ARM NEON技術(shù)在車位識別算法中的應(yīng)用

　　摘要：為了在車位檢測系統(tǒng)中不使用DSP的情況下，達(dá)到實(shí)時(shí)處理和節(jié)約成本的目的，在嵌入式Linux系統(tǒng)中使用了CORTEX-A系列的NEON協(xié)處理器技術(shù)來優(yōu)化一種車位圖像檢測算法的代碼。在CORTEX-A8平臺上使用該圖像處理算法進(jìn)行了大量的處理測試，圖像算法處理速度得到很大提升。最后在多個(gè)平臺下使用該圖像處理算法進(jìn)行測試對比，使用了NEON技術(shù)后其算法處理速度提升明顯，能夠滿足實(shí)時(shí)要求。

　　0 引言

　　隨著城市越來越多家庭擁有汽車，相應(yīng)的停車場建設(shè)數(shù)目也越來越多，停車場管理系統(tǒng)也越來越重要。

　　而國內(nèi)城市車多人多，空間擁擠給停車廠管理帶來諸多不便。車位檢測系統(tǒng)設(shè)計(jì)成嵌入式終端是一個(gè)好的選擇。圖像檢測算法的復(fù)雜度給實(shí)時(shí)檢測帶來難題，一般的圖像處理都是基于DSP完成，這帶來了成本的上升。

　　ARM 公司CORTEX-A 系列處理器的出現(xiàn)，極大地緩解了這個(gè)難題。

　　ARM 平臺能夠很好地支持Linux 系統(tǒng)，Linux 系統(tǒng)具有強(qiáng)大的網(wǎng)絡(luò)通訊功能，也給程序移植等帶來便利。本文的檢測算法在ARM平臺基于NEON技術(shù)進(jìn)行了優(yōu)化，在保證檢測精度的同時(shí)，處理速度提升明顯，與使用DSP相比，大大節(jié)約了成本，為停車場管理系統(tǒng)的研究提供新的方向。

　　1 ARM NEON技術(shù)介紹

　　ARM 的NEON 通用SIMD 引擎可有效處理當(dāng)前和將來的多媒體格式，從而改善用戶體驗(yàn)。NEON 技術(shù)是通過清晰方式構(gòu)建的，并可無縫用于其本身的獨(dú)立流水線和寄存器文件。NEON 技術(shù)是ARM Cortex-A系列處理器的128 位SIMD（單指令多數(shù)據(jù)）體系結(jié)構(gòu)擴(kuò)展，旨在為多媒體應(yīng)用提供更加強(qiáng)大的加速功能，從而明顯改善程序性能。它具有32 個(gè)寄存器，64 位寬（是16 個(gè)寄存器，128 位寬的雙倍視圖）NEON 指令特點(diǎn)如下：

　　（1）寄存器被視為同一數(shù)據(jù)類型的元素的矢量；

　?。?）數(shù)據(jù)類型可為：有符號/無符號的8 位、16 位、32 位、64 位單精度浮點(diǎn)；

　　（3）指令在所有通道中執(zhí)行同一操作。

　　NEON 寄存器可在多個(gè)通道內(nèi)進(jìn)行并行運(yùn)算，如圖1所示。

　　NEON 的指令都是以v 字母開頭的，例如：vadd.i16q0，q1，q2，這就是一個(gè)NEON 的指令了，很明顯的特點(diǎn)就是v 開頭，i 主要用來表明是一個(gè)整型（int），16 表示一個(gè)16 位的型，q0，q1，q2 都是128 位的寄存器（q 打頭的寄存器都是128 位的）。這個(gè)指令就是讓q1，q2 中裝載8 個(gè)16位的數(shù)據(jù)，然后執(zhí)行加法操作，最后放到q0中去。這么一個(gè)指令就完成了8次加法運(yùn)算，這也就是性能的提升，對于其他運(yùn)算也是如此。

　　2 系統(tǒng)設(shè)計(jì)和算法介紹

　　本系統(tǒng)基于CORTEX-A8平臺實(shí)現(xiàn)，車位檢測系統(tǒng)架構(gòu)如圖2所示。

　　采集通過模擬攝像頭，由TVP5150解碼后輸出8位Y∶Cb∶Cr=4∶2∶2的數(shù)據(jù)傳送的A8平臺，TVP5150驅(qū)動(dòng)基于VIDEO FOR LINUX2（V4L2）開發(fā)，因此視頻采集程序調(diào)用V4L2相關(guān)API函數(shù)即可完成。然后調(diào)用相關(guān)圖像處理程序，提取多個(gè)圖像特征，與背景圖像對比，進(jìn)行有車無車檢測，然后TCP/IP網(wǎng)絡(luò) 將圖像和有車位車情況發(fā)送到上位機(jī)。

　　車位檢測算法流程如圖3所示。

　　本系統(tǒng)目前在一處地下停車場進(jìn)行測試驗(yàn)證，如圖4在停車中采集到的背景和待測圖像，通過對100幅采集到800×600 分辨率的現(xiàn)場圖像，在CORTEX-A8 平臺上進(jìn)行測試，平均檢測時(shí)間為538 ms，該算法在地下停車場中準(zhǔn)確率97%.表1 中給出了處理一幅待測圖像CORTEX-A8 和ARM11 平臺優(yōu)化前平均時(shí)間的測試對比結(jié)果（均使用GCC交叉編譯）。