Optical Flow alapú objektum felismerés megvalósítása FPGA áramkörön

OData támogatás
Konzulens:
Szántó Péter
Méréstechnika és Információs Rendszerek Tanszék

Objektumok detektálása filmen vagy videó felvételen nem egyszerű feladat köszönhetően azok mozgásának, illetve a kamera és/vagy a háttér lehetséges mozgásainak. További megoldandó problémát jelentenek detektálás során a változó fényviszonyok okozta megbízhatatlan adatok, illetve a tény, hogy nem minden detektálandó objektum látható teljes egészében, ennek ellenére azok is detektálásra kell, hogy kerüljenek. Ezen felül, ha emberek felismerése a cél, akkor további problémák kerülnek előtérbe, ilyenek a megjelenés és a ruházat sokfélesége.

A képfeldolgozási feladatok során az egyik legnagyobb problémát az elegendő számítási kapacitás hiánya jelenti. Ebből következően általános célú processzor használatával a valós idejű feldolgozás sokszor nem valósítható meg. Erre a problémára jelentenek megoldást az FPGA áramkörök, melyek kihasználják a párhuzamos adatfeldolgozásban rejlő lehetőségeket és valós időben szolgáltatnak adatot a kimeneten. A valósidejűség számos felhasználási területen elengedhetetlen, ilyen lehet például egy gépjárműbe épített rendszer, mely a vezető segítségére van abban, hogy a jármű körül lévő gyalogosokat – legyen az a járdán sétáló vagy álló, illetve az úttestet keresztező ember – felismeri és szükség esetén a sofőr helyett beavatkozik a vezetésbe elkerülve ezzel egy balesetet. Egy ilyen rendszer esetén a valósidejűség - a detektálás megbízhatósága mellett – a legfontosabb követelmény.

A dolgozat célja egy olyan rendszer implementálása FPGA áramkörön, mely optikai áramlás felhasználásával mozgó embereket detektál statikus, illetve mozgó kamera és háttér esetén egyaránt. A dolgozatban az irodalomkutatás és az elméleti háttér bemutatása után részletezésre kerül, hogy milyen szimulációk megvalósítására volt szükség az optikai áramlás kiszámíthatóságának megismerése céljából. Ezek után bemutatásra kerül ennek implementálása, továbbá az eredmények megjelenítése és kiértékelése. Következő lépésként részletezésre kerül, hogy milyen szimulációk elvégzésére volt szükség azt a kérdést megválaszolandó, hogy a kapott optikai áramlás milyen hatékonysággal használható fel mozgó emberek felismerésére. Ezen felül bemutatásra kerül az AdaBoost machine-learning algoritmus, mely felelős a rendszer betanításáért, hogy az ember/nem ember döntést tudjon hozni. A szimuláció eredményeinek kiértékelése után a leíró algoritmus optikai áramlással összekötött FPGA áramkörön történt implementálása kerül részletezésre, majd az így kapott eredmények a szimulációval való összevetése és a rendszer működésére vonatkozó abszolút értékelés zárja a dolgozatot.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.