Adaboost人脸检测算法在嵌入式平台上的实现与研究

发布时间：2020-10-27 07:31

　　 由于人脸检测技术在很多场合有许多非常重要的应用,例如:机场里基于视频流的人脸识别、安全领域的门禁系统、数字图片检索等,在过去十年里,人脸检测一直是图像处理领域里非常具有挑战性的问题。随着研究的深入,很多人脸检测算法被提了出来。2001年,Viola和Jones在文章中提出了基于Adaboost的快速人脸检测算法,并在PC平台,能够达到基本的实时人脸检测。但是,这种基于Adaboost的人脸检测算法在嵌入式平台上的性能到底如何呢?在嵌入式产品广泛应用的今天,只有让人脸检测算法在嵌入式平台上达到实时检测,才能获得更广泛的应用。 本文从PC平台的软件实现入手,使用了两种检测机制——弱分类器缩放机制和图像金字塔缩放机制,分别实现了Adaboost人脸检测算法。论文分析了这两种机制的优缺点,接着对它们在PC平台的检测速度进行了比较。在PC平台,采用弱分类器缩放机制的检测速度是采用图像金字塔缩放机制的3倍。接着,本文将软件实现移植到Xilinx XUP开发板的基于PowerPC 405的嵌入式平台。基于嵌入式平台的软件实现的检测速度非常慢,为此,本文提出了浮点定点化、参数优化、硬件加速三种优化方案对纯软件实现进行优化,并对它们的性能进行了测试。使用了22级的层级级联分类器,共2135个类Haar特征,检测窗口是20×20,缩放系数是1.25,对352×288的图像进行检测,采用图像金字塔缩放机制的实现的检测时间是0.08s,而采用弱分类器缩放机制的检测时间是0.16s。根据实验结果,得出图像金字塔缩放机制更适合硬件实现的结论。最后本文在基于图像金字塔缩放机制的软件实现基础上分析了全硬件实现的人脸检测框架,并根据硬件框架构建了C模型。最终的基于FPGA的全硬件实现获得了0.02s的检测速度,达到了实时性能。
【学位单位】：上海交通大学
【学位级别】：硕士
【学位年份】：2008
【中图分类】：TP368.12
【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
    1.2 人脸检测研究进展
        1.2.1 人脸检测方法及分类
        1.2.2 人脸检测结果的评价标准
    1.3 本课题研究的主要内容
    1.4 本章小结
第二章 ADABOOST 快速人脸检测算法
    2.1 ADABOOST 算法概述
    2.2 基于ADABOOST 算法的人脸检测
        2.2.1 Haar-like 特征
        2.2.2 积分图
    2.3 ADABOOST 人脸检测算法的训练过程
        2.3.1 训练样本集
        2.3.2 弱分类器
        2.3.3 强分类器
        2.3.4 层级级联分类器
        2.3.5 训练过程
    2.4 本章小结
第三章 ADABOOST 算法的纯软件实现
    3.1 ADABOOST 算法检测流程
    3.2 软件实现中使用的工具
        3.2.1 gprof
        3.2.2 gcov
        3.2.3 Valgrind
    3.3 检测机制
        3.3.1 弱分类器尺度缩放
        3.3.2 图像金字塔缩放
    3.4 检测算法的软件实现
        3.4.1 预处理
        3.4.2 积分图计算
        3.4.3 图像缩放
        3.4.4 检测过程
        3.4.5 合并
    3.5 实验结果和分析
    3.6 本章小结
第四章 ADABOOST 算法在嵌入式平台的优化
    4.1 嵌入式开发平台介绍
        4.1.1 XUP 中的PowerPC 处理器介绍
        4.1.2 Xilinx 开发工具介绍
        4.1.3 软硬件开发平台总结
    4.2 ADABOOST 在嵌入式平台的优化
        4.2.1 浮点定点化
        4.2.2 硬件加速设计
        4.2.3 参数优化
        4.2.4 其它优化
    4.3 本章小结
第五章 ADABOOST 算法全硬件实现的C 模型
    5.1 硬件框架
    5.2 C 模型仿真
    5.3 硬件实现
    5.4 本章小结
第六章 实验结果与分析
    6.1 实验平台介绍
    6.2 实验结果和分析
    6.3 检测效果展示
总结和展望
参考文献
致谢
攻读硕士学位期间已发表或录用的论文

【引证文献】

相关期刊论文 前1条

1 吴禄慎;吴培敏;;基于区域特征的视频序列人脸快速检测[J];微电子学与计算机;2011年05期

相关硕士学位论文 前7条

1 魏新华;基于嵌入式门禁系统的人脸识别技术的研究[D];沈阳理工大学;2010年

2 何世民;基于AdaBoost算法的人脸检测及其在DSP平台上的移植[D];哈尔滨理工大学;2010年

3 宋建强;基于显著区域提取的人脸检测研究[D];西安电子科技大学;2011年

4 黄玲珠;基于嵌入式智能监控系统的人脸识别研究[D];厦门大学;2009年

5 陈蔡岳;基于嵌入式智能监控系统的人脸检测研究[D];厦门大学;2009年

6 崔小静;基于肤色分割与AdaBoost分类器的多姿态人脸检测[D];太原理工大学;2012年

7 赵季方;面向嵌入式手机平台人脸跟踪技术研究与实现[D];长春理工大学;2012年

本文编号：2858250