由于人臉檢測技術(shù)在很多場合有許多非常重要的應(yīng)用,例如:機(jī)場里基于視頻流的人臉識別、安全領(lǐng)域的門禁系統(tǒng)、數(shù)字圖片檢索等,在過去十年里,人臉檢測一直是圖像處理領(lǐng)域里非常具有挑戰(zhàn)性的問題。隨著研究的深入,很多人臉檢測算法被提了出來。2001年,Viola和Jones在文章中提出了基于Adaboost的快速人臉檢測算法,并在PC平臺(tái),能夠達(dá)到基本的實(shí)時(shí)人臉檢測。但是,這種基于Adaboost的人臉檢測算法在嵌入式平臺(tái)上的性能到底如何呢?在嵌入式產(chǎn)品廣泛應(yīng)用的今天,只有讓人臉檢測算法在嵌入式平臺(tái)上達(dá)到實(shí)時(shí)檢測,才能獲得更廣泛的應(yīng)用。 本文從PC平臺(tái)的軟件實(shí)現(xiàn)入手,使用了兩種檢測機(jī)制——弱分類器縮放機(jī)制和圖像金字塔縮放機(jī)制,分別實(shí)現(xiàn)了Adaboost人臉檢測算法。論文分析了這兩種機(jī)制的優(yōu)缺點(diǎn),接著對它們在PC平臺(tái)的檢測速度進(jìn)行了比較。在PC平臺(tái),采用弱分類器縮放機(jī)制的檢測速度是采用圖像金字塔縮放機(jī)制的3倍。接著,本文將軟件實(shí)現(xiàn)移植到Xilinx XUP開發(fā)板的基于PowerPC 405的嵌入式平臺(tái)�；谇度胧狡脚_(tái)的軟件實(shí)現(xiàn)的檢測速度非常慢,為此,本文提出了浮點(diǎn)定點(diǎn)化、參數(shù)優(yōu)化、硬件加速三種優(yōu)化方案對純軟件實(shí)現(xiàn)進(jìn)行優(yōu)化,并對它們的性能進(jìn)行了測試。使用了22級的層級級聯(lián)分類器,共2135個(gè)類Haar特征,檢測窗口是20×20,縮放系數(shù)是1.25,對352×288的圖像進(jìn)行檢測,采用圖像金字塔縮放機(jī)制的實(shí)現(xiàn)的檢測時(shí)間是0.08s,而采用弱分類器縮放機(jī)制的檢測時(shí)間是0.16s。根據(jù)實(shí)驗(yàn)結(jié)果,得出圖像金字塔縮放機(jī)制更適合硬件實(shí)現(xiàn)的結(jié)論。最后本文在基于圖像金字塔縮放機(jī)制的軟件實(shí)現(xiàn)基礎(chǔ)上分析了全硬件實(shí)現(xiàn)的人臉檢測框架,并根據(jù)硬件框架構(gòu)建了C模型。最終的基于FPGA的全硬件實(shí)現(xiàn)獲得了0.02s的檢測速度,達(dá)到了實(shí)時(shí)性能。
【學(xué)位單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2008
【中圖分類】：TP368.12
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 人臉檢測研究進(jìn)展
        1.2.1 人臉檢測方法及分類
        1.2.2 人臉檢測結(jié)果的評價(jià)標(biāo)準(zhǔn)
    1.3 本課題研究的主要內(nèi)容
    1.4 本章小結(jié)
第二章 ADABOOST 快速人臉檢測算法
    2.1 ADABOOST 算法概述
    2.2 基于ADABOOST 算法的人臉檢測
        2.2.1 Haar-like 特征
        2.2.2 積分圖
    2.3 ADABOOST 人臉檢測算法的訓(xùn)練過程
        2.3.1 訓(xùn)練樣本集
        2.3.2 弱分類器
        2.3.3 強(qiáng)分類器
        2.3.4 層級級聯(lián)分類器
        2.3.5 訓(xùn)練過程
    2.4 本章小結(jié)
第三章 ADABOOST 算法的純軟件實(shí)現(xiàn)
    3.1 ADABOOST 算法檢測流程
    3.2 軟件實(shí)現(xiàn)中使用的工具
        3.2.1 gprof
        3.2.2 gcov
        3.2.3 Valgrind
    3.3 檢測機(jī)制
        3.3.1 弱分類器尺度縮放
        3.3.2 圖像金字塔縮放
    3.4 檢測算法的軟件實(shí)現(xiàn)
        3.4.1 預(yù)處理
        3.4.2 積分圖計(jì)算
        3.4.3 圖像縮放
        3.4.4 檢測過程
        3.4.5 合并
    3.5 實(shí)驗(yàn)結(jié)果和分析
    3.6 本章小結(jié)
第四章 ADABOOST 算法在嵌入式平臺(tái)的優(yōu)化
    4.1 嵌入式開發(fā)平臺(tái)介紹
        4.1.1 XUP 中的PowerPC 處理器介紹
        4.1.2 Xilinx 開發(fā)工具介紹
        4.1.3 軟硬件開發(fā)平臺(tái)總結(jié)
    4.2 ADABOOST 在嵌入式平臺(tái)的優(yōu)化
        4.2.1 浮點(diǎn)定點(diǎn)化
        4.2.2 硬件加速設(shè)計(jì)
        4.2.3 參數(shù)優(yōu)化
        4.2.4 其它優(yōu)化
    4.3 本章小結(jié)
第五章 ADABOOST 算法全硬件實(shí)現(xiàn)的C 模型
    5.1 硬件框架
    5.2 C 模型仿真
    5.3 硬件實(shí)現(xiàn)
    5.4 本章小結(jié)
第六章 實(shí)驗(yàn)結(jié)果與分析
    6.1 實(shí)驗(yàn)平臺(tái)介紹
    6.2 實(shí)驗(yàn)結(jié)果和分析
    6.3 檢測效果展示
總結(jié)和展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間已發(fā)表或錄用的論文

【引證文獻(xiàn)】

相關(guān)期刊論文 前1條

1 吳祿慎;吳培敏;;基于區(qū)域特征的視頻序列人臉快速檢測[J];微電子學(xué)與計(jì)算機(jī);2011年05期

相關(guān)碩士學(xué)位論文 前7條

1 魏新華;基于嵌入式門禁系統(tǒng)的人臉識別技術(shù)的研究[D];沈陽理工大學(xué);2010年

2 何世民;基于AdaBoost算法的人臉檢測及其在DSP平臺(tái)上的移植[D];哈爾濱理工大學(xué);2010年

3 宋建強(qiáng);基于顯著區(qū)域提取的人臉檢測研究[D];西安電子科技大學(xué);2011年

4 黃玲珠;基于嵌入式智能監(jiān)控系統(tǒng)的人臉識別研究[D];廈門大學(xué);2009年

5 陳蔡岳;基于嵌入式智能監(jiān)控系統(tǒng)的人臉檢測研究[D];廈門大學(xué);2009年

6 崔小靜;基于膚色分割與AdaBoost分類器的多姿態(tài)人臉檢測[D];太原理工大學(xué);2012年

7 趙季方;面向嵌入式手機(jī)平臺(tái)人臉跟蹤技術(shù)研究與實(shí)現(xiàn)[D];長春理工大學(xué);2012年

本文編號：2858250