[发明专利]一种基于多核DSP的图像目标并行检测方法

说明书

本发明公开了一种基于多核DSP的图像目标并行检测方法，应用于八个内核的DSP中，八个内核包括一个主核和七个辅核；每一个步骤中，主核根据该步骤待处理数据的数据量确定包括主核在内的工作核的数量，将该步骤的待处理数据依据工作核的数量划分为多份，向各工作核分发其中不同的一份作为任务数据，各工作核对各自任务数据独立处理，在主核判定所有工作核处理完成后对所有工作核的处理结果进行汇总；单个工作核的处理步骤包括：计算灰度相关统计量、提取序列团的信息、生成邻接表、生成映射表、提取连通域的特征数据信息和连通域目标判断。本发明利用多核DSP、仅扫描图像一次能提高处理效率，提取序列团能减小资源存储量，满足实时性需求。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于多核DSP的图像目标并行检测方法。

背景技术

对图像中的目标进行检测是图像处理技术中重要且基本的一个环节，通常是判断图像中是否含有一个或多个感兴趣的目标，并将检测出的目标在图像中进行定位。目前，针对图像的目标检测技术已经深入到人类社会生活的各个方面，比如日常生活中的扫码识物，以及未完全落地的增强现实技术等，都需要用到目标检测。目前的目标检测方法主要分为以下两种：

第一种为基于人工设定特征的目标检测方法。该种围绕人工设定特征进行目标检测的方法属于传统的目标检测方法，一般又可分为基于模板匹配的检测方法、基于先验知识的检测方法和先划分对象区域后分类的检测方法三种类型。传统的目标检测方法更适用于图像背景简单、目标尺寸较大的检测环境，而面对目标与图像背景对比度较低和存在目标遮挡等的复杂场景，传统的目标检测方法有较高的误检概率和漏检概率。而在复杂场景下，为了提高检测精度，传统的目标检测方法往往需要增加算法的复杂度，但复杂度太高，无法满足实时性的场景需求。

第二种为基于卷积神经网络的目标检测方法。该种围绕卷积神经网络进行目标检测的方法，是伴随着计算机视觉和深度学习技术的发展与应用而逐渐兴起的目标检测方法，往往比传统的目标检测方法有更精准的目标检测效果。但该种目标检测方法对计算资源有较高的要求，在计算效率与占用空间的关系上有一些明显的缺陷。特别是在图像场景复杂或是出现大量区域冗余的情况下，由于大量场景噪声的引入，会导致图像特征信息被干扰甚至淹没，而且冗余区域也不利于对非极大值的抑制，因此会影响目标检测的准确性。

近年来，伴随着图像传感器元件的不断升级换代，图像的分辨率越来越高，帧频越来越快，对目标检测应用于更复杂环境下的需求日益明显，对目标检测的实时性要求也越来越高。而目前现有技术中广泛采用串行计算方式，其数据处理速率和数据交换速率难以满足高实时性和低资源存储量的需求。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于多核DSP的图像目标并行检测方法。本发明要解决的技术问题通过以下技术方案实现：

一种基于多核DSP的图像目标并行检测方法，应用于具有八个内核的数字信号处理器DSP中，所述八个内核包括一个主核和七个辅核；所述方法的每一个步骤中：所述主核根据该步骤待处理数据的数据量确定包括所述主核在内的工作核的数量，将该步骤的待处理数据依据工作核的数量划分为多份，并向各工作核分发其中不同的一份作为任务数据，各工作核对各自的任务数据独立处理，在所述主核判定所有工作核处理完成后，所述主核对所有工作核的处理结果进行汇总；其中，所述方法的步骤包括：

步骤1：每个工作核对该步骤中各自的任务数据计算得到灰度相关统计量；所述主核利用所有工作核的灰度相关统计量获得待测图像的灰度均值；所述步骤1中，待处理数据为所述DSP获取的一帧待测图像；

步骤2：每个工作核对所述步骤1中各自的任务数据提取序列团的信息；所述主核汇总并更新得到所述待测图像中所有序列团的信息作为下一步骤的待处理数据；一个序列团指图像数据的一行中连续落入图像分割门限范围的至少一个像素所组成的序列；所述序列团的信息包括序列团的序号；