论文部分内容阅读
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,能达到4.3%,仅包含正面人脸的检测库甚至不存在漏检,但是误检率11.7%却高于OpenCV库中提供的分类器的5.3%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/BIOS的CCS2.2软件中构建人脸检测软件系统。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352×288的图像,处理一帧图像的平均时间为300ms,人脸检测算法运行的平均时间为200ms。