發(fā)布時間：2017-12-31 18:16

  本文關(guān)鍵詞：基于FPGA的Adaboost人臉檢測算法設(shè)計與驗證　出處：《東南大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 人臉檢測 Adaboost算法 FPGA

【摘要】：人臉識別技術(shù)一直以來都是人工智能領(lǐng)域的研究熱點之一,并且隨著計算方法和計算工具的進步得到了極大地發(fā)展。人臉檢測作為人臉識別系統(tǒng)的第一步,其檢測率和檢測速度直接影響整個人臉識別系統(tǒng)的性能,因此實現(xiàn)快速準(zhǔn)確的人臉檢測系統(tǒng)具有十分重要的意義。本文的主要研究內(nèi)容是對Adaboost人臉檢測算法進行優(yōu)化設(shè)計,使其適用于FPGA平臺實現(xiàn)。通過對基于Haar特征的人臉檢測算法進行深入分析,確定優(yōu)化改進方案,在保證檢測率的基礎(chǔ)上實現(xiàn)人臉的快速檢測。本文采用圖像縮放和多尺寸檢測窗相結(jié)合的方法,避免了傳統(tǒng)方法對檢測窗的非整數(shù)倍放大,便于FPGA電路快速實現(xiàn)。為進一步加快檢測速度,加大檢測窗每次移動的步長,減少檢測次數(shù)。本文采用小尺寸固定窗對圖像進行遍歷,以節(jié)省存儲空間的使用。設(shè)計了固定窗積分圖計算與存儲策略,進一步提高了檢測速度。為了降低算法的誤檢率,對初次檢測到的人臉位置進行快速擴展驗證。此外本文還采用了平方特征閾值比較方法和浮點數(shù)定點化設(shè)計,使算法適用于FPGA硬件平臺實現(xiàn)。本文基于Opal Kelly公司的開發(fā)板XEM6310-LX150完成了 Adaboost人臉檢測算法的FPGA電路優(yōu)化設(shè)計和測試驗證。實驗結(jié)果表明,在FPGA系統(tǒng)工作頻率62MHz下,人臉檢測算法占用Xilinx Sparten-6 系列 XC6SLX150 型 FPGA 上 Slice 資源 1843 個(8%)和片上 RAM 資源 1495Kb(31%)。本文設(shè)計人臉檢測系統(tǒng)的誤檢率低于2%,對于包含一張人臉的高清圖像(1280×720)的檢測率為98%,檢測速度為1.96幀/秒,與已知人臉檢測系統(tǒng)相比,檢測率和檢測速度的綜合性能更優(yōu);對于包含5張人臉圖像的檢測率為92.56%,檢測速度為1.28幀/秒。本文設(shè)計的人臉檢測系統(tǒng)可以為人臉識別模塊快速準(zhǔn)確地提供人臉圖像信息,進而構(gòu)建完整人臉識別系統(tǒng)。
[Abstract]:Face recognition technology has always been one of the research hotspots in the field of artificial intelligence, and with the development of computing methods and computing tools, face detection is the first step of face recognition system. The detection rate and detection speed directly affect the performance of the whole face recognition system. Therefore, it is very important to realize a fast and accurate face detection system. The main research content of this paper is to optimize the design of Adaboost face detection algorithm. Make it suitable for the implementation of FPGA platform. Through the in-depth analysis of face detection algorithm based on Haar features, determine the optimized improvement scheme. On the basis of ensuring the detection rate, the face detection is realized quickly. In this paper, the method of image scaling and multi-size detection window is used to avoid the traditional method of non-integer magnification of the detection window. In order to further accelerate the detection speed, increase the step size of each move of the detection window, reduce the detection times. This paper uses a small fixed window to traverse the image. In order to save storage space, a fixed window integral graph calculation and storage strategy is designed to further improve the detection speed. In order to reduce the error rate of the algorithm. In addition, the square feature threshold comparison method and floating-point fixed-point design are used. The algorithm is suitable for the implementation of FPGA hardware platform. This paper is based on the development board XEM6310-LX150 of Opal Kelly. FPGA circuit optimization design and test verification of Adaboost face detection algorithm. Experimental results show that. The operating frequency of FPGA system is 62 MHz. Face detection algorithm occupies 1 843 Slice resources on Xilinx Sparten-6 series XC6SLX150 FPGA.). And on-chip RAM resource 1495kb / 31. the false detection rate of the face detection system designed in this paper is less than 2%. For a high-definition image containing a face 1280 脳 720), the detection rate is 98 and the detection speed is 1.96 frames / sec, which is compared with the known face detection system. The comprehensive performance of the detection rate and the detection speed is better; For five face images, the detection rate is 92.56 and the detection speed is 1.28 frames / sec. The face detection system designed in this paper can provide face image information quickly and accurately for the face recognition module. Then a complete face recognition system is constructed.
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;TN791

【相似文獻】

相關(guān)期刊論文 前10條

1 馬勇,丁曉青;Real-Time Multi-View Face Detection and Pose Estimation Based on Cost-Sensitive AdaBoost[J];Tsinghua Science and Technology;2005年02期

2 林志陽;康耀紅;雷景生;;基于Adaboost的車標(biāo)定位方法[J];計算機工程;2008年11期

3 張磊;;基于AdaBoost的側(cè)面人臉、人耳檢測[J];科學(xué)大眾;2008年08期

4 付忠良;;關(guān)于AdaBoost有效性的分析[J];計算機研究與發(fā)展;2008年10期

5 張崗?fù)?楊全;;兩種Adaboost方法在人臉檢測中的比較研究[J];微計算機信息;2009年24期

6 嚴(yán)超;王元慶;李久雪;張兆揚;;AdaBoost分類問題的理論推導(dǎo)[J];東南大學(xué)學(xué)報(自然科學(xué)版);2011年04期

7 李印;;基于AdaBoost的行人檢測研究與實現(xiàn)[J];數(shù)字技術(shù)與應(yīng)用;2012年03期

8 蘇加強;丁柳云;;基于R的監(jiān)督式AdaBoost異常值檢測應(yīng)用[J];淮海工學(xué)院學(xué)報(自然科學(xué)版);2013年01期

9 張志勛;張磊;楊凡;;一種改進的Adaboost人臉檢測方法[J];自動化與儀器儀表;2013年06期

10 王海川,張立明;一種新的Adaboost快速訓(xùn)練算法[J];復(fù)旦學(xué)報(自然科學(xué)版);2004年01期

相關(guān)會議論文 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計算機應(yīng)用與系統(tǒng)建模國際會議論文集[C];2012年

2 張超;苗振江;;基于AdaBoost的面部信息感知[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的頸動脈粥樣硬化判別方法[A];中國儀器儀表學(xué)會第十一屆青年學(xué)術(shù)會議論文集[C];2009年

4 張紅梅;高海華;王行愚;;抑制樣本噪聲的AdaBoost算法及其在入侵檢測中的應(yīng)用[A];2007年中國智能自動化會議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細胞位置預(yù)測[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

6 陳宏偉;劉建偉;費向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

7 唐曉丹;苗振江;;基于AdaBoost和粒子濾波的目標(biāo)跟蹤[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張彬;金連文;;基于AdaBoost的手寫體漢字相似字符識別[A];第二十六屆中國控制會議論文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李麗;肖佳文;;基于AdaBoost-SVM的上市公司信用風(fēng)險評估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟發(fā)展研討會論文集[C];2012年

相關(guān)博士學(xué)位論文 前4條

1 佟旭;基于復(fù)雜網(wǎng)絡(luò)理論的糖尿病腎病辨證建模研究[D];北京中醫(yī)藥大學(xué);2016年

2 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

3 張?zhí)珜?人眼注視點估計方法的研究[D];南開大學(xué);2013年

4 趙培英;基于智能計算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測研究[D];東華大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 皮麗琴;基于AdaBoost-GASVM算法和LDA主題模型的短文本分類研究[D];華南理工大學(xué);2015年

2 孫斌;一種基于Adaboost的實時行人檢測算法[D];華南理工大學(xué);2015年

3 蔡澤彬;基于視頻分析的行人檢測及統(tǒng)計方法研究[D];華南理工大學(xué);2015年

4 游晴;Adaboost人臉檢測算法研究及其在硬件平臺上的實現(xiàn)[D];昆明理工大學(xué);2015年

5 宋雨;基于視覺圖片的腦—機接口控制研究[D];天津理工大學(xué);2015年

6 林欣;基于改進膚色模型的AdaBoost人臉檢測算法研究[D];陜西科技大學(xué);2015年

7 袁浩杰;Adaboost算法的并行化及其在目標(biāo)分類中的應(yīng)用[D];華南理工大學(xué);2015年

8 張恒;基于近紅外圖像的疲勞駕駛檢測研究與系統(tǒng)實現(xiàn)[D];長安大學(xué);2015年

9 朱非易;基于不平衡學(xué)習(xí)的蛋白質(zhì)—維生素綁定位點預(yù)測研究[D];南京理工大學(xué);2015年

10 張元;一種基于AdaBoost的組合分類算法研究[D];四川師范大學(xué);2015年

，

本文編號：1360900