パターンデータを直接回路化することによる高速物体追跡・認識装置

2002 Fiscal Year Annual Research Report

• Project/Area Number: 14655145
• Research Institution: University of Tsukuba
• Principal Investigator: 安永 守利 筑波大学, 電子・情報工学系, 助教授 (80272178)
• Keywords: 画像認識 / Parzen Window / ニューラルネットワーク / FPGA / フレームレート / メモリ / 主成分分析 / ADコンバータ

Research Abstract

本研究の目的は,データを直接回路化するというこれまで無かったアイデアに基づき,飛躍的に高速な物体追跡・認識装置を実現することである.具体的なアルゴリズムとして,統計的パターン認識手法の一つである「Parzen Window法」,およびニューラルネットワークアルゴリズムの一つである「Probabilistic Neural Network」に着目し,そのハードウェア化の検討を行った.「Parzen Window法」のカーネル関数,および「Probabilistic Neural Network」の入力層ニューロンを回路化することにより,"データを直接回路化する"ことができる.
提案手法をFPGA(Field Programmable Gate Array)を用いて試作した.「Parzen Window法」については,画像データをFPGAによって組み合わせ回路で実現し,ナノ秒オーダの高速認識処理が可能であることがわかった.これにより,高速に物体認識ができる見通しを得た.一方,一般の画像処理はフレームレート(33ms)内で処理されるため,この処理時間を満たした上で,小型なハードウェアシステムが望まれる.
これより,PNNについてはメモリLSIを一部に利用し,画像データの一部をメモリ中にストアすることで小型を目指し,試作機を開発した.また,このニューロン用のFPGA加えて画像処理用のADコンバータICや任意の画像前処理用のFPGAも搭載し,これらを1ボードに実装することができた.今後は,この前処理用のFPGAに主成分抽出回路を実装することで認識率の向上を行う.また,80万ゲートのFPGAを利用してニューロン回路を増すことで並列度を上げ,フレームレート中に処理できる画像データ数を増加させる.これにより,前処理だけではなくニューロン回路における認識率の向上を計る.

Research Products

• [Publications] 相部範之, 安永守利: "確率的ニューラルネットワーク計算の並列高速化アーキテクチャとその画像認識システムへの適用"情報処理学会論文誌. Vol.43,No.SIG6(HPS5). 206-208 (2002)
• [Publications] N.Aibe, M.Yasunaga, I.Yoshihara, Jung H.Kim: "A Probabilistic Neural Network Hardware System Using A Learning-Parameter Parallel Architecture"Prcc. IEEE Int'l Joint Conf. on Neural Networks (The 2002 IEEE World Congress on Computational Intelligence). (CD-ROM). (2002)
• [Publications] N.Aibe, R.Mizuno, M.Nakamura, M.Yasunaga, I.Yoshihara: "Performance Evaluation System for Probabilistic Neural Network Hardware"Proc. Int'l. Symposium on Artificial Life and Robotics 2003. 475-478 (2003)
• [Publications] 安永守利, 吉原郁夫: "パターン認識用進化型ハードウェアシステムの開発-ソナースペクトル信号認識を対象として-"電子情報通信学会論文誌. Vol.J86-D1,No.1. 1-13 (2003)