Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Theo dõi nhiều mục tiêu với các máy CNN thế hệ đầy đủ có chương trình lưu trữ
Proceedings of the 2002 7th IEEE International Workshop on Cellular Neural Networks and Their Applications - Trang 299-306
Tóm tắt
Bài báo này chỉ ra rằng hiệu suất của các hệ thống theo dõi nhiều mục tiêu (MTT) có thể được cải thiện đáng kể bằng các cảm biến mạng tế bào thích ứng có chương trình lưu trữ. Động lực chính của công trình hiện tại là định nghĩa một kiến trúc vi xử lý topo cho MTT với các cảm biến nhúng có khả năng hoạt động theo cách thời gian thực. Trong các thí nghiệm đang diễn ra, giả định rằng dòng dữ liệu đầu vào được thu thập bởi một cảm biến mảng đơn và dữ liệu được xử lý trên một kiến trúc CNN-UM thích ứng bao gồm cả một mạng phi tuyến tế bào (CNN) và các vi xử lý xử lý tín hiệu số (DSP). Các thuật toán được thiết kế cho nền tảng phần cứng kết hợp này sử dụng các giải pháp CNN đa kênh thích ứng để ước lượng vị trí tức thì và đặc trưng hình thái của tất cả các mục tiêu có thể nhìn thấy, và môi trường DSP để tính toán khoảng cách, gửi dữ liệu, kết hợp dữ liệu, duy trì theo dõi và dự đoán động thái mục tiêu động. Một đặc điểm đặc biệt của kiến trúc là cho phép giao tiếp tương tác giữa cảm biến và môi trường số. Cấu hình của các mô-đun chức năng cho các ứng dụng thời gian thực khác nhau được thảo luận. Sử dụng các luồng video thực tế, việc theo dõi thành công nhiều mục tiêu thao tác được chứng minh trong khuôn khổ đa kênh thích ứng được đề xuất.
Từ khóa
#Cellular neural networks #Turing machines #Sensor arrays #Digital signal processing #Adaptive arrays #Microprocessors #Sensor phenomena and characterization #Target tracking #Sensor systems #Cellular networksTài liệu tham khảo
10.1109/81.473566
daugherty, 1992, An Introduction to Morphological Image Processing
roska, 2001, Analogic CNN Program Library, Technical Report
blackman, 1999, Design and Analysis of Modern Tracking Systems
10.1038/35069068
10.1109/82.222815
10.1142/S0218127497001618
paasio, 1997, Minimum Size 0.5 Micron CMOS Programmable 48 by 48 CNN Test Chip, Proceedings of ECC'97, 154
10.1002/(SICI)1097-007X(199601/02)24:1<93::AID-CTA906>3.0.CO;2-M
rekeczky, 1999, Computing with Front Propagation: Active Contour and Skeleton Models in Continuous-Time CNN, Journal of VLSI Signal Processing, 23, 373, 10.1023/A:1008153320440
10.1109/ICECS.1998.813304
10.1109/81.222795
10.1109/31.7600
10.1002/(SICI)1097-007X(199807/08)26:4<375::AID-CTA19>3.0.CO;2-#