@inproceedings{HahnleSaxenHisungetal.2013, author = {Hahnle, Michael and Saxen, Frerk and Hisung, Matthias and Brunsmann, Ulrich and Doll, Konrad}, title = {FPGA-Based Real-Time Pedestrian Detection on High-Resolution Images}, series = {2013 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), Portland, USA}, booktitle = {2013 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), Portland, USA}, publisher = {IEEE}, isbn = {978-0-7695-4990-3}, issn = {2160-7508}, doi = {10.1109/CVPRW.2013.95}, pages = {629 -- 635}, year = {2013}, subject = {Fahrerassistenzsystem}, language = {en} } @inproceedings{HockHahnleDoll2016, author = {Hock, Sascha and Hahnle, Michael and Doll, Konrad}, title = {Fusion von Fußg{\"a}ngererkennungen auf FPGAs}, series = {55. Workshop der Multiprojekt-Chip-Gruppe Baden-W{\"u}rttemberg}, booktitle = {55. Workshop der Multiprojekt-Chip-Gruppe Baden-W{\"u}rttemberg}, year = {2016}, abstract = {Viele Verfahren zur Erkennung von Objekten, beispielsweise Fußg{\"a}ngern, in Bildern benutzen das Sliding-Window-Prinzip. Dabei wird ein Fenster von links oben nach rechts unten {\"u}ber das Bild verschoben. F{\"u}r jedes dieser Fenster wird gepr{\"u}ft, ob es ein zu erkennendes Objekt beinhaltet. Ein Klassifikator liefert dann h{\"a}ufig positive Ergebnisse f{\"u}r mehrere benachbarte Fenster, die einem einzelnen Objekt zugeordnet werden k{\"o}nnen. Durch den Einsatz von unterschiedlichen Skalenstufen wird dieser Effekt weiter verst{\"a}rkt. Bei der Detektion von Objekten ist daher eine Fusion dieser Mehrfacherkennungen zu einer einzelnen aussagekr{\"a}ftigen Detektion pro Objekt eine entscheidende Komponente. Des Weiteren m{\"u}ssen sporadisch auftauchende Falscherkennungen eliminiert werden. Diese Fusion von Detektionsergebnissen ist in der bildbasierten Objekterkennung ein wichtiger Verarbeitungsschritt und wird h{\"a}ufig auch als Non Maximum Suppression (NMS) bezeichnet. Eine robuste Fusion von Fußg{\"a}ngerdetektionen kann beispielsweise als Grundlage f{\"u}r ein automobiles Fußg{\"a}ngerwarnsystem oder auch f{\"u}r die Absichtserkennung von Personen im Straßenverkehr genutzt werden. Da diese Systeme Echtzeitanforderungen unterliegen, ist hierf{\"u}r eine schnelle Berechnung erforderlich. In dieser Arbeit wird die erste, den Autoren bekannte, rein FPGA basierte Implementierung vorgestellt. Sie ist in der Lage, die Erkennungsergebnisse mehrerer paralleler Skalenstufen in Echtzeit zu fusionieren. Auf einem Kintex-7 FPGA eines Xilinx Zynq SoCs ist damit eine Verarbeitung von mehr als 100 Bildern pro Sekunde mit einer Aufl{\"o}sung von 1280 x 720 Pixel m{\"o}glich. Die Genauigkeit der FPGA-Implementierung ist dabei mit der einer auf OpenCV basierenden Softwareanwendung vergleichbar.}, subject = {Field programmable gate array}, language = {de} } @inproceedings{HahnleSaxenDoll2013, author = {Hahnle, Michael and Saxen, Frerk and Doll, Konrad}, title = {Erkennung von Fußg{\"a}ngern in Echtzeit auf FPGAs}, series = {49. MPC-Workshop, Mannheim, Deutschland}, booktitle = {49. MPC-Workshop, Mannheim, Deutschland}, issn = {1868-9221}, pages = {57 -- 65}, year = {2013}, subject = {Fahrerassistenzsystem}, language = {de} }