[發明專利]用于評價圖像信號處理器中實施的分類器的系統和方法

有效

• 申請號: 201610933639.4
• 申請日: 2016-10-25
• 公開（公告）號: CN106650782B
• 公開（公告）日: 2019-05-07
• 發明（設計）人: 許明愷
• 申請（專利權）人: 豪威科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋融冰

用于評價圖像信號處理器(ISP)的分類器的系統，包括(i)微處理器和(ii)存儲訓練圖像的存儲器，微處理器能夠發送每個訓練圖像至ISP。系統還包括存儲在存儲器中且由微處理器執行的機器可讀指令，其能夠：(i)基于分隔器位置，選擇圖像的子集，(ii)控制ISP將每個圖像分類為屬于或不屬于目標類，(iii)確定正匹配計數，(iv)基于正匹配計數和屬于目標類的訓練圖像的總數目，確定錯誤計數，(v)對于其它分隔器位置，重復選擇、控制和確定的步驟，以識別優選分隔器位置和最小錯誤計數；以及(vi)通過比較優選分隔器位置和默認的優選分隔器位置以及默認的最小錯誤計數，確定分類器的優選性。

技術領域

本公開涉及計算機技術領域，尤其涉及一種用于評價圖像信號處理器中實施的分類器的系統和方法。

背景技術

在應用中，基于人工智能(AI)的目標識別是有用的，應用包括在移動設備和自動柜員機(ATM)中的人臉或人臉特征檢測，人臉表情、條形碼或姿勢的機器識別，以及車載自動報警系統?；贏I的目標識別的基本主題是1-D(一維)特征分類，其中圖像信號處理器(ISP)中實施的分類器檢查圖像，以確定圖像是否包括屬于特定目標類的目標(例如，對于人臉檢測應用的人臉)。

訓練分類器以準確地分類圖像包含使分類器基于圖像是否包括人臉，檢查訓練圖像集中的圖像的每個為人臉或非人臉。這樣的訓練需要分類器發展有效的人工智能以檢測圖像中人臉的存在。單個回合的學習包含分類器對訓練圖像集中的每個圖像進行分類。訓練圖像集可以包括大約40,000個訓練圖像(例如，一半的圖像包括人臉)。在一些應用中，可以需要3,000個回合。

為確定分類器是否已經被充分地訓練，通過分類訓練圖像集中的圖像評價分類器。訓練圖像不必須與用于訓練分類器的訓練圖像集相同。分類圖像是計算密集的，且因此花費大量的運行時間，其增加發展改進的目標檢測技術的費用。

發明內容

在此公開的實施例屬于用于評價分類器的有效評價系統和方法，其最小化完成評價方法需要的分類器操作的數目。

在一個實施例中，公開用于評價圖像信號處理器(ISP)中實施的分類器的系統。系統包括微處理器和存儲具有多個圖像的訓練圖像集的存儲器。微處理器能夠發送多個圖像的每個至ISP。系統還包括存儲在存儲器中且由微處理器執行的機器可讀指令，其能夠：(i)基于訓練圖像集中的分隔器位置，選擇訓練圖像集的圖像的子集，(ii)控制ISP以分類子集中圖像的每個為屬于或不屬于目標類，(iii)確定等于圖像子集中被分類為屬于目標類的圖像總數目的正匹配計數，(vi)基于(a)訓練圖像集中屬于目標類的圖像的總數目和(b)正匹配計數，確定錯誤計數，(v)對于訓練圖像集中的多個其它分隔器位置，重復選擇、控制和確定的步驟，以識別對應(a)最小錯誤計數和(b)最大錯誤計數中的至少一個的優選分隔器位置；以及(vi)通過比較(a)對應最小錯誤計數的優選分隔器位置和對應默認的最小錯誤計數的預設的優選分隔器位置，和(b)對應最大錯誤計數的優選分隔器位置和對應默認的最大錯誤計數的預設的優選分隔器位置中的至少一個，確定分類器的優選性。

在另一個實施例中，公開一種用于評價圖像信號處理器(ISP)中實施的以識別接收的電子圖像信號中的目標類的分類器的方法。方法包括步驟：(i)基于訓練圖像集中的分隔器位置，選擇訓練圖像集的圖像的子集，(ii)控制ISP以分類子集中圖像的每個為屬于或不屬于目標類，(iii)確定等于圖像子集中被分類為屬于目標類的圖像的總數目的正匹配計數，(iv)基于(a)訓練圖像集中屬于目標類的圖像的總數目和(b)正匹配基數，確定錯誤計數，(v)對于訓練圖像集中的多個其它分隔器位置，重復選擇、控制和確定的步驟，以識別對應(a)最小錯誤計數和(b)最大錯誤計數中的至少一個的優選分隔器位置，以及(vi)通過比較(a)對應最小錯誤計數的優選分隔器位置和對應默認的最小錯誤計數的預設的優選分隔器位置，和(b)對應最大錯誤計數的優選分隔器位置和對應默認的最大錯誤計數的預設的優選分隔器位置中的至少一個，確定分類器的優選性。

附圖說明