参数量大、计算复杂度高,难以直接在mcu上实时运行。
2、然而,现有方案在实际应用中低分辨率图像本身包含的纹理、边缘和颜色等视觉信息有限,尤其在非理想条件下,图像的可用信息进一步衰减。在此类环境下,依赖单一图像传感器所提取的视觉特征难以支撑可靠的目标检测,检测结果出现波动甚至失效。
技术实现思路
1、有鉴于此,本发明实施例提供了一种基于微控制器的目标检测方法及装置,以解决在计算资源受限的嵌入式平台上基于单一视觉传感器进行目标检测时环境适应性差的问题。
2、第一方面,本发明实施例提供了一种基于微控制器的目标检测方法,所述方法包括:
3、获取当前环境工况下传感器阵列对环境目标的感知度量结果;
4、基于所述感知度量结果,构建适配微控制器运算性能的候选检测模型;
5、获取所述微控制器的硬件参数,基于所述硬件参数对所述候选检测模型执行参数量化处理以及网络剪枝处理,得到目标检测模型;
6、将所述目标检测模型部署至所述微控制器,以使所述微控制器利用所述目标检测模型对所述传感器阵列采集到的实时传感数据进行目标检测。
7、进一步的,所述传感器阵列包括至少两种传感器;所述获取当前环境工况下传感器阵列对环境目标的感知度量结果,包括:
8、获取所述传感器阵列中各个传感器对应的质量评估因子,其中,所述质量评估因子用于表征传感器在当前环境工况下的传感数据置信水平;
9、根据所述质量评估因子确定各个传感特征对应的权重参数,其中,所述传感特征为分别从各类传感器输出的原始传感数据中提取得到的专属传感特征;
10、基于所述权重参数,对所述传感特征进行加权运算,得到各个传感特征对应的加权传感特征;
11、对各个传感特征对应的加权传感特征进行聚合处理,得到融合特征,将所述融合特征作为所述感知度量结果。
12、进一步的,所述获取所述传感器阵列中各个传感器对应的质量评估因子,包括:
13、调取所述当前环境工况的工况参数以及各个所述传感器的历史检测数据,其中,所述工况参数包括以下至少一项:温度参数、光照参数、湿度参数、天气参数,所述历史检测数据包括以下至少一项:历史检测准确率、历史数据有效率、历史故障记录;
14、根据所述工况参数,确定各个所述传感器的环境适应等级;
15、根据各个所述传感器的历史检测数据,计算各个所述传感器对应的历史质量评估因子;
16、基于所述环境适应等级以及所述历史质量评估因子,确定各个所述传感器在所述当前环境工况下的质量评估因子。
17、进一步的,所述对各个传感特征对应的加权传感特征进行聚合处理,得到融合特征,包括:
18、从平均值运算、最大值运算、最小值运算以及中位数运算中选取任意一种作为聚合运算方式;
19、按照所述聚合运算方式,对所述加权传感特征进行聚合处理,得到融合特征。
20、进一步的,在获取所述传感器阵列中各个传感器对应的质量评估因子之前,所述方法还包括:
21、获取所述传感器阵列中各个传感器输出的原始传感数据,其中,所述传感器阵列包括以下至少两种:图像传感器、红外传感器、雷达传感器、超声波传感器以及激光测距传感器;
22、按照传感器类型从所述原始传感数据中提取对应的传感特征;
23、其中,所述传感特征包括:由所述图像传感器提取得到边缘特征、颜色特征以及纹理特征,由所述红外传感器提取得到温度分布特征,由所述雷达传感器提取得到速度特征、第一距离特征以及形状特征,由所述超声波传感器提取得到第二距离特征,由所述激光测距传感器提取得到第三距离特征以及形状特征。
24、进一步的,所述基于所述感知度量结果,构建适配微控制器运算性能的候选检测模型,包括:
25、获取预设结构的初始检测模型;
26、根据所述感知度量结果的数据维度,调整所述初始检测模型的输入层参数,得到调整后的初始检测模型;
27、将所述调整后的初始检测模型确定为所述候选检测模型。
28、进一步的,在将所述目标检测模型部署至所述微控制器之后,所述方法还包括:
29、获取所述传感器阵列采集的实时传感数据;
30、对所述实时传感数据执行特征提取、特征加权以及特征聚合,得到实时感知度量结果;
31、将所述实时感知度量结果输入所述目标检测模型进行推理,输出实时目标检测结果。
32、进一步的,所述方法还包括:
33、获取当前环境工况的工况参数以及上一检测周期所述目标检测模型输出的历史目标检测结果;
34、获取所述历史目标检测结果对应的反馈信息,并根据所述反馈信息重新确定各个所述传感器对应的权重参数;
35、基于重新确定的权重参数,循环执行传感数据采集至新一轮特征融合以及模型推理的流程。
36、进一步的,所述基于所述硬件参数对所述候选检测模型执行参数量化处理以及网络剪枝处理,得到目标检测模型,包括:
37、获取所述微控制器的运算内存上限参数以及功耗上限参数;
38、根据所述运算内存上限参数以及所述功耗上限参数,确定所述候选检测模型的参数量压缩目标以及计算量压缩目标;
39、基于所述参数量压缩目标,将所述候选检测模型中模型参数的比特位数由第一精度调整至第二精度,得到参数量化处理后的候选检测模型;
40、基于所述计算量压缩目标,对经过参数量化处理后的候选检测模型中冗余网络连接以及冗余神经元节点进行裁剪,得到所述目标检测模型。
41、第二方面,本发明实施例提供了一种基于微控制器的目标检测装置,所述装置包括:
42、获取模块,用于获取当前环境工况下传感器阵列对环境目标的感知度量结果;
43、构建模块,用于基于所述感知度量结果,构建适配微控制器运算性能的候选检测模型;
44、处理模块,用于获取所述微控制器的硬件参数,基于所述硬件参数对所述候选检测模型执行参数量化处理以及网络剪枝处理,得到目标检测模型;
45、部署模块,用于将所述目标检测模型部署至所述微控制器,以使所述微控制器利用所述目标检测模型对所述传感器阵列采集到的实时传感数据进行目标检测。
46、第三方面,本发明实施例提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的方法。
47、第四方面,本发明实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的方法。
48、本技术实施例提供的方法具有以下有益效果:
49、本技术实施例提供的方法通过获取当前环境工况下传感器阵列对环境目标的感知度量结果,能够捕获多维度、多模态的环境感知信息,为后续检测提供充分且多样化的数据基础;通过基于感知度量结果构建适配微控制器运算性能的候选检测模型,能够在微控制器有限的算力约束下,初步形成可执行的模型结构,确保模型与硬件资源的基本匹配;通过获取微控制器硬件参数并基于该参数对候选检测模型执行参数量化处理以及网络剪枝处理,能够有效压缩模型参数量与计算复杂度,降低模型对存储空间和运行内存的占用,减少推理过程中的计算开销;通过将目标检测模型部署至微控制器,并利用该模型对传感器阵列采集到的实时传感数据进行目标检测,能够在资源受限的嵌入式平台上实现高效、低延迟的实时推理输出,保障目标检测任务的稳定执行。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com