智能目标跟踪系统由用户选择需要被跟踪的目标,然后对目标进行实时智能的跟踪。一般基于PC机的目标跟踪系统虽然开发资源丰富、难度低、性能高,但是PC机的空间体积过大、功耗极高、定制难度大,无法满足特殊设计要求的小体积、低功耗、可定制等要求。本文在综合考虑各种嵌入式平台的优劣之后,选用了FPGA+DSP架构作为智能目标跟踪系统的硬件载体,两种芯片互相配合,充分发挥其各自的优势,在低功耗、小体积前提下实现高性能的智能目标跟踪。本文主要包括前期的方案定制、资源评估、器件选型,中期的原理图设计、PCB设计、制作,以及后期FPGA芯片端的程序、加速算法设计,完成了模块调试和系统联调,结合视频压缩/解压模块,最终实现了整个智能目标跟踪系统。系统采用的是Xilinx公司的Artix-XC7A200T型号FPGA和TI公司的TMS320C6657型号的DSP。FPGA作为系统的主控单元及运算加速器,负责基于机器学习的智能跟踪算法的底层实现,以及系统时钟资源分配、上电复位控制,各模块间的时序控制,以及图像和控制数据传输等。FPGA和DSP之间通过SRIO高速串行数据通道连接,进行图像/控制数据、跟踪数据的交互。DSP芯片是跟踪程序的主实现芯片,实现智能目标跟踪的核心算法和算法流程控制。智能跟踪算法的加速方案包括基于KCF的机器学习跟踪算法中二维FFT算法加速模块,以及卷积神经网络算法中的卷积层和池化层的加速过程。在基于KCF的机器学习算法中,FPGA利用定点的二维FFT,大幅度缩短了系统运行时间,得到了良好的跟踪结果,实现智能跟踪算法的加速。之后又利用FPGA的并行流水线的优势,在FPGA中实现了卷积神经网络加速器设计,主要包括卷积层、池化层和激活层设计,完成了整个卷积处理单元,比DSP上实现一次卷积和池化操作的时间缩短了75%。