{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1321120"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1321120","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"High-level-Synthesis αλγορίθμου οπτικής αναγνώρισης αντικειμένων σε SoC","abstract":"Οι απαιτούμενες επιδόσεις όσων αφορά την ταχύτητα στην επεξεργασία εικόνας, στα σύγχρονα συστήματα πλοήγησης αυτόνομων οχημάτων, συστήματα εντοπισμού και αναγνώρισης αντικειμένων, έχουν δημιουργήσει την ανάγκη κατασκευής ταχύτατων ενσωματωμένων συστημάτων, τα οποία πραγματοποιούν το σύνολο των απαιτούμενων πολύπλοκων υπολογισμών. Προς τούτη την κατεύθυνση προσδιορίστηκαν τα βασικά βήματα σχεδίασης ενός ενσωματωμένου συστήματος σε Xilinx Zynq, για την επεξεργασία στατικών εικόνων ή video. Μελετήθηκαν ποικίλες μέθοδοι επεξεργασίας εικόνας κάνοντας χρήση της ΟpenCV βιβλιοθήκης, ενώ περιγράφηκε μέρος αυτών, μέσω του Vivado HLS σε C++. Οι συγκεκριμένες περιγραφές υπέστησαν σύνθεση με σκοπό την ενσωμάτωσή τους σε κάποιο σύστημα επεξεργασίας εικόνας σε μία zedboard πλατφόρμα. Η εργασία επικεντρώθηκε κυρίως στους αλγόριθμους αναγνώρισης προσώπων. Ενώ καταλήγοντας στην Viola Jones μέθοδο, προσδιορίστηκε υλοποίησή της η οποία θα περιείχε και θα επεξεργαζόταν το σύνολο της πληροφορίας που απαιτείται για την αναγνώριση προσώπων, έχοντας σαν μοναδική είσοδο την εικόνα προς επεξεργασία και έξοδο το αποτέλεσμά της. H συγκεκριμένη μέθοδος περιγράφηκε επίσης σε C++ κώδικα μέσω του Vivado HLS, σε συνεργασία με τις ήδη βελτιστοποιημένες συναρτήσεις που παρέχονται από την Xilinx, για την σύνθεση λειτουργιών επεξεργασίας video, οι οποίες σε ορισμένες περιπτώσεις τροποποιήθηκαν για τις ανάγκες του μηχανισμού αναγνώρισης. Προσομοιώθηκαν η λειτουργία του κώδικα και τα αποτελέσματά του, ενώ η τροποποίηση και βελτιστοποίησή του, βασίστηκε κατά κόρον στις πληροφορίες που προσφέρει το Vivado Suite όσων αφορά το πλήθος των πόρων που καταλαμβάνονται και την ταχύτητα, σε περίπτωση σύνθεσης του αλγορίθμου για ενσωμάτωση του ως υλικό σε SoC. Οι πολλαπλές δοκιμές του Viola Jones αλγορίθμου σε μία ποικιλία από στατικές εικόνες, απέδειξαν την ικανότητα της μεθόδου για αποτελεσματική αναγνώριση της μπροστινής όψης προσώπων. Μέθοδος η οποία ενδείκνυται κυρίως για την συγκεκριμένη ανίχνευση, ενώ υπάρχει δυνατότητα μετά την κατάλληλη διαμόρφωση του δέντρου αποφάσεων που χρησιμοποιείται, να εντοπίζονται και άλλου τύπου αντικείμενα ή οντότητες. Αναγνωρίστηκαν βέβαια και οι αδυναμίες τις συγκεκριμένης τεχνικής όσων αφορά τον εντοπισμό απεικονίσεων οι οποίες μπορεί να εμφανίζονταν σε κάποια κλίση ή υπό περιορισμένο φωτισμό, σκιάσεις κτλ. αλλά και η πολυπλοκότητα της περιγραφής, και ως αποτέλεσμα το μέγεθος του IP block που προκύπτει από το HLS.","abstract_html":"Οι απαιτούμενες επιδόσεις όσων αφορά την ταχύτητα στην επεξεργασία εικόνας, στα σύγχρονα συστήματα πλοήγησης αυτόνομων οχημάτων, συστήματα εντοπισμού και αναγνώρισης αντικειμένων, έχουν δημιουργήσει την ανάγκη κατασκευής ταχύτατων ενσωματωμένων συστημάτων, τα οποία πραγματοποιούν το σύνολο των απαιτούμενων πολύπλοκων υπολογισμών. Προς τούτη την κατεύθυνση προσδιορίστηκαν τα βασικά βήματα σχεδίασης ενός ενσωματωμένου συστήματος σε Xilinx Zynq, για την επεξεργασία στατικών εικόνων ή video. Μελετήθηκαν ποικίλες μέθοδοι επεξεργασίας εικόνας κάνοντας χρήση της ΟpenCV βιβλιοθήκης, ενώ περιγράφηκε μέρος αυτών, μέσω του Vivado HLS σε C++. Οι συγκεκριμένες περιγραφές υπέστησαν σύνθεση με σκοπό την ενσωμάτωσή τους σε κάποιο σύστημα επεξεργασίας εικόνας σε μία zedboard πλατφόρμα. Η εργασία επικεντρώθηκε κυρίως στους αλγόριθμους αναγνώρισης προσώπων. Ενώ καταλήγοντας στην Viola Jones μέθοδο, προσδιορίστηκε υλοποίησή της η οποία θα περιείχε και θα επεξεργαζόταν το σύνολο της πληροφορίας που απαιτείται για την αναγνώριση προσώπων, έχοντας σαν μοναδική είσοδο την εικόνα προς επεξεργασία και έξοδο το αποτέλεσμά της. H συγκεκριμένη μέθοδος περιγράφηκε επίσης σε C++ κώδικα μέσω του Vivado HLS, σε συνεργασία με τις ήδη βελτιστοποιημένες συναρτήσεις που παρέχονται από την Xilinx, για την σύνθεση λειτουργιών επεξεργασίας video, οι οποίες σε ορισμένες περιπτώσεις τροποποιήθηκαν για τις ανάγκες του μηχανισμού αναγνώρισης. Προσομοιώθηκαν η λειτουργία του κώδικα και τα αποτελέσματά του, ενώ η τροποποίηση και βελτιστοποίησή του, βασίστηκε κατά κόρον στις πληροφορίες που προσφέρει το Vivado Suite όσων αφορά το πλήθος των πόρων που καταλαμβάνονται και την ταχύτητα, σε περίπτωση σύνθεσης του αλγορίθμου για ενσωμάτωση του ως υλικό σε SoC. Οι πολλαπλές δοκιμές του Viola Jones αλγορίθμου σε μία ποικιλία από στατικές εικόνες, απέδειξαν την ικανότητα της μεθόδου για αποτελεσματική αναγνώριση της μπροστινής όψης προσώπων. Μέθοδος η οποία ενδείκνυται κυρίως για την συγκεκριμένη ανίχνευση, ενώ υπάρχει δυνατότητα μετά την κατάλληλη διαμόρφωση του δέντρου αποφάσεων που χρησιμοποιείται, να εντοπίζονται και άλλου τύπου αντικείμενα ή οντότητες. Αναγνωρίστηκαν βέβαια και οι αδυναμίες τις συγκεκριμένης τεχνικής όσων αφορά τον εντοπισμό απεικονίσεων οι οποίες μπορεί να εμφανίζονταν σε κάποια κλίση ή υπό περιορισμένο φωτισμό, σκιάσεις κτλ. αλλά και η πολυπλοκότητα της περιγραφής, και ως αποτέλεσμα το μέγεθος του IP block που προκύπτει από το HLS.","abstract_has_math":false,"creators":["Ξέστερνος Χρυσόστομος"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2015,"date_issued":"2015","date_published":"2015","updated_at":"2026-11-19T05:26:38Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1321120"],"render_values":[{"text":"uoadl:1321120","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1321120","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1321120","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1321120","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ξέστερνος Χρυσόστομος"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2015"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1321120","https://pergamos.lib.uoa.gr/uoa/dl/object/1321120"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι απαιτούμενες επιδόσεις όσων αφορά την ταχύτητα στην επεξεργασία εικόνας, στα σύγχρονα συστήματα πλοήγησης αυτόνομων οχημάτων, συστήματα εντοπισμού και αναγνώρισης αντικειμένων, έχουν δημιουργήσει την ανάγκη κατασκευής ταχύτατων ενσωματωμένων συστημάτων, τα οποία πραγματοποιούν το σύνολο των απαιτούμενων πολύπλοκων υπολογισμών. Προς τούτη την κατεύθυνση προσδιορίστηκαν τα βασικά βήματα σχεδίασης ενός ενσωματωμένου συστήματος σε Xilinx Zynq, για την επεξεργασία στατικών εικόνων ή video. Μελετήθηκαν ποικίλες μέθοδοι επεξεργασίας εικόνας κάνοντας χρήση της ΟpenCV βιβλιοθήκης, ενώ περιγράφηκε μέρος αυτών, μέσω του Vivado HLS σε C++. Οι συγκεκριμένες περιγραφές υπέστησαν σύνθεση με σκοπό την ενσωμάτωσή τους σε κάποιο σύστημα επεξεργασίας εικόνας σε μία zedboard πλατφόρμα. Η εργασία επικεντρώθηκε κυρίως στους αλγόριθμους αναγνώρισης προσώπων. Ενώ καταλήγοντας στην Viola Jones μέθοδο, προσδιορίστηκε υλοποίησή της η οποία θα περιείχε και θα επεξεργαζόταν το σύνολο της πληροφορίας που απαιτείται για την αναγνώριση προσώπων, έχοντας σαν μοναδική είσοδο την εικόνα προς επεξεργασία και έξοδο το αποτέλεσμά της. H συγκεκριμένη μέθοδος περιγράφηκε επίσης σε C++ κώδικα μέσω του Vivado HLS, σε συνεργασία με τις ήδη βελτιστοποιημένες συναρτήσεις που παρέχονται από την Xilinx, για την σύνθεση λειτουργιών επεξεργασίας video, οι οποίες σε ορισμένες περιπτώσεις τροποποιήθηκαν για τις ανάγκες του μηχανισμού αναγνώρισης. Προσομοιώθηκαν η λειτουργία του κώδικα και τα αποτελέσματά του, ενώ η τροποποίηση και βελτιστοποίησή του, βασίστηκε κατά κόρον στις πληροφορίες που προσφέρει το Vivado Suite όσων αφορά το πλήθος των πόρων που καταλαμβάνονται και την ταχύτητα, σε περίπτωση σύνθεσης του αλγορίθμου για ενσωμάτωση του ως υλικό σε SoC. Οι πολλαπλές δοκιμές του Viola Jones αλγορίθμου σε μία ποικιλία από στατικές εικόνες, απέδειξαν την ικανότητα της μεθόδου για αποτελεσματική αναγνώριση της μπροστινής όψης προσώπων. Μέθοδος η οποία ενδείκνυται κυρίως για την συγκεκριμένη ανίχνευση, ενώ υπάρχει δυνατότητα μετά την κατάλληλη διαμόρφωση του δέντρου αποφάσεων που χρησιμοποιείται, να εντοπίζονται και άλλου τύπου αντικείμενα ή οντότητες. Αναγνωρίστηκαν βέβαια και οι αδυναμίες τις συγκεκριμένης τεχνικής όσων αφορά τον εντοπισμό απεικονίσεων οι οποίες μπορεί να εμφανίζονταν σε κάποια κλίση ή υπό περιορισμένο φωτισμό, σκιάσεις κτλ. αλλά και η πολυπλοκότητα της περιγραφής, και ως αποτέλεσμα το μέγεθος του IP block που προκύπτει από το HLS.","The requirement as concerns the performance in image processing on the modern self-driving autonomous vehicles, object detection and recognition systems, has led to really fast and precise embedded systems that perform all the required complex calculations. In that direction, the basic steps on the design flow, building an embedded system for Xilinx Zynq, have been defined, in order to process static images or videos. A variety of image processing methods using OpenCV library, have been studied, while part of them have been also described via Vivado HLS in C++ and synthesized, integrating them in an embedded image processing system in a zedboard platform. Focusing mainly on face recognition algorithms and concluding in Viola Jones method, an implementation has been defined, that would contain and process total information required for detecting faces, having as a unique input the image to be processed and as an output the process result. That certain method was also described in C++ code, with Vivado HLS, in cooperation with already optimized functions provided by Xilinx, for synthesizing image processing functions, modified in some cases according to current detection mechanism needs. The code operation and its results were simulated, while the modification and optimization steps where based mainly on information provided by Vivado Suite as concerns the occupied resources and the acceleration level achieved, when algorithm is synthesized in order to be embedded as hardware in SoC. Extensive testing on Viola Jones algorithm in a variety of static images has proved method’s capability on recognizing frontal faces successfully. That method is highly recommended actually for that type of detection, but it is possible to detect also other type of objects or entities, if decision tree used is modified accordingly. Nevertheless also some weak points of that certain technique have been detected, concerning difficulty on coping with 45° face rotation, both around vertical and horizontal axis, sensitivity to lighting conditions, the description complexity and as a result the size of the IP generated by HLS."]},{"key":"dc:title","label":"Title","values":["High-level-Synthesis αλγορίθμου οπτικής αναγνώρισης αντικειμένων σε SoC"]}]}],"canonical_facts":{"dc:creator":["Ξέστερνος Χρυσόστομος"],"dc:date":["2015"],"dc:description":["Οι απαιτούμενες επιδόσεις όσων αφορά την ταχύτητα στην επεξεργασία εικόνας, στα σύγχρονα συστήματα πλοήγησης αυτόνομων οχημάτων, συστήματα εντοπισμού και αναγνώρισης αντικειμένων, έχουν δημιουργήσει την ανάγκη κατασκευής ταχύτατων ενσωματωμένων συστημάτων, τα οποία πραγματοποιούν το σύνολο των απαιτούμενων πολύπλοκων υπολογισμών. Προς τούτη την κατεύθυνση προσδιορίστηκαν τα βασικά βήματα σχεδίασης ενός ενσωματωμένου συστήματος σε Xilinx Zynq, για την επεξεργασία στατικών εικόνων ή video. Μελετήθηκαν ποικίλες μέθοδοι επεξεργασίας εικόνας κάνοντας χρήση της ΟpenCV βιβλιοθήκης, ενώ περιγράφηκε μέρος αυτών, μέσω του Vivado HLS σε C++. Οι συγκεκριμένες περιγραφές υπέστησαν σύνθεση με σκοπό την ενσωμάτωσή τους σε κάποιο σύστημα επεξεργασίας εικόνας σε μία zedboard πλατφόρμα. Η εργασία επικεντρώθηκε κυρίως στους αλγόριθμους αναγνώρισης προσώπων. Ενώ καταλήγοντας στην Viola Jones μέθοδο, προσδιορίστηκε υλοποίησή της η οποία θα περιείχε και θα επεξεργαζόταν το σύνολο της πληροφορίας που απαιτείται για την αναγνώριση προσώπων, έχοντας σαν μοναδική είσοδο την εικόνα προς επεξεργασία και έξοδο το αποτέλεσμά της. H συγκεκριμένη μέθοδος περιγράφηκε επίσης σε C++ κώδικα μέσω του Vivado HLS, σε συνεργασία με τις ήδη βελτιστοποιημένες συναρτήσεις που παρέχονται από την Xilinx, για την σύνθεση λειτουργιών επεξεργασίας video, οι οποίες σε ορισμένες περιπτώσεις τροποποιήθηκαν για τις ανάγκες του μηχανισμού αναγνώρισης. Προσομοιώθηκαν η λειτουργία του κώδικα και τα αποτελέσματά του, ενώ η τροποποίηση και βελτιστοποίησή του, βασίστηκε κατά κόρον στις πληροφορίες που προσφέρει το Vivado Suite όσων αφορά το πλήθος των πόρων που καταλαμβάνονται και την ταχύτητα, σε περίπτωση σύνθεσης του αλγορίθμου για ενσωμάτωση του ως υλικό σε SoC. Οι πολλαπλές δοκιμές του Viola Jones αλγορίθμου σε μία ποικιλία από στατικές εικόνες, απέδειξαν την ικανότητα της μεθόδου για αποτελεσματική αναγνώριση της μπροστινής όψης προσώπων. Μέθοδος η οποία ενδείκνυται κυρίως για την συγκεκριμένη ανίχνευση, ενώ υπάρχει δυνατότητα μετά την κατάλληλη διαμόρφωση του δέντρου αποφάσεων που χρησιμοποιείται, να εντοπίζονται και άλλου τύπου αντικείμενα ή οντότητες. Αναγνωρίστηκαν βέβαια και οι αδυναμίες τις συγκεκριμένης τεχνικής όσων αφορά τον εντοπισμό απεικονίσεων οι οποίες μπορεί να εμφανίζονταν σε κάποια κλίση ή υπό περιορισμένο φωτισμό, σκιάσεις κτλ. αλλά και η πολυπλοκότητα της περιγραφής, και ως αποτέλεσμα το μέγεθος του IP block που προκύπτει από το HLS.","The requirement as concerns the performance in image processing on the modern self-driving autonomous vehicles, object detection and recognition systems, has led to really fast and precise embedded systems that perform all the required complex calculations. In that direction, the basic steps on the design flow, building an embedded system for Xilinx Zynq, have been defined, in order to process static images or videos. A variety of image processing methods using OpenCV library, have been studied, while part of them have been also described via Vivado HLS in C++ and synthesized, integrating them in an embedded image processing system in a zedboard platform. Focusing mainly on face recognition algorithms and concluding in Viola Jones method, an implementation has been defined, that would contain and process total information required for detecting faces, having as a unique input the image to be processed and as an output the process result. That certain method was also described in C++ code, with Vivado HLS, in cooperation with already optimized functions provided by Xilinx, for synthesizing image processing functions, modified in some cases according to current detection mechanism needs. The code operation and its results were simulated, while the modification and optimization steps where based mainly on information provided by Vivado Suite as concerns the occupied resources and the acceleration level achieved, when algorithm is synthesized in order to be embedded as hardware in SoC. Extensive testing on Viola Jones algorithm in a variety of static images has proved method’s capability on recognizing frontal faces successfully. That method is highly recommended actually for that type of detection, but it is possible to detect also other type of objects or entities, if decision tree used is modified accordingly. Nevertheless also some weak points of that certain technique have been detected, concerning difficulty on coping with 45° face rotation, both around vertical and horizontal axis, sensitivity to lighting conditions, the description complexity and as a result the size of the IP generated by HLS."],"dc:identifier":["uoadl:1321120","https://pergamos.lib.uoa.gr/uoa/dl/object/1321120"],"dc:language":["Ελληνικά","Greek"],"dc:title":["High-level-Synthesis αλγορίθμου οπτικής αναγνώρισης αντικειμένων σε SoC"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:26:38Z"}