隨著經濟的不斷發展，各種高樓大廈林立而起，同時這些建筑里的人流量也在不斷增長，尤其一些大型商業娛樂場所，超市，銀行，地鐵以及一些召開大型會議場所等人群密集區域，單純的靠人工來監控這些區域，無疑顯得捉襟見肘，如果出現人工疏忽就會導致嚴重的公共安全事故，危害人身安全。因此需要開發一種智能化的人群監測系統，幫助人們準確及時的對人群中不正常的活動作出判斷和預防。

目前很多國家政府和安全部門都開始探索更加智能的人群監控方式，以預防悲劇的發生。但是要實現這個目標仍然面臨很多障礙，僅僅靠傳統的人工方式肯定是行不通的。唯一的解決方案是開發一套智能化的視覺系統,能夠自動監控人群的活動，并且通過視頻分析技術識別有潛在危害的行為并通知控制中心。

圖1 人群監控識別

要設計這樣一個智能化的機器視覺系統不僅需要高級的圖像傳感器和光學系統，還需要高性能的視頻處理器來完成視頻的分析。需求更加強大的視頻處理器的原因是復雜的視頻分析技術，它們大部分采用計算密集型的視頻處理算法。

FPGA是非常符合此類應用需求的處理器芯片，目前Xilinx推出了HLS工具和UltraFast設計方法，可以讓開發人員使用FPGA設計更加優化和高性能的應用。我們也可以在FPGA內部實現嵌入式處理器，例如Xilinx MicroBlaze，這就意味著一些需要復雜控制流程的應用可以移植到FPGA上來實現。

Xilinx提供了一個人群行為監控和分類系統的參考設計，設計架構為軟核實現系統控制，視頻圖像分析算法采用硬件加速。FPGA型號采用低成本的Spartan-6 LX45，這個設計從提出到完成并沒用花費很長的時間，卻展現出期望的實時動態監控性能，具備低成本，高度靈活可擴展的特點。

圖2 FPGA內部架構設計

人群行為分類算法的實現需要通過視頻幀隊列函數API接口獲取視頻幀圖像，當獲取一幀圖像后，應用程序會將當前和圖像幀數據和前一幀圖像數據傳遞給硬件加速器，完成行為矢量分析計算，然后軟件部分計算行為矢量的統計數據并得出分類結果，在軟件部分實現這些步驟的原因是這些都不涉及像素級別的圖像處理，不會增加處理器性能開銷，當得出分類結果得出后，可以調用屏顯函數接口顯示計算結果和模擬的行為矢量模型，屏顯函數接口采用C/C++語言在Xilinx SDK工具中實現。

FPGA相當于視覺系統的大腦，腦力越發達所能勝任的任務就越多，而人群的行為監控及行為類別判斷采用的圖像處理算法需要大量的密集型計算處理，FPGA并行處理，硬件加速，設計靈活的特性，使其成為高性能需求領域的不二選擇。