用于行人检测两阶段HOG+SVM处理器设计.pdfVIP

A用于行人检测的嵌入SVM的两阶段HOG特征提取处理器

*，年，，

(大学学院先进通信与信息处理市重点，，

518000，)*通讯作者邮箱：xuyuan@szu.edu.cn

由于原始的HOG算法，行人在几个相邻的窗口中可能同时被检测到。

这就是所谓的重复检测。

提出了一种用于行人检测处理器的两阶段流水线架构，本文提出了用于行人检测处理器的两阶段流水线架构。

该架构将支持向量机（SVM）分类器嵌入到方向梯度直第一阶段直接使用查找表生成块的36维直方图。第二阶

方图（HOG）归一化模块中。此架构可以有效减少硬件段将15路并行SVM分类器嵌入到直方图归一化模块中，

资源消耗，并能实时执行行人检测任务。此外，还提出以缩小SVM法累加器（MACs）的位宽并提高实时

了一种算法以自动避免重复检测。该架构在Spartan‑6性能。同时，为了优化检测结果，实现了一种算法自动

FPGA上针对SVGA分辨率(800×600)进行了验证，避免重复检测。该架构已在FPGA上得到验证。

速率为47fps/100MHz。

索引词—FPGA，流水线架构，查找表，HOG，SVM，

重复检测避免2.使用HOG算法的行人检测原理

1.引言

2.1.HOG算法

作为最热门的研究课题之一，行人检测技术在汽车系统、

和机器人等领域展示了其巨大的应用潜力。在早期

的研究中，NavneetDalal和BillTriggs提出了一种结

合方向梯度直方图（HOG）和线性支持向量机（SVM）

分类器的方法，该方法已被证明具有非常高的准确性和鲁

棒性[1][2]。然而，巨大的计算量使其难以满图1图像、窗口、块、单元格

足实时实现的要求。在基于HOG的行人检法中，处理单元是一个

64128像素的窗口，该窗口从图像的左上角滑动到右

近年来，一些分类算法，包括结合了HOG特征和SVM的

下角。窗口被划分为816=128个单元格（88像素），

算法，已经在不同的平台上实现了行人检测。其中一些

并且四个相邻的单元格形成一个块（1616像素）。因

在GPGPU平台[3]上实现算法；另一些使用异构计算平

此，一个窗口包含157=105个块。对于输入图像中的

台，如FPGA+GPU[4][5],这增加了设备的成本；还有

每个像素),(yx，二维梯度由（1）和（2）确定。

一些在纯FPGA平台上实现算法，例如[6][7][8][9][10][11]。

文章[8]提出了一种基于窗口的扫描架构，而[10][11]使Gx(x,y)pixel(x+1,y)−pixel(x−1,y)(1)

用基于单元的扫描方法。这些实现具有以下特点：(a)很Gy(x,y)pixel(x,y−1)−pixel(x,y+1)(2)

少有设计将HOG特征生成模块和SVM分类器统一起来。

梯度幅值和梯度角度由(3)和(4)给出。

将S