[发明专利]图像特征提取集成电路、方法、终端有效
申请号: | 201711481013.5 | 申请日: | 2017-12-29 |
公开(公告)号: | CN108205680B | 公开(公告)日: | 2020-02-04 |
发明(设计)人: | 周阳 | 申请(专利权)人: | 深圳云天励飞技术有限公司 |
主分类号: | G06K9/46 | 分类号: | G06K9/46;G06K9/44 |
代理公司: | 44334 深圳市赛恩倍吉知识产权代理有限公司 | 代理人: | 曾柳燕;孙芬 |
地址: | 518000 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 图像特征提取 待处理图像 存储电路 梯度信息 集成电路 计算电路 终端 梯度方向直方图 输出 处理图像 计算效率 人脸识别 细胞单元 耦合 实时性 分块 像素 运算 并行 存储 场景 | ||
一种集成电路包括:存储电路及耦合至所述存储电路输出端的计算电路,所述存储电路用于存储待处理图像的梯度信息,所述计算电路用于对所述梯度信息进行计算后输出所述待处理图像的梯度方向直方图特征。本发明还提供一种图像特征提取方法及终端。本发明利用集成电路并行地完成待处理图像的各个像素的梯度信息的计算,同时,通过对待处理图像进行分块和分细胞单元的处理,减少了一些无效运算,从而使得图像特征提取的计算效率得到大幅提高,可以满足人脸识别等场景对于实时性的要求。
技术领域
本发明涉及图像识别技术领域,具体涉及一种图像特征提取集成电路、方法及终端。
背景技术
图像描述子是图像的一种表征形式,我们所熟知的像素值便是最常见最朴素的一种图像表征形式。在一副图像中,局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地描述,其本质为梯度的统计信息,而梯度主要存在于边缘的地方。因而在计算机视觉和图像处理中常使用梯度方向直方图(Histogram of Oriented Gradient,HOG)进行人体目标检测的图像描述,使用HOG特征能很好的表达人体的外形信息和运动信息,形成丰富的特征集。
目标识别跟踪等设备处于光照、目标方位等变化剧烈的复杂环境中,为了提升目标识别跟踪等设备的可靠性和实时性,就需要利用HOG特征的上述优势,同时需要在尽可能短的时间内获得HOG特征向量。
然而,现有HOG特征提取技术通常由软件实现,例如由通用处理器或者数字信号处理器通过程序指令实现,这种方法的缺陷是HOG特征描述子生成过程冗长,导致速度慢,实时性差,无法在商业上形成应用。
发明内容
鉴于以上内容,有必要提出一种图像特征提取集成电路、方法及终端,采用硬件加速的方法,快速的提取图像的HOG特征,提升了特征提取算法的性能。
本申请第一方面提供一种集成电路,所述集成电路包括:存储电路及耦合至所述存储电路输出端的计算电路,所述存储电路用于存储待处理图像的梯度信息,所述计算电路用于对所述梯度信息进行计算后输出所述待处理图像的梯度方向直方图特征。
在一种优选的技术方案中,所述存储电路包括:
图像梯度信息存储器,用于接收并存储所述待处理图像的每个细胞单元的各个像素的梯度信息,所述梯度信息包括:梯度幅值及梯度方向;
梯度量化插值结果存储器,用于接收并存储所述计算电路对每个细胞单元中的各个像素的梯度信息进行量化处理得到的待处理图像的梯度直方图量化结果;
梯度归一化结果存储器,用于接收并存储所述计算电路对所述梯度直方图量化结果进行归一化处理得到的梯度直方图归一化结果;
梯度直方图特征存储器,用于接收并存储所述计算电路对所述梯度直方图归一化结果进行加权处理得到的每个细胞单元的梯度直方图特征向量;及
所述梯度直方图特征存储器,还用于根据预设连接顺序连接每个细胞单元的梯度直方图特征向量,生成待处理图像的梯度直方图特征。
在一种优选的技术方案中,所述计算电路包括:
梯度量化计算电路,用于对每个细胞单元中的各个像素的梯度信息进行量化处理,得到的待处理图像的梯度直方图量化结果;
梯度归一化计算电路,用于对所述梯度直方图量化结果进行归一化处理,得到的梯度直方图归一化结果;
梯度直方图特征计算电路,用于对所述梯度直方图归一化结果进行加权处理得到的每个细胞单元的梯度直方图特征向量。
在一种优选的技术方案中,所述梯度量化计算电路包括:
梯度方向量化计算电路,包括:第五乘法器,所述第五乘法器在所述预设第一时间段内依次对每个细胞单元的各个像素的梯度方向进行加权计算,输出梯度直方图方向量化结果;及
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳云天励飞技术有限公司,未经深圳云天励飞技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711481013.5/2.html,转载请声明来源钻瓜专利网。