基于ImpulseC的嵌入式人脸检测算法的软硬件协同设计及仿真

论文摘要

基于统计的人脸检测方法近年来发展迅速,与此同时随着嵌入式设备的发展,出现了基于嵌入式设备的实时人脸检测的需求。以Adaboost为代表,基于统计的人脸检测方法具有良好的识别率和适应性,但其计算量较大,目前主要的嵌入式设备还很难达到实时检测的性能要求。本文实现了基于FPGA平台的Adaboost算法,借助ESL工具设计并仿真验证了硬件协处理器,为嵌入式设备硬件加速设计提供了一种快速实现方式。本文主要工作和贡献为:1.研究分析Adaboost算法流程。分析了Adaboost算法运算密集程度及对嵌入式系统性能的影响。2.在FPGA平台上实现Adaboost算法,分析其性能并提出对Adaboost算法在嵌入式系统上提高性能的可行方法。3.研究Impulse C语言硬件描述方法,并在此基础上,实现了人脸检测的Adaboost算法中积分图运算的Impulse C描述。Impulse C是一种与ANSI C兼容的并行性扩展集,能够支持并行结构的描述,与EDK工具结合紧密。借助Impulse C实现了硬件加速模块,给出了模块硬件结构,VerilogHDL描述及ModelSim仿真波形,验证了其功能。4.利用硬件加速模块,在Xilinx公司Spartan-3E开发平台上实现了Adaboost人脸检测算法加速。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 人脸检测应用发展
• 1.2 人脸检测技术的演进
• 1.3 本章小结
• 第二章 Adaboost 检测算法及改进
• 2.1 Boosting 算法简介
• 2.2 Adaboost 算法基本流程分析及改进
• 2.2.1 Adaboost 训练算法
• 2.2.2 Adaboost 级联检测算法
• 2.3 本章小结
• 第三章 嵌入式系统的Impulse C 实现
• 3.1 嵌入式系统设计
• 3.1.1 嵌入式系统软硬件划分
• 3.1.2 嵌入式设备硬件系统级设计
• 3.1.3 ESL 发展及自顶向下设计方法
• 3.2 Impulse C 简介
• 3.3 Impulse C 软硬件协同设计
• 3.3.1 Impulse C 软硬件模块设计
• 3.3.2 Impulse C 接口描述
• 3.3.3 软件仿真执行
• 3.4 本章小结
• 第四章 基于FPGA 的硬件加速器设计
• 4.1 实验平台及算法的软硬件划分
• 4.1.1 FPGA 开发平台
• 4.1.2 软硬件划分
• 4.2 硬件加速器设计
• 4.2.1 硬件加速器结构
• 4.2.2 加速器模块工作流程
• 4.2.3 功能仿真
• 4.2.4 仿真波形
• 4.4 本章小结
• 总结与展望
• 参考文献
• 致谢
• 攻读学位期间已发表或录用的论文