Search

In this work a cutting edge technology in radar signal processing is presented. A new knowledge-based data processing approach is proposed with the objective of improving the performance of the target detection algorithm by adapting the processing algorithms according to changing environment conditions. This involves combining traditional signal processing with real-time exploitation of a priori knowledge of the environment. Since this mix of knowledge-based and traditional signal processing algorithms requires performing a large number of operations to operate in real-time, custom architectures implemented on reconfigurable hardware have been explored as an alternative processing platform. On this context, this thesis proposes an efficient FPGA-based reconfigurable hardware to implement knowledge-based signal processing for a target detection module in radar signal processing. The discussion is centered in the Knowledgebased signal processing design and the hardware implementation of an architecture for environment knowledge acquisition, knowledge base storage, and inference engine that allow selecting the best algorithm and corresponding parameters according to current environment conditions. The selected target detection algorithms are five variants of the CFAR (Constant False Alarm Rate) algorithm. The environment knowledge acquisition is carried out by texture and energy analysis for clutter recognition. The inference engine is implemented as decision tree and production rules to select the best CFAR algorithm and its parameters according to current environment conditions. Experimental results with simulated and real data are presented and discussed. Este trabajo presenta un método alternativo a los reportados previamente en la literatura sobre procesamiento de señales de radar para realizar la detección de blancos inmersos en ruido marítimo, provocado por el reflejo de la onda electromagnética sobre la superficie de las olas. El método presentado es un esquema basado en conocimiento, el cual trabaja en paralelo con la cadena tradicional de procesamiento, con el objetivo de incrementar la probabilidad de detección de blancos pequeños inmersos en ruido no homogéneo. El esquema basado en conocimiento realiza el reconocimiento del entorno marítimo para seleccionar y configurar el algoritmo de detección adecuado a las condiciones del entorno existentes. Este reconocimiento consiste en una clasificación de textura de los ecos de radar para determinar el estado del mar presente de entre 12 niveles, de acuerdo a la escala de Beaufort/Douglas. La clasificación de textura se realiza mediante descriptores de textura de la matriz de co-ocurrencias de niveles de gris y descriptores de energía, con los se construyen modelos basados en reglas y árboles de decisión para realizar la clasificación. Los descriptores calculados sirven como base de hechos para la clasificación de los nuevos datos. La selección y configuración del algoritmo de detección permitirá incrementar su desempeño. Este trabajo presenta también la implementación en hardware del esquema basado en conocimiento, utilizando una implementación de tipo pipeline para asegurar que el esquema completo se ejecute en tiempo real, se destaca la implementación de los módulos de clasificación, la obtención de los descriptores de textura y la implementación de la variante llamada Energy-CFAR paramétrico, la cual surgió como resultado del análisis realizado con los descriptores de textura de energía y que constituye una aportación adicional al método descrito.

In this thesis, there are shown the results of the development of a three dimensional monocular tracking system that detects objects and can work even with low cost webcams, the system has application for in house and self directed rehabilitation. The developed system is able to detect and track color objects. In order to do it, the system requires a sample from which is obtained a color histogram. Then the color histogram is used to compute a backprojection over every image captured from the camera. The backprojection process gives a probability maps for every frame. Those maps indicate the presence or absence probability of the object. Then, the probability maps are fed to a Bayesian Occupancy Filter (BOF). The backprojection is inserted into the BOF grid, which in turn records the probability of each cell being “occupied”. Afterwards a clustering algorithm is applied over the grid to find clusters of highly occupied cells. At the end, the highly occupied clusters are marked as objects on the scene and are tracked in 2D. In this work we focus on tracking one object, so only the object with the highest certainty is tracked and the rest (if any) are dismissed. The depth detection is archieved via the knowledge of the real size of the tracked object and the fact that relative depths can be easily measured by using only one camera, also the discretization is important for the depth detection and some factors obtained via the BOF. Experiments were conducted to measure the precision of the tracking. The system was compared with a stereo system and similar performance was measured. The system has the advantage of less implementation complexity since it does not require camera calibration nor special mounting hardware as the stereo system does. It can be used with typical webcams. The system was integrated into a rehabilitation system named Gesture Therapy with promising results so pilot clinical tests were started. En este trabajo de tesis se muestra el resultado del desarrollo de un sistema de seguimiento monocular tridimensional de objetos que puede funcionar incluso con cámaras (webcams) de bajo costo. El sistema desarrollado es capaz de detectar y seguir objetos de color, para ello requiere una muestra previa, a la cual se le calcula un histograma de color. Después el histograma es usado para realizar una retroproyección sobre las imágenes provenientes de la cámara. El proceso de retroproyección da como resultado mapas de probabilidad que indican la probabilidad de que el histograma de la muestra esté o no presente. Luego los mapas de probabilidad son insertados en una rejilla de un Filtro de Ocupación Bayesiano (BOF). La retroproyeccióon es insertada en la rejilla BOF la cual registra la probabilidad de que cada una de las celdas se encuentre “ocupada”. Sobre la rejilla se aplica posteriormente un algoritmo de agrupamiento para encontrar cúmulos de celdas con altas probabilidades de ocupación. Finalmente los cúmulos con altos índices de ocupación son tratados como objetos en la escena a los cuales se les da seguimiento. En este trabajo sólo se da seguimiento a un solo objeto por lo que sólo se toma en cuenta el objeto con mayor certidumbre. La detección de la profundidad se hace mediante el conocimiento del tamaño del objeto y de la dicretización hecha por la rejilla BOF. Se hicieron experimentos para medir la presición en el seguimiento. Se comparó la detección de profundidad con un sistema estéreo y se obtuvo que el sistema monocular tiene un desempeño similar pero sin la complejidad del sistema estéreo, ya que el sistema monocular no requiere de calibración de cámara ni del uso de sistemas de soporte especiales. Finalmente se integró el sistema de seguimiento monocular en un sistema de rehabilitación mediante gestos y se comenzaron pruebas clínicas preliminares.

Several works in machine vision propose different methods to adapt and use a vision system inspired in mammals vision system called foveal vision. Log Polar Transform and Exponential Cartesian Geometries can be found among the most representatives. However, there are important limits in their definition making hard their use in the object tracking task. This work presents a study concerning with the foveal vision and its application in the object tracking task. Also, a new foveal transform proposal is presented. The images generated with the new foveation method were used in a single object tracking application working with more complex scenes than those treated with the previous proposals. The obtained performance in the tracking is similar to the obtained performance in the tracking task when cartesian images are used. Results show that it is possible to continue working under this topic concerning with foveal vision and with the key idea of inspiring artificial vision systems on natural topologies and mechanisms. Diversos trabajos han propuesto diferentes métodos para adaptar la visión foveal, sistema inspirado en los sistemas de visión biológicos, a la visión artificial. Los más representativos son la Transformada Log Polar y las Geometrías Cartesianas Exponenciales. No obstante, existen limitaciones inherentes de su misma definición que impiden ampliar su aplicación a una de las tareas más representativas en el área: el seguimiento de objetos. En este trabajo se presenta un estudio de la visión foveal y su incorporación a la tarea de seguimiento artificial de objetos. A su vez, se presenta una nueva propuesta que permite pasar del espacio invariante al variante bajo los conceptos de la visión foveal. Las imágenes obtenidas con el método de foveación propuesto fueron utilizadas en el seguimiento de objetos sobre escenarios más complejos de los que se han atacado con las propuestas anteriores y se obtuvo un desempeño equiparable al que se puede obtener cuando se realiza el seguimiento en imágenes cartesianas. Los resultados obtenidos muestran que es posible continuar bajo esta línea de investigación que promueve basar los sistemas de visión artificial en las topologías y mecanismos sugeridos por los sistemas naturales.