基于Adaboost算法的人臉檢測系統(tǒng)的DSP實現(xiàn).pdf

1、人臉檢測技術(shù)是進行臉部識別技術(shù)研究必不可少的部分，從上世紀90年代開始，僅僅十年的時間人臉檢測技術(shù)就從嶄露頭角逐漸發(fā)展成為國內(nèi)外的研究熱點，尤其是在視頻安全和安防監(jiān)控等領(lǐng)域得到了廣泛的發(fā)展。目前，已經(jīng)形成了幾種比較成熟的人臉檢測算法，其中基于 Adaboost學習算法訓練得到的分類器檢測效果最好。進入二十世紀以來，DSP芯片的算法處理性能和數(shù)據(jù)存儲能力有了很大提高，使得數(shù)據(jù)結(jié)構(gòu)復雜的人臉檢測算法能夠在嵌入式系統(tǒng)實現(xiàn)，本文在以TI公司的D

2、M642芯片為核心的DSP開發(fā)板上實現(xiàn)視頻序列中的人臉檢測。
　　本文首先研究了基于Adaboost人臉檢測算法的訓練，包括Haar特征選取和積分圖方法，并選擇MIT的人臉訓練庫用于分類器訓練。然后根據(jù)Adaboost算法理論并結(jié)合Haar特征以及利用積分圖計算矩形Haar特征的方法實現(xiàn)了用于人臉檢測的分類器訓練，包括弱分類器、強分類器以及最終用強分類器組合成的級聯(lián)分類器的訓練過程，并在VS2010環(huán)境下結(jié)合OpenCV開源機器視

3、覺庫應(yīng)用訓練好的級聯(lián)分類器進行人臉檢測，同時和OpenCV庫中提供的分類器的人臉檢測結(jié)果進行比較。本課題訓練的人臉檢測算法不論是對正面人臉還是傾斜或者旋轉(zhuǎn)人臉都有很好的檢測率，漏檢率比OpenCV庫中提供的用Adaboost算法訓練的分類器低了一半，能達到4.3％，僅包含正面人臉的檢測庫甚至不存在漏檢，但是誤檢率11.7%卻高于OpenCV庫中提供的分類器的5.3%檢測率。
　　然后在基于DM642的開發(fā)平臺構(gòu)建人臉檢測系統(tǒng)。搭建

4、了包括DM642-PCI開發(fā)板、攝像機和液晶顯示器在內(nèi)的硬件平臺，同時在嵌入DSP/BIOS的CCS2.2軟件中構(gòu)建人臉檢測軟件系統(tǒng)。參考在 PC上實現(xiàn)人臉檢測功能的代碼，根據(jù) DM642芯片特點編寫程序并進行優(yōu)化，包括浮點轉(zhuǎn)定點，使用查表數(shù)據(jù)，內(nèi)聯(lián)函數(shù)、降低數(shù)組維數(shù)，以及使用DM642內(nèi)置的EDMA功能等。經(jīng)過軟硬件系統(tǒng)聯(lián)合調(diào)試，最終實現(xiàn)了人臉檢測功能。對于大小為352288的圖像，處理一幀圖像的平均時間為300ms，人臉檢測算法運行