基于AdaBoost算法的人臉檢測及其在DSP平臺上的移植.pdf

1、人臉檢測是計算機視覺及模式識別領(lǐng)域中的經(jīng)典問題，人臉檢測技術(shù)一直是該領(lǐng)域的研究熱點。隨著計算機視覺技術(shù)的飛速發(fā)展，人臉檢測技術(shù)的研究與應用也取得了長足的進步。與此同時，計算機及半導體制造技術(shù)發(fā)展迅速，各種高性能的數(shù)據(jù)處理芯片不斷問世。二者的有機結(jié)合為人臉檢測在嵌入式系統(tǒng)中實現(xiàn)奠定了基礎(chǔ)。嵌入式平臺上的人臉檢測只有滿足實時性指標才能具有較強的實用性。因此，滿足實時性指標的嵌入式人臉檢測算法是將人臉檢測推向?qū)嵱玫南葲Q條件。
　　 本

2、文首先闡述了人臉檢測算法的發(fā)展及研究現(xiàn)狀，然后從基本的AdaBoost人臉檢測算法出發(fā)，分別針對算法的訓練過程和檢測過程進行改進優(yōu)化，有效地降低算法的復雜度和計算量，為算法在嵌入式平臺上的移植創(chuàng)造了條件。在算法訓練過程中，采用了對Haar-like特征高度、寬度和區(qū)域加以限制的方法，有效地減少了特征數(shù)量，從而縮短了訓練時間；在檢測過程中，實現(xiàn)對不同大小人臉檢測時，本文將弱分類器縮放機制與圖像金字塔縮放機制的優(yōu)缺點進行分析對比，最終，提出

3、了一種將兩種機制有機結(jié)合的方法來實現(xiàn)多尺度人臉檢測。
　　 接下來，將PC平臺上算法實現(xiàn)移植到DM642平臺上，并對算法在DSP平臺上的性能進行優(yōu)化。這部分主要采用了浮點定點化、存儲器優(yōu)化、以及線性匯編優(yōu)化等優(yōu)化方法。優(yōu)化前算法處理CIF(352×288)圖像的效率為6幀/秒，優(yōu)化后的算法效率為30幀/秒。優(yōu)化后的效率遠大于25幀/秒的實時性指標，最終實現(xiàn)了人臉檢測在DSP平臺上實時檢測，從而，實現(xiàn)了具有實時性的嵌入式人臉檢測算