摘要：為了在車位檢測系統中不使用DSP的情況下，達到實時處理和節約成本的目的，在嵌入式Linux系統中使用了CORTEX-A系列的NEON協處理器技術來優化一種車位圖像檢測算法的代碼。在CORTEX-A8平臺上使用該圖像處理算法進行了大量的處理測試，圖像算法處理速度得到很大提升。最后在多個平臺下使用該圖像處理算法進行測試對比，使用了NEON技術后其算法處理速度提升明顯，能夠滿足實時要求。

　　0 引言

　　隨著城市越來越多家庭擁有汽車，相應的停車場建設數目也越來越多，停車場管理系統也越來越重要。

　　而國內城市車多人多，空間擁擠給停車廠管理帶來諸多不便。車位檢測系統設計成嵌入式終端是一個好的選擇。圖像檢測算法的復雜度給實時檢測帶來難題，一般的圖像處理都是基于DSP完成，這帶來了成本的上升。

　　ARM 公司CORTEX-A 系列處理器的出現，極大地緩解了這個難題。

　　ARM 平臺能夠很好地支持Linux 系統，Linux 系統具有強大的網絡通訊功能，也給程序移植等帶來便利。本文的檢測算法在ARM平臺基于NEON技術進行了優化，在保證檢測精度的同時，處理速度提升明顯，與使用DSP相比，大大節約了成本，為停車場管理系統的研究提供新的方向。

　　1 ARM NEON技術介紹

　　ARM 的NEON 通用SIMD 引擎可有效處理當前和將來的多媒體格式，從而改善用戶體驗。NEON 技術是通過清晰方式構建的，并可無縫用于其本身的獨立流水線和寄存器文件。NEON 技術是ARM Cortex-A系列處理器的128 位SIMD（單指令多數據）體系結構擴展，旨在為多媒體應用提供更加強大的加速功能，從而明顯改善程序性能。它具有32 個寄存器，64 位寬（是16 個寄存器，128 位寬的雙倍視圖）NEON 指令特點如下：

　　（1）寄存器被視為同一數據類型的元素的矢量；

　　（2）數據類型可為：有符號/無符號的8 位、16 位、32 位、64 位單精度浮點；

　　（3）指令在所有通道中執行同一操作。

　　NEON 寄存器可在多個通道內進行并行運算，如圖1所示。

　　NEON 的指令都是以v 字母開頭的，例如：vadd.i16q0，q1，q2，這就是一個NEON 的指令了，很明顯的特點就是v 開頭，i 主要用來表明是一個整型（int），16 表示一個16 位的型，q0，q1，q2 都是128 位的寄存器（q 打頭的寄存器都是128 位的）。這個指令就是讓q1，q2 中裝載8 個16位的數據，然后執行加法操作，最后放到q0中去。這么一個指令就完成了8次加法運算，這也就是性能的提升，對于其他運算也是如此。

　　2 系統設計和算法介紹

　　本系統基于CORTEX-A8平臺實現，車位檢測系統架構如圖2所示。

　　采集通過模擬攝像頭，由TVP5150解碼后輸出8位Y∶Cb∶Cr=4∶2∶2的數據傳送的A8平臺，TVP5150驅動基于VIDEO FOR LINUX2（V4L2）開發，因此視頻采集程序調用V4L2相關API函數即可完成。然后調用相關圖像處理程序，提取多個圖像特征，與背景圖像對比，進行有車無車檢測，然后TCP/IP網絡 將圖像和有車位車情況發送到上位機。

　　車位檢測算法流程如圖3所示。

　　本系統目前在一處地下停車場進行測試驗證，如圖4在停車中采集到的背景和待測圖像，通過對100幅采集到800×600 分辨率的現場圖像，在CORTEX-A8 平臺上進行測試，平均檢測時間為538 ms，該算法在地下停車場中準確率97%.表1 中給出了處理一幅待測圖像CORTEX-A8 和ARM11 平臺優化前平均時間的測試對比結果（均使用GCC交叉編譯）。

　　3 圖像處理算法在CORTEX-A8 平臺上的優化

　　本系統是Cortex-A8和Linux系統上搭建，Linux下使用的編譯器為GCC.本文中使用普通C 語言優化和NEON編程優化對圖像相關函數進行了優化，并進行了測試對比，下面給出方差函數variance代碼進行優化前后的對比說明，如圖5優化前的代碼。

　　3.1 C語言級別優化

　　對于一般C語言級別的優化，對于圖像這類矩陣數據而言，主要針對循環優化。以第一個循環為例，如圖6對于C語言級別循環優化后的代碼如圖6所示。

　　由優化后的結果可見，通過對循環展開，有效的減少了循環跳轉次數，跳轉為原來的1 4 。但是也可以發現，加法運算次數，幾乎和原來相同并沒有減少。對于其他for循環和其他函數進行優化后，測試時間對比如表2所示。

　　由表中數據可見，使用普通C 語言界別優化，并沒有明顯提升，原因是在Linux系統上使用GCC編譯器進行編譯的，在選擇-O2 級別優化的時候，已經對循環進行了優化，所以運行速度沒有明顯提升。

　　3.2 使用NEON技術的優化

　　GCC 編譯器從4.3 版本開始，很好地提供了對ARM NEON 技術的支持。例如GCC 中的函數：

　　uint32x2_t vadd_u32（uint32x2_t，uint32x2_t），對應匯語言：vadd.i32 d0，d0，d0.uint32x2_t代表這個數據類型是2 個32 位無符號整型。在使用GCC 編譯器中的NEON 技術時，需要包含頭文件《arm_neon.h》.NEON增強指令集是在Cortex-A系列發布后才具有的功能，因此ARM11 無法使用NEON 技術。對方差函數variance第一個for循環優化后的代碼對比如圖7所示。

　　由優化后程序代碼可見，循環跳轉次數為原來的1 4 ，但是由于使用了NEON 相關的vld1q_u32 函數，一次可在NEON的128位寄存器中裝入4個32位數值，調用vaddq_u32可對4個數據時同時進行加法運算，在一個指令周期就完成了4次加法運算，理論上加法運算次數為原來的1 4 ，大大提高了運算性能。

　　對于第二個for循環也可以采用類似方法優化，只是調用的函數略有不同，具體考參考GCC的技術文檔，有詳細的使用說明。

　　其他函數如預處理、角點、相關度函數的優化和此方法類似，重點針對循環和可以并行運算的代碼進行優化。

　　表3 中給出了Cortex-A8 平臺使用NEON 技術優化后與ARM11測試時間的對比。

　　4 結語

　　通過使用ARM NEON 技術，對于圖像處理這類矩陣運算進行并行優化，可大大提高處理速度，進行優化后，速度較優化前提升了達2倍之多，較ARM11提升了8 倍的速度。ARM COTEX-A 系列所使用的NEON 技術，不僅使車位圖像檢測算法的速度有很大提升，在信號處理等多媒體處理算法中，也有廣闊的應用前景。