本文關(guān)鍵詞：基于ZYNQ異構(gòu)體系下的實(shí)時(shí)運(yùn)動分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

  更多相關(guān)文章： 運(yùn)動特征識別 ZYNQ 異構(gòu)計(jì)算 高層次綜合 時(shí)空特征 支持向量機(jī)

【摘要】：視頻圖像中目標(biāo)運(yùn)動分析是計(jì)算視覺最重要的研究領(lǐng)域之一,其在國防、軍事、科學(xué)研究、視頻監(jiān)控、虛擬現(xiàn)實(shí)、醫(yī)學(xué)等多個(gè)領(lǐng)域有著廣闊的應(yīng)用前景。通常實(shí)現(xiàn)計(jì)算機(jī)視覺的視頻信息處理的系統(tǒng)對底層硬件的處理能力具有非常高的要求,要同時(shí)實(shí)現(xiàn)系統(tǒng)的小型化、低功耗、實(shí)時(shí)處理能力和高魯棒性具有非常高的挑戰(zhàn)。傳統(tǒng)的基于通用CPU執(zhí)行純軟件來實(shí)現(xiàn)復(fù)雜數(shù)學(xué)模型構(gòu)建和數(shù)據(jù)分析算法的系統(tǒng)方案在性能上很難滿足上述要求,而基于專用集成電路ASIC的實(shí)現(xiàn)方案又具有成本過高和擴(kuò)展性低的缺點(diǎn)。為解決上述問題,本文在以下三個(gè)方面進(jìn)行了研究和設(shè)計(jì)探索。第一,參照人類大腦皮質(zhì)的視覺感知的處理機(jī)制,以典型的視覺感知層次化計(jì)算模型為依據(jù),設(shè)計(jì)了一種易于片上系統(tǒng)實(shí)現(xiàn)的人體動作的時(shí)空運(yùn)動特征識別算法。第二,采用自頂向下的系統(tǒng)級設(shè)計(jì)流程對識別算法進(jìn)行了最優(yōu)化的軟硬件任務(wù)劃分,并在ARM+FPGA的異構(gòu)平臺上進(jìn)行了實(shí)現(xiàn)。第三,采用高層次綜合HLS方法設(shè)計(jì)了流水線型的運(yùn)動信息抽取專用硬件加速電路,使得硬件系統(tǒng)能夠?qū)崿F(xiàn)1080p@60fps高清視頻圖像的實(shí)時(shí)處理。實(shí)驗(yàn)數(shù)據(jù)表明,利用異構(gòu)系統(tǒng)的算法實(shí)現(xiàn)與采用通用CPU的純軟件實(shí)現(xiàn)方式相比,它的設(shè)計(jì)處理速度提升了38倍。再與專用電路相比它又降低了設(shè)計(jì)開發(fā)的難度,增強(qiáng)了設(shè)計(jì)的擴(kuò)展性和靈活性。
【關(guān)鍵詞】：運(yùn)動特征識別 ZYNQ 異構(gòu)計(jì)算 高層次綜合 時(shí)空特征 支持向量機(jī)
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-23
• 1.1 研究背景11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 人體行為表征14-15
• 1.2.2 人體行為識別技術(shù)15-16
• 1.3 異構(gòu)計(jì)算與軟硬件協(xié)同設(shè)計(jì)16-20
• 1.3.1 異構(gòu)計(jì)算平臺16-17
• 1.3.2 軟硬件協(xié)同設(shè)計(jì)17-20
• 1.4 研究意義20-21
• 1.5 論文主要研究內(nèi)容和特色21
• 1.6 論文組織架構(gòu)21-23
• 2 基于時(shí)空特征的運(yùn)動識別算法23-39
• 2.1 HMAX模型在運(yùn)動分析中的運(yùn)用23-25
• 2.2 基于時(shí)空特征算法原理25
• 2.3 總體實(shí)現(xiàn)流程25-37
• 2.3.1 運(yùn)動信息圖生成26-28
• 2.3.2 運(yùn)動目標(biāo)檢測28-29
• 2.3.3 運(yùn)動場圖生成29-31
• 2.3.4 時(shí)空特征向量生成31-32
• 2.3.5 高級向量化32-33
• 2.3.6 支持向量機(jī)33-36
• 2.3.7 運(yùn)動的學(xué)習(xí)與識別36-37
• 2.4 算法并行性分析37-38
• 2.5 本章小結(jié)38-39
• 3 ZYNQ異構(gòu)平臺與HLS設(shè)計(jì)方法39-52
• 3.1 ZYNQ異構(gòu)平臺39-47
• 3.1.1 ZYNQ片上系統(tǒng)發(fā)展39-40
• 3.1.2 ZYNQ內(nèi)部架構(gòu)40-41
• 3.1.3 PL邏輯資源簡介41-43
• 3.1.4 PS與PL的標(biāo)準(zhǔn)總線接口43-47
• 3.2 HLS設(shè)計(jì)方法47-51
• 3.2.1 HLS介紹47-50
• 3.2.2 HLS加速FPGA的視覺開發(fā)50-51
• 3.3 本章小結(jié)51-52
• 4 圖像處理技術(shù)52-62
• 4.1 色彩轉(zhuǎn)換52-53
• 4.2 圖像縮放53
• 4.3 最近鄰內(nèi)插法53-55
• 4.3.1 雙線性內(nèi)插法54
• 4.3.2 立方插值法54-55
• 4.4 高斯平滑55-57
• 4.5 中值濾波57-58
• 4.6 形態(tài)學(xué)處理58
• 4.7 邊緣濾波58-61
• 4.8 本章小結(jié)61-62
• 5 實(shí)時(shí)加速系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)62-78
• 5.1 硬件平臺62
• 5.2 ZedBoard介紹62-63
• 5.3 軟硬件劃分63-65
• 5.4 圖像處理硬件加速器設(shè)計(jì)與實(shí)現(xiàn)65-74
• 5.4.1 圖像復(fù)制模塊67-68
• 5.4.2 色彩變換模塊68-69
• 5.4.3 幀間差分和閾值分割模塊69-70
• 5.4.4 邊緣濾波模塊70-72
• 5.4.5 運(yùn)動場模塊72-73
• 5.4.6 其他算法加速模塊73-74
• 5.4.7 模塊合并74
• 5.5 運(yùn)動分析的實(shí)現(xiàn)74-77
• 5.5.1 K-均值學(xué)習(xí)75
• 5.5.2 SVM分類器訓(xùn)練75-76
• 5.5.3 SVM分類器識別76-77
• 5.6 本章小結(jié)77-78
• 6 運(yùn)動識別系統(tǒng)性能測試與分析78-88
• 6.1 運(yùn)動分析系統(tǒng)平臺和實(shí)現(xiàn)78-79
• 6.2 系統(tǒng)頂層搭建79-81
• 6.3 加速能力分析81-82
• 6.4 識別精度分析82-85
• 6.5 硬件資源分析85-87
• 6.6 本章小結(jié)87-88
• 7 總結(jié)與展望88-91
• 7.1 論文工作總結(jié)88-89
• 7.2 工作展望89-91
• 參考文獻(xiàn)91-95
• 附錄A 運(yùn)動分析系統(tǒng)頂層工程95-96
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果96-98
• 學(xué)位論文數(shù)據(jù)集98

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張英偉;;搭建虛擬異構(gòu)平臺[J];軟件世界;2007年20期

2 Jack Dongarra;;下一代計(jì)算機(jī)系統(tǒng)將由異構(gòu)平臺組成[J];中國教育網(wǎng)絡(luò);2011年09期

3 張虹;勾勒“效用計(jì)算”路線圖[J];中國計(jì)算機(jī)用戶;2003年32期

4 趙雄濤;雷志勇;雷鳴;;異構(gòu)平臺信息交互的設(shè)計(jì)與實(shí)現(xiàn)[J];現(xiàn)代電子技術(shù);2008年04期

5 陳銳;管建和;;XML Web Services電子政務(wù)異構(gòu)平臺的設(shè)計(jì)[J];電腦編程技巧與維護(hù);2009年02期

6 劉勇;趙秦德;賴正文;黃東平;王t熜，

本文編號：775801