一种FPGA实现的序列图像目标多维特征实时提取方法

目标区域多维特征的建模表征是实现目标跟踪搜索的前提。传统的特征提取方法通常先连通出目标区域,再计算目标特征,实时性不强。提出了一种基于像素的连通域标记及目标特征同步计算方法,建立特征传递机制,利用标号映射表关联标号表与特征属性表,并在区域邻接时进行标号合并和特征属性同步传递计算,保证了目标区域连通完成即可输出目标区域特征。给出一种基于FPGA硬件设计的实现方案。仿真测试结果显示,此方法具有以下几方面优势:连通域标记耗时少,仅为(L×W+2n/m)×T_(clk),接近理论最小值(L×W)×T_(clk);利用循环缓存区存储图像,资源消耗小;标记与计算并行处理,提升了检测跟踪效率;多目标特征经测试验证结果准确,可有效支持后续的目标跟踪检测;具有理论与实用价值。

一种FPGA实现的复杂背景红外小目标检测网络

红外(IR)小目标检测算法具有检测率高、虚警率低、实时性好等优点在红外遥感领域有重要的应用价值。由于复杂背景下小目标对比度低和信噪比(SNR)低,传统红外小目标检测算法难以保证检测性能。在强鲁棒性的红外小目标检测网络(RISTDnet)基础上,面向更为多样的目标结构特征和更高的实时处理性能要求,提出一种增强型红外小目标检测网络(EISTDnet)与其基于现场可编程逻辑门阵列(FPGA)高性能并行处理的算法。EISTDnet构造了手工特征算法与卷积神经网络相结合的多尺度小目标特征提取框架,采用多级展开思路对卷积核尺寸进行归一化设计,并通过数据深度复用和多维循环并行展开有效提高推理阶段实时处理性能。实验结果表明:采用单片FPGA实现的EISTDnet能够快速实时检测复杂背景下不同大小、低信噪比的小目标,与现有5种算法相比在10^(-3)低虚警率下平均检测率提升49.5%,与RISTDnet相比,在实时处理速度提高1.33倍的优势下,对低信噪比条状小目标检测率提升29.4%,所提算法具有更好的有效性和鲁棒性。

结合视觉显著性和EfficientNetV2的舰船目标检测方法

随着光学遥感图像分辨率逐渐提高,对海面舰船目标快速精准检测成为海事研究的基本挑战之一。为了解决检测过程中面临的待检测图像尺寸大而目标稀疏、复杂环境干扰、目标提取时效性差、模型体积计算量大等问题,提出一种实用的舰船检测方案。引入视觉显著性有效加速预筛选过程,利用小波分解系数表达舰船目标区域与背景的差异,抑制噪声的同时增强目标方向特征,通过改进的四元数傅里叶变换相位谱模型(phase spectrum of quaternion Fourier transform,PQFT)生成显著图,并采用Gini指数引导多尺度显著图融合以增强图像尺度适应性及小目标显著性。与其他显著性方法相比,提出的模型能够有效抑制云、雾、海杂波、舰船尾迹等复杂环境的干扰,与经典的滑动窗口或其他区域建议方法相比产生更小的候选区域集合。得到显著图映射后,采用自适应阈值OTSU法对显著图进行二值分割。在目标判别阶段,利用轻量化网络EfficientNetV2有效剔除虚警。实验结果表明,所提出的船舶检测方法鲁棒性高,准确率高达96%,满足实时性需求。

TMS320C6455在实时图像处理系统中的应用

为了完成图像目标点的检测和确认,同时实现FPGA与DSP之间的通信数据高速传输,文中基于高速DSP芯片TMS320C6455提出了一种数字图像处理系统设计方案。该系统硬件部分用来模拟图像数据输入输出,软件部分基于Code Composer Studio(CCS)平台采用C语言编程实现。通过软件设计和外部存储器接口(EMIF)、增强型直接存储器(EDMA)等底层配置的实现,完成了图像实时处理过程,并实现了FPGA与DSP之间的高速通信。实验结果表明,利用该芯片设计的图像处理系统完全满足设计要求,实时性较好,系统集成度高,该设计方案在数字图像处理领域具有很大的应用价值。

基于FPGA的卷积神经网络并行加速设计

为提升在资源、功耗受限的嵌入式平台上运行的深度卷积网络算法的速度和能效,提出一种基于现场可编程门阵列(FPGA)的卷积并行加速方案。利用卷积层与批归一化(batch normalization,BN)层融合减少计算复杂度;利用数据分片减少片上存储消耗;利用数据复用、并行计算提升运算速度,减少系统硬件开销;利用设计空间探索找到最符合硬件资源约束的计算并行度。实验结果表明,在100 MHz的工作频率下,加速器的峰值计算性能可以达到52.56 GFLOPS,性能是CPU的4.1倍,能耗仅为GPU的9.9%,与其它FPGA方案相比综合性能有一定的提升。

基于神经网络的交互式异常行为识别研究

在智能安防领域中,异常行为识别一直是该领域的一个研究热点。但目前的研究技术仅能够识别简单的行为特征,对于复杂行为的识别还存在诸多问题。随着人工智能技术的不断发展以及在行为识别上的应用,可以尝试通过深度学习技术对监控视频中的异常行为进行识别。因此本文针对监控视频中的交互式异常行为进行分析研究,首先通过背景减除算法对视频数据进行预处理,然后采用深度学习技术在训练数据集上进行算法模型的训练,最后在测试数据集上进行算法模型的验证。该算法模型能够有效区分异常行为和正常行为,识别准确率为73%。

基于改进SSD的多尺度低空无人机检测

鉴于低空场景下无人机尺度多变、背景复杂的特点,提出一种基于深度学习的多尺度低空无人机目标检测算法。针对高层卷积特征对小无人机目标特征表达能力差的问题,引入VGG16低层特征图Conv3_3,构建特征金字塔网络,利用有效感受野技术,重新设计各特征图中先验框的尺寸和长宽比例,建立多尺度、多背景且包含干扰目标的低空无人机图像数据集,完成算法的训练和优化。实验结果表明,该算法相比原始SSD网络,平均精度(average precision,AP)提高了7.32%,有较好的抗干扰效果和实时检测能力。

基于CUDA的实时红外辐射传输及成像仿真设计

无论是红外制导、红外遥感还是红外探测都离不开红外图像,但现阶段直接获取红外图像的方法和途径很少,大都只能实地采集。这种方法直观真实,获得的数据准确可靠,却耗费大量资源,且很可能无法直接采集;同时,进行科学或军事目的的红外图像研究,需要大量不同条件下的红外图像数据。基于以上现状,本文引入红外仿真技术,通过计算机数学仿真的手段模拟红外探测器上所成的场景红外图像,简单可行、方便快捷。在这一点上,当前主流方法多借助可见光成像原理来建模红外成像,同时采用CPU上的串行思想来开发,其成像准确性、实时性上存在一定的不足。本文基于CUDA并行思想,借助OpenGL图形处理工具,采用数学仿真的方法,重点关注的是中波红外探测器成像仿真中,由场景至探测器入瞳过程中的实时中红外辐射传输计算、入瞳处成像及辐射数据获取的方法。

基于(16,8)准循环码的星载FPGA有限状态机容错设计

有限状态机作为星载数字系统实现控制逻辑的重要手段,其稳定性直接影响系统的正常运行.空间辐射环境所造成的单粒子翻转效应会导致有限状态机不稳定.目前常用的容错方法适于处理状态机的1位翻转错误,而具有高可靠性要求的系统还需要能处理2位翻转错误.基于(16,8)准循环码的有限状态机容错设计方法,可实时纠正1位或2位翻转错误,检测到3位翻转错误,使有限状态机拥有更高的可靠性.此方法同时具有硬件易实现,系统延时小等优点.

摆动镜随动系统的设计与实现

光学摆镜是某红外目标干扰模拟器的核心部件,要求光学摆镜运动位置控制精度高、响应时间短。在系统建模和仿真分析的基础上,提出了一种光学摆镜伺服控制系统的设计和实现方法。光学摆镜伺服控制系统是以DSP为核心,采用了位置控制回路和速度控制回路双闭环数字PID算法,利用有限转角力矩电机作为控制系统的执行机构,使用高精度旋转变压器作为控制系统的测量部件。实验结果表明,该伺服系统控制精度高,响应时间短,具有很好的工程应用前景。