FenixEdu™

Dissertação

Implementação em FPGA de um detector de pessoas em tempo-real EVALUATED

Detalhes: Com o desenvolvimento de novas tecnologias progressivamente mais conscientes do mundo em seu redor, como os veículos autónomos, a deteção humana assume uma relevância sem precedentes. Os algoritmos de visão por computador aplicam frequentemente operações idênticas sobre extensos conjuntos de dados (SIMD), sendo por isso inadequados aos processadores de uso comum (CPU), onde o paralelismo é limitado. Arquiteturas mais adequadas, como processadores dedicados ou unidades de processamento gráfico de uso geral (GPGPU), apresentam outras desvantagens. Os processadores dedicados, que frequentemente não reutilizam recursos, conduzem a soluções com elevados requisitos de área. Os GPGPUs, devido à sua complexidade, apresentam elevados requisitos energéticos. A plataforma heterogénea da CoreWorks, que combina aceleradores de hardware reconfiguráveis com um processador embebido, proporciona um desempenho competitivo com uma fração dos recursos. Nesta disertação, um algoritmo de deteção humana, baseado em histogramas de gradientes orientados, foi implementado nesta plataforma. Este processo envolveu a adaptação do algoritmo para vírgula fixa, permitindo a sua eficiente execução na plataforma embebida. O algoritmo resultante foi acelerado através de um acelerador SideWorks, para o qual foram portadas as principais etapas da deteção, nomeadamente o cálculo dos gradientes, votos e histogramas, para além da normalização e classificação. Foi então implementado e testado numa FPGA, resultando em tempos de deteção mais que sete vezes inferiores ao algoritmo equivalente executado no processador embebido.
Keywords: histogramas de gradientes orientados, deteção humana, acelerador de hardware reconfigurável, plataforma embebida, plataforma heterogénea

Discussão: maio 26, 2017, 11:0