基于AdaBoost算法的人臉檢測(cè)及其在DSP平臺(tái)上的移植.pdf

1、人臉檢測(cè)是計(jì)算機(jī)視覺及模式識(shí)別領(lǐng)域中的經(jīng)典問(wèn)題，人臉檢測(cè)技術(shù)一直是該領(lǐng)域的研究熱點(diǎn)。隨著計(jì)算機(jī)視覺技術(shù)的飛速發(fā)展，人臉檢測(cè)技術(shù)的研究與應(yīng)用也取得了長(zhǎng)足的進(jìn)步。與此同時(shí)，計(jì)算機(jī)及半導(dǎo)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(wèn)世。二者的有機(jī)結(jié)合為人臉檢測(cè)在嵌入式系統(tǒng)中實(shí)現(xiàn)奠定了基礎(chǔ)。嵌入式平臺(tái)上的人臉檢測(cè)只有滿足實(shí)時(shí)性指標(biāo)才能具有較強(qiáng)的實(shí)用性。因此，滿足實(shí)時(shí)性指標(biāo)的嵌入式人臉檢測(cè)算法是將人臉檢測(cè)推向?qū)嵱玫南葲Q條件。
　　 本

2、文首先闡述了人臉檢測(cè)算法的發(fā)展及研究現(xiàn)狀，然后從基本的AdaBoost人臉檢測(cè)算法出發(fā)，分別針對(duì)算法的訓(xùn)練過(guò)程和檢測(cè)過(guò)程進(jìn)行改進(jìn)優(yōu)化，有效地降低算法的復(fù)雜度和計(jì)算量，為算法在嵌入式平臺(tái)上的移植創(chuàng)造了條件。在算法訓(xùn)練過(guò)程中，采用了對(duì)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(xùn)練時(shí)間；在檢測(cè)過(guò)程中，實(shí)現(xiàn)對(duì)不同大小人臉檢測(cè)時(shí)，本文將弱分類器縮放機(jī)制與圖像金字塔縮放機(jī)制的優(yōu)缺點(diǎn)進(jìn)行分析對(duì)比，最終，提出

3、了一種將兩種機(jī)制有機(jī)結(jié)合的方法來(lái)實(shí)現(xiàn)多尺度人臉檢測(cè)。
　　 接下來(lái)，將PC平臺(tái)上算法實(shí)現(xiàn)移植到DM642平臺(tái)上，并對(duì)算法在DSP平臺(tái)上的性能進(jìn)行優(yōu)化。這部分主要采用了浮點(diǎn)定點(diǎn)化、存儲(chǔ)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(yuǎn)大于25幀/秒的實(shí)時(shí)性指標(biāo)，最終實(shí)現(xiàn)了人臉檢測(cè)在DSP平臺(tái)上實(shí)時(shí)檢測(cè)，從而，實(shí)現(xiàn)了具有實(shí)時(shí)性的嵌入式人臉檢測(cè)算