论文部分内容阅读
人脸检测是指在任何人脸识别系统中从输入信息(图像)中确定所有存在的人脸的位置、大小和姿态的过程，它是自动人脸识别系统中的一个关键环节。随着计算机科学在人机交互领域的快速发展，人脸检测获得了广泛的重视，并成功应用于智能视频监控、出入境管理、电子商务等领域。本文分别研究了AdaBoost算法以及神经网络的人脸检测算法，在分析比较各自的优缺点之后，提出了一种改进的检测算法。并且针对在实际应用中，常常期望有一个独立的嵌入式的人脸检测系统，提出了一种基于FPGA(Field-programmable gate array)的软硬件协同人脸检测方法。全文主要内容如下：1.将AdaBoost算法与神经网络相结合，提出了一种新的人脸检测方法。首先，对人脸图像数据进行标准化处理，然后利用神经网络训练出一系列弱分类器，最后利用AdaBoost算法提高弱分类器的分类精度，实现人脸的检测。实验结果表明，AdaBoost-NN算法具有较好的鲁棒性和较高的检测率，结果更加客观、合理。同时，AdaBoost-NN算法也与神经网络和Gabor小波变换相结合的人脸检测算法进行了比较，实验结果表明，综合考虑检测率和时间，AdaBoost-NN人脸检测算法是优于Gabor-NN算法的。2．以Xilinx公司的XUP Virtex II Pro型FPGA为开发平台，分别在其Power-PC硬核和MicroBlaze软核上，用软件的方法实现了人脸检测方法，并比较了两种方法的执行时间。3．提出了一种软硬件协同的嵌入式人脸检测方法。先在XUP Virtex II Pro型FPGA上以PowerPC硬核为核心搭建起硬件平台。接着，设计了该系统最为关键的两个IP核：视频输入与显示IP核，以及AdaBoost算法矩形特征分类IP核。为了提高系统的速度，将特征数据都存储在BRAM上。并且，特征分类IP核中，采用了并行处理的方法。最终的仿真实验表明，相对软件实现，检测速度大大提高。并且整个系统相对灵活，对于不同的应用环境，只需改变软件处理部分。