基于Adaboost算法的人臉檢測(cè)系統(tǒng)的DSP實(shí)現(xiàn).pdf

1、人臉檢測(cè)技術(shù)是進(jìn)行臉部識(shí)別技術(shù)研究必不可少的部分，從上世紀(jì)90年代開(kāi)始，僅僅十年的時(shí)間人臉檢測(cè)技術(shù)就從嶄露頭角逐漸發(fā)展成為國(guó)內(nèi)外的研究熱點(diǎn)，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(cè)算法，其中基于 Adaboost學(xué)習(xí)算法訓(xùn)練得到的分類器檢測(cè)效果最好。進(jìn)入二十世紀(jì)以來(lái)，DSP芯片的算法處理性能和數(shù)據(jù)存儲(chǔ)能力有了很大提高，使得數(shù)據(jù)結(jié)構(gòu)復(fù)雜的人臉檢測(cè)算法能夠在嵌入式系統(tǒng)實(shí)現(xiàn)，本文在以TI公司的D

2、M642芯片為核心的DSP開(kāi)發(fā)板上實(shí)現(xiàn)視頻序列中的人臉檢測(cè)。
　　本文首先研究了基于Adaboost人臉檢測(cè)算法的訓(xùn)練，包括Haar特征選取和積分圖方法，并選擇MIT的人臉訓(xùn)練庫(kù)用于分類器訓(xùn)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(jì)算矩形Haar特征的方法實(shí)現(xiàn)了用于人臉檢測(cè)的分類器訓(xùn)練，包括弱分類器、強(qiáng)分類器以及最終用強(qiáng)分類器組合成的級(jí)聯(lián)分類器的訓(xùn)練過(guò)程，并在VS2010環(huán)境下結(jié)合OpenCV開(kāi)源機(jī)器視

3、覺(jué)庫(kù)應(yīng)用訓(xùn)練好的級(jí)聯(lián)分類器進(jìn)行人臉檢測(cè)，同時(shí)和OpenCV庫(kù)中提供的分類器的人臉檢測(cè)結(jié)果進(jìn)行比較。本課題訓(xùn)練的人臉檢測(cè)算法不論是對(duì)正面人臉還是傾斜或者旋轉(zhuǎn)人臉都有很好的檢測(cè)率，漏檢率比OpenCV庫(kù)中提供的用Adaboost算法訓(xùn)練的分類器低了一半，能達(dá)到4.3％，僅包含正面人臉的檢測(cè)庫(kù)甚至不存在漏檢，但是誤檢率11.7%卻高于OpenCV庫(kù)中提供的分類器的5.3%檢測(cè)率。
　　然后在基于DM642的開(kāi)發(fā)平臺(tái)構(gòu)建人臉檢測(cè)系統(tǒng)。搭建

4、了包括DM642-PCI開(kāi)發(fā)板、攝像機(jī)和液晶顯示器在內(nèi)的硬件平臺(tái)，同時(shí)在嵌入DSP/BIOS的CCS2.2軟件中構(gòu)建人臉檢測(cè)軟件系統(tǒng)。參考在 PC上實(shí)現(xiàn)人臉檢測(cè)功能的代碼，根據(jù) DM642芯片特點(diǎn)編寫(xiě)程序并進(jìn)行優(yōu)化，包括浮點(diǎn)轉(zhuǎn)定點(diǎn)，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(guò)軟硬件系統(tǒng)聯(lián)合調(diào)試，最終實(shí)現(xiàn)了人臉檢測(cè)功能。對(duì)于大小為352288的圖像，處理一幀圖像的平均時(shí)間為300ms，人臉檢測(cè)算法運(yùn)行