基于AdaBoost人脸检测算法在DSP上实现.pdf

南开大学硕士学位论文基于AdaBoost的人脸检测算法在DSP上的实现姓名:李玉英申请学位级别:硕士专业:软件工程指导教师:张建忠201111摘要摘要物体检测是基于图像处理的人机交互的重要研究内容之一。其中,人脸检测最具代表性。良好的人脸检测算法,往往具有普适性。所谓人脸检测是指在给定任意一幅图像中,确定图像中是否有人脸,能够找到并且确定人脸的精确位置和大小的技术。本文的目的是以DSPTMS320DM642为核心处理器,实现一个通用的实时的人脸检测系统。系统采用了PaulViola提出的AdaBoost快速人脸检测算法,并且通过几轮的训练,得到适合于在嵌入式平台上使用的尽可能优化的级联分类器,从而得到具有高检测速度、低误检测率和高检测正确率的人脸检测系统。AdaBoost人脸检测算法,利用矩形特征、AdaBoost算法以及多层级联分类器,实现了实时的人脸检测。它快速的检测速度和准确的检测,使人脸检测走向实用。本文首先分析了基于AdaBoost人脸检测算法的性能。测试证明AdaBoost人脸检测算法具有较好的稳定性和较高的检测率。该算法的抗类肤色的干扰的性能较好,能同时检测多个人脸,并能够适应人脸的多尺度变化。由于嵌入式平台具有计算能力有限、内存空间小等问题,为了使具有高空间复杂度和时间复杂度的AdaBoost人脸检测算法能够移植到嵌入式平台并且能够高速的运行,还在算法方面对系统进行了一系列的优化,其中包括:级联分类器的训练方法的优化、浮点运算定点化、检测窗HSCALE处理以及对图像进行选择性扫描、C语言级优化和内存以及Cache优化等。优化后的级联分类器是原来未优化级联分类器体积的1/12,并且在DSP642开发系统上做硬仿真实验,达到了较满意的检测速度。将此算法应用到人脸考勤机中时,算法达到了12帧每秒,达到了满意的效果。关键词:人脸检测AdaBoost级联分类器ABSTRACTObjectdetectionisoneofthemostsignificantresearchesconcerningimage-puterinteraction,,·,wegetoneoptimizedcascadeclassifierthatissuitabletobeusedintheembeddedplatformSOthatthefacedetectionsystemconcerninghi曲detectionspeed,,AdaBoostalgorithmaswellasmulti-levelcascadeclassifiertoachievethereal-:,ithasgoodqualitytoavoidtheinterferenceofsimilarskincolors,,inordertotransplanttheAdaBoostface