学位论文 > 优秀研究生学位论文题录展示

人脸检测算法的FPGA设计与实现

作　者: 闫秀桃
导　师: 黄海于
学　校: 西南交通大学
专　业: 交通信息工程及控制
关键词: 人脸检测 Adaboost算法 FPGA 分类器 训练时间
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 68次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着近年来对人脸检测技术的不断研究,人脸检测技术已得到很大的发展,并逐渐成为一个独立的研究课题。在大多数的视频监控系统中,人往往是最主要的监控对象,而人脸是识别人最重要的依据。所以,人脸的检测在数字监控系统中占据着重要的地位。Adaboost算法是人脸检测研究中的一个重要里程碑,是第一个具有实时性的人脸检测算法。从理论上讲,通过足够丰富的样本及足够多的矩形特征,经过足够的训练,Adaboost算法所得到的分类器可以获得无限趋于零的分类错误率。但由于训练设备的局限,基于PC平台的分类器训练往往需要几天甚至几十天的时间,所以,缩短分类器的训练时间尤为重要。本设计依据Adaboost算法的基本原理,在ISE软件平台上,设计并实现了Adaboost算法。在Adaboost算法的训练过程中,涉及的计算量非常庞大,主要表现在特征值的获取和最佳弱分类器的训练两个方面。本设计充分利用FPGA的并行计算能力及块RAM资源,快速获得了样本的特征值,并实现了分类器的快速训练。由于充分利用了FPGA的硬件特点,相比传统PC机训练过程大大缩短。此外,本设计还采用多尺度的检测方法在所训练的分类器上实现了Adaboost检测算法的FPGA实现。本论文首先介绍了课题的研究意义及国内外现状,简要介绍了Adaboost算法的相关理论。详细说明了Adaboost算法训练部分和检测部分的具体实现方法及实现过程,给出了相关模块的仿真结果及结果分析。最后,对论文进行了总结和展望,分析了论文中存在的问题及需要改进的地方。

全文目录


摘要  6-7
Abstract  7-11
第1章 绪论  11-15
  1.1 研究背景和意义  11
  1.2 人脸检测国内外研究现状  11-13
  1.3 人脸检测存在的难点  13
  1.4 本课题研究的内容  13-15
第2章 相关理论及技术概述  15-24
  2.1 Adaboost算法描述  15-16
  2.2 特征值  16-17
    2.2.1 积分图  16
    2.2.2 Haar特征  16-17
    2.2.3 特征值的计算方法  17
  2.3 分类器的训练方法  17-21
    2.3.1 弱分类器  17-18
    2.3.2 强分类器  18-19
    2.3.3 级联分类器  19-21
  2.4 检测方法简介  21
  2.5 FPGA基础介绍  21-23
  2.6 本章小结  23-24
第3章 总体设计  24-39
  3.1 训练部分  24-28
    3.1.1 分类器的设计  24-27
    3.1.2 分类器的实现  27-28
    3.1.3 训练部分模块介绍  28
  3.2 排序模块  28-30
    3.2.1 实现方法  28-29
    3.2.2 实现框图  29-30
  3.3 求分类错误率模块  30
    3.3.1 实现方法  30
    3.3.2 实现框图  30
  3.4 特征值模块  30-31
    3.4.1 实现方法  30-31
    3.4.2 实现框图  31
  3.5 优化特征数量  31-33
  3.6 检测部分  33-37
    3.6.1 检测方法  33-34
    3.6.2 检测部分设计  34-35
    3.6.3 检测部分模块介绍  35-37
  3.7 样本数据  37-38
    3.7.1 图片灰度值的获取  37
    3.7.2 数据的读取  37-38
    3.7.3 数据的存储  38
  3.8 本章小结  38-39
第4章 训练部分的FPGA实现  39-64
  4.1 顶层模块介绍  39-40
  4.2 特征值模块  40-47
    4.2.1 模块介绍  40-41
    4.2.2 积分图获取  41-43
    4.2.3 位置信息获取  43-44
    4.2.4 计算模块  44-47
  4.3 排序模块  47-50
    4.3.1 模块介绍  47-48
    4.3.2 控制信号的逻辑关系  48-49
    4.3.3 排序模块的仿真  49-50
  4.4 求分类错误率模块  50-53
    4.4.1 模块介绍  50-52
    4.4.2 计算方法  52
    4.4.3 实现结果  52-53
  4.5 权重更新模块  53-57
    4.5.1 模块介绍  53
    4.5.2 乘法器  53-54
    4.5.3 除法器  54-55
    4.5.4 缓冲存储器  55-57
  4.6 获取强分类器阈值模块  57-59
    4.6.1 确定强分类器阈值的方法  57-58
    4.6.2 实现方法  58-59
  4.7 获取误检率模块  59-61
  4.8 代码优化  61-62
  4.9 分类器的实现结果  62-63
  4.10 本章小结  63-64
第5章 人脸检测的FPGA实现  64-76
  5.1 顶层模块介绍  64-65
  5.2 积分图子模块  65
  5.3 检测子模块  65-71
    5.3.1 模块介绍  65-66
    5.3.2 控制信号设计  66-67
    5.3.3 放大部分  67-69
    5.3.4 遍历部分  69-70
    5.3.5 检测部分  70-71
  5.4 窗口合并子模块  71-73
    5.4.1 模块介绍  71-72
    5.4.2 合并的策略  72-73
    5.4.3 合并的具体实现  73
  5.5 人脸检测的实现结果  73
  5.6 实验结果  73-75
    5.6.1 测试前数据准备  73-74
    5.6.2 仿真结果  74-75
    5.6.3 测试结果分析  75
  5.7 本章小结  75-76
总结与展望  76-78
致谢  78-79
参考文献  79-82
攻读硕士学位期间发表的论文  82

相似论文

  1. 基于FPGA的电磁超声检测系统的研究,TH878.2
  2. 基于FPGA的五相PMSM驱动控制系统的研究,TM341
  3. LXI任意波形发生器研制,TM935
  4. 基于FPGA的射频功放数字预失真器设计,TN722.75
  5. 突发OFDM系统同步与信道估计算法及FPGA实现,TN919.3
  6. 直扩系统抗多径性能分析及补偿方法研究,TN914.42
  7. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  8. 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
  9. 统计与语言学相结合的词对齐及相关融合策略研究,TP391.2
  10. 基于FPGA的高速数字图像采集与接口设计,TP274.2
  11. LXI计数器研制,TP274
  12. 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
  13. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  14. 基于大字符集脱机手写体汉字识别方法研究,TP391.41
  15. 人脸检测及其DSP实现,TP391.41
  16. 嵌入式人脸检测与跟踪系统的设计与实现,TP274
  17. 基于AdaBoost算法的车辆识别系统研究与实现,TP391.41
  18. 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
  19. 红外条件下驾驶员疲劳检测研究,TP391.41
  20. 人脸检测系统研究,TP391.41
  21. 基于运动趋势估计的人脸跟踪技术研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com