[發明專利]一種基于FPGA的視頻特征檢測方法和系統

有效

• 申請號: 201810653311.6
• 申請日: 2018-06-22
• 公開（公告）號: CN108846364B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 張良;徐杰;陳訓遜;何躍鷹;黨向磊;李建強;張曉明;劉剛;朱緩;郭敬林
• 申請（專利權）人: 國家計算機網絡與信息安全管理中心;深圳市任子行科技開發有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/46;G06V10/44;G06V10/82;G06N3/08
• 代理公司: 深圳市順天達專利商標代理有限公司 44217
• 代理人: 郭偉剛;車大瑩

1.一種基于FPGA的視頻特征檢測方法，其特征在于，包括以下步驟：

提取視頻流的多個關鍵幀；

針對每個所述關鍵幀，生成對應的SIFT特征點和SURF特征點；

比對同幀圖像中的所述SIFT特征點和所述SURF特征點，選取所述SIFT特征點和所述SURF特征點重合的像素點集合；

對所述像素點集合進行簇集分類并標注以生成特征點簇集；

對所述特征點簇集進行訓練，得到分類網絡；

以Darknet網絡架構為基礎構建所述分類網絡的架構；

以所述特征點簇集中的像素點對應的關鍵幀為訓練集，進行訓練，得到所述分類網絡的權重；

利用FPGA固化實現所述分類網絡以進行視頻特征比對；

在針對每個所述關鍵幀，生成對應的SIFT特征點和SURF特征點的所述步驟中，通過以下步驟生成所述SIFT特征點：

對所述關鍵幀進行尺度空間極值點檢測以確定所述關鍵幀的SIFT特征點；

對所述SIFT特征點進行精確定位，確定所述SIFT特征點的像素坐標；

在針對每個所述關鍵幀，生成對應的SIFT特征點和SURF特征點的所述步驟中，通過以下步驟生成所述SURF特征點：

構建Hessian矩陣；

生成尺度空間；

利用非極大值抑制確定所述SURF特征點；

對所述SURF特征點進行精確定位，確定所述SURF特征點的像素坐標。

2.一種基于FPGA的視頻特征檢測系統，其特征在于，包括：

特征點簇集生成模塊，用于選取視頻庫中的視頻流的特征點簇集；

分類網絡生成模塊，用于對所述特征點簇集進行訓練，得到分類網絡；

視頻特征比對模塊，用于利用FPGA固化實現所述分類網絡以進行視頻特征比對；

所述特征點簇集生成模塊包括：

提取單元，用于提取視頻流的多個關鍵幀；

特征點生成單元，用于針對每個所述關鍵幀，生成對應的SIFT特征點和SURF特征點；

比對單元，用于比對同幀圖像中的所述SIFT特征點和所述SURF特征點，選取所述SIFT特征點和所述SURF特征點重合的像素點集合；

特征點簇集生成單元，用于對所述像素點集合進行簇集分類并標注以生成所述特征點簇集；

所述特征點生成單元包括SIFT特征點生成子單元，用于：

對所述關鍵幀進行尺度空間極值點檢測以確定所述關鍵幀的SIFT特征點；

對所述SIFT特征點進行精確定位，確定所述SIFT特征點的像素坐標；

所述特征點生成單元包括SURF特征點生成子單元，用于：

構建Hessian矩陣；

生成尺度空間；

利用非極大值抑制確定所述SURF特征點；

對所述SURF特征點進行精確定位，確定所述SURF特征點的像素坐標；

所述分類網絡生成模塊包括：

分類網絡架構構建單元，用于以Darknet網絡架構為基礎構建所述分類網絡的架構；

訓練單元，用于以所述特征點簇集中的像素點對應的關鍵幀為訓練集，進行訓練，得到所述分類網絡的權重。