论文部分内容阅读
运动目标检测是计算机视觉领域的一个重要分支,广泛应用于社会生产生活的各个领域。运动目标检测是视频图像分析的初始阶段,检测效果对后续阶段有直接影响,提高运动目标检测算法的准确率、鲁棒性和实时性具有重要意义。光流法是一种应用广泛的运动目标检测算法,可以在无需运动场景信息的情况下较为准确的估算出运动目标的运动信息和三维结构,同时可以用在静态场景和动态场景下,具有较高的准确率和鲁棒性。但是光流法的算法复杂度较高,计算量较大,所以处理耗时,实时性较差,限制了其在实时场景中,尤其是嵌入式平台上的应用。由于光流法具有内在的并行特性,研究人员提出采用GPU、DSP或FPGA等异构处理器的实现方案,以并行和流水的方式提高光流法的实时性。本文的主要研究内容是基于异构多核架构以软硬件协作方式提高光流法的实时性,加速运动目标检测过程。本文采用基于ARM-FPGA的异构多核架构,通过对光流法进行合理的软硬件功能划分,在ARM子系统实现图像采集、预处理和结果分析等功能,在FPGA子系统实现算法的关键耗时部分,以软硬件协作的方式加速运动目标检测过程。本文采用Xilinx公司的Zynq系列SOC实现基于ARM-FPGA架构的软硬件协作平台,该平台采用AXI总线和共享内存的方式实现多核间数据通信,实验结果表明该架构具有较高的内部通信效率,满足多核通信的实时性要求。本文采用Horn&Schunck光流法作为运动目标检测算法,针对算法的内在并行性,实现基于FPGA的高并行和全流水的H&S光流法。实验结果表明,在处理分辨率为584x388的图像序列时,纯软件方式耗时17秒,软硬件协作方式耗时0.42秒,有效的减少了检测时间,提高了运动目标检测算法的实时性。