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