지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 신경욱
- 발행연도
- 2015
- 저작권
- 금오공과대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
영상에서 움직임이 있는 객체를 검출하기 위한 이동 객체 검출(Moving Object Detection; MOD) 알고리듬을 배경 차분 방법을 적용하여 하드웨어로 설계하였다. 구현된 MOD 프로세서는 배경 학습을 위해 가우시안 혼합 모델 기반의 EGML (Effective Gaussian Mixture Learning) 알고리듬이 적용되었다. EGML 계산 일부의 근사화를 통해 하드웨어 복잡도를 줄였고, 파이프라이닝 기법을 통해 동작속도를 개선하였다. 또한 가우시안 파라미터들을 가변시킬 수 있도록 함으로써 다양한 조건에서 MOD 성능이 향상되도록 구현하였다. Verilog-HDL을 이용하여 하드웨어를 구현하였으며, MATLAB/Simulink와 FPGA가 연동된 FPGA-in-the-loop 방식으로 하드웨어의 동작을 검증하였다. 설계된 회로는 XC5VSX95T FPGA 디바이스에서 2,218 slices로 구현되었으며, 102 MHz의 클록 주파수로 동작하여 102 MS/s의 처리율을 갖는 것으로 평가되었다. IEEE CDW-2012 데이터 세트의 12가지 영상에 대한 설계된 MOD 프로세서의 성능 분석 결과, 평균 recall 값은 0.76306, 평균 precision 값은 0.77783, 그리고 평균 F-measure 값은 0.75353으로 측정되었다.
목차
제 1 장 서 론 11.1 연구배경 11.2 연구범위 및 구성 2제 2 장 배경 생성 및 이동 객체 검출 알고리듬 42.1 장면 차분 기법 42.2 배경 차분 기법 62.2.1 커널 분포 추정 72.2.2 군집화를 이용한 배경 추정 82.2.3 배경 추정 92.2.4 적응적 가우시안 혼합 모델 112.3 EGML 알고리듬 및 근사화 적용 132.4 배경과 전경의 분류 16제 3 장 소프트웨어 모델링 및 하드웨어 설계조건 분석 193.1 부동소수점 모델링 193.1.1 배경 생성 알고리듬 검증 193.1.2 MOD 결과 확인 및 파라미터 값 결정 213.2 고정소수점 모델링 253.2.1 파라미터의 비트 길이 결정 253.3 근사화 EGML 알고리듬 검증 28제 4 장 하드웨어 설계 304.1 MOD 프로세서 구조 304.2 MOD 연산부 설계 314.2.1 배경 생성 블록 구조 324.2.2 연산기 설계 354.2.3 객체 검출 블록 설계 384.3 제어부 설계 39제 5 장 기능 검증 및 성능 평가 405.1 기능 검증 405.1.1 RTL 수준의 기능 검증 405.1.2 FPGA-in-the-loop를 통한 하드웨어 동작 검증 465.2 성능 평가 485.2.1 MOD 성능 평가 485.2.2 FPGA를 이용한 논리합성 결과 56제 6 장 결 론 58[참고 문헌] 59
최근 본 자료
댓글(0)
0