Veido srities atpažinimo algoritmo sukūrimas ir optimizavimas įterptinėse sistemose
Kompiuterinis matymas pritaikomas įvairiose srityse. Tam tikrais atvejais atsiranda poreikis apdoroti vaizdus specifiniuose įrenginiuose. Tokie gali būti mobilieji įrenginiai ar kitokios įterptinės sistemos. Šiame darbe yra nagrinėjamas veidų aptikimas. Vieno iš jų realizacija yra bandoma perkelti mažos galios įrenginiams. Plačiai naudojamas veidų aptikimo algoritmas yra pritaikomas ARM architektūra paremtiems įrenginiams. Siekiant sumažinti vaizdo apdorojimo laiką, šis algoritmas yra optimizuojamas panaudojant specifines tam tikros architektūros savybes. Viena iš jų yra NEON technologija, kuri leidžia atlikti lygiagrečius skaičiavimus ARM procesoriuose. Kitas optimizacijos metodas yra mašininio kodo kūrimas asemblerio kalba, siekiant sukurti geresnę programą nei automatiniu kompiliavimu. Darbe yra aprašomos konkrečios optimizuotos funkcijos ir nagrinėjami pasiekti rezultatai. Taip pat aptariami įrankiai, naudojami programoms įterptinėse sistemose kurti.Darbą sudaro 8 dalys: įvadas, analitinė literatūros apžvalga, veido srities nustatymo algoritmo sukūrimas, algoritmo įgyvendinimas skirtingose aparatinėse įrangose, algoritmo optimizavimas Raspberry Pi ir BeagleBone Black įrangose, gautų rezultatų patikra, apibendrinimas ir išvados, literatūros sąrašas.Darbos apimtis - 66 p. teksto be priedų, 24 iliustr., 6 lent., 25 bibliografiniai šaltiniai.Atskirai pridedami darbo priedai.
Computer vision has various applications. In some cases there is a demand for image processing on specific devices. Some of them may include mobile or embedded systems. This thesis is an analysis of face detection. One popular algorithm is transferred to low power devices based on ARM architecture. In order to achieve shorter execution times, it is then optimized by using special processor features of the embedded systems. One of them is called NEON. It is a parallel computation technology used in ARM processors. Another optimization method used is assembly code. Its purpose is to make a faster executing program than a compiler can do automatically. Exact functions which were improved are described in this thesis along with the results that were achieved. The tools used for embedded development are also described.Structure: introduction, literature review, face detection algorithm development, implementation in different systems, algorithm optimization on Raspberry Pi and BeagleBone Black, results, conclusions, references.Thesis consists of: 66 p. text without appendixes, 24 pictures, 6 tables, 25 bibliographical entries.Appendixes included.