Algoritmi di riconoscimento in FPGA · FPGA: tool flow Simulink Model SysGen ... Siamo disponibili...

3
18/12/14 1 1 Algoritmi di riconoscimento in FPGA Roberto Marzotto eVS embedded Vision Systems Srl 2 Visione embedded Automotive Industrial Security Medical Defense Aerospace Transports APPLICAZIONI 3 Field Programmable Gate Array Throughput elevato • Riconfigurabilità • Time-to-market FPGA Trend tecnologico Evoluzione dei tool di sviluppo Page 4 MATLAB Code Stand-Alone FPGA Implementation HW/SW Co-Simulation IP Block Generation Design integration Algorithm Idea time level of abstraction FPGA: tool flow Simulink Model SysGen Model 5 Il riconoscimento di pedoni è un task difficile Varietà (dimensione, posa, indumenti) Bassa risoluzione sull’oggetto Condizioni di luce variabili Sfondo complesso Telecamera e scena in movimento Prestazioni real-time Riconoscimento pedoni 6 Approccio basato su machine learning Descrittore basato su HOG (Histogram of Oriented Gradient) Classificatore basato su SVM (Support Vector Machine) Approccio Il classificatore deve essere addestrato sulla base di esempi • Positivi • Negativi

Transcript of Algoritmi di riconoscimento in FPGA · FPGA: tool flow Simulink Model SysGen ... Siamo disponibili...

18/12/14  

1  

1

Algoritmi di riconoscimento in FPGA

Roberto Marzotto eVS embedded Vision Systems Srl

2

Visione embedded

!   Automotive

!   Industrial

!   Security

!   Medical

!   Defense

!   Aerospace

!   Transports

APPLICAZIONI

3

!   Field Programmable Gate Array •  Throughput elevato •  Riconfigurabilità •  Time-to-market

FPGA

!   Trend tecnologico !   Evoluzione dei tool di sviluppo

Page 4

MATLAB Code

Stand-Alone FPGA Implementation

HW/SW Co-Simulation

IP Block Generation

Design integration

Algorithm Idea

time

leve

l of

abst

ract

ion

FPGA: tool flow

Simulink Model

SysGen Model

5

!   Il riconoscimento di pedoni è un task difficile •  Varietà (dimensione, posa, indumenti)

•  Bassa risoluzione sull’oggetto

•  Condizioni di luce variabili

•  Sfondo complesso

•  Telecamera e scena in movimento

•  Prestazioni real-time

Riconoscimento pedoni

6

!   Approccio basato su machine learning •  Descrittore basato su HOG (Histogram of Oriented

Gradient) •  Classificatore basato su SVM (Support Vector Machine)

Approccio

!   Il classificatore deve essere addestrato sulla base di esempi •  Positivi •  Negativi

18/12/14  

2  

Histogram of Oriented Gradient SVM classification

w◦x+ρ=s

x1

x2

x: normalized feature vector (HOG) w: classifier trained with SVM ρ: constant S: score (confidence)

hyperplane

> 0 ped

≤ 0 not ped

Algoritmo

8

Implementazione

post processing

Pyramid of images

Grouping

Embedded Processor

Distance computation

Tracking

Programmable Logic

logiPDET  core  

AXI4  lite  I/F    

AXI4  Stream  I/F  Video  input  

HOG feature extraction

SVM classifier

Xilinx® Zynq®-7000 All Programmable SoC

Xilinx® Zynq™ – 7020 – Programmable Logic

Processing system

SD Card

DDR3 DISPLAY

ADV7511

DVI in

SDIO

Memory Controller

GigE, Flash, QSPI

UART, SPI, CAN, I2C, GPIO

logiPDET

logiWIN

logiVIEW

logiCVC-ML

HDMI/DVI

AXI4

AXI4

AXI4

AXI4

AXI4

AXI4-Lite

AXI4 stream

OV10635 Camera

Proc

essi

ng s

yste

ms

7

logiWIN

Integrazione

Used Percentage

FFs 8,053 8%

LUTs 5,841 11%

BRAM 35 12%

DSP48s 35 16%

OCCUPAZIONE FPGA

10

Prototipo: ADAS kit

!   3D 360o Surround View !   Pedestrian Detection !   Vehicle Detection !   Lane Departure Warning !   Blind Spot Detection !   Rear View Camera

11

Demo: pedoni

12

Demo: veicoli

18/12/14  

3  

13

Demo: DPM

!   eVS si occupa di innovazione tecnologica, progetti di ricerca in collaborazione con l’Università di Verona

!   Siamo disponibili ad ospitare tesi triennali, specialistiche e stage in azienda

www.embeddedvisionsystems.it

Progetti studenti

»  Teorie e Tecniche di Riconoscimento •  Prof. Marco Cristani

»  Visione Computazionale •  Dott. Umberto Castellani

CORSI SUGGERITI