人工智能的飛速發(fā)展,掀起了無人駕駛、智能監(jiān)控、人機交互的研究熱潮。行人檢測技術因與其密切相關,因此得到了廣泛關注。傳統(tǒng)實時的行人檢測算法通常是在PC機上實現(xiàn)。隨著近幾年嵌入式平臺性能的提升,特別是基于ARM和FPGA的多核片上系統(tǒng)的出現(xiàn),因其在功耗、體積、成本和實時性上有著諸多優(yōu)勢,進而推動了基于片上系統(tǒng)的行人檢測技術的深入研究和廣泛應用。基于ARM等單一平臺的片上系統(tǒng)(System on Chip,SoC),接口靈活,開發(fā)方便,但是處理速度較慢;基于FPGA平臺的片上系統(tǒng),并行計算能力強,速度快,但是開發(fā)周期長。針對上述平臺的不足,Xilinx公司開發(fā)了一種集成ARM和FPGA的ZYNQ-7000片上系統(tǒng),使其兼具了以上二者的優(yōu)越特性。本文在深入研究了行人檢測算法的基礎上,結合ZYNQ平臺的硬件特性,提出了一種融合方向梯度直方圖(Histogram of Oriented Gradients,HOG)特征和自適應增強(Adaptive Boosting,AdaBoost)的行人檢測算法的片上系統(tǒng)設計方案,并進行了工程實現(xiàn)。主要的研究內容如下:(1)行人檢測片上系統(tǒng)的硬件方案設計論文深...

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 論文研究的背景和意義
    1.2 行人檢測技術的研究現(xiàn)狀
        1.2.1 基于特征學習的行人檢測技術
        1.2.2 基于嵌入式平臺的行人檢測技術
    1.3 常用的行人檢測數(shù)據(jù)庫
    1.4 行人檢測算法的評價標準
    1.5 論文的主要研究內容
    1.6 論文的組織結構
第2章 行人檢測算法ZYNQ硬件平臺研究
    2.1 引言
    2.2 ZYNQ平臺架構
    2.3 AXI總線通信
        2.3.1 AXI總線協(xié)議
        2.3.2 AXI VDMA IP核
    2.4 軟硬件協(xié)同設計思想
    2.5 ZYNQ平臺圖像處理加速技術
        2.5.1 FPGA的并行計算技術
        2.5.2 圖像處理的流水線技術
    2.6 行人檢測算法實現(xiàn)的ZYNQ硬件平臺設計
    2.7 本章小結
第3章 行人檢測相關理論與方法
    3.1 引言
    3.2 常用的特征提取算法
        3.2.1 Haar-Like特征
        3.2.2 HOG特征
        3.2.3 CENTRIST特征
    3.3 常用的分類器檢測算法
        3.3.1 ANN分類器
        3.3.2 SVM分類器
        3.3.3 AdaBoost分類器
    3.4 窗口融合
    3.5 本章小結
第4章 基于HOG+AdaBoost行人檢測算法的ZYNQ片上系統(tǒng)實現(xiàn)
    4.1 引言
    4.2 系統(tǒng)軟件工程設計與調試
    4.3 HOG特征的硬件優(yōu)化
        4.3.1 梯度角度值的硬件優(yōu)化
        4.3.2 歸一化的移位近似
    4.4 HOG特征提取的流水線硬件設計
        4.4.1 并發(fā)處理的流水線設計方案
        4.4.2 梯度計算的流水線結構設計
        4.4.3 cell單元直方圖生成模塊的流水線結構設計
        4.4.4 block塊直方圖生成模塊的流水線結構設計
    4.5 Ada Boost分類器的并行設計
    4.6 實驗結果與分析
    4.7 本章小結
第5章 總結與展望
    5.1 論文工作總結
    5.2 論文研究展望
參考文獻
攻讀碩士學位期間發(fā)表的學術論文
致謝



本文編號：3976453