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,DM8127,DM8168等平台.同时套件还包含了常用的背景差分,帧间差分,颜色检测等快速处理算法.
不同的应用需求后期的处理流程大为不同,为了方便不熟悉TI达芬奇的codec sever，dsp sever的用户提供了一个后期处理模块,用户只需用C语言填充后期的处理即可,例如跟踪,统计等.在该模块中用户可以直接调用TI的imglib,Iqmath,vlib等库来做边缘检测,角点检测,联通区域,运动估计,运动跟踪等后期算法处理.
硬件部分：包含了DM6467处理器，NAND flash，DDR2，网络，USB，RTC，SD卡，调试接口板，红外led灯板，IR-CUT，100万高清图像传感器等。
(二)PC端配套程序简介
（1） 实时模式
设备支持RTSP协议，可以实时观测设备端识别算法的检测的效果。
（2） 训练模式及测试模式
针对不同的应用，需要使用不同的样本来训练识别算法（分类器），以下用车辆检测的例子来说明训练模式的大概内容：
例如您需要对公路上的车辆进行检测，那么首先需要有某一时间段的监控视频，然后从视频里截取少量正样本，例如48幅车辆的图像作为正样本，如上图所示，操作完成后，程序会自动统计出样本的车辆平均的宽度，高度。
然后使用一些没有车辆的图像作为负样本，困难样本暂时没有（将检测错误的图像放入困难样本中训练，就可以排除错误的分类）。如上图所示。正样本，负样本，困难样本配置完成后即可进行训练。训练完成后会产生一个car-few的文件，然后用该文件进行测试，由于正样本太少，所以识别率会比较低，但是没有关系。因为测试模式下可以把检测出来的样本保存下来，以便做进一步的训练，勾选“采集样本”的选项，以自动采集更多的车辆的样本。如下图所示：
下图是测试模式下自动采集的样本，从图中可以看出程序已经自动采集了8410个汽车图像的样本。
接下来把采集到的样本作为正样本再训练一次，把产生的训练的结果文件用来测试其他时间段的视频，由于样本大幅度增加，所以检测率马上提高。由于车辆的大小，远近，角度，不相同，所以示意框有大有小，如下图所示：
以上程序是基于C#开发的，会给用户提供源代码，同时也会提供VC++训练及测试的demo程序，以便用于做验证及开发。其中VC端的DEMO程序配置好了OPENCV的环境，也是开源的代码，例如背景差分，阵间差分，视频录制，视频叠加等。以便用户做进一步的开发。因为我们的核心算法只是识别检测而已，例如用户可以使用上面的车辆检测的算法来做进一步的开发，以实现实现车流量统计，违章边线，逆行，违章停车等不同的应用。
由于PC端的算法与设备端的算法完全一致的，用户可以先在PC端调试好后期处理的算法，然后再移植到DSP中去，这样可以加快开发的速度，PC端的检测及训练算法只提供DLL库，不提供源代码。
更多演示视频：
http://pan.baidu.com/s/1eQvqbbO
我们可以根据用户的需求，接受软件、硬件及算法的定制开发及算法的移植
如有问题亦可联系QQ:3301157656
套件可以用来开发其他的应用，例如客流统计，行人检测，区域行人入侵等，如下所示：
（三）设备端简介
(1)硬件组成
硬件由核心板（5.3cmX5.5cm）,sensor板，调试板，红外灯板等组成。具体包括以下的模块：
CPU：ARM+DSP双核处理器：DM6467
DDR2：256MB
NAND FLASH:128MB
SENSOR:100万720P
RTC,232串口，USB，100M以太网控制器，SD卡，红外LED灯板，IR-CUT座，电源等。
(2)设备端配套的软件资源
内核源代码，驱动全部开放源代码
DVSDK，基于live555的RTSP，IQmath，imglib，dsplib，vlib，tftp，nfs，精简的文件系统等。
（3）测试程序包含了实时测试程序，视频测试程序。主要包括sensor驱动（分辨率，帧率，isp配置等），图像采集，图像缩放，色彩空间转换，GPIO控制，视频编解码，视频录制，RTSP视频服务，图像预处理，图像识别检测等非常实用的模块。