图像识别机器学习模式识别达芬奇 dsp视频分析开发板 摄像机
在PC端通常使用Hog,haar-like,lbp等常用特征结合贝叶斯,决策树,adaboost或者svm等分类算法来做图像识别,视频分析.但算法需要移植到嵌入式DSP设备却非常困难.一方面是嵌入式设备的内存,CPU等各方面的资源都没有PC端的性能高,另一方面是嵌入式没有opencv,MATLAB等支持,移植起来困难,要达到实时就更困难了。
因此PC端的算法程序必须要经过汇编语言并行优化后才能达到理想的效果.这个移植过程需要开发人员对算法的每一行代码都十分清楚,而且必须熟悉DSP架构,经过反反复复的尝试才能够达到满意的效果,这个过程耗时长,并且容易出错.
本套件就是为了方便用户进行基于DSP架构的嵌入式图像识别,机器学习,模式识别而设计的.主要的软件模块如下图所示, 用户首先使用PC端的程序来验证算法.然后再在备端做验证及测试即可.设备端有两种测试模式,一种是读取视频,另外一种是sensor采集实时视频或图像.
设备端及PC端的程序除了涉及算法部分,绝大部分都是开放源代码,以方便用户进行修改及进一步的开发.
图中的RcDetecor是专门针对DSP的架构,设计出了一个识别检测的算子,这个算子适用于基于haar或者hog算法的移植.这个算法用线性汇编语言编写,并行度高,速度快,识别率高.不依赖TI的imglib,vlib等图像或者视频处理库.可以方便移植到DM6437,DM6446,DM6467,DM3730,D