嵌入式視覺(jué)設計要創(chuàng )新，選擇FPGA成關(guān)鍵

　　因此，BDTI 開(kāi)發(fā)的針對特定應用定制的算法可用于進(jìn)一步處理賽靈思提供的元數據。例如，BDTI 的算法知道什么樣的標志看上去應該是怎么樣的(大小、形狀、顏色、圖案、在幀中的位置等)，故而能夠將相關(guān)的像素集群組合成更大的群組。類(lèi)似的，這些算法也能判斷什么時(shí)候應該去除看似顏色相近但并非標志的像素集群，比如前面提及的車(chē)輛剎車(chē)燈。

　　第二階段：行人檢測與跟蹤

　　在項目的第一階段中，攝像頭處于運動(dòng)狀態(tài)而待識別的對象(即道路標志)處于靜止狀態(tài)。第二階段主要針對安全應用，攝像頭處于靜止狀態(tài)而對象(本例中為行人)則未必。對這種情況，視頻分析算法就不能依靠預設的顏色、圖案或其它對象特征，因為行人可以穿著(zhù)各種衣物，可以高矮胖瘦各異，可以膚色、頭發(fā)顏色和發(fā)型不同(另外還可能戴著(zhù)遮擋頭發(fā)的帽子、墨鏡等裝飾物)。軟件還需要解決另一個(gè)難題，不僅需要識別和跟蹤行人，還需要在行人穿越一道數字“絆網(wǎng)”，進(jìn)入視頻幀的特定區域時(shí)發(fā)出警報(見(jiàn)圖 3)。

圖3：在行人檢測和跟蹤功能中包括一項“絆網(wǎng)”警報功能，當行人進(jìn)入視頻幀的
有界部分的時(shí)候就會(huì )發(fā)出警報

　　項目第二階段與第一階段采用的硬件配置完全相同，只是軟件有所變化。視頻流饋送到視頻分析 IP 核的仿真模型中，所生成的元數據傳輸到二級算法器件供進(jìn)一步處理。此時(shí)面臨的難題包括：

　　• 解決不必要的噪聲和適當的對象分割之間根本性的權衡取舍問(wèn)題
　　• 對象不斷變化的形態(tài)(外形和結構)
　　• 對象不斷變化的運動(dòng)狀態(tài)，包括行人間的運動(dòng)狀態(tài)變化以及特定行人隨時(shí)間的運動(dòng)狀態(tài)變化
　　• 元數據消失。比如當行人停止行走，被中間的障礙物遮擋或者是與背景圖案混為一體
　　• 有其他對象出現在場(chǎng)景中，包括靜態(tài)和動(dòng)態(tài)的
　　• 行人與攝像頭之間的距離不斷發(fā)生變化
　　• 人群中個(gè)別行人與群體的運動(dòng)矢量對比，主體運動(dòng)矢量和反向運動(dòng)矢量的對比

　　就“絆網(wǎng)”的實(shí)現，四種不同的視頻流對視頻分析算法的調試和優(yōu)化尤其有效：

　　• 以相反方向行走的“近處”行人
　　• 以不同方向行走的“近處”行人
　　• 一個(gè)“遠處”行人和一輛行駛的卡車(chē)，從某種角度看，兩者大小相仿
　　•“遠處”的多名行人與一輛駛近的卡車(chē)，卡車(chē)看上去比人群大

　　第三階段：硬件轉換及未來(lái)發(fā)展

　　項目的最后階段采用賽靈思真正的視頻分析 IP 模塊(代替之前使用的仿真模塊)，運行在 Spartan ®-3A 3400 視頻入門(mén)套件上。MicroBlaze™軟核處理器嵌入在 Spartan-3A FPGA內，采用額外的專(zhuān)用功能模塊予以強化，并實(shí)現了網(wǎng)絡(luò )協(xié)議棧。該網(wǎng)絡(luò )協(xié)議棧主要負責處理高數位率和以太網(wǎng)分組的元數據并將其傳輸到 BDTI 開(kāi)發(fā)的第二級處理算法，同時(shí)實(shí)現道路標志檢測和行人檢測與跟蹤功能。雖然這些算法之前在基于 X86 的 PC 上運行，BDTI 已成功地將它們移植到基于ARM® Cor tex TM-A8 的硬件平臺(BeagleBoard) 上(見(jiàn)圖 4)。

　　對已經(jīng)熟悉賽靈思產(chǎn)品計劃的用戶(hù)來(lái)說(shuō)，可能立即就會(huì )想到將 FPGA 和Cortex-A8 CPU 集成在單個(gè)芯片上的ZynqTM 可擴展處理平臺。能不能在單個(gè) Zynq 器件上運行整個(gè)視頻分析參考設計呢? 答復顯然是肯定的， 因為Zynq 產(chǎn)品系列的各器件包含有足夠的可編程邏輯資源，同時(shí) BDTI 算法對ARM CPU 核來(lái)說(shuō)負載適中。

　　嵌入式視覺(jué)正在為系統開(kāi)發(fā)商及其半導體和軟件供應商書(shū)寫(xiě)新一篇重大的技術(shù)成功篇章。正如本文中介紹的案例研究所示，FPGA 以及 FPGA 與 CPU組合的 SoC 能夠成為實(shí)現嵌入式視覺(jué)算法極富吸引力的芯片平臺。