(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111655551.8 (22)申请日 2021.12.31 (71)申请人 陕西科技大 学 地址 710000 陕西省西安市未央区陕西科 技大学西安校区 (72)发明人 王明伟　时凯胜　任昊　王钊　 闫瑞　黄叶琪　张梦莉　张忠翔　 马春生　罗宇　胡凌峰　刘杰　 王庆波　 (74)专利代理 机构 西安鼎迈知识产权代理事务 所(普通合伙) 6126 3 代理人 李振瑞 (51)Int.Cl. G06V 10/147(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种图像数据识别加速系统 (57)摘要 本发明公开了一种图像数据 识别加速系统， 包括： 图像采集模块， 用于采集待识别的图像； 处 理模块， 采用ZYNQ处理芯片， 处理模块包 括ARM端 和FPGA端， ARM端包 括预处理模 块和后处理模块， 预处理模块用于对图像进行预处理， 后处理模块 用于对FPGA端得出的数据进行深度处理， 得到位 置和类别的数据； FPGA端包括算法加速器和分类 模块， 算法加速器用于对预处理后的图像进行加 速处理， 输出对应的特征向量， 分类模块用于对 特征向量进行分类处理。 本发明采用ZYNQ系列芯 片， 充分利用了FPGA并行效率高与模块 设计的思 想， 能够极大的提高数字识别效率和正确率， 并 且扩展了 单数字识别应用， 实现了多数字识别的 功能， 降低了系统运行功耗， 缩短了研发周期， 减 小了系统体积。 权利要求书1页 说明书4页 附图2页 CN 114359532 A 2022.04.15 CN 114359532 A 1.一种图像数据识别加速系统， 其特 征在于， 包括： 图像采集模块， 用于采集待识别的图像； 处理模块， 所述处理模块采用ZYNQ处理芯片， 所述处理模块包括ARM端和FPGA端， 所述 ARM端包括预 处理模块和 后处理模块， 所述预 处理模块用于对所述图像进 行预处理， 所述后 处理模块用于对FPGA端得出的数据进行深度处理， 得到位置和类别的数据； 所述FPGA端包 括算法加速器和分类模块， 所述算法加速器用于对预处理后的图像进行加速处理， 输出对 应的特征向量， 所述分类模块用于对所述特 征向量进行分类处 理， 获得相应的识别结果。 2.根据权利要求1所述的一种图像数据识别加速系统， 其特 征在于， 还 包括： 数据通信模块， 与所述ARM端和FPGA端均由通信连接， 所述数据通信模块用于在所述 ARM端和FPGA端之间传输数据。 3.根据权利要求1所述的一种图像数据识别加速系统， 其特 征在于， 还 包括： 高速存储模块， 与所述A RM端和FP GA端均由通信连接， 所述 高速存储模块用于存储预处 理后的图像。 4.根据权利要求1所述的一种图像数据识别加速系统， 其特 征在于， 还 包括： 显示模块， 与所述FPGA端连接， 所述显示模块用于 显示所述识别结果。 5.根据权利要求4所述的一种图像数据识别加速系统， 其特征在于， 所述显示模块为显 示器， 所述显示器通过HDMI接口与所述FPGA端连接 。 6.根据权利要求1所述的一种图像数据识别加速系统， 其特征在于， 所述图像采集模块 为摄像头， 所述摄 像头通过USB接口与所述ARM端连接 。权　利　要　求　书 1/1 页 2 CN 114359532 A 2一种图像数据 识别加速系统 技术领域 [0001]本发明涉及图像处 理设备技 术领域， 特别涉及一种图像数据识别加速系统。 背景技术 [0002]卷积神经 网络(CNN)， 又称ConvNets， 它是当前深度卷积神经 网络领域中最热门的 分支， 它多被运用在机器视觉领域。 经典的卷积神经网络分为四个部分， 分别是卷积层， 激 活层、 池化层和全连接层。 在卷机神经网络中， 人工神经元可以响应一部 分覆盖范围内的周 围神经单元， 使得CNN能够处理大型图像， 并且有极其出色的表现， 因此让它在机器视觉领 域大放异彩。 [0003]但是， 当前的目标检测系统中， 卷积神经网络消耗的存储和运算资源都很大， 所以 对图片或视频图像数据的处理往往要使用图形 处理器或加速处理器来辅助实现处理过程， 而图形处理器或加速处理器的服务器体积大、 功耗高和灵活度低， 所以不适合在移动平台 上部署大部分基于AI(A rtificial Intelligence， 人工智能)的目标检测技 术。 发明内容 [0004]本发明实施例提供了一种图像数据识别加速系统， 用以解决现有技术中使用的图 形处理器或加速处 理器不适合部署在移动平台上的问题。 [0005]一方面， 本发明实施例提供了一种图像数据识别加速系统， 包括： [0006]图像采集模块， 用于采集待识别的图像； [0007]处理模块， 处理模块采用ZYNQ处理芯片， 处理模块包括ARM端和FPGA端， ARM端包括 预处理模块和后处理模块， 预处理模块用于对图像进行预处理， 后处理模块用于对FPGA端 得出的数据进 行深度处理， 得到位置和类别的数据； FPGA端包括算法加速器和分类模块， 算 法加速器用于对预处理后的图像进行加速处理， 输出对应的特征向量， 分类模块用于对特 征向量进行分类处 理， 获得相应的识别结果。 [0008]本发明中的一种图像数据识别加速系统， 具有以下优点： [0009]1、 速度优势， 基于ZYNQ的图像数据识别加速系统识别速度大幅度优于CPU (Central  Processing  Unit， 中央处理单元)方案的识别速度， 本发明系统识别速度为 1.5ms。 [0010]2、 精度优势， 基于ZYNQ 的图像数据识别加速系统所涉及的识别网络， 识别精度为 0.998， 大幅度优于一般方案的识别精度。 [0011]3、 处理速度快， 本发明采用XC7Z100 ‑2FFG900I芯片， 其内核主频为800MHz， 其PL端 内存数据速率 为1600Mbps， PS端内存的10 66Mbps， 因而能够显著提高图像处 理速度。 [0012]4、 功耗优势， 基于ZYNQ的图像数据识别加速系统的运行功耗为2.768W， 比较其他 方案的运行功耗有着极好的功耗优势。说　明　书 1/4 页 3 CN 114359532 A 3