[发明专利]一种基于FPGA的混合高斯模型的图像处理方法

说明书

本发明涉及一种基于FPGA的混合高斯模型的图像处理方法，步骤S1：构建FPGA模块设计和ARM系统的初始化配置；步骤S2：一组DMA控制器将DDR上的像素和背景模型参数转化成数据流，传入混合高斯模型的核心计算模块；步骤S3：混合高斯模型的核心计算模块分别计算出每一个像素属于背景或前景，然后更新背景模型的参数；步骤S4：另一组DMA控制器将核心计算模块的计算结果和更新后的背景模型参数储存在DDR上。本发明用于在边缘计算场景下进行运动目标检测任务，本发明结合了FPGA的硬件特性与混合高斯模型的计算模式，通过软硬件协同的优化方法，提高了混合高斯模型在FPGA硬件上的性能，在占用更少的FPGA片上资源情况下获得更高的处理速度。

技术领域

本发明属于实时视频分析技术领域，具体涉及一种基于FPGA的混合高斯模型的图像处理方法。

背景技术

随着信息技术的发展，世界上无时无刻都在产生海量的新数据，许多智能技术的应用都依赖于对这些数据的计算和处理。传统方式采用中心化的计算模式，将边缘位置产生的数据，通过网络传输到中心服务器进行计算，再将计算结果通过网络送回等待结果的边缘端。但是，随着数据量的不断增长，网络逐渐无法承担如此巨大的数据传输任务，在交通检测、安防监控等对实时性要求较高的场景，网络传输时延成为制约其应用的瓶颈。

近年来，边缘计算的兴起，给实时视频分析领域带来了广泛而深刻的影响。边缘计算通过将计算任务从中心服务器下沉到边缘端的计算设备上，从而在根本上解决网络传输时延的问题。边缘计算依赖于各种边缘设备的计算能力，FPGA相较于嵌入式CPU具有更高的性能，相较于ASIC拥有更好的灵活性，同时FPGA成本相对低廉，因此FPGA是边缘计算的理想设备。然而，FPGA本身的时钟频率较低，同时开发门槛较高，如果缺少合理有效的设计很难获得满意的效果。

混合高斯模型是计算机视觉领域中一种常见的背景提取方法，用于在视频中进行运动检测，广泛的应用于交通检测、安防监控等实时视频分析领域。混合高斯模型对视频序列中不同位置的像素分别建立背景模型，来判断新的一帧图像中各像素属于背景还是前景，并在线对背景模型进行更新，从而识别出视频中运动的前景。

然而，现有的混合高斯模型在FPGA上实现时，在性能和资源占用上存在如下问题：由于混合高斯模型需要为图像中的每个像素分别建立并维护相应的背景模型，导致计算量较大，并且FPGA的片上内存不足以存储高分辨率下的背景模型参数，因此在FPGA上实现混合高斯模型的背景提取方法，存在计算性能和内存带宽的瓶颈，在处理速度和资源占用上均表现不佳，无法满足现在日益增长的高清视频实时智能分析的需求。

发明内容

本发明的目的是克服现有技术的不足而提供一种基于FPGA的混合高斯模型的图像处理方法，用于在边缘计算场景下进行运动目标检测任务，以软硬件协同优化的方式，充分发挥FPGA硬件的并行性，提高片上资源的利用率，从而可以在占用更少的FPGA片上资源情况下获得更高的处理速度，以满足控制成本以及在FPGA上进行后续任务处理的需求。

本发明的技术方案如下：

一种基于FPGA的混合高斯模型的图像处理方法，其特征在于：包括如下步骤：

步骤S1：构建FPGA模块设计和ARM系统的初始化配置，并将原始图像存储在DDR上；所述步骤S1包括如下步骤：

步骤S1-1：在FPGA模块设计中添加IP核以及ZYNQ软核，配置好参数并连接逻辑电路接口；

步骤S1-2：在ARM系统中通过系统驱动识别IP核，配置寄存器值，完成系统硬件的初始化；

步骤S1-3：通过ARM处理器在DDR内存上初始化背景模型参数，并将原始RGB三通道图像存储在DDR上。

步骤S2：一组DMA控制器将DDR上的像素和背景模型参数转化成数据流，传入混合高斯模型的核心计算模块，所述混合高斯模型的核心计算模块包括多个独立的IP核；