基于FPGA加速的车辆检测方法研究

发布时间：2022-01-19 01:17

　　近些年,随着我国国民经济的飞速发展,我国国民收入有了巨大的提升,人民对生活品质的追求不断提升,家用汽车从原来的奢侈品变为了一件平常的商品。具统计,我国汽车的保有量在2019年自己达到了3.4亿辆。随着汽车数量的快速增长,我国各个城市交通问题变得日益严重,因此为城市中的主干道路安装道路监测系统就变得十分重要。道路监测系统的主要功能就是对视频中的车辆进行分类统计,因此研发一套成本低廉功能强大的车辆检测系统就变得尤为重要。本文是通过研究Xilinx Zynq-7020平台的FPGA+ARM的结构,使用基于ZYNQ芯片设计一种道路状况实时监测系统。相比使用ARM芯片配合DSP微处理器传统的嵌入式图像处理系统,ARM+FPGA结构的Zynq芯片可以实现软硬件高速协同工作的视频处理,具有图像处理系统采集图像快、带宽高等优点。本设计利用FPGA具有并行处理的优势,实现对图像的快速高效的预处理;通过ARM处理器进行软件流程控制和运行利用机器学习得到的模型进行HAAR特征提取的目标识别算法;通过ZYNQ芯片自带的内存来达到软件与硬件的高效的协同工作,在追求处理速度的同时,降低了硬件的功耗。本文的主要工作... 

【文章来源】：沈阳理工大学辽宁省

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

Haar特征示意图

检测窗口Fig.3.4Detectionwindow

31第4章基于FPGA加速的车辆检测系统的实现4.1.总体设计4.1.1设计流程基于FPGA加速的车辆检测系统可以分为两种方案，它们都主要分为硬件和软件两部分。硬件主要有摄像头，FPGA芯片以及ARM芯片。其中摄像头负责实时采集道路图像，不同的是第一种是FPGA负责先期预处理视频图像、HDMI图像显示以及把图像传输给ARM芯片的工作。ARM芯片主要负责运行机器学习目标检测工作。软件部分主要包括使用机器学习训练相应的目标模型，使用Python语言配合OpenCV图像识别运用机器学习已经训练好的目标模型，对视频中的目标进行分类。最后再将带有分类框的视频图像交给FPGA芯片去显示。实时道路状况监测系统处理流程：有摄像头（OV5642）将得到的图像传输给FPGA芯片（PL），由FPGA负责对得到的视频图像进行视频格式转换、视频图像对比度增强等处理。然后FPGA将处理后的图像经由VDMA通过AXI-Stream穿个ARM芯片（PS）。ARM芯片控制DDR3进行图像的存储，然后ARM芯片使用OpenCV和机器学习训练的XML文件，对视频图像中的不同类型的物体进行识别。然后ARM将识别后的图像将给FPGA，由FPGA负责对识别图像的显示。图4.1系统电路仿真Fig.4.1Systemcircuitsimulation

【参考文献】：
期刊论文
[1]基于FPGA+ARM的视频采集平台设计与实现[J]. 邓健峰,谢云.  工业控制计算机. 2017(12)
[2]基于Zynq-7000的视频处理系统框架设计[J]. 李朗,张索非,杨浩.  计算机技术与发展. 2017(05)
[3]结合肤色模型和卷积神经网络的手势识别方法[J]. 王龙,刘辉,王彬,李鹏举.  计算机工程与应用. 2017(06)
[4]基于Zynq-7000高速图像采集与实时处理系统[J]. 杨晓安,罗杰,苏豪,包文博.  电子科技. 2014(07)

硕士论文
[1]基于ZYNQ片上系统的行人检测算法研究[D]. 嵇达龙.江苏科技大学 2019
[2]三维集成电路片间传输线测试方法研究[D]. 卞景昌.合肥工业大学 2018
[3]新型NOR Flash控制系统设计与验证[D]. 游健.苏州大学 2016
[4]基于ZYNQ的行人检测系统软硬件协同实现[D]. 梁新宇.大连海事大学 2016
[5]Hausdorff距离在手势识别中的运用[D]. 苏九林.上海海事大学 2004



本文编号：3595946