基于adaboost算法人脸检测系统dsp实现.pdf

分类号: 密级: U D C : 编号: 工学硕士学位论文基于Adaboost算法的人脸检测系统的DSP实现硕士研究生:任超指导教师:汲清波副教授学位级别:工学硕士学科、专业:信号与信息处理所在单位:信息与通信工程学院论文提交日期:2014年1月论文答辩日期:2014年3月学位授予单位:哈尔滨工程大学万方数据 2 万方数据 Classified Index: : A Dissertation for the Degree of M. Eng The Realization of AFace Detection system Based on AdaboostAlgorithmwithusing DSP Candidate: Ren Chao Supervisor: Associate Prof. JiQingbo Academic Degree Applied for: Master of Engineering Specialty: Signal and Information Process Date of Submission:Jan. 2014 Date of Oral Examination: University: Harbin Engineering University 万方数据哈尔滨工程大学学位论文原创性声明本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者(签字): 日期: 年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定,即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文,可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文(□在授予学位后即可□在授予学位12个月后□解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。作者(签字): 导师(签字): 日期: 年月日年月日万方数据基于Adaboost算法的人脸检测系统的DSP实现摘要人脸检测技术是进行脸部识别技术研究必不可少的部分,从上世纪90年代开始, 仅仅十年的时间人脸检测技术就从崭露头角逐渐发展成为国内外的研究热点,尤其是在视频安全和安防监控等领域得到了广泛的发展。目前,已经形成了几种比较成熟的人脸检测算法,其中基于Adaboost学习算法训练得到的分类器检测效果最好。进入二十世纪以来,DSP芯片的算法处理性能和数据存储能力有了很大提高,使得数据结构复杂的人脸检测算法能够在嵌入式系统实现,本文在以TI公司的DM642芯片为核心的DSP 开发板上实现视频序列中的人脸检测。本文首先研究了基于Adaboost人脸检测算法的训练,包括Haar特征选取和积分图方法,并选择MIT的人脸训练库用于分类器训练。然后根据Adaboost算法理论并结合 Haar特征以及利用积分图计算矩形Haar特征的方法实现了用于人脸检测的分类器训练, 包括弱分类器、强分类器以及最终用强分类器组合成的级联分类器的训练过程,并在 VS2010环境下结合OpenCV开源机器视觉库应用训练好的级联分类器进行人脸检测, 同时和OpenCV库中提供的分类器的人脸检测结果进行比较。本课题训练的人脸检测算法不论是对正面人脸还是倾斜或者旋转人脸都有很好的检测率,漏检率比OpenCV库中提供的用Adaboost算法训练的分类器低了一半,%,仅包含正面人脸的检测库甚至不存在漏检,%%检测率。然后在基于DM642的开发平台构建人脸检测系统。搭建了包括DM642-PCI开发板、摄像机和液晶显示器在内的硬件平台,同时在嵌入DSP/。参考在PC上实现人脸检测功能的代码,根据DM642芯片特点编写程序并进行优化,包括浮点转定点,使用查表数据,内联函数、降低数组维数,以及使用DM642内置的EDMA功能等。经过软硬件系统联合调试,最终实现了人脸检测功能。对于大小为352 28