$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

메모리 크기에 효율적인 적분영상 하드웨어 설계 연구
A Study of Integral Image Hardware Design for Memory Size Efficiency 원문보기

Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.51 no.9, 2014년, pp.75 - 81  

이수현 (광운대학교 전자통신공학과) ,  정용진 (광운대학교 전자통신공학과)

초록
AI-Helper 아이콘AI-Helper

적분영상은 입력영상의 픽셀 값을 기준좌표부터 순차적으로 누적하여 만든 영상으로, Haar-like features와 같은 네모난 박스 모양의 필터 연산을 효율적으로 처리하기 위하여 사용된다. 그러나 적분영상은 입력영상보다 3배 이상 많은 메모리를 소모하기 때문에, 메모리 자원이 제한적인 하드웨어 설계 환경에서는 사용이 어렵다. 본 논문에서는 효율적인 메모리 사용을 위한 적분영상 하드웨어 설계 방법을 제안한다. 해당 방법은 적분영상 이외에 세로적분영상과 가로적분영상을 생성하고, 입력영상을 재사용 하는 방법을 사용한다. 그리고 박스 필터의 크기에 따라 modulo 연산을 적용하여 적분영상의 데이터 크기를 줄이는 방법을 함께 적용하였다. 적분 영상 데이터를 읽기 위해 나누어진 영상 데이터를 다시 덧셈해야하는 연산 오버헤드가 발생하지만, 4개의 데이터를 단순히 더하는 연산이므로 병렬처리가 가능한 하드웨어 환경에서는 큰 영향을 미치지 않는다. Xilinx사의 Virtex5-LX330T를 대상으로 실험한 결과 $640{\times}480$ 크기의 8bit gray-scale 입력영상에서 최대 $32{\times}32$ 크기의 필터사용을 기준으로 50%의 적분영상 메모리를 감소시킬 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The integral image is the sum of input image pixel values. It is mainly used to speed up processing of a box filter operation, such as Haar-like features. However, large memory for integral image data can be an obstacle on an embedded hardware environment with limited memory resources. Therefore, an...

주제어

#Integral Image   #Image Processing   #Image Recognition   #Embedded Hardware  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • [4]와 같은 하드웨어 설계에서도 대용량의 적분영상 메모리 때문에 큰사이즈의 입력영상을 사용하지 못한 문제가 있다. 본 논문에서는 이러한 단점을 보완하기 위하여, 적분영상 처리에 사용되는 메모리의 사용량을 줄이기 위한 설계 방법을 사용한다. 적분영상의 저장에 필요한 데이터를 줄이기 위한 방법으로 [5]와 [6]의 방법을 함께 사용하였으며, 그 결과를 비교 분석하였다.
  • 본 논문에서는 효율적인 메모리 사용을 위한 적분영상 하드웨어 설계 방법을 제안하였다. 적분영상을 저장하기 위한 메모리의 용량을 줄이기 위해 적분영상을 분할하여 저장하는 새로운 방법[5]과 박스 필터 연산에서 필요 없는 상위 비트를 제거하여 modulo 연산을 하는 방법[6]을 함께 사용 하였다.
  • 임베디드 하드웨어 환경은 메모리 자원의 사용에 있어 제한적인 측면이 있어 영상처리를 위한 하드웨어 설계 시에 효율적인 메모리의 사용이 요구된다. 본 논문은 영상인식 기술에서 자주 사용되는 적분영상(Integral Image)을 임베디드 하드웨어 환경에서 쉽게 구현하고자 적분영상에 사용되는 메모리를 효율적으로 설계하는 방법에 대하여 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
적분영상이란 무엇인가? 적분영상은 입력영상의 픽셀 값을 기준좌표부터 순차적으로 누적하여 만든 영상으로, Haar-like features와 같은 네모난 박스 모양의 필터 연산을 효율적으로 처리하기 위하여 사용된다. 그러나 적분영상은 입력영상보다 3배 이상 많은 메모리를 소모하기 때문에, 메모리 자원이 제한적인 하드웨어 설계 환경에서는 사용이 어렵다.
적분영상의 단점은 무엇인가? 적분영상은 입력영상의 픽셀 값을 기준좌표부터 순차적으로 누적하여 만든 영상으로, Haar-like features와 같은 네모난 박스 모양의 필터 연산을 효율적으로 처리하기 위하여 사용된다. 그러나 적분영상은 입력영상보다 3배 이상 많은 메모리를 소모하기 때문에, 메모리 자원이 제한적인 하드웨어 설계 환경에서는 사용이 어렵다. 본 논문에서는 효율적인 메모리 사용을 위한 적분영상 하드웨어 설계 방법을 제안한다.
효율적인 메모리 사용을 위한 적분영상 하드웨어 설계를 위해 적분 영상을 분할하여 저장하는 방법을 이용 시 제한점은 무엇인가? 그리고 박스 필터의 크기에 따라 modulo 연산을 적용하여 적분영상의 데이터 크기를 줄이는 방법을 함께 적용하였다. 적분 영상 데이터를 읽기 위해 나누어진 영상 데이터를 다시 덧셈해야하는 연산 오버헤드가 발생하지만, 4개의 데이터를 단순히 더하는 연산이므로 병렬처리가 가능한 하드웨어 환경에서는 큰 영향을 미치지 않는다. Xilinx사의 Virtex5-LX330T를 대상으로 실험한 결과 $640{\times}480$ 크기의 8bit gray-scale 입력영상에서 최대 $32{\times}32$ 크기의 필터사용을 기준으로 50%의 적분영상 메모리를 감소시킬 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (8)

  1. Crow, F., "Summed-area tables for texture mapping," in SIGGRAPH'84: Proceedings of the 11th annual conference on Computer graphics and interactive techniques, New York, NY, USA, 1984, pp. 207-212, ACM. 

  2. Bay, H., Tuytelaars, T. and Gool, Luc V., "Speeded Up RobustFeatures (SURF)," in Computer Vision and Image Understanding, Vol. 110, No. 3, pp. 346-359, June 2008. 

    상세보기 crossref

  3. Viola, P. and Jones, M. "Rapid Object Detection using a BoostedCascade of Simple Features," in Proceedings of CVPR 2001, pp. 511-518. 

  4. Su-hyun Lee, Yong-jin Jeong, "A design and implementation of Face Detection hardware", Journal of the Institute of Electronics Engineers of Korea Vol. 51, NO. 9, pp.43-54, April 2007. 

  5. Su-hyun Lee, Yong-jin Jeong., "A New Integral Image Structure for Memory Size Reduction," IEICE Transactions on Information and Systems, Volume E97-D No.4, pp. 998-1000, 2014. 

    상세보기 crossref

  6. Belt, H.J.W., "Word length reduction for the integral image," ICIP 2008, 15th IEEE International Conference on Image Processing, San Diago, USA, pp. 805 -808, 2008. 

  7. "Virtex-5 Family Overview", DS100(v5.0), (C)XILINX, February 6, 2009. 

  8. "LogiCORE IP Block Memory Generator v4.3", DS512, (C)XILINX, September 21, 2010. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로