基于嵌入式多核DSP 系统的并行粒子滤波目标跟踪

田立; 周付根; 孟偲

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于嵌入式多核DSP 系统的并行粒子滤波目标跟踪

田立, 周付根, 孟偲

文章导航 > 红外与激光工程 > 2014 > 43(7): 2354-2361

田立, 周付根, 孟偲. 基于嵌入式多核DSP 系统的并行粒子滤波目标跟踪[J]. 红外与激光工程, 2014, 43(7): 2354-2361.

引用本文:

田立, 周付根, 孟偲. 基于嵌入式多核DSP 系统的并行粒子滤波目标跟踪[J]. 红外与激光工程, 2014, 43(7): 2354-2361.

Tian Li, Zhou Fugen, Meng Cai. Parallel particle filter object tracking based on embedded multicore DSP systems[J]. Infrared and Laser Engineering, 2014, 43(7): 2354-2361.

Citation:

Tian Li, Zhou Fugen, Meng Cai. Parallel particle filter object tracking based on embedded multicore DSP systems[J]. Infrared and Laser Engineering, 2014, 43(7): 2354-2361.

基于嵌入式多核DSP 系统的并行粒子滤波目标跟踪

1.
北京航空航天大学宇航学院图像处理中心,北京 100191

基金项目:

国家863 计划（2011AA0641，2013AA041201-7）

详细信息

作者简介:
田立（1984-），男，博士生，主要从事目标跟踪、DSP、多核、并行计算等方面的研究。Email：tianli@sa.buaa.edu.cn

中图分类号: TP391.4

Parallel particle filter object tracking based on embedded multicore DSP systems

1.
Image Processing Center,School of Astronautics,Beihang University,Beijing 100191,China

摘要: 目标跟踪中的伺服系统需要极低的跟踪延时，由于粒子滤波跟踪算法固有的庞大计算量使得目标跟踪的精度大受影响。提出了一种粒子滤波跟踪算法在多核DSP 系统中的快速实现方法。首先，利用DSP 片上的包加速器来降低以太网相机的采集延时以及CPU 占用率，CPU 占用率从31%降低到10%；其次，通过手动操作高速缓存的刷新和实效，解决了多核同时共享图像数据带来的存储器一致性问题，多个核能通过高速缓存快速获取图像数据；最后，通过在多核核心上设置代理任务的方法，建立了一种多核并行计算的机制。粒子滤波算法中计算复杂度高的运算阶段被分配到多个核心上同时运算，实现了算法的低延时。实验结果显示8 核加速比达到7 倍以上，优于开放多处理标准 OpenMP 的并行优化效果。
- 粒子滤波 /
- 目标跟踪 /
- 多核DSP /
- 并行计算
Abstract: The object tracking servo system requires a low delay from an object moving to starting of rotations while the inherent computational complexity of PF (Particle Filter) affects the tracking precision. In this paper, a multicore DSP parallel implementation strategy for particle filter object tracking was proposed. Firstly, the PA module on chip was used to reduce the GigE image capturing delay and the CPU occupancy. The CPU load was considerably reduced from 31% to 10%. Secondly, by manually FLUSH after writing and INVALID before reading, the memory consistency problem was addressed and cacheable shared image data can be accessed at high efficiency. Finally, a mechanism of parallel computing on multi-core processor was introduced by adding proxy task. The computational intensive stages of particle filter were dispatched to 8 cores to eliminate system delay. Experimental results show that the tracking response time was decreased and algorithmic speedup runs up to 7 and exceeds OpenMP.
- particle filter /
- object tracking /
- multicore DSP /
- parallel computing

[1]
[2]	Yilmaz A, Javed O, Shah M. Object tracking: a survey [J]. ACM Computing Surveys, 2006, 38(4): 12-13.
[3]	Gordon N J. Novel approach to nonlinear/non-Gaussian Bayesian state estimation[J]. IEE Proceedings Part F, 1993, 140(2): 107-113.
[4]
[5]
[6]	Hill M D, Marty M R. Amdahl's law in the multicore era [J]. Computervol, 2008, 41(7): 33-38.
[7]
[8]	Peng Chen, Chen Qian, Qian Weixian. Infrared moving targets tracking under complex ground scene [J]. Infrared and Laser Engineering, 2011, 42(6): 1110-1114. (in Chinese)
[9]	Cao Yang, Zhao Mingfu, Luo Binbin, et al. Airborne platform's tracking algorithm for free space optical communication based on IMMPF methods [J]. Infrared and Laser Engineering, 2012, 41(11): 3065-3068. (in Chinese)
[10]
[11]
[12]	Mei Yuesong, Yu Jianqiao, Chen Xi. Moving object tracking in the moving background [J]. Infrared and Laser Engineering, 2011, 40(4): 757-761. (in Chinese)
[13]	Li Shaojun, Zhu Zhenfu. Mixtures of t distribution particle filters for visual tracking[J]. Infrared and Laser Engineering, 2011, 40(7): 1387-1396. (in Chinese)
[14]
[15]	Li Binbin, Feng Xinxi, Li Hongyan, et al. Algorithm of bearings-only passive multi-sensor and multi-target tracking [J]. Infrared and Laser Engineering, 2012, 41(5): 39-42. (in Chinese)
[16]
[17]
[18]	Meng Gang, Jiang Zhiguo, Zhao Danpei. Histogram of oriented gradients and submanifold applications in object tracking [J]. Infrared and Laser Engineering, 2012, 41 (6): 1064-1068. (in Chinese)
[19]
[20]	Gustafsson F. Particle filter theory and practice with positioning applications [J]. IEEE Aerospace and Electronic Systems, 2010, 25(7): 68-70. (in Chinese)
[21]	Arulampalam S, Maskell S. A tutorial on particle filters for on-line nonlinear/non-Gaussian Bayesian tracking [J]. IEEE Transactions on Signal Processing, 2002, 50(2): 174-188.
[22]
[23]	Guo Jichang, Chen Minjun, Wu Xiaojia. Moving target tracking system based on DSP [J]. Applied Informatics and Communication, 2011, 225: 124-130.

[1]	张景程, 乔新博, 赵永强. 红外偏振摄像机动目标检测跟踪系统（特邀） . 红外与激光工程, 2022, 51(4): 20220233-1-20220233-10. doi: 10.3788/IRLA20220233
[2]	许聪, 孙大鹰, 曹子奇, 李春琦, 顾文华. 采用自适应模糊优化的目标跟踪加速方案 . 红外与激光工程, 2022, 51(2): 20210864-1-20210864-8. doi: 10.3788/IRLA20210864
[3]	时国平, 钱叶册. 伯努利滤波器在纯角度跟踪场景中的应用 . 红外与激光工程, 2021, 50(2): 20200343-1-20200343-9. doi: 10.3788/IRLA20200343
[4]	姜珊, 张超, 韩成, 底晓强. 基于相关滤波的目标重检测跟踪 . 红外与激光工程, 2021, 50(2): 20200182-1-20200182-12. doi: 10.3788/IRLA20200182
[5]	葛宝义, 左宪章, 胡永江, 张岩. 基于双步相关滤波的目标跟踪算法 . 红外与激光工程, 2018, 47(12): 1226004-1226004(10). doi: 10.3788/IRLA201847.1226004
[6]	马俊凯, 罗海波, 常铮, 惠斌, 周晓丹, 侯德飞. 基于可变形模型的目标跟踪算法 . 红外与激光工程, 2017, 46(9): 928001-0928001(9). doi: 10.3788/IRLA201746.0928001
[7]	邵春艳, 丁庆海, 罗海波, 李玉莲. 采用高维数据聚类的目标跟踪 . 红外与激光工程, 2016, 45(4): 428002-0428002(10). doi: 10.3788/IRLA201645.0428002
[8]	邢运龙, 李艾华, 崔智高, 方浩. 改进核相关滤波的运动目标跟踪算法 . 红外与激光工程, 2016, 45(S1): 214-221. doi: 10.3788/IRLA201645.S126004
[9]	贾晓东, 孙东松, 谢绍亮, 吴小锋. 相干测风激光雷达中多核DSP并行风速反演算法的实现 . 红外与激光工程, 2016, 45(9): 906007-0906007(6). doi: 10.3788/IRLA201645.0906007
[10]	赵曦晶, 刘光斌, 汪立新, 何志昆, 赵晗. 五阶容积卡尔曼滤波算法及其应用 . 红外与激光工程, 2015, 44(4): 1377-1381.
[11]	徐超, 高敏, 杨耀. 自调整分层卡尔曼粒子滤波的快速目标跟踪 . 红外与激光工程, 2015, 44(6): 1942-1949.
[12]	曹阳, 郭靖. 粒子滤波的机载激光通信自适应参数辨识跟踪方法 . 红外与激光工程, 2015, 44(10): 3098-3102.
[13]	崔雄文, 吴钦章, 蒋平, 周进. 子空间模型下的仿射不变目标跟踪 . 红外与激光工程, 2015, 44(2): 769-774.
[14]	赵曦晶, 刘光斌, 汪立新, 何志昆, 姚志成. 扩展容积卡尔曼滤波-卡尔曼滤波组合算法 . 红外与激光工程, 2014, 43(2): 647-653.
[15]	李权, 赵勋杰, 彭青艳, 邹薇, 张雪松. 基于主成分分析法的窗口自适应粒子滤波算法 . 红外与激光工程, 2014, 43(10): 3474-3479.
[16]	邓潺, 刘文, 黄彪, 詹振环, 张欣. 基于多核DSP 的微光与红外图像彩色融合系统 . 红外与激光工程, 2014, 43(9): 3141-3145.
[17]	黎志华, 李新国. 基于OpenCV的红外弱小运动目标检测与跟踪 . 红外与激光工程, 2013, 42(9): 2561-2565.
[18]	林建粦, 平西建, 马德宝. 采用DBT的漂移扫描星图小目标检测方法 . 红外与激光工程, 2013, 42(12): 3440-3446.
[19]	王江涛, 陈得宝, 李素文, 杨一军, 杨静宇. 在线自适应选择子空间的红外目标跟踪方法 . 红外与激光工程, 2013, 42(9): 2579-2583.
[20]	彭晨, 陈钱, 钱惟贤, 徐富元. 复杂地面场景下的红外运动目标跟踪 . 红外与激光工程, 2013, 42(6): 1410-1414.

点击查看大图

计量

文章访问数: 419
HTML全文浏览量: 74
PDF下载量: 225
被引次数: 0

基于嵌入式多核DSP 系统的并行粒子滤波目标跟踪

1. 北京航空航天大学宇航学院图像处理中心,北京 100191

作者简介:
田立（1984-），男，博士生，主要从事目标跟踪、DSP、多核、并行计算等方面的研究。Email：tianli@sa.buaa.edu.cn

收稿日期: 2013-11-16
修回日期: 2013-12-19
刊出日期: 2014-07-25

基金项目:

国家863 计划（2011AA0641，2013AA041201-7）

中图分类号: TP391.4

关键词:

摘要: 目标跟踪中的伺服系统需要极低的跟踪延时，由于粒子滤波跟踪算法固有的庞大计算量使得目标跟踪的精度大受影响。提出了一种粒子滤波跟踪算法在多核DSP 系统中的快速实现方法。首先，利用DSP 片上的包加速器来降低以太网相机的采集延时以及CPU 占用率，CPU 占用率从31%降低到10%；其次，通过手动操作高速缓存的刷新和实效，解决了多核同时共享图像数据带来的存储器一致性问题，多个核能通过高速缓存快速获取图像数据；最后，通过在多核核心上设置代理任务的方法，建立了一种多核并行计算的机制。粒子滤波算法中计算复杂度高的运算阶段被分配到多个核心上同时运算，实现了算法的低延时。实验结果显示8 核加速比达到7 倍以上，优于开放多处理标准 OpenMP 的并行优化效果。