[發(fā)明專利]用于識別圖像的方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910361580.X
• 申請日: 2019-04-30
• 公開（公告）號: CN111860476A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設計）人: 胡躍祥;周仁義;周強;付鵬;范彥文;寇浩鋒
• 申請（專利權）人: 百度時代網(wǎng)絡技術（北京）有限公司;百度（美國）有限責任公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/00
• 代理公司: 北京英賽嘉華知識產(chǎn)權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于識別圖像的方法，應用于人工智能AI芯片集合，所述AI芯片集合中的AI芯片串聯(lián)，包括：

接收傳感器發(fā)送的圖像序列；

依次對所述圖像序列中的圖像進行圖像識別，得到所述圖像序列中的圖像的識別結果。

2.根據(jù)權利要求1所述的方法，其中，所述AI芯片集合運行圖像識別過程中的所有深度學習模型，且不同AI芯片運行不同的深度學習模型。

3.根據(jù)權利要求2所述的方法，其中，所述AI芯片集合中的上游AI芯片的輸入信息和輸出信息一起作為下游AI芯片的輸入信息。

4.根據(jù)權利要求3所述的方法，其中，對于所述圖像序列中的圖像，當所述上游AI芯片對該圖像進行圖像識別時，所述下游AI芯片對該圖像的上一幅圖像進行圖像識別。

5.根據(jù)權利要求4所述的方法，其中，所述AI芯片集合包括第一AI芯片、第二AI芯片和第三AI芯片，所述第一AI芯片運行目標檢測模型，所述第二AI芯片運行姿態(tài)檢測模型，所述第三AI芯片運行屬性識別模型。

6.根據(jù)權利要求5所述的方法，其中，所述依次對所述圖像序列中的圖像進行圖像識別，得到所述圖像序列中的圖像的識別結果，包括：

所述第一AI芯片將所述圖像序列中的圖像輸入至所述目標檢測模型，得到該圖像中的目標的位置信息，基于該圖像和該圖像中的目標的位置信息，生成該圖像的第一識別子結果，以及將該圖像的第一識別子結果發(fā)送至所述第二AI芯片；

所述第二AI芯片將該圖像的第一識別子結果輸入至所述姿態(tài)檢測模型，得到該圖像中的目標的姿態(tài)信息，基于該圖像的第一識別子結果和該圖像中的目標的姿態(tài)信息，生成該圖像的第二識別子結果，以及將該圖像的第二識別子結果發(fā)送至所述第三AI芯片；

所述第三AI芯片將該圖像的第二識別子結果輸入至所述屬性識別模型，得到該圖像中的目標的屬性信息，基于該圖像的第二識別子結果和該圖像中的目標的屬性信息，生成該圖像的識別結果。

7.根據(jù)權利要求6所述的方法，其中，

所述基于該圖像和該圖像中的目標的位置信息，生成該圖像的第一識別子結果，包括：

所述第一AI芯片將該圖像中的目標的位置信息封裝進該圖像，生成該圖像的第一識別子結果；

所述基于該圖像的第一識別子結果和該圖像中的目標的姿態(tài)信息，生成該圖像的第二識別子結果，包括：

所述第二AI芯片將該圖像中的目標的姿態(tài)信息封裝進該圖像的第一識別子結果，生成該圖像的第二識別子結果；以及

所述基于該圖像的第二識別子結果和該圖像中的目標的屬性信息，生成該圖像的識別結果，包括：

所述第三AI芯片整合該圖像中的目標的位置信息、姿態(tài)信息和屬性信息，生成該圖像的識別結果。

8.根據(jù)權利要求1-7之一所述的方法，其中，所述AI芯片集合中的AI芯片通過移動產(chǎn)業(yè)處理器接口串聯(lián)。

9.一種用于識別圖像的系統(tǒng)，包括：傳感器和人工智能AI芯片集合，所述AI芯片集合中的AI芯片串聯(lián)；

所述傳感器，被配置成采集圖像序列，以及將所述圖像序列發(fā)送至所述AI芯片集合；

所述AI芯片集合，被配置成依次對所述圖像序列中的圖像進行圖像識別，得到所述圖像序列中的圖像的識別結果。

10.根據(jù)權利要求9所述的系統(tǒng)，其中，所述AI芯片集合運行圖像識別過程中的所有深度學習模型，且不同AI芯片運行不同的深度學習模型。

11.根據(jù)權利要求10所述的系統(tǒng)，其中，所述AI芯片集合中的上游AI芯片的輸入信息和輸出信息一起作為下游AI芯片的輸入信息。

12.根據(jù)權利要求11所述的系統(tǒng)，其中，對于所述圖像序列中的圖像，當所述上游AI芯片對該圖像進行圖像識別時，所述下游AI芯片對該圖像的上一幅圖像進行圖像識別。