学位论文 > 优秀研究生学位论文题录展示

基于FPGA的局部二值模式（LBP）的人脸识别研究

作　者: 覃世欢
导　师: 吴光敏
学　校: 昆明理工大学
专　业: 物理电子学
关键词: 人脸识别局部二值模式 LBP AccelDSP FPGA Anaconda卡
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 168次
引　用: 0次
阅　读: 论文下载

内容摘要

随着生物特征识别技术的迅速发展,人脸识别已经成为生物识别领域的研究热点。在诸多领域和学科中对人脸识别开展了较为广泛的研究,如计算机技术、电子技术、应用数学、自动化、可视化、虚拟现实、图像处理与模式识别等学科；同时也得到了广泛应用,如航空航天、气象、刑事侦察、出入境关口管理、机场和车站检查等领域。然而,在实际的应用中,大多数的人脸识别系统是用软件实现的。如果面对着大量的图像数据和较为复杂的算法时,它们处理的速度就非常地缓慢,很难达到实时处理的要求。因此,如何提高处理速度无疑成为了人脸识别研究的关键课题。论文采用加拿大DALSA公司的Anaconda专用图像处理卡,利用局部二值模式(LBP)算法提取人脸特征。在AccelDSP综合工具的协助下,采用了纯硬件的FPGA方式实时提取人脸特征。论文研究的内容如下：(1)详细地介绍了人脸识别的研究背景,阐述了人脸识别技术的研究内容和特点、发展历程、存在的问题,简单描述了人脸识别技术的未来发展趋势和应用领域。(2)介绍了局部二值模式(LBP)算法的原理、特性、人脸特征的表示以及LBP算法的改进。同时,介绍了基于FPGA的人脸识别系统设计工具,包括AccelDSP综合工具设计流程、编码风格和综合结果,Anaconda卡的结构、参数性能、图像采集和传输情况,以及Sapera LT类库的特性、基础类库知识。(3)借助AccelDSP综合工具,验证分析浮点模型、生成并验证定点模型、生成及验证寄存器级模型、综合寄存器级模型、实现并验证门级模型,最终完成LBP人脸特征提取在FPGA上的实现。(4)论文的硬件设计采用Anaconda卡来实现,硬件部分介绍了图像总线接口、配置总线接口,并对固件Firmware进行设计,软件设计设计包括FPGA的图像数据来源设置、上位机图像来源设置、FPGA图像数据输出设置。软硬件设计完成后,上位机将人脸图像送入FPGA, FPGA提取人脸特征后返回上位机,从而根据这些特征实现对人脸进行分类。(5)论文设计了基于FPGA的人脸识别系统,并完成了人脸识别实验。首先利用Matlab编写可综合的局部二值模式(LBP)算法来实现人脸特征提取方案；其次利用AccelDSP综合工具把浮点形式的Matlab代码变换成有效的硬件描述语言；再次使用Xilinx ISE把人脸特征提取模块集成到Anaconda卡的FPGA中；最后在VC++6.0的开发环境下,通过Dalsa公司给用户的Sapera LT类库来完成对Anaconda卡的硬件控制和上位机操作,并使用最近邻分类器设计了一个实时人脸识别系统。通过实时人脸识别系统的设计与实现,从技术的角度进一步验证了该方案的可行性。截止至目前,人脸识别系统开发与设计已经基本完成,实验的结果达到了预期的效果。它不仅提高了系统的识别率,而且在处理速度上已经远远超过了基于软件的人脸识别系统,为实时人脸识别系统的进一步研究提供了较好的参考价值。

全文目录

摘要  3-5
Abstract  5-7
目录  7-11
图目录  11-14
表目录  14-15
第一章绪论  15-32
  1.1 课题研究的背景和意义  15-17
    1.1.1 课题研究背景  15-17
    1.1.2 课题研究意义  17
  1.2 人脸识别技术概述  17-30
    1.2.1 人脸识别的研究内容  18-19
    1.2.2 人脸识别技术的特点  19-20
    1.2.3 人脸识别技术的研究现状  20-24
    1.2.4 人脸识别技术存在的难点  24-28
    1.2.5 人脸识别技术的发展趋势  28-29
    1.2.6 人脸识别技术的应用领域  29-30
  1.3 本文的研究内容及组织结构  30-31
    1.3.1 本文的研究内容  30
    1.3.2 本文的组织结构  30-31
  1.4 论文创新点  31
  1.5 本章小结  31-32
第二章 LBP的人脸识别  32-43
  2.1 人脸表征简介  32-33
  2.2 LBP算法的原理  33
  2.3 LBP计算过程  33-35
  2.4 LBP的特性  35-36
    2.4.1 等价模式  35
    2.4.2 旋转不变性  35-36
  2.5 LBP人脸特征表示  36-37
  2.6 LBP算法的改进  37-41
    2.6.1 基于LBP的人脸特征提取步骤  37
    2.6.2 人脸的局部二值模式在Matlab中的实现过程  37-38
    2.6.3 硬件处理存在的问题  38-39
    2.6.4 LBP算法的改进  39-41
  2.7 特征值距离计算与分类  41-42
    2.7.1 距离计算  41
    2.7.2 最近邻分类器  41-42
  2.8 本章小结  42-43
第三章基于FPGA的人脸识别系统设计工具  43-59
  3.1 AccelDSP综合工具  43-47
    3.1.1 AccelDSP的介绍  43
    3.1.2 AccelDSP设计流程  43-45
    3.1.3 AccelDSP的编码风格  45-47
    3.1.4 AccelDSP的综合结果  47
  3.2 Anaconda卡  47-54
    3.2.1 Anaconda卡的结构及性能参数  48-50
    3.2.2 图像采集情况  50-52
    3.2.3 相机图像的传输  52
    3.2.4 图像处理单元(1PU)  52-54
  3.3 Sapera LT类的使用  54-58
    3.3.1 基础类库说明  55-57
    3.3.2 基础类的其他派生类说明  57-58
  3.4 本章小结  58-59
第四章 LBP人脸识别在AcceIDSP上的仿真与实现  59-69
  4.1 人脸识别的程序结构  59
  4.2 验证浮点模型  59-60
  4.3 分析浮点模型  60-61
  4.4 生成定点模型  61-62
  4.5 验证定点模型  62-64
  4.6 生成寄存器级模型  64
  4.7 验证寄存器级模型  64-65
  4.8 综合寄存器级模型  65
  4.9 实现门级模型  65-66
  4.10 验证门级模型  66-67
  4.11 本章小结  67-69
第五章 FPGA人脸识别的软硬件实现  69-80
  5.1 硬件部分  69-76
    5.1.1 概述  69-70
    5.1.2 图像总线接口  70-73
    5.1.3 配置总线接口  73-75
    5.1.4 固件Firmware设计  75-76
  5.2 上位机控制部分  76-79
    5.2.1 设置FPGA的图像数据来源  77
    5.2.2 设置上位机显示的图像来源  77
    5.2.3 设置FPGA的图像数据输出  77-78
    5.2.4 人脸分类设计  78-79
  5.3 本章小结  79-80
第六章人脸识别实验  80-88
  6.1 实验平台的配置  80-82
    6.1.1 生成相机配置文件  80
    6.1.2 图像采集卡注册  80-81
    6.1.3 固件下载  81
    6.1.4 系统输出格式设置  81-82
    6.1.5 寄存器设置  82
  6.2 人脸识别实验  82-87
    6.2.1 身份鉴定实验及分析  83-85
    6.2.2 识别率统计的实现方法  85
    6.2.3 FPGA人脸识别系统识别率统计实验及分析  85-86
    6.2.4 实时人脸特征提取实验及分析  86-87
  6.3 本章小结  87-88
第七章总结与展望  88-90
  7.1 总结  88
  7.2 展望  88-90
致谢  90-91
参考文献  91-94
附录攻读硕士期间发表的论文  94

基于FPGA的局部二值模式（LBP）的人脸识别研究

内容摘要

全文目录

相似论文