這些“視頻幀隊列 API”功能加上視頻端口 ISR 和視頻輸入輸出端口讓設計中的視頻處理流水線的構造更加完善。圖 4 所示的是使用 FPGA 上的本視頻流水線采集、處理和顯示實際的視頻幀。它還顯示了通過計算出的運動向量縮小視圖實現(xiàn)的畫中畫功能。

?

圖 4：右下被運動向量網(wǎng)格覆蓋的、經(jīng)過 FPGA 處理后的實際幀

基于 Vivado HLS 的硬件加速器

在前文介紹的人群運動分類算法中，最為耗時、計算最密集的工作是計算運動向量。另一項系統(tǒng)工作——進行分類——因不涉及像素級的處理，非常簡單而且易于實現(xiàn)。注意到設計的這個方面，我們?yōu)橛嬎氵\動向量構建了一個硬件加速器。我們借助賽靈思 Vivado HLS，用 C/C++ 語言在 RTL 中對該加速器進行了設計、測試和綜合。

Vivado 生成的 RTL 代碼的關鍵特征之一是其在很大程度上已經(jīng)過了精心優(yōu)化。Vivado HSL 把陣列存取（例如存儲在陣列中的像素數(shù)據(jù)）綜合到存儲器接口中，通過分析代碼自動生成所需的地址。Vivado HSL 還可分析預先計算好的偏移和常量，從而非常快速地執(zhí)行所謂的“跨步式”存儲器訪問。跨步式存儲器訪問從圖像的多行數(shù)據(jù)訪問開始（就如同在 2D 卷積中）。

設計基于 Vivado 的加速器的主要考慮因素是并行處理運動向量的計算，最大限度地提高從主存儲器中的數(shù)據(jù)讀取。為此目的，我們使用八個 Block RAM 并行加載和存儲視頻幀數(shù)據(jù)。硬件加速器的內核能夠并行計算四個運動向量，而且在計算中它會用到所有八個 Block RAM。從主存儲器傳輸?shù)竭@些 Block RAM 的數(shù)據(jù)由 MicroBlaze 通過 DMA 加以控制。

Vivado HLS 生成的硬件加速器具有部分自動生成的握手信號，這些信號對于啟停硬件加速器必不可少。 這些握手信號包含“啟動”、“繁忙”、“閑置”、“完成”等標志。這些標志通過 GPIO 傳送到 MicroBlaze 處理器以完成握手。圖 5 所示為該硬件加速器、八個 Block RAM 和 MicroBlaze 處理器主外設總線之間的互聯(lián)。

?

圖 5：基于 Vivado HLS 的硬件加速器及其互聯(lián)

圖 5 中分別被命名為 SA1、TA1 到 SA4、TA4 的這些 Block RAM，每個的容量為 16KB。每對 SA1、TA1 到 SA4、TA4 能夠保存計算一個完整行的運動向量所需的數(shù)據(jù)。因此硬件加速器在完成運行后，會輸出四行運動向量寫回到相同的 Block RAM 存儲器中。這些計算完的運動向量隨即由 MicroBlaze 處理器讀回，然后把結果以運動向量網(wǎng)格的形式復制到自己的主存儲器中。（圖 4 所示的是被硬件加速器計算出的運動向量網(wǎng)格覆蓋的實際幀）

該硬件加速器在 200MHz 頻率下工作，計算整個圖像的運動向量所需的全部處理任務能夠在不足 10 毫秒內完成，包括與存儲器之間的所有數(shù)據(jù)往來傳輸。

算法控制和數(shù)據(jù)流

在視頻流水線和硬件加速器開發(fā)就緒后，完成該系統(tǒng)的最后一步是把這兩個單元與 MicroBlaze 主機處理器集成，并使用賽靈思軟件開發(fā)套件 (SDK_，用 C/C++ 實現(xiàn)用戶層應用的算法控制和數(shù)據(jù)流。 在賽靈思 SDK 中實現(xiàn)算法控制和數(shù)據(jù)流能為設計帶來極大的靈活性。這是因為用戶可以用相同的方式設計和集成新的硬件加速器，同時還可以修改必要的控制和數(shù)據(jù)流以集成新的硬件加速器。最終得到的就是一種軟件控制、硬件加速的設計，其靈活度可媲美純軟件實現(xiàn)方案，同時其性能可媲美純硬件實現(xiàn)方案。

本文介紹的人群運動分類算法的控制和數(shù)據(jù)流從通過視頻幀隊列 API 功能采集視頻幀開始。當視頻幀獲取完畢，用戶應用把當前的和之前的視頻幀數(shù)據(jù)傳輸?shù)接布铀倨鳎瓿蛇\動向量的計算。

此時系統(tǒng)在軟件中計算運動向量的統(tǒng)計屬性和分類結果。這樣做的原因是這些步驟不涉及任何像素級處理，只會增加很少的處理開銷。當分類結果計算完成時，用屏幕顯示（OSD）功能把結果和運動向量顯示在處理后的幀上。這些屏幕顯示功能也是在賽靈思 SDK 中用 C/C++ 語言實現(xiàn)的。

這些構建模塊（實時視頻流水線、硬件加速器和算法控制/數(shù)據(jù)流）全部就緒后，總體系統(tǒng)設計即告完成。隨后我們對基于 FPGA 的實現(xiàn)方案進行了測試，并與之前的桌面 PC 型實現(xiàn)方案比較結果的準確性。兩個結果是完全一致的。我們使用來自明尼蘇達大學數(shù)據(jù)庫( ml )和來自 的各種測試視頻對本系統(tǒng)進行了測試。

實現(xiàn)方案結果
整個設計只使用了 Spartan-6-LX45 FPGA 上 30% 的Slice LUT、60% 的 BRAM 和12% 的 DSP48E 乘法器資源。圖 6 所示是硬件設置（上）和實際系統(tǒng)輸出。硬件設置由 Digilent Atlys Spartan 6 FPGA 板和定制視頻接口卡組成，利用視頻 ADC 和 DAC 可為 FPGA 提供視頻輸入/輸出功能。如欲觀看該系統(tǒng)的詳細演示視頻，敬請訪問下列 Web 鏈接：


?

?

圖 6：硬件設置（上）和把場景分類為驚恐的實際 FPGA 處理后的幀

巨大的未來潛力
FPGA 是面向實時視頻處理等需要高性能的應用的理想平臺。開發(fā)這種應用要求進行一定的架構考量，以充分發(fā)揮所選 FPGA 的性能優(yōu)勢。此外使用 EDK 和 Vivado HLS 等先進工具，能夠以比過去高得多的效率和更短的開發(fā)時間實現(xiàn)總體系統(tǒng)設計。

因此正如我們在本文中所展示的，利用上述工具在 FPGA 上實現(xiàn)性能關鍵型應用有著巨大的潛力。有這樣成功運行的平臺作為先例，我們期望把這一成果推廣用于解決更多的技術問題，例如自動化交通監(jiān)測、醫(yī)院中的自動病患觀察等更多的應用。

參考資料
1. Ramin Mehran、Mubarak Shah，《使用社會力模型檢測異常人群行為》，IEEE 計算機視覺與模式識別 (CVPR) 國際會議，邁阿密，2009年
2. Duan-Yu Chen、Po-Chung Huang，《基于運動的人群異常事件檢測》，《視覺計算和圖像顯示期刊（Journal of Visual Computation and Image Representation）》，2011 年第 2 期第 22 卷，第 178-186 頁
3. OmniTek OSVP： default/files/OSVP.pdf

鳴謝
作者在此鳴謝合著者 Shoab A. Khan 教授貢獻的偉大創(chuàng)意以及 Darshika G. Parera 博士和 Umair Ahsun 博士給予的杰出靈感。

?