基于FPGA的车辆目标实时检测系统设计与实现

摘要

近年来，我国城市中的汽车数量急剧增加，给城市的交通状况带来了巨大的压力，交通拥堵的现象越来越严重。交通拥堵带来了很多问题，比如出行效率低下，造成环境污染，浪费石油资源等等。虽然国家在道路修建方面增加了巨大的投入，但是交通拥堵的状况没有的到根本性的缓解。为了解决交通拥堵的问题，提高城市中交通管理的效率，世界各国都在构建智能交通系统。随着城市中监控摄像头的增加，基于视频的方法去构建智能交通系统应用的越来越广泛。 基于视频的智能交通系统中，通过道路监控视频对车辆目标进行准确的检测和识别是实现其他交通管理功能的基础。以往的车辆目标检测系统都是构建在PC机上，通常有着成本高昂，体积大，功耗高的弊端。而且使用的车辆检测算法一般都是通过运动目标检测的方法，无法精准判断运动目标中哪些是车辆，也无法对静止的车辆进行检测。 本文主要研究了利用Haar+Adaboost目标检测框架在CPU+FPGA异构计算平台上实现车辆检测系统。Haar+Adaboost可以精确的识别视频画面中的车辆目标，无论是静止还是运动。FPGA可以对检测算法提供硬件加速性能，使检测算法的速度大大提升，达到实时性的要求。通过针对FPGA计算特点对目标检测算法进行优化以及异构计算平台的加速，整个系统可以满足多目标的实时检测，具有一定的实用性。为构建基于视频的智能交通系统提供了新的解决方案。

目录

声明

1 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 车辆检测中的技术难点

1.4 论文主要研究内容及结构

1.4.1 论文的主要研究内容

1.4.2 论文章节安排

2 实验平台

2.1 高性能异构计算平台

2.1.1 异构计算介绍

2.1.2 CPU+FPGA计算平台的优势

2.2 PCIe高速扩展

2.2.1 PCIe简介

2.2.2 PCIe总线基本概念

2.2.3 PCIe总线体系结构

2.2.4 PCIe总线的事务层

2.2.5 PCIe总线的数据链路层

2.2.6 PCIe总线的物理层

2.3 本章小结

3 基于Haar+Adaboost的车辆检测系统

3.1 图像预处理

3.1.1 光照对图像检测的影响

3.1.2 参考白亮度提升算法

3.2 Haar特征

3.2.1 Haar特征介绍

3.2.2 Haar特征值的计算

3.3 积分图

3.4 Adaboost算法

3.4.1 Adaboost的级联分类器模型

3.4.2 弱分类器

3.4.2 强分类器

3.4.2 级联分类器

3.5 多尺度滑动窗口检测

3.5.1 不同尺度下的目标检测

3.5.2 滑动窗口检测

3.5.3 检测窗口合并

3.6 本章小结

4 检测系统加速设计

4.1 Vivado_HLS 设计方法

4.2 积分图硬件加速模块设计

4.2.1 积分图算法分析

4.2.2 硬件加速设计

4.3 对变尺度滑动窗口的改进

4.4 本章小结

5 基于异构计算平台的设计与验证

5.1 异构计算平台介绍

5.1.1 Virtex-7系列FPGA

5.1.2 硬件平台

5.2 分类模型训练过程

5.2.1 准备训练样本

5.2.2 设定训练参数

5.2.3 分类器模型分析

5.3 检测系统构成

5.3.1 系统构架

5.3.2 Vivado设计

5.4 实验和结论

5.4.1 性能测评指标

5.4.2 实验过程

5.5 本章小结

结论

参 考 文 献

致谢

大连理工大学学位论文版权使用授权书