一种基于深度学习的目标检测开发平台制造技术

本实用新型专利技术提供一种基于深度学习的目标检测开发平台，其包括铝合金工具箱，所述铝合金工具箱内设置有IPC网络摄像机、边缘计算处理单元和电容触摸显示屏；IPC网络摄像机通过以太网与边缘计算处理单元连接，电容触摸显示屏通过EDP与边缘计算处理单元连接。本实用新型专利技术通过IPC网络摄像机进行视频数据采集，边缘计算处理单元理对视频进行分析，并实时显示分析结果，可以促进企业技术人员及高校师生快速学习深度学习的目标检测技术，开发平台预设基于深度学习的目标检测例程及指导说明，主要实现了在嵌入式平台上进行机器视觉的目标检测，通过深度学习的方法实现对多目标物体进行检测并识别。

【技术实现步骤摘要】
一种基于深度学习的目标检测开发平台
本技术涉及一种基于深度学习的目标检测开发平台。
技术介绍
目标检测是计算机视觉领域内一个长期存在的基础性难题，几十年来也一直都是一个活跃的研究领域。目标检测的目标是确定某张给定图像中是否存在给定类别(比如人、车、自行车、狗和猫)的目标实例；如果存在，就返回每个目标实例的空间位置和覆盖范围(比如返回一个边界框[53,179])。作为图像理解和计算机视觉的基石，目标检测是解决分割、场景理解、目标追踪、图像描述、事件检测和活动识别等更复杂更高层次的视觉任务的基础。近些年兴起的深度学习技术是一种可从数据中直接学习特征表示的强大方法，并已经为目标检测领域带来了显著的突破性进展。由于深度学习技术属于新兴技术，学习门槛比较高，为了促进企业技术人员及高校师生快速学习深度学习的目标检测技术，特提出一种基于深度学习的目标检测开发平台。开发平台预设基于深度学习的目标检测例程及指导说明，用户可基于此快速学习及二次开发。
技术实现思路
本技术要解决的技术问题是克服现有技术的缺陷，提供一种基于深度学习的目标检测开发平台。为了解决上述技术问题，本技术提供了如下的技术方案：本技术提供一种基于深度学习的目标检测开发平台，其包括铝合金工具箱，所述铝合金工具箱内设置有IPC网络摄像机、边缘计算处理单元和电容触摸显示屏；IPC网络摄像机通过以太网与边缘计算处理单元连接，电容触摸显示屏通过EDP与边缘计算处理单元连接。进一步地，所述IPC网络摄像机支持高清1080P视频编码，为视频采集单元将采集到的视频信息进行编码后通过网络传输给边缘计算处理单元。进一步地，视频采用H264编码。进一步地，所述边缘计算处理单元用于接收IPC网络摄像机的视频流并进行解码，其包括嵌入式主控核心板、电源、以太网接口、HDMI接口、扩展接口、EDP接口和USB3.0接口。进一步地，所述嵌入式主控核心板的主控核芯片采用瑞芯微电子的RK3399。进一步地，所述嵌入式主控核心版至少包含2GDDR3内存，16GeMMC存储区。进一步地，所述嵌入式主控核心板其物理上通过ddr4sodim连接器与其他部件相连接。进一步地，所述电容触摸显示屏的屏幕尺寸为11.6寸，分辨率不少于1920x1080。本技术所达到的有益效果是：本技术通过IPC网络摄像机进行视频数据采集，边缘计算处理单元理对视频进行分析，并实时显示分析结果，可以促进企业技术人员及高校师生快速学习深度学习的目标检测技术，开发平台预设基于深度学习的目标检测例程及指导说明，主要实现了在嵌入式平台上进行机器视觉的目标检测，通过深度学习的方法实现对多目标物体进行检测并识别。附图说明附图用来提供对本技术的进一步理解，并且构成说明书的一部分，与本技术的实施例一起用于解释本技术，并不构成对本技术的限制。在附图中：图1基于深度学习的目标检测开发平台系统原理框图；图2边缘计算处理单元的原理框图；图3是开发平台预设的实验一般流程图；图4是目标检测试验主流程图；图5整体结构示意图。具体实施方式以下结合附图对本技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本技术，并不用于限定本技术。如图1～5所示，一种基于深度学习的目标检测开发平台，其包括铝合金工具箱1，所述铝合金工具箱内设置有IPC网络摄像机2、边缘计算处理单元3和电容触摸显示屏4；IPC网络摄像机2通过以太网与边缘计算处理单元3连接，电容触摸显示屏4通过EDP与边缘计算处理单元连接。所述IPC网络摄像机支持高清1080P视频编码，为视频采集单元将采集到的视频信息进行编码后通过网络传输给边缘计算处理单元。视频采用H264编码。所述边缘计算处理单元用于接收IPC网络摄像机的视频流并进行解码，其包括嵌入式主控核心板、电源、以太网接口、HDMI接口、扩展接口、EDP接口和USB3.0接口。所述嵌入式主控核心板的主控核芯片采用瑞芯微电子的RK3399。所述嵌入式主控核心版至少包含2GDDR3内存，16GeMMC存储区。所述嵌入式主控核心板其物理上通过ddr4sodim连接器与其他部件相连接。所述电容触摸显示屏的屏幕尺寸为11.6寸，分辨率不少于1920x1080。工作原理：IPC网络摄像机通过以太网与边缘计算处理单元连接，电容触摸显示屏通过EDP接口与边缘计算处理单元连接。所述IPC网络摄像机，作为优选的，支持高清1080P视频编码，为视频采集单元将采集到的视频信息进行编码后通过网络传输给边缘计算处理单元。作为优选的，视频采用H264编码。所述边缘计算处理单元，其实现的功能主要有接收IPC网络摄像机的视频流并进行解码，作为优选的，视频采用H264解码。接下来运行试验程序软件，进行视频分析，检测并识别视频中的目标，通过EDP接口在电容触摸显示屏上实时显示。开发平台预设的实验一般流程如图3所示，首先进行数据采集和预处理，然后训练模型，然后进行算法部署，然后就可以开始对应的实验。所述数据采集，默认使用PascalVOC的2007和2012数据集，下载VOC2007-training/validationdata、VOC2007-testdata、VOC2012-training/validationdata、VOC2012-testdata数据集，并解压到同一个目录下。所述数据预处理，使用caffe-ssd提供的VOC数据集处理工具对数据集进行处理。处理完成后会生成包含图片和图片注释信息的路径、图片名称和图片的高宽等信息的文件。所述训练模型，默认使用caffe进行训练。因为要使用ssd框架，所以要编译安装caffe的ssd分支，然后下载MobileNet-SSD源码，创建数据集软连接，开始训练和部署MobileNet-SSD模型。接下来以目标检测实验为例，对实验流程进行详细说明：目标检测实验主流程如图4，首先是程序预处理，主要对相关类进行创建，这些类包括IPC摄像机类、目标检测类、显示规则类等。然后创建新线程用于取出图像，开启RTSP客户端，获取IPC网络摄像机视频码流，并进行H264视频码流解码，采集到实时图像。接下来就是对视频帧进行检测识别，首先对采集到的图像进行预处理(宽高，图像格式转换，均值化处理)，然后使用caffe加载之前训练好的检测模型，初始化运行图，然后对检测后的图像进行标注。最后显示识别结果，在图像中显示边界框，并显示标注信息。最后应说明的是：以上所述仅为本技术的优选实施例而已，并不用于限制本技术，尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应本文档来自技高网...

【技术保护点】
1.一种基于深度学习的目标检测开发平台，其特征在于，包括铝合金工具箱，所述铝合金工具箱内设置有IPC网络摄像机、边缘计算处理单元和电容触摸显示屏；IPC网络摄像机通过以太网与边缘计算处理单元连接，电容触摸显示屏通过EDP与边缘计算处理单元连接。/n

【技术特征摘要】
1.一种基于深度学习的目标检测开发平台，其特征在于，包括铝合金工具箱，所述铝合金工具箱内设置有IPC网络摄像机、边缘计算处理单元和电容触摸显示屏；IPC网络摄像机通过以太网与边缘计算处理单元连接，电容触摸显示屏通过EDP与边缘计算处理单元连接。


2.根据权利要求1所述的一种基于深度学习的目标检测开发平台，其特征在于，所述IPC网络摄像机支持高清1080P视频编码，为视频采集单元将采集到的视频信息进行编码后通过网络传输给边缘计算处理单元。


3.根据权利要求2所述的一种基于深度学习的目标检测开发平台，其特征在于，视频采用H264编码。


4.根据权利要求1所述的一种基于深度学习的目标检测开发平台，其特征在于，所述边缘计算处理单元用于接收IPC网络摄像机的视频流并进行解码，其包括嵌...

【专利技术属性】
技术研发人员：孙丽芳，陈宇，王学丹，
申请(专利权)人：江苏学蠡信息科技有限公司，
类型：新型
国别省市：江苏;32