HOG+SVM实现目标行人检测
时间: 2023-08-05 20:08:21 浏览: 197
HOG+SVM是一种常用的目标检测方法,其中HOG(Histogram of Oriented Gradients)是一种特征描述子,SVM(Support Vector Machine)是一种分类器。通过使用HOG特征描述子提取图像中的行人特征,然后使用SVM分类器对提取的特征进行分类,从而实现目标行人的检测。
在使用HLS(High-Level Synthesis)实现HOG+SVM目标行人检测时,可以将HOG特征描述子和SVM分类器的算法实现采用C语言编写,并进行分析优化,以更好地利用FPGA的底层架构和资源。这个过程涉及修改directive和C代码,根据不同的需求进行优化指令的实现方式。最后,通过C和RTL联合仿真,可以输出设计并导出IP,以便在vivado的其他设计中使用。
使用HLS实现HOG+SVM目标行人检测的优势在于简化了代码编写的过程。相比于直接编写RTL代码,使用HLS可以通过一个简单的for循环调用模块A来实现对模块A的复用。在资源有限的情况下,可以进行分时复用;而在需要高吞吐量的情况下,可以进行逻辑复制。只需添加不同的directive,即可生成不同的solution,综合成不同的电路结构,非常方便和高效。\[1\]\[2\]
#### 引用[.reference_title]
- *1* *2* [HOG+SVM实现行人检测原理总结](https://blog.csdn.net/weixin_32954161/article/details/115905294)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]
阅读全文