基于DSP平臺的目標檢測算法的改進與實現(xiàn).pdf

1、隨著社會的飛速發(fā)展，視頻處理智能化的趨勢愈發(fā)明顯。其中目標檢測正是實現(xiàn)視頻分析智能化的核心和前導技術(shù)。相對于其他剛性的檢測目標，行人由于其豐富的姿態(tài)變化和復(fù)雜的模型結(jié)構(gòu)，始終是目標檢測領(lǐng)域的重要研究課題。隨著計算機視覺與統(tǒng)計學習理論的不斷發(fā)展，機器學習模型被引入行人檢測。本文選擇基于輪廓線索的行人檢測算法作為研究對象，對其中的檢測步驟進行了分析與改進，最終在嵌入式DSP平臺完成基于上述算法的智能視頻分析系統(tǒng)實現(xiàn)。
　　本文首先介紹

2、了基于機器學習理論的行人檢測算法的通用思路。之后選擇基于輪廓線索的行人檢測算法進行了具體分析與改進。一方面對特征向量及第一級Linear SVM classifier得分的計算過程進行了重構(gòu)，改善了算法的時間效率；另一方面引入第二級分類器的判定得分作為權(quán)重對后處理算法進行了優(yōu)化，降低了算法的誤檢率。
　　算法完成在PC平臺的改進與測試后需要移植到嵌入式DSP平臺。在進行算法移植時，需要針對DSP芯片的特性完成代碼優(yōu)化。本文著重介紹

3、了第二級HIK SVM classifier判定過程的優(yōu)化思路：將模型數(shù)據(jù)的預(yù)計算結(jié)果制成表格并分塊裝入片內(nèi)，使得判定得分的計算過程以“查表”的方式實現(xiàn)，在簡化運算的同時降低DDR與片內(nèi)的數(shù)據(jù)交換時間，使算法在更換平臺后同樣能夠高效執(zhí)行。
　　基于上述移植完成的行人檢測算法，本文最終完成了整套智能視頻分析系統(tǒng)的設(shè)計。系統(tǒng)硬件平臺選用TI公司的TMS320DM8127 SoC。系統(tǒng)軟件設(shè)計基于MCFW框架，其中采用循環(huán)隊列的機制解決