Aceleração em SoC FPGA de um algoritmo simplificado de histograma de gradientes orientados para rastreamento visual usando filtro de partículas e otimização bioinspirada
Sistema em Chip, FPGA, Histograma de Gradientes Orientados, Otimização Bioinspirada
O rastreamento visual de objetos em vídeos constitui um problema central na área de visão computacional, em virtude da ampla gama de aplicações envolvidas e da complexidade intrínseca que tal tarefa pode apresentar. Exemplos de aplicações incluem robótica móvel, medicina, automação industrial e sistemas de vigilância inteligente. Os principais desafios do rastreamento decorrem da interação do alvo com elementos da cena, mudanças de iluminação, oclusões parciais, deformações geométricas e variações abruptas de trajetória.
Neste contexto, o presente trabalho analisa uma metodologia de rastreamento baseada no Filtro de Partículas, incorporando um esquema de amostragem híbrida que preserva o modelo dinâmico inercial a partir dos quadros anteriores. Além disso, investiga-se a utilização de um sistema de múltiplos filtros paralelos, cada um associado a diferentes modelos de observação, de forma complementar e cooperativa. A avaliação dos métodos propostos foi conduzida de maneira exaustiva sobre uma base de dados composta por sequências de vídeos, sendo ainda complementada por uma análise estatística comparativa frente a diferentes modelos de otimização discutidos na literatura especializada.
Para superar o gargalo computacional associado à extração de características, o trabalho propõe ainda a implementação do descritor HOG (Histogram of Oriented Gradients) em hardware reconfigurável (FPGA), utilizando arquiteturas otimizadas com diferentes graus de simplificação para cálculo do gradiente, geração do histograma e normalização. O desempenho dessas arquiteturas é avaliado em termos de tempo de processamento, consumo de recursos lógicos e precisão dos resultados.
A metodologia completa é validada em três frentes: (i) testes sintéticos com imagens anotadas para quantificação dos erros por etapa entre implementações em software e hardware; (ii) sequências de vídeo com deformações simuladas (rotação, escala e deslocamento); e (iii) testes reais com robôs móveis realizando trajetórias circulares e lineares pré-definidas. Os resultados demonstram a viabilidade da solução proposta para aplicações de rastreamento visual embarcado em tempo real, com desempenho competitivo em relação ao estado da arte e baixo consumo computacional.