[發明專利]參數預測方法、人工智能芯片、設備及系統

在審

• 申請號: 201910087721.3
• 申請日: 2019-01-29
• 公開（公告）號: CN109801209A
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 梁喆;朱雨;周舒暢
• 申請（專利權）人: 北京曠視科技有限公司
• 主分類號: G06T1/20
• 分類號: G06T1/20;G06N3/08
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 王文紅

本申請涉及視頻分析技術領域，提供一種參數預測方法、人工智能芯片、設備及系統。其中，參數預測方法包括：接收圖像傳感器采集到的原始圖像；從視頻處理芯片接收調節后的圖像；將原始圖像以及調節后的圖像輸入至預訓練的神經網絡模型，利用神經網絡模型預測第二圖像調節參數；根據第二圖像調節參數確定第三圖像調節參數，并將其發送至視頻處理芯片，以使視頻處理芯片在之后根據第三圖像調節參數進行圖像調節。上述方法顯著降低了圖像調節參數的配置難度以及提高了參數配置的效率，此外，通過該方法還能夠實現在視頻處理設備使用的過程中動態更新圖像調節參數，有利于實時改善獲得的原始圖像的質量。

技術領域

本申請涉及視頻分析技術領域，具體而言，涉及一種參數預測方法、人工智能芯片、設備及系統。

背景技術

在現有的基于視頻編解碼芯片(如海思半導體公司生產的Hi35xx系列)與現場可編程門陣列(Field－Programmable Gate Array，FPGA)組成的抓拍機架構中，其抓拍的工作流程為：前端的圖像傳感器將采集到的原始圖像發送給Hi35xx，Hi35xx的圖像信號處理(Image Signal Processing，ISP)模塊按照配置好的圖像調節參數對原始圖像進行一系列調節，并將調節后的圖像發送給FPGA芯片進行進一步分析。

其中，發送給FPGA芯片的圖像的質量對于抓拍機的抓拍率和識別率的影響非常大，而該圖像的質量很大程度上取決于ISP模塊配置的圖像調節參數，而不同的拍攝環境下往往需要配置不同的圖像調節參數。這些圖像調節參數的配置需要非常專業的光學知識，只有少數技術專家能夠掌握并進行配置，其配置難度大，配置效率低。

發明內容

有鑒于此，本申請實施例提供一種參數預測方法、人工智能芯片、設備及系統，利用神經網絡模型自動預測出視頻處理芯片可使用的圖像調節參數，以改善現有技術中的問題。

為實現上述目的，本申請實施例提供如下技術方案：

第一方面，本申請實施例提供一種參數預測方法，包括：

接收圖像傳感器采集到的原始圖像；

從所述視頻處理芯片接收調節后的圖像，其中，所述調節后的圖像是所述視頻處理芯片根據第一圖像調節參數調節所述原始圖像后獲得的；

將所述原始圖像以及所述調節后的圖像輸入至預訓練的神經網絡模型，利用所述神經網絡模型預測第二圖像調節參數；

根據所述第二圖像調節參數確定第三圖像調節參數，并將所述第三圖像調節參數發送至所述視頻處理芯片，以使所述視頻處理芯片在之后根據所述第三圖像調節參數進行圖像調節。

上述方法通過預訓練的神經網絡模型對視頻處理芯片使用的圖像調節參數進行自動預測，顯著降低了圖像調節參數的配置難度，參數配置過程無需人工介入，效率較高。

另一方面，該方法的步驟可以根據圖像傳感器不斷采集到的原始圖像動態更新視頻處理芯片中的圖像調節參數，使得圖像調節參數的取值與原始圖像對應的外部環境的變化相適應，有利于實時改善獲得的原始圖像的質量。

在第一方面的一些實施例中，所述利用所述神經網絡模型預測第二圖像調節參數，包括：

利用所述神經網絡模型預測根據所述第二圖像調節參數調節后的圖像應當具有的圖像特征，并根據所述圖像特征確定所述第二圖像調節參數。

圖像特征(如亮度、增益等)和圖像調節參數具有對應關系，確定了圖像特征相當于確定了圖像調節參數，而圖像特征較為直觀，因此在設計神經網絡模型時可以將模型的預測輸出設計為圖像特征。

在第一方面的一些實施例中，所述神經網絡模型通過如下方式訓練獲得：