Die Detektion von Fußgängern unter Echtzeitbedingungen ist eine der Kernproblemstellungen bei der Entwicklung von kamerabasierten Fahrerassistenzsystemen. Häufig wird hierfür der von Dalal und Triggs entwickelte Histograms of Oriented Gradients (HOG) Deskriptor in Verbindung mit einer Support Vector Machine (SVM) für die Klassifikation verwendet, die auch die Basis dieser Arbeit bilden. Es wird ein neuer, ressourcen- und geschwindigkeitsoptimierter Ansatz vorgestellt, bei dem sowohl die Deskriptorenberechnung als auch die Klassifikation sowie die Skalierung auf einem FPGA implementiert sind. Dies ermöglicht, zusammen mit einem Zeitmultiplexverfahren für die Multiskalenberechnung, eine Vollbildklassifikation bei 60 Full- HD-Bildern (1920 x 1080 Pixel) pro Sekunde mit einer Latenz von weniger als 150 µs. Damit können in einer Skalenstufe pro Sekunde 1,8 Mio. HOG-Deskriptoren sowie die dazugehörigen Klassifikationsergebnisse mit der SVM berechnet werden. Auf einem Xilinx Virtex-5 FPGA sind so im Multiskalenbetrieb bis zu 11 Mio. Klassifikationsfenster pro Sekunde auswertbar, was bestehende FPGA-Implementierungen um den Faktor 10 übersteigt.
Erkennung von Fußgängern in Echtzeit auf FPGAs
2013
9 Seiten, 7 Bilder, 3 Tabellen, 15 Quellen
Aufsatz (Konferenz)
Deutsch
Vorrichtung und Verfahren zur Erkennung von Fußgängern
Europäisches Patentamt | 2015
|Erkennung von spontanen Bewegungsänderungen von Fußgängern
Europäisches Patentamt | 2023
|Flächenansprüche von Fußgängern
TIBKAT | 2000