Workshopband als PDF - Mpc.belwue.de

Abbildung 1: Schritte zur Berechnung des HOG-Deskriptors
Abbildung 2: Einteilung des Gradientenwinkels in Bins und
Quadranten
Ansatz zum Einsatz. Bei diesem wird nicht erst der
komplette Deskriptor eines Fensters bestimmt, sondern
der Deskriptor wird erst bei der Auswertung
durch die SVM aus einzelnen Zellen zusammengesetzt.
Des Weiteren ist auch die Realisierung einer Multiskalenerkennung
Gegenstand der Implementierung.
Diese ist für eine Fußgängererkennung in der Praxis
unerlässlich, da verschiedene Körpergrößen und Entfernungen
zur Kamera abzudecken sind. Während die
meisten der oben genannten FPGA-Implementierungen
auf eine Skalenstufe beschränkt sind, soll
hier eine Skalenanzahl von etwa 20 Stufen, wie sie bei
CPU- und GPU-Implementierungen üblich ist, ermöglicht
werden. Dies wiederum erfordert eine ressourcenschonende
Umsetzung des Algorithmus, um die
parallele Verarbeitung mehrerer Skalen zu ermöglichen,
ohne dabei die oben genannten Echtzeitbedingungen
zu verletzen. Einer der Kernpunkte für die
Ressourcenschonung ist hier die Verwendung einer
Taktverdoppelung, wodurch an vielen Stellen Ressourcen
eingespart werden können.
Da jedoch auch große FPGAs nur über begrenzte
Ressourcen verfügen, wird ein Zeitmultiplexverfahren
vorgestellt, das es ermöglicht, mehr Skalenstufen zu
berechnen als parallel mit den vorhandenen Ressourcen
implementierbar sind.
D. Überblick
Im Kapitel II wird zunächst grundlegend die Theorie
zum HOG- und SVM-Algorithmus erläutert. Anschließend
wird im Kapitel III ein kurzer Überblick
über die Implementierung und die darin enthaltenen
Module gegeben, welche darauf folgend im Detail
beschrieben werden. Kapitel IV stellt die Ergebnisse
hinsichtlich Ressourcenbedarf, Echtzeitverhalten und
58
ERKENNUNG VON FUSSGÄNGERN IN ECHTZEIT AUF FPGAS
Abbildung 3: Einteilung des HOG-Klassifikationsfensters in
Blöcke und Zellen
Erkennungsgenauigkeit dar. Abschließend wird die
Arbeit im Kapitel V zusammengefasst.
II. ALGORITHMUS
Die bildbasierte Detektion von Personen erfolgt
nach dem sogenannten Sliding Window-Prinzip, bei
dem immer nur ein Ausschnitt des Bildes mit fester
Größe (hier: 64 x 128 Pixel) betrachtet wird. Durch
Verschieben dieses Fensters von links oben nach
rechts unten wird nach und nach das gesamte Bild
ausgewertet.
Die Erkennung setzt sich dabei aus drei Teilen zusammen:
Zunächst wird für jedes Fenster ein Deskriptor
berechnet. Dies erfolgt in diesem Fall mit Hilfe des
HOG-Algorithmus. Anschließend wird der Deskriptor
durch einen Klassifikator bewertet. Für diese Klassifikation
wird eine SVM verwendet. Überlappende Erkennungen
werden im letzten Schritt mit einer Non-
Maxima Supression (NMS) zusammengefasst. Da die
NMS jedoch nicht Teil dieser FPGA-Implementierung
ist, wird sie nachfolgend nicht näher erläutert.
A. Histograms of Oriented Gradients-Deskriptor
In Abbildung 1 sind die einzelnen Schritte, die für
die Berechnung des HOG-Deskriptors notwendig sind,
dargestellt. Zunächst wird das Eingangsbild