EXPO- ESCOM 2016 Diseño de cámara neuromórfica con FPGA. Elizabeth Fonseca Chávez Alumna del posgrado ESCOM, IPN Directores: Dr. Sosa Savedra y Dr. Ruben Ortega Co- asesor: Mario Alfredo Ibarra Carrillo. UNAM FI TELEC. Diseño de cámara neuromórfica con FPGA. RESUMEN OBJETIVOS Las cámaras neuromórficas son sistemas que detectan movimiento con algoritmos bio-inspirados, ahorran espacio de memoria porque solo almacena los cambios y por lo tanto su procesamiento es más rápido, ya se venden en círculos especializados, con un costo elevado, pues utilizan un chip propietario “DVS” (sensor de visión dinámica). Nosotros nos propusimos crear un sistema parecido, pero sin DVS, lo sustituimos por un algoritmo Bio-inspirado de “Reichardt” que es un modelo de la visión de una mosca, lo colocamos en una FPGA junto con una cámara barata que trabaje la captura de video y tenemos un sustituto eficiente. Se realizaron pruebas en Matlab y FPGA, se compararon con las pruebas para sistemas de detección de movimiento y de las cámaras neuromórficas, con un resultado equivalente en la detección de movimiento horizontal, vertical, expansión, contracción y rotación; así como a diferentes velocidades y tallas, sin embargo las cámaras neuromórficas a la venta tienen una resolución de 128x128 pixeles, la nuestra cámara es de 640x480, con procesamientos por ciclo, trabaja con 8 bits y el código esta en VHDL. Diseñar una cámara neuromórfica con similares resultados de las comerciales Escoger el Hardware y software para este problema Programar en VHDL los módulos adecuados para este fin Arquitectura propuesta MOSCA Los sistemas bioinspirados son sistemas construidos por medio de hardware configurables y sistemas electrónicos que emulan la forma de pensar, el modo de procesar información y resolución de problemas de los sistemas biológicos. Uno ojo de mosca (de frutas), se dice que es un ojo complejo, pues esta constituido por varios ojos independientes. Kit y patrones Cada ojo se presenta de una forma alargada y delgada, cuando entra la luz, este sistema no tiene enfoque como los ojos humanos, solo estimula las retinulas con las cantidades de luz. Y no arma la imagen completa. La información de los receptores llega directamente al sistema nervioso central. El cerebro recibe datos de cada uno. Se realizó un kit de fondo Blanco, con mini moto con sensores de velocidad. Se midió las velocidades, a velocidad baja, media y alta de la mini moto amarilla, encontrándose estos datos: 2.71kmxhr, 4.2 kmxhr y 5.04kmxhr. Todos se detectaron bien. Los patrones propuestos: Para determinar detección de Movimiento en expansión y compresión, donde se aleja o acerca el sistema, se tiene unos cuadros a diferentes tallas. Para determinar detección de movimiento en rotación con las líneas que se colocaron en circulo, el sistema se rota. Para determinar detección de movimiento horizontal es el tren de cuadros negros, pues se genera contraste de negro contra blanco y blanco contra negro con movimiento a la derecha o a la izquierda Modelo Reichardt Resultados con FPGA El Dr. Reichardt y sus colaboradores, realizaron una abstracción, de como “ve” la mosca (de frutas), de sus descubrimientos. El resultado fue que su sistema de visión detecta movimiento gracias a las operaciones realizadas con dos fotoreceptores juntos contenidos en la retina de un ojo simple. Si A1 y A2 son los dos fotoreceptores juntos, se obtiene un retardo para cada uno ya sea B1 y B2 respectivamente, entonces se obtiene un producto para cada par dado: C1=A1xB2 y C2=B1xA2, luego se realiza una resta de ambos datos: K=C1-C2, y la salida es la detección de movimiento. Movimiento Horizontal Expansión y contracción Rotación Estas imágenes se ven degradadas por ser captura de resultados con celular, su captura en video fue más favorable. CONCLUSIONES La detección de movimiento, se probó con patrones dados, que nos permiten ver si nuestro sistema detecta movimiento a la derecha y a la izquierda, si detecta alejamiento o acercamiento, rotación, pruebas de velocidad y talla del vehículo; todo fue exitosamente probado. El sistema no puede detectar móviles más pequeños a un pixel, ni velocidades menores a las intrínsecas del sistema: 2 pixeles por imagen. Lo mismo le pasa a una cámara neuromórfica comercial, la ventaja de este modelo propuesto es la resolución de 640 x 480 que es mayor respecto a la comercial de 128x128.