عنوان ترجمه شده مقاله: تحقیقی در مورد پیاده سازی ناحیه آشکارسازی مورد نظر مبنی بر حرکت بر روی سلول های چند هسته‌ای

Region of Interest (ROI) detection is a well-studied problem in computer vision for applications such as video surveillance and vision-based robotics. ROI detection may be done using background subtraction schemes with change detection and background estimation. When the camera is not static, these schemes will be ineffective and hence there is a need for global motion estimation (GME) to compensate the camera motion. Robust GME algorithms often require high computation power, rendering them unsuitable for real-time, embedded vision applications. In this article, we use a multi-core processor platform – CELL, to meet the computational requirements of the ROI detection system and to explore the feasibility of potential usage of such heterogeneous processor architecture for vision applications. In particular, we analyze the algorithmic components of a typical GME-based ROI detection system and show how to make efficient use of the parallel and vector computation capabilities in the CELL cores for maximizing the gain on speed performance. We have also ported our system on a Sony PS3 system and promising results have been achieved. Based on the study, various design aspects and implementation challenges are discussed which are believed to be useful for future work in porting vision algorithms on multi-core architectures for real-time embedded applications

چکیده

آشکارسازی ناحیه مورد نظر (ROI)، یک موضوع به خوبی بررسی شده در زمینه کامپیوتر برای کاربردهایی مانند نظارت ویدیویی و رباتیک مبنی بر مشاهده می باشد. آشکارسازی ROI ممکن است با استفاده از طرح های کاهش زمینه به همراه آشکارسازی تغییر و تخمین پس زمینه انجام شود. زمانی که دوربین ثابت نیست، این طرح ها بی اثر خواهد بود و از اینرو نیاز به تخمین حرکت کلی(GME) برای تنظیم حرکت دوربین ضروری می باشد. الگوریتم GME قوی اغلب به توان محاسباتی بالا نیاز دارد. اجرای آنها، برای کاربردهای بلادرنگ و بصری تعبیه شده نامناسب می باشد. در این مقاله، ما از یک سلول پلتفرم پردازنده چند هسته ای استفاده می کنیم تا الزامات محاسباتی سیستم آشکارسازی ROI برآورده شود و امکان کاربرد بالقوه چنین معماری پردازنده نا همگون برای کاربردهای بصری را پیدا می کند. به ویژه، ما اجزای الگوریتمی سیستم آشکارسازی ROI مبنی بر GME متداول را تحلیل می کنیم و چگونگی استفاده موثر از قابلیت های محاسباتی برداری و موازی در هسته های سلول را برای به حداکثر رساندن بهره عملکرد سرعت را نشان می دهیم. همچنین ما سیستم خود را بر روی یک سیستم سونی PS3 پیاده سازی کردیم و نتایج احتمالی به دست آمده اند. بر مبنای این تحقیق، جنبه های طراحی مختلف و ملاحظات پیاده سازی بررسی می شوند که امید است برای تحقیقات آینده در الگوریتم های بصری انتقال بر مبنای معماری های چند هسته ای برای کاربردهای در نظر گرفته شده بلادرنگ مفید واقع شوند.

1-مقدمه

ناحیه مورد نظر (ROI) یا آشکارسازی شی یک موضوع به خوبی بررسی شده در کاربردهای بصری کامپیوتر مانند نظارت ویدئویی، بررسی ترافیک، ربات‌های خودکار، سیستم های جلوگیری از برخورد در صنعت اتومبیل و غیره می باشد. آشکارسازی ROI همچنین یک مرحله پیش پردازش برای کاربردهای بصری پیچیده تری مانند ردیابی شی، آشکارسازی و تحلیل واقعه می باشد...