学位论文 > 优秀研究生学位论文题录展示

基于DIM3517的视频人脸检测算法研究

作　者: 沈梦叶
导　师: 周文晖
学　校: 杭州电子科技大学
专　业: 计算机应用技术
关键词: 人脸检测 AdaBoost 霍夫变换 Camshift人脸跟踪 DIM3517
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 3次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着计算机处理速度的提升和传感技术、分析、渲染设备的应用，计算机越来越智能化。其中人脸检测是计算机视觉中重要的领域之一，它几乎是所有人脸分析的基础，包括人脸校正、人脸建模、人脸重光照、人脸识别、人脸验证、头部跟踪等各种应用。通过对人脸检测算法的研究，不仅可以了解人脸检测的多种算法原理，而且可以将其应用于计算机视觉和图像处理，降低计算复杂度和节省资源。本文主要分析了基于AdaBoost的人脸检测算法，鉴于目前大多数AdaBoost算法只能面向正脸检测，限制其在视频检测方面的鲁棒性，本文结合了椭圆拟合和目标跟踪算法，针对视频中任意人脸姿态的检测和跟踪问题，引入霍夫椭圆检测和Camshift目标跟踪两种算法，提高AdaBoost检测算法对视频单帧的检测速率和在视频中的检测鲁棒性。最后将改进的AdaBoost检测算法移植到DIM3517的ARM Cortex-A8平台，实现在嵌入式平台上的视频人脸检测算法。本文的主要工作包括了以下4个方面：（1）第二章主要对AdaBoost人脸检测算法进行了详细的介绍，并使用MIT人脸库训练出自己的AdaBoost人脸检测器，在CMU测试人脸库上进行测试。实验表明该算法对正脸检测具有较好的性能，但是对于斜脸和侧脸性能不理想。（2）第三章引入随机霍夫椭圆检测算法，通过对视频单帧中的椭圆区域检测，来确定人脸检测的候选区域，再采用AdaBoost检测器对候选区域进行人脸检测，提高AdaBoost检测算法对视频单帧的人脸检测速率。（3）第四章引入Camshift目标跟踪算法，提出将Camshfit目标跟踪算法与AdaBoost人脸检测算法进行融合，来解决AdaBoost检测算法对视频中任意人脸的多姿态检测不理想的问题，提高了检测算法在视频中的鲁棒性。（4）第五章针对低成本应用的需求，在高性价比的DIM3517ARM Cortex-A8平台上，完成了对上述检测算法的移植和针对硬件平台的优化，实现了在嵌入式平台上的视频人脸检测系统。

全文目录


摘要  5-6
ABSTRACT  6-8
目录  8-10
第一章 绪论  10-17
  1.1 研究目的和意义  10-11
  1.2 课题的国内外研究现状  11
  1.3 人脸检测相关技术介绍  11-15
    1.3.1 聚类和 PCA  12-13
    1.3.2 神经网  13-14
    1.3.3 支持向量机  14
    1.3.4 Boosting  14-15
  1.4 论文的主要工作  15-17
第二章 基于 AdaBoost 的人脸检测算法  17-35
  2.1 概述  17
  2.2 Boosting 算法  17-18
  2.3 AdaBoost 算法  18-29
    2.3.1 矩形特征和积分图  18-23
    2.3.2 AdaBoost 训练算法  23-27
    2.3.3 级联分类器  27-29
  2.4 人脸检测系统的实现  29-31
    2.4.1 样本离线训练  29-30
    2.4.2 人脸测试过程  30-31
  2.5 实验结果  31-34
  2.6 本章小结  34-35
第三章 基于霍夫变换的 AdaBoost 人脸检测算法  35-44
  3.1 引言  35
  3.2 霍夫变换  35-36
  3.3 霍夫椭圆检测  36-39
    3.3.1 寻找椭圆中心  37-38
    3.3.2 寻找余下参数  38
    3.3.3 实验  38-39
  3.4 基于改进 RHT 的椭圆检测  39-42
    3.4.1 改进的 RHT 椭圆检测  39-40
    3.4.2 实验结果  40-42
  3.5 人脸候选区  42-43
  3.6 本章小结  43-44
第四章 基于 Camshift 的 AdaBoost 的人脸检测算法  44-55
  4.1 人脸跟踪算法介绍  44-45
    4.1.1 基于特征的跟踪方法  44
    4.1.2 基于滤波理论的跟踪方法  44-45
    4.1.3 基于偏微分方程的跟踪方法  45
    4.1.4 基于 Mean Shift 的跟踪方法  45
  4.2 Camshift 算法  45-48
    4.2.1 颜色直方图  45-46
    4.2.2 Mean Shift 算法  46-48
  4.3 基于 Camshift 的人脸检测系统  48-50
  4.4 实验结果  50-54
  4.5 本章小结  54-55
第五章 基于 DIM3517 平台的人脸检测系统  55-71
  5.1 概述  55
  5.2 DIM3517 系统硬件平台  55-60
    5.2.1 AM3517 核心  55-56
    5.2.2 SEED-DIM3517 结构  56-58
    5.2.3 SEED-DIM3517 软件平台和工具链  58-60
  5.3 移植  60-65
    5.3.1 OpenCV 的移植  61-63
    5.3.2 算法移植  63-65
  5.4 优化  65-69
    5.4.1 使用 gprof 对程序进行检测  66
    5.4.2 优化  66-69
  5.5 实验结果  69-70
  5.6 本章小结  70-71
第六章 总结与展望  71-72
  6.1 总结  71
  6.2 展望  71-72
致谢  72-73
参考文献  73-77
附录：作者在读期间发表的论文及参加的科研项目  77

相似论文

  1. 基于三维重建的焊点质量分类方法研究,TP391.41
  2. 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
  3. 基于差分演化的人脸识别方法研究,TP391.41
  4. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  5. 人脸检测算法的FPGA设计与实现,TP391.41
  6. 人脸检测及其DSP实现,TP391.41
  7. 嵌入式人脸检测与跟踪系统的设计与实现,TP274
  8. 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
  9. 红外条件下驾驶员疲劳检测研究,TP391.41
  10. 人脸检测系统研究,TP391.41
  11. 基于运动趋势估计的人脸跟踪技术研究,TP391.41
  12. 基于Adaboost的人脸检测算法研究与实现,TP391.41
  13. 视频序列中人脸检测光流跟踪技术研究,TP391.41
  14. 基于AdaBoost算法的人脸检测方法研究,TP391.41
  15. 基于建筑物的着色点云平面区域分割研究,TP391.41
  16. 视频中的人脸检测与跟踪算法研究,TP391.41
  17. 嵌入式人脸检测系统研究,TP391.41
  18. 基于AdaBoost算法的人脸识别研究,TP391.41
  19. 基于视觉的驾驶员疲劳状态检测方法研究,TP391.41
  20. 基于OpenCV的人脸检测方法研究,TP391.41
  21. 基于视觉的驾驶员疲劳实时检测研究,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