Optimización de algoritmos de reconocimiento y seguimiento de objetos para su despliegue en entornos ubicuos .
Abstract
Este trabajo persigue como principal objetivo el estudio y caracterización de las principales
técnicas de visión artificial para el reconocimiento y seguimiento de objetos. A través de
este estudio se construirá un marco comparativo de los algoritmos identificados y su caracterización
en cuanto a su adecuación para la implementación y despliegue en entornos distribuidos,
altamente descentralizados, utilizando dispositivos de lógica reconfigurable. Estas
arquitecturas emergentes para aplicaciones de IoT y/o ubicuas, se están consolidando como
una atractiva alternativa a las plataformas basadas en un modelo centralizado como puede
ser la nube.
Las principales ventajas de una aproximación distribuida es la reducción de la cantidad
de información a transmitir y almacenar en esos grandes nodos centrales. Por contra, los
paradigmas de computación en el borde (del inglés, Edge Computing) y en la infraestructura
(del inglés, Fog Computing), son los principales modelos de procesamiento de información
considerados en los modernos sistemas ubicuos. Estas soluciones demandan la movilización
de la carga de cómputo a elementos de la infraestructura cercanos a la fuente del mismo.
Por lo tanto, nos encontramos que gran cantidad de información (en este caso vídeo y/o
imágenes) que debe, bien parcialmente o bien en su totalidad, procesada en dispositivos con
unas capacidades limitadas y requisitos de tiempo y consumo energético muy estrictos (p.
ej. dispositivos móviles). Por ello, la tecnología de lógica reconfigurable ofrece una solución
integral en este contexto, con la capacidad de, en un corto periodo de tiempo, obtener soluciones
con un rendimiento aproximado a una solución hardware a medida, pero con unos
costes muy reducidos.
Así, este TFM se centra en las implicaciones que tiene, desde el punto de vista del diseño
e implementación de las técnicas de procesamiento de vídeo en el campo de la detección de
objetos, el uso de la tecnología de lógica reconfigurable en este tipo de aplicaciones.
De forma complementaria al objetivo principal, la propuesta de TFM se complementa
con un estudio y elaboración de un catálogo de técnicas de optimización de recursos para
algoritmos de visión artificial cuya plataforma de implementación se base en dispositivos de
lógica reconfigurable comerciales. The main objective of this Master’s Thesis is the study and characterization of the main
techniques in the artificial vision realm targetting the the recognition and tracking of objects.
Through this study, a comparative framework of the identified algorithms and their characterization
in terms of their suitability for implementation will be constructed. The context
for their deployment is a highly decentralized distributed architecture, using reconfigurable
logic devices. These emerging architectures for IoT/ubiquitous applications, are lately consolidating
as an attractive alternative to the platforms based on a centralized model, such as
the cloud.
The main advantages of a distributed approach is the reduction of the amount of information
to be transmitted and stored in these large central nodes. On the contrary, the paradigms
of computation in the Edge and in the infrastructure (Fog), are the mainstream models for
information processing in modern ubiquitous systems. These novel approaches demand of
the migration of the computational burden to infrastructure elements near the source of the
data.
Therefore, a large amount of information (in this case video and/or images) must be, either
partially or completely, processed by devices with limited capabilities and very strict time
and energy constrainsts (e.g. agents mobile). Then, the technology of reconfigurable logic
provides a comprehensive solution in this context, enabling the capability of, in short term,
obtaining close-to-custom-hardware solutions, but with lower costs.
This Master’s Thesis focuses on the implications of the use of reconfigurable technology
for the implementation of the different processing algorithms in the field of object identification.
In addition to the main objective, the work includes a study and the development of
a catalog of resource optimization techniques for artificial vision algorithms targeting commercial
devices integrating reconfigurable logic chips.o