Thiết kế mô đun tái tạo hình ảnh trong hệ thống nén ảnh sử dụng thuật toán nhậnbiết chuyển động sigma delta

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ MAI TRUNG NGUN THIẾT KẾ MƠ-ĐUN TÁI TẠO HÌNH ẢNH TRONG HỆ THỐNG NÉN ẢNH SỬ DỤNG THUẬT TOÁN NHẬN BIẾT CHUYỂN ĐỘNG SIGMA-DELTA LUẬN VĂN THẠC SĨ CÔNG NGHỆ ĐIỆN TỬ - VIỄN THÔNG HÀ NỘI – 2013 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ MAI TRUNG NGUYÊN THIẾT KẾ MÔ-ĐUN TÁI TẠO HÌNH ẢNH TRONG HỆ THỐNG NÉN ẢNH SỬ DỤNG THUẬT TỐN NHẬN BIẾT CHUYỂN ĐỘNG SIGMA-DELTA Ngành: Cơng nghệ Điện Tử - Viễn Thông Chuyên ngành: Kỹ thuật Điện tử Mã số: 60520203 LUẬN VĂN THẠC SĨ CÔNG NGHỆ ĐIỆN TỬ - VIỄN THÔNG NGƢỜI HƢỚNG DẪN KHOA HỌC: PGS.TS Trần Xuân Tú HÀ NỘI – 2013 LỜI CẢM ƠN Em xin gửi lời cảm ơn sâu sắc đến Thầy PGS.TS Trần Xuân Tú tạo điều kiện giúp đỡ em hoàn thành luận văn Em xin cảm ơn tới bạn, anh cán Phòng thí nghiệm mục tiêu Hệ thống tích hợp thông minh (SIS) hỗ trợ giải đáp vƣớng mắc em suốt trình nghiên cứu Em xin cảm ơn Thầy Cô Khoa Điện tử - Viễn thông, Trƣờng Đại học Công nghệ, Đại học Quốc gia Hà Nội tận tình truyền đạt kiến thức bổ ích thời gian em học tập trƣờng Cuối em xin gửi lời cảm ơn đến gia đình, bạn bè ln bên em, cổ vũ động viên em lúc khó khăn để hồn thành luận văn EM XIN CHÂN THÀNH CẢM ƠN ! LỜI CAM ĐOAN Tôi xin cam đoan luận văn tự làm, không chép tài liệu hay cơng trình nghiên cứu có Những phần có sử dụng tài liệu luận văn ghi rõ tên tài liệu phần tài liệu tham khảo Những phần trích dẫn đƣợc ghi rõ nguồn tham khảo Hà Nội, ngày 20 tháng năm 2013 Mai Trung Nguyên MỤC LỤC LỜI CẢM ƠN LỜI CAM ĐOAN MỤC LỤC GIỚI THIỆU Chƣơng KỸ THUẬT NHẬN DẠNG CHUYỂN ĐỘNG 11 1.1 Khái niệm toán phát chuyển động 11 1.2 Phƣơng pháp trừ 11 1.3 Phƣơng pháp thống kê 12 1.4 Phƣơng pháp chênh lệch tạm thời 13 1.5 Phƣơng pháp lƣu lƣợng thị giác 13 1.6 Các thuật toán xử lý phƣơng pháp trừ 14 1.7 Lý lựa chọn thuật toán Sigma-Delta [1] 20 Chƣơng GIỚI THIỆU VỀ KỸ THUẬT NÉN ẢNH JPEG 22 2.1 Tổng quan 22 2.2 Q trình mã hóa 23 2.3 Chuyển đổi hệ màu 23 2.4 Lấy mẫu 24 2.5 Biến đổi DCT 25 2.6 Lƣợng tử hóa 26 2.7 Mã hóa Entropy 27 2.8 Quá trình giải nén 31 2.9 Cấu trúc file JPEG 33 Chƣơng THIẾT KẾ VÀ XÂY DỰNG HỆ THỐNG 39 3.1 Giới thiệu chung hệ thống 39 3.2 Đề xuất ý tƣởng thiết kế khối tái tạo hình ảnh 43 Chƣơng ĐÁNH GIÁ KẾT QUẢ THỰC NGHIỆM 55 4.1 Mơ khối giải mã hình ảnh 55 4.2 Mơ khối tổng hợp hình ảnh 57 KẾT LUẬN 59 TÀI LIỆU THAM KHẢO 60 PHỤ LỤC 62 DANH SÁCH HÌNH VẼ, BẢNG BIỂU Hình Sơ đồ tổng quan hệ thống nén ảnh Hình 1.6.4a Các bƣớc thực thuật tốn Sigma-Delta ……………………….18 Hình 1.6.4b Dữ liệu khung hình vào [1] 19 Hình 1.6.4c Dữ liệu khung hình đầu [1] 20 Hình 2.2 Sơ đồ q trình mã hóa dựa biến đổi DCT [11] 23 Hình 2.3 So sánh hệ màu RGB YCbCr 24 Hình 2.4 Các kiểu lấy mẫu liệu 25 Hình 2.6 Các bảng lƣợng tử cho tín hiệu chói tín hiệu màu theo chuẩn JPEG 27 Hình 2.7.1 Quét ZigZag [11] 27 Hình 2.7.3a Minh họa cho phân nhóm AC [11] 29 Hình 2.7.3b Mình họa cho phân nhóm DC [11] 29 Hình 2.7.3c Bảng mã Huffman tƣơng ứng cho nhóm [11] 30 Hình 2.8 Sơ đồ khối trình giải mã [11] 31 Hình 2.9 Tiêu đề file JPEG 34 Hình 2.9.2 Marker định nghĩa cho bảng lƣợng tử hóa 36 Hình 2.9.3a Các hệ số Huffman tƣơng ứng với thành phần DC chói 37 Hình 2.9.3b Các hệ số Huffman tƣơng ứng với thành phần DC màu 38 Hình 3.1 Sơ đồ khối hệ thống 40 Hình 3.1.1a Thiết kế khối phát chuyển động (Motion Detection) [1] 40 Hình 3.1.1b Bảng mơ tả lối vào khối phát chuyển động 41 Hình 3.1.1c Sơ đồ khối bên khối phát chuyển động [1] 42 Hình 3.2 Sơ đồ khối tái tạo hình ảnh 44 Hình 3.2.1a Quá trình giải mã hình ảnh [11] 45 Hình 3.2.1b giá trị marker: 45 Hình 3.2.1c Lƣu đồ thuật tốn giải mã khung hình [11] 46 Hình 3.2.1d Lƣu đồ thuật toán xử lý MCU [11] 47 Hình 3.2.1e Hệ số Huffman cho thành phần DC 48 Hình 3.2.1f Hệ số Huffman cho thành phần AC 49 Hình 3.2.1g Hệ số lƣợng tử hóa thành phần chói 50 Hình 3.2.1h Hệ số lƣợng tử hóa thành phần màu 50 Hình 3.2.1i Dữ liệu chói trƣớc lƣợng tử hóa khối 8×8 50 Hình 3.2.1k Kết liệu sau lƣợng tử hóa 50 Hình 3.2.1l Kết sau Dezigzag 51 Hình 3.2.1m Kết sau biến đổi IDCT 51 Hình 3.2.2a Sơ đồ khối chức khối Invert 52 Hình 3.2.2b Bảng Chức chân tín hiệu khối Invert 52 Hình 4.1 Ảnh gốc sau mã hóa sang định dạng JPEG 56 Hình 4.2a Kết mơ thời điểm xử lý khung hình thứ 57 Hình 4.2b Kết xử lý khung hình thứ hai 58 Hình 4.2c Dữ liệu đầu vào It không thời điểm xử lý khung hình thứ 58 GIỚI THIỆU Ngày hệ thống camera giám sát trƣờng đƣợc sử dụng nhiều lĩnh vực khác (an ninh, giao thơng, ) Tuy nhiên vấn đề đặt lƣợng liệu video thu đƣợc từ camera không đƣợc nén trƣớc truyền không tiết kiệm đƣợc băng thơng, lãng phí đƣờng truyền Có nhiều kỹ thuật nén ảnh đƣợc đề xuất năm gần cho phép xây dựng hệ thống nhận biết chuyển động với lƣợng thông tin tối thiểu đảm bảo đƣợc chất lƣợng đầu hình ảnh Dựa vào thuật tốn Sigma-Delta, hệ thống nén ảnh xử lý đƣợc chuỗi hình ảnh liên tiếp, 25 hình giây, hồn tồn đáp ứng đƣợc yêu cầu thời gian thực hệ thống giám sát Bên thu nhận hình ảnh nén tín hiệu trƣớc truyền lƣu trữ bên hiển thị tái tạo lại hình ảnh dựa việc phân tích sai khác hình ảnh đƣợc mã hóa Với u cầu đó, đề tài luận văn tập trung vào việc phát triển mơ-đun tái tạo hình ảnh – phần hệ thống nén ảnh sử dụng thuật toán nhận biết chuyển động Sigma-Delta (Hình 1) đƣợc phát triển Phòng thí nghiệm mục tiêu Hệ thống tích hợp thơng minh (SIS), sở áp dụng cơng nghệ FPGA nhằm tích hợp tối ƣu phần cứng, phần mềm Nghiên cứu kỹ thuật nén ảnh tái tạo hình ảnh sau nén, đặc biệt quan tâm tới thuật toán kiến trúc nén ảnh Sigma-Delta Nghiên cứu kỹ thuật mã hóa liệu hình ảnh, đƣa đề xuất thiết kế xây dựng hệ thống tái tạo hình ảnh, tính tốn đƣa kết mơ hệ thống Hình Sơ đồ tổng quan hệ thống nén ảnh Toàn hệ thống nén ảnh bao gồm bên thu nhận hình ảnh bên hiển thị hình ảnh đƣợc nhúng chip FPGA Bên thu nhận hình ảnh sử dụng thiết bị camera để thu nhận hình ảnh sau truyền tín hiệu cho khối phát chuyển động (Motion Detection), liệu sau qua khối phát chuyển động đƣợc mã hóa khối mã hóa (Encode) sau truyền lên mạng Ethernet gửi tới bên hiển thị hình ảnh Bên hiển thị hình ảnh gồm có mơ-đun giải mã (Decode) mơ-đun tổng hợp hình ảnh (Invert) Dữ liệu nén nhận đƣợc bên hiển thị hình ảnh đƣợc giải mã khối “Decode” Khối “Invert” có chức tổng hợp liệu để hiển thị thành hình ảnh Mục tiêu hệ thống đáp ứng thời gian thực hệ thống giám sát, xử lý tối thiểu 25 hình giây thuật toán Sigma-Delta cần đƣợc thực phần cứng tích hợp vào hệ vi xử lý để dễ dàng triển khai ứng dụng thực tế Để kiểm chứng hoạt động toàn hệ thống việc sử dụng thuật toán nhận biết chuyển động Sigma-Delta phục vụ cho việc tiến hành thiết kế phần cứng cho toàn hệ thống sau khối giải mã liệu “Decode” đƣợc xây dựng phần mềm chạy hệ điều hành vi xử lý Microblaze, sản phẩm hãng Xilinx sử dụng chuẩn nén hình ảnh JPEG-một chuẩn nén ảnh hiệu đƣợc sử dụng hầu hết thiết bị số ngày Nhƣ mô-đun tái tạo hình ảnh tích hợp phần cứng phần mềm chip FPGA Hệ thống sau đƣợc hoàn thiện đƣợc sử dụng để giám sát nhiều vị trí hệ thống (Tòa chung cƣ, khu công nghiệp, đƣờng giao thông ) Hệ thống chạy độc lập mà khơng cần thơng qua máy tính lắp đặt nhiều hệ thống giám sát nhiều nơi sau liệu hình ảnh đƣợc gửi trung tâm quan sát cho phép hiển thị khung hình nơi cần giám sát mà không cần phải sử dụng nhiều máy tính cho hệ thống thu nhận hình ảnh – hiển thị hình ảnh Do hệ thống giám sát đơn giản hiệu mà mang lại nhiều lợi ích kinh tế Do thời gian có hạn nên luận văn chƣa thể xây dựng hoàn thiện hệ thống, đề cập đầy đủ vấn đề liên quan chắn tránh khỏi thiếu sót Em mong nhận đƣợc thơng cảm đóng góp ý kiến để em có thêm kiến thức quý báu cho công việc tƣơng lai Em xin chân thành cảm ơn 10 Hình 3.2.1g Hệ số lƣợng tử hóa thành phần chói Hình 3.2.1h cho ta thấy hệ số lƣợng tử hóa thành phần màu Hình 3.2.1h Hệ số lƣợng tử hóa thành phần màu Hình 3.2.1i ví dụ liệu chói trƣớc lƣợng tử hóa thực giải mã khối 8×8 Hình 3.2.1i Dữ liệu chói trƣớc lƣợng tử hóa khối 8×8 Sau lƣợng tử hóa theo công thức: F (u, v)  Fq (u, v)  Q(u, v) ta đƣợc liệu nhƣ hình 3.2.1k Hình 3.2.1k Kết liệu sau lƣợng tử hóa 50 Sau lƣợng tử hóa phần mềm chạy bƣớc Dezigzag để có kết nhƣ hình 3.2.1l Hình 3.2.1l Kết sau Dezigzag Kết sau biến đổi ngƣợc DCT đƣợc cộng với 128 ta đƣợc kết nhƣ hình 3.2.1m: Hình 3.2.1m Kết sau biến đổi IDCT Cuối sau giải mã đƣợc tƣơng ứng khối 8×8 ứng với thành phần màu thành phần chói, mơ đun giải mã tiếp tục chuyển đổi hệ màu từ không gian màu YCbCr sang hệ màu RGB 3.2.2 Khối tổng hợp hình ảnh Khối tổng hợp Invert có chức nhận tín hiệu từ đệm nhận liệu tổng hợp liệu dựa phân tích sai khác khung hình liên tiếp, kết đầu đƣợc hình ảnh thật sự, để đảm bảo đƣợc tính xác đồng hệ thống, liệu đƣợc gửi tới khối FIFO trƣớc vào khối Invert Sơ đồ khối khối Invert nhƣ sau: 51 Hình 3.2.2a Sơ đồ khối chức khối Invert Bảng chức chân tín hiệu khối Invert Hình 3.2.2b Bảng Chức chân tín hiệu khối Invert Khối invert có đầu vào giá trị sai khác điểm thành phần ảnh khung hình so với khung hình trƣớc Mỗi điểm thành phần ảnh tƣơng ứng với byte bit, khối có sử dụng hai tín hiệu mảng chiều đƣợc thiết kế nhƣ Ram vừa đọc vừa đƣợc ghi trình xử lý tín hiệu Ngồi khối sử dụng số tín hiệu điều khiển tín hiệu thơng báo đầu có chức thơng báo sẵn sàng liệu lối Để đồng tín hiệu trình đọc ghi liệu ta sử dụng thêm khối flip-flop Khi có xung clock tín hiệu liệu lối liệu lối vào Khối Invert đƣợc thiết kế gồm có process đƣợc mô tả nhƣ dƣới đây: 52 Process có chức tính tốn giá trị đầu Mt theo giá trị đầu vào It, tín hiệu “m_enable”, “m_reset”, “clk” Ngồi hai mảng chiều đƣợc thiết kế cho việc lƣu trữ giá trị hình ảnh đƣợc tổng hợp giá trị hình ảnh đƣợc xử lý trƣớc Q trình sử dụng hai Ram đƣợc mơ tả nhƣ sau: Khi tín hiệu điểu khiển ram_empty = ‟1‟ tƣơng ứng với trạng thái ban đầu hai Ram trống, tín hiệu lựa chọn Ram: alt_ram = ‟0‟ tồn giá trị It đƣợc viết vào Ram_mt, đồng thời với khung hình (khung hình nền) khối khởi tạo ln giá trị đầu giá trị đầu vào (Mt0 =It0) Khi tín hiệu điều khiển ram_empty = „0‟ lúc Ram_mt đƣợc ghi đầy trình xử lý chuyển sang khung hình thứ hai Quá trình đƣợc thực sƣờn dƣơng xung clock tín hiệu cho phép “m_enable” Đầu tiên lấy giá trị Mt1 (giá trị hình ảnh khung hình trƣớc đó) từ Ram_mt so sánh Mt1 với giá trị điểm ảnh It Nếu It có giá trị khác với Mt1 tức khung hình có sai khác với khung hình trƣớc đó, giá trị Mt đƣợc lấy giá trị It Nếu giá trị It khơng, điều có nghĩa khơng có sai khác, Mt đƣợc lấy Mt1, giá trị khung hình trƣớc Process thứ hai có tác dụng đếm điểm ảnh để đảm bảo trình đọc ghi liệu vào Ram khơng bị tràn, q trình sử dụng đếm 16 bit có giới hạn đặt trƣớc (số lƣợng giá trị khung hình) Khi đến giới hạn giá trị đếm trở không thực trình đếm lại từ đầu tƣơng ứng với việc xử lý khung hình Khi tín hiệu khởi tạo m_reset = „1‟ giá trị đếm đƣợc gán khơng, có sƣờn dƣơng xung clock tín hiệu m_enable = „1‟ giá trị đếm tăng lên giá trị giới hạn Đây trình cho phép xác định địa cho Ram Process thứ ba q trình viết liệu đầu ra, đƣợc điều khiển tín hiệu m_enable, ram_empty tín hiệu lựa chọn Ram: alt_ram Khi tín hiệu ram_empty = „1‟ ta tín hiệu đầu Mt trực tiếp tín hiệu lối vào It Trƣờng hợp ram_empty = „0‟ phụ thuộc vào tín hiệu điều khiển alt_ram Viết vào Ram Mt đƣợc đọc từ Ram Process thứ tƣ dựa vào tín hiệu đếm cnt đếm để xác định tín hiệu điều khiển ram_empty 53 Process cuối cho ta xác định tín hiệu thơng báo sẵn sàng lối ra: ready_M nhờ vào giá trị biến đếm cnt Việc xác định tín hiệu cho giúp cho việc xử lý hệ thống đảm bảo hơn, tránh tình trạng chƣa có tín hiệu đầu mà hệ thống đƣa tín hiệu đến khối 54 Chƣơng ĐÁNH GIÁ KẾT QUẢ THỰC NGHIỆM Chƣơng nêu số kết mô phỏng, thực nghiệm số mô-đun hệ thống 4.1 Mô khối giải mã hình ảnh Kết mơ sử dụng phần mềm Dev-C++ phiên 4.9.9.2 với tệp tin đầu vào video gồm chuỗi hình ảnh định dạng chuẩn JPEG Sau giải mã hình ảnh đƣợc lƣu định dạng bmp 55 Dựa kết đầu vào đầu ứng với hình ảnh, ta thấy tỉ lệ nén liệu nhƣ sau: Hình 4.1 Ảnh gốc sau mã hóa sang định dạng JPEG Ảnh trƣớc mã hóa có kích thƣớc là: 225Kb, sau mã hóa có kích thƣớc 24,4Kb, nhƣ tỉ lệ nén: r  225  9, 22 lần 24, Độ dƣ thừa liệu là: d    0,89  89% 9, 22 56 4.2 Mô khối tổng hợp hình ảnh Trong phần ta thực xây dựng testbench cho thiết kế khối tổng hợp hình ảnh Invert Đầu vào liệu đƣợc đọc từ file text Kết đầu đƣợc xuất file text.Và sử dụng phần mềm mô Modelsim (phiên 6.4) để quan sát hình dạng sóng nhƣ sau: Hình 4.2a Kết mơ thời điểm xử lý khung hình thứ Nhìn vào Cursor hình ta thấy xung clock ứng với 10ns Nhƣ tần số hoạt động testbench 100 000000 Hz Trên hình 4.2b ta thấy thời điểm Cursor (768030 ns) tín hiệu ram_empty chuyển từ mức cao xuống mức thấp, thời điểm kết thúc q trình ghi tồn khung hình vào Ram gửi tín hiệu đầu Ở trƣớc thời điểm tín hiệu It đƣợc gửi trực tiếp đầu Mt Ở thời điểm t = 768030 ns trở đi, Tín hiệu It lúc tín hiệu khung hình sai khác, lúc tín hiệu Mt1 đƣợc đọc từ ram_mt so sánh với tín hiệu It để đƣa kết quả, kết đƣợc ghi vào Ram thứ hai, sau tín hiệu lối Mt đƣợc đọc từ Ram Ta dễ dàng nhận thấy It khác với Mt1 điều chứng tỏ có sai khác khung hình so với khung hình trƣớc đó, kết tín hiệu Mt lấy giá trị tín hiệu It (tín hiệu sai khác khung hình tại) 57 Hình 4.2b Kết xử lý khung hình thứ hai Trong trƣờng hợp tín hiệu It khơng, có nghĩa khơng có sai khác khung hình khung hình trƣớc Trong trƣờng hợp tín hiệu Mt đầu lấy giá trị Mt1 (giữ nguyên giá trị so với khung hình trƣớc đó) nhƣ hình 4.2c Hình 4.2c Dữ liệu đầu vào It khơng thời điểm xử lý khung hình thứ 58 KẾT LUẬN Luận văn đạt đƣợc kết đƣa đề xuất thiết kế hệ thống tái tạo hình ảnh sở áp dụng công nghệ FPGA Thiết kế mô số mô-đun hệ thống tái tạo hình ảnh Nghiên cứu số kỹ thuật phát chuyển động, đặc biệt kỹ thuật phát chuyển động sử dụng thuật toán Sigma-Delta Nghiên cứu phƣơng pháp mã hóa liệu theo chuẩn mã hóa JPEG Ngồi em tìm hiểu sử dụng ngôn ngữ mô tả phần cứng VHDL mơ hình hóa thiết kế, xây dựng testbench cho mục đích mơ kiểm chứng thiết kế Sử dụng thành thạo công cụ mô Modelsim hãng Mentor Graphics Trong thời gian tới hệ thống tái tạo hình ảnh đƣợc tích hợp FPGA Tính tốn cân tải để tối ƣu hệ thống, để đáp ứng đƣợc nhu cầu ngày cao hệ thống camera giám sát 59 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Đỗ Thị Hồng Hạnh (2011), Thực thi thuật tốn Sigma-Delta nhận biết chuyển động, Khóa luận tốt nghiệp, Trƣờng Đại học Công nghệ, Đại học Quốc gia Hà Nội [2] Phạm Quang Sơn, Lê Đoàn Trƣơng (2010), Nghiên cứu hệ thống camera phát tự động bám theo đối tượng di chuyển, Tuyển tập báo cáo hội nghị sinh viên nghiên cứu khoa học lần thứ Đại học Đà Nẵng [3] Đỗ Năng Toàn, Phạm Việt Bình (2007), Giáo trình xử lý ảnh, Trƣờng Đại học Thái Nguyên [4] Nguyễn Văn Tuân (2011), Thử nghiệm giải mã MJPEG platform mạng chip opentlm systemc, Trƣờng Đại học Công nghệ, Đại học Quốc gia Hà Nội Tiếng Anh [5] Burkay Birant Orten (2005), Moving object indentification and event recognition in video surveillance systems, a thesic submitted to the gradute school of natural and applied sciences of middle east technical university [6] Uday Krian Kotikalapudi (2007), Abnormal Event Detection in video, A project submitted in partial fulfillment of requirements for degree of Master of Technology in computation Science [7] L.Lacassagne, A Manzanera (2009), Motion detection: Fast and Robust Algorithms for Embedded Systems, ICIP 2009 16th IEEE International Conference on 7-10 Nov, 2009 [8] A Manazanera (2007), Sigma-delta background subtraction and the zipf law, in CIARP LNCS [9] Antoine Manzanera, Julien C Richefeu (2007), A new motion detection algorithm based on   background estimation, Published in Pattern Recognition Letters, Volume 28 Issue 3, Feb, 2007 60 [10] S Stuijk, Design and implementation of a JPEG decoder, Faculty of Electrical Engineering – Eindhoven University of Technology, Practical Training Report Dec.2001 [11] ITU T.81, Information Technology – Digital compression and coding of continous-tone still images – Requirements and guidelines, International Telecomunication Union, 1993 [12] Gregory K Wallace, Multimedia Engineering, Digital Equiment Comporation, Maynard, Massachusetts (1991), The JPEG Still Picture Compression Standard, Submitted in December 1991 for publication in IEEE transactions on Consumer Electronics [13] James Rosenthal.(2006), JPEG Image Compression Using an FPGA, A Thesic submitted in partial satisfaction of the requirements for the degree Master of Science in Electrical and Computer Engineering [14] Chris Staugffer, W.E.L Grimson, Adaptive background mixture models for real-time tracking, The Artificial Intelligence Laboratory Massachusetts Institute of Technology Cambridge, MA 02139 [15] Ying Ming, Jingjue Jiang, Jun Ming (2003), Background Modeling and Subtraction Using a Local-Linear-Dependence-Based Cauchy Statistical Model, Proc VIIth Digital Image Computing: Techniques and Applications, 1012 Dec 2003, Sydney [16] Massimo Piccardi (2004), Background subtraction techniques: a review, 2004 IEEE Internation Conference on Systems, Man and Cybernetics [17] Deep J Shah, Deborah Estrin, Department of Electrical Engineering University of California, Riverside Department of Computer Science, UCLA Motion Based Bird Sensing Using Frame Differencing and Gaussian Mixture [18] Weiqiang Wang, Jie Yang, Wen Gao, Modeling Background and Segmenting Moving Objects from Compressed Video IEEE Transactions on circuits and systems for video technology, vol 18, no.5, May 2008 61 PHỤ LỤC Giới thiệu công cụ EDK Bộ công cụ thiêt kế hệ thống EDK (Embedded Development Kit) cho phép thiết kế hệ thống xử lý hoàn thiện cho việc thực thi thiết bị FPGA Xilinx Trong công cụ gồm có: - Bộ cơng cụ hệ thống Xilinx Platform Studio (XPS) cho phép xây dựng triển khai hệ thống xử lý phần cứng - Bộ công cụ xử lý phần mềm SDK (Software Development Kit) cho phép triển khai ứng dụng phần mềm cho toàn hệ thống - Các IP cores đƣợc hãng xilinx thiết kế cung cấp EDK thành phần ISE (Integrated Software Environment) hệ sản phẩm đƣợc Xilinx phát triển EDK đƣợc cài đặt nhƣ lựa chọn suốt q trình ISE đƣợc cài đặt SDK đƣợc cài đặt mà không phụ thuộc vào trình cài đặt ISE EDK Sau thiết kế đƣợc tạo thực thi EDK, bƣớc lại thiết kế đƣợc bắt đầu với việc sử dụng ISE, để bắt đầu trình thực thi tổng hợp phần cứng tích hợp vi xử lý Mục đích q trình kết nối liệu đƣợc thiết kế với phần cứng cụ thể FPGA Sau tất thiết kế đƣợc đóng gói thành file bitstream tải xuống FPGA Trích dẫn số code sử dụng hệ thống 2.1 Biến đổi IDCT float C(int u) { if (u == 0) return (1.0f/sqrtf(2)); else 62 return 1.0f; } int func(int x, int y, const int block[8][8]) { const float PI = 3.14f; float sum=0; for( int u=0; u