16939

16939

پياده‌سازي بهينه الگوريتم‌هاي آشكارسازي هدف متحرك روي برد Raspberry Pi 2

كارشناسي ارشد

الكترونيك

دي 1395

دكتر سيد محمدرضا موسوي ميركلائي

برق

بينايي ماشين، عملي است كه شامل روش‌هايي براي اكتساب، پردازش، تحليل و درك تصاوير مي‌باشد. در دنياي سامانه‌هاي نهفته، برنامه‌اي كه براي بينايي ماشين نوشته مي‌شوند، براي اينكه روي سامانه‌هاي نهفته پياده‌سازي شود، بايد با توجه به عملكرد و منابع محدود، كارآيي مناسبي در حد بسترهاي سخت‌افزاري ديگر مثل PC داشته باشند. در اين پايان‌نامه يك الگوريتم آشكارسازي هدف كوچك و كم‌نور بر روي بستر PC و سامانه نهفته Raspberry-Pi 2 پياده‌سازي مي‌گردد. اين الگوريتم بر پايه سامانه بصري انسان از اختلاف فيلترهاي گوسي تركيب شده به عنوان يك فيلتر ميان‌گذر كه مي‌تواند سيگنال هدف را عبور و كلاتر و نويز پس‌زمينه را فرونشاند، استفاده كرده است و بر اساس آن، نقشه برجستگي اهداف ايجاد شده و اهداف مورد نظر آشكار مي‌شوند. براي ايجاد الگوريتم آشكارسازي هدف از توابع كتابخانه‌هاي پردازش تصوير OpenCV (كه به وسيله شركت Intel توسعه داده شده است) و MATLAB استفاده مي‌شود. كد مربوط به اين الگوريتم، روي PC با كتابخانه‌هاي پردازش تصوير MATLAB و OpenCV (همراه با زبان C++) و روي Raspberry Pi 2 با كتابخانه پردازش تصوير OpenCV ( همراه با زبان C++) پياده‌سازي مي‌شود. در نهايت نتايج اجراي اين الگوريتم روي PC با استفاده از كتابخانه پردازش تصوير MATLAB، روي PC با كتابخانه پردازش تصوير OpenCV (به زبان C++ مبتني بر Qt) و روي Raspberry Pi 2 با كتابخانه پردازش تصوير OpenCV (به زبان C++ مبتني بر Qt) با هم مقايسه مي‌گردند. نتايج به دست آمده نشان مي‌دهد كه زمان اجراي پياده‌سازي الگوريتم آشكارسازي هدف با استفاده از كتابخانه پردازش تصوير OpenCV روي PC تقريبا 50 برابر اجراي آن با كتابخانه پردازش تصوير MATLAB است و همچنين پياده‌سازي با استفاده از كتابخانه پردازش تصوير OpenCV روي Raspberry-Pi 2 نسبت به پياده‌سازي با استفاده از كتابخانه پردازش تصوير MATLAB روي PC سرعت اجراي الگوريتم را تقريبا 6.5 برابر افزايش مي¬دهد. همچنين براي بهينه‌سازي از برنامه‌نويسي چندريسه‌اي روي Raspberry-Pi 2 كه شامل پردازنده 4 هسته‌اي ARM Cortex-A7 است، استفاده مي‌شود تا زمان اجراي كاهش پيدا كند و همچنين از خاصيت افزايش‌فركانس براي افزايش سرعت سخت‌افزار Raspberry Pi 2 استفاده مي‌شود. نتايج حاصل از پياده‌سازي روي Raspberry Pi 2 نشان مي‌دهند كه سرعت اجراي الگوريتم بعد از بهينه‌سازي بيش از 40 درصد بهبود مي‌يابد.

1395/12/23

1/1/1900 12:00:00 AM

Image processing is an ever expanding an​d dynamic area with applications reaching out into our everyday life such as medicine, space exploration, surveillance, authentication, automated industry inspection an​d many more areas. In the world of embedded systems, those applications an​d computer programs that are written for computer vision, should have enough performance such as PC in order that they could be implemented on embedded systems. In the present study, an IR target detection algorithm will be implemented on PC an​d Raspberry Pi 2 board. This algorithm is a visual attention-based to detect the dim IR targets. The method selects difference of Gaussians (DoG) filters compute the saliency map an​d to reduce background noise an​d clutter. Target detection algorithm uses OpenCV library has been developed by the Intel Corporation. Then algorithm code is implemented on Raspberry Pi 2 using OpenCV an​d Qt. In the end, results of implementation of this algorithm in MATLAB an​d C++ qt-based on PC an​d C++ language Qt-based used on Raspberry Pi 2 is compared. The result show that the time of implementation (in C++) on PC almost 50 times its implementation with MATLAB an​d implementation of Raspberry Pi 2 increase the speed of the algorithm, which is almost 6.5 times. Multithread programing is used for optimization on the Raspberry Pi 2, which includes quad-core ARM Cortex-A7 processor to reduce execution time, as well as overclocked property on Raspberry Pi 2 is used for hardware acceleration. Experimental result show that the speed of algorithm is improved more than 40% after optimization.