人臉檢測(cè)算法的FPGA設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著近年來對(duì)人臉檢測(cè)技術(shù)的不斷研究,人臉檢測(cè)技術(shù)已得到很大的發(fā)展,并逐漸成為一個(gè)獨(dú)立的研究課題。在大多數(shù)的視頻監(jiān)控系統(tǒng)中,人往往是最主要的監(jiān)控對(duì)象,而人臉是識(shí)別人最重要的依據(jù)。所以,人臉的檢測(cè)在數(shù)字監(jiān)控系統(tǒng)中占據(jù)著重要的地位。Adaboost算法是人臉檢測(cè)研究中的一個(gè)重要里程碑,是第一個(gè)具有實(shí)時(shí)性的人臉檢測(cè)算法。從理論上講,通過足夠豐富的樣本及足夠多的矩形特征,經(jīng)過足夠的訓(xùn)練,Adaboost算法所得到的分類器可以獲得無限趨于零的分類錯(cuò)

2、誤率。但由于訓(xùn)練設(shè)備的局限,基于PC平臺(tái)的分類器訓(xùn)練往往需要幾天甚至幾十天的時(shí)間,所以,縮短分類器的訓(xùn)練時(shí)間尤為重要。
　　 本設(shè)計(jì)依據(jù)Adaboost算法的基本原理,在ISE軟件平臺(tái)上,設(shè)計(jì)并實(shí)現(xiàn)了Adaboost算法。在Adaboost算法的訓(xùn)練過程中,涉及的計(jì)算量非常龐大,主要表現(xiàn)在特征值的獲取和最佳弱分類器的訓(xùn)練兩個(gè)方面。本設(shè)計(jì)充分利用FPGA的并行計(jì)算能力及塊RAM資源,快速獲得了樣本的特征值,并實(shí)現(xiàn)了分類器的快速訓(xùn)練

3、。由于充分利用了FPGA的硬件特點(diǎn),相比傳統(tǒng)PC機(jī)訓(xùn)練過程大大縮短。此外,本設(shè)計(jì)還采用多尺度的檢測(cè)方法在所訓(xùn)練的分類器上實(shí)現(xiàn)了Adaboost檢測(cè)算法的FPGA實(shí)現(xiàn)。
　　 本論文首先介紹了課題的研究意義及國(guó)內(nèi)外現(xiàn)狀,簡(jiǎn)要介紹了Adaboost算法的相關(guān)理論。詳細(xì)說明了Adaboost算法訓(xùn)練部分和檢測(cè)部分的具體實(shí)現(xiàn)方法及實(shí)現(xiàn)過程,給出了相關(guān)模塊的仿真結(jié)果及結(jié)果分析。最后,對(duì)論文進(jìn)行了總結(jié)和展望,分析了論文中存在的問題及需要改進(jìn)