基于DM642的人脸检测系统的设计与实现

基于DM642的人脸检测系统的设计与实现

论文摘要

人脸检测技术一直是计算机视觉研究领域的一大热点,其目标是在给定的静态图片或视频序列中判断是否存在人脸,如果有则找出并确定所有人脸的位置和大小。人脸检测作为所有人脸处理技术的基础步骤,在身份识别、视频监控、基于内容的检索、新一代人机界面等领域有着日益广泛的应用。目前人脸检测技术的主流产品都是基于通用的台式电脑,其庞大的体积、巨大的功耗和不稳定的性能都是限制该技术进一步产业化的因素。根据这一现状,本课题设计并实现了一套基于DSP(Digital Signal Processor)的嵌入式人脸检测系统。本文主要工作如下:(1)人脸检测算法可以分为基于先验知识的检测算法和基于统计模型的检测算法两类。本文通过分析这两类算法,并结合系统硬件条件,采用基于统计模型的Adaboost算法,它是一种基于积分图和矩形特征的分级分类器算法,具有较高的检测效率和鲁棒性。同时在详细介绍了Adaboost算法之后,本文通过大量实验,选择较好的性能参数。(2)在研究过程中,本文从硬件和软件两方面对系统进行了规划。硬件方面,本文选用TI公司的TMS320DM642芯片作为主控芯片,辅以摄像头、CPLD、视频编解码芯片、储存芯片和电视机搭建了系统硬件平台。软件方面,本文基于CCS(Code Composer Studio)3.1,利用其集成的实时操作系统DSP/BIOS进行软件开发,在RF5(Reference Framework 5)框架下,将工作流程分为图像采集、处理和显示三个任务,任务间使用消息进行同步通信并传递图像数据。另外,本文在算法实现过程中裁剪并移植了开源计算机视觉库OpenCV,并利用其加快开发速度。(3)系统依照TMS320C6000系列芯片的开发流程进行开发,并利用CCS提供的各类调试工具对C语言代码进行分析调试,对需要优化的部分根据DM642的硬件特点采用浮点转定点运算、使用EDMA传输等方法进行优化,以加快处理速度。实验结果表明,本系统能较为准确的检测到人脸,并基本满足实时性要求,这为今后人脸检测技术的进一步应用奠定了一定的基础。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 课题研究的背景和意义
  • 1.2 国内外研究现状
  • 1.2.1 人脸检测技术的发展现状
  • 1.2.2 DSP 的发展现状
  • 1.3 论文主要内容及结构安排
  • 2 人脸检测算法综述
  • 2.1 人脸检测问题分类
  • 2.2 人脸检测经典算法
  • 2.2.1 基于先验知识的检测算法
  • 2.2.2 基于统计模型的检测算法
  • 2.2.3 基于统计模型的检测算法总结
  • 3 ADABOOST 算法及其实现
  • 3.1 矩形特征与积分图
  • 3.1.1 矩形特征
  • 3.1.2 积分图
  • 3.2 训练过程
  • 3.2.1 训练弱分类器
  • 3.2.2 训练强分类器
  • 3.2.3 训练级联分类器
  • 3.3 检测过程
  • 3.4 算法实现
  • 4 系统硬件设计
  • 4.1 摄像头
  • 4.2 图像解码芯片
  • 4.3 图像编码芯片
  • 4.4 DM642 处理芯片
  • 4.4.1 DM642 的CPU 结构
  • 4.4.2 流水线结构
  • 4.4.3 DM642 存储结构
  • 4.4.4 DMA 与EDMA
  • 4.4.5 DM642 视频端口
  • 4.4.6 DM642 视频FIFO
  • 4.5 存储芯片
  • 5 DSP 软件设计开发
  • 5.1 使用CCS
  • 5.2 使用DSP/BIOS
  • 5.2.1 实时多任务操作系统
  • 5.2.2 DSP/BIOS 概述
  • 5.2.3 DSP/BIOS 具体配置
  • 5.3 开发DSP 驱动
  • 5.3.1 基于DSP/BIOS 的外设驱动开发模型
  • 5.3.2 视频设备驱动开发
  • 5.4 RF5 框架
  • 6 人脸检测系统的实现
  • 6.1 自启动
  • 6.1.1 自启动的原理
  • 6.1.2 自启动的实现过程
  • 6.2 硬件初始化
  • 6.3 图像采集与显示
  • 6.4 OPENCV 移植
  • 6.4.1 OpenCV 简介
  • 6.4.2 EMCV 简介
  • 6.4.3 移植OpenCV
  • 6.5 人脸检测过程的实现
  • 6.6 程序优化
  • 6.7 实验结果
  • 7 结论
  • 7.1 本文所作的工作总结
  • 7.2 后续工作及展望
  • 致谢
  • 参考文献
  • 附录
  • 作者在攻读硕士学位期间发表的论文
  • 相关论文文献

    • [1].高校智能化考勤系统的设计与实现[J]. 信息与电脑(理论版) 2015(16)
    • [2].基于图像的人脸检测及特征点提取综述[J]. 科技视界 2014(06)
    • [3].一种新的Ada Boost人脸检测方法[J]. 重庆理工大学学报(自然科学) 2019(02)
    • [4].基于肤色分割、模板匹配与几何规则确认的人脸检测[J]. 长沙航空职业技术学院学报 2008(01)
    • [5].基于TINY-YOLO的嵌入式人脸检测系统设计[J]. 工业控制计算机 2019(03)
    • [6].非线性分段色彩变幻在肤色检测中的应用[J]. 价值工程 2010(36)
    • [7].基于深度学习的人脸检测算法的研究[J]. 科技创新导报 2018(26)
    • [8].基于分形和肤色模型的自然态人脸检测方法研究[J]. 计算机工程与设计 2009(01)
    • [9].基于计算机视觉的人脸检测与识别初探[J]. 电脑知识与技术 2017(33)
    • [10].基于交互式随机动作的人脸活体检测[J]. 软件导刊 2015(12)
    • [11].基于人脸检测技术的网络教学系统设计[J]. 无线互联科技 2018(24)
    • [12].ZedBoard开发平台的实时人脸检测系统设计[J]. 单片机与嵌入式系统应用 2019(08)
    • [13].基于高斯模型和支持向量机的人脸检测方法[J]. 微计算机信息 2009(24)
    • [14].一种基于MTCNN的视频人脸检测及识别方法[J]. 许昌学院学报 2019(02)
    • [15].基于误差反向传播神经网络的人脸检测方法[J]. 网络安全技术与应用 2015(01)
    • [16].基于肤色检测和人眼定位的人脸检测方法[J]. 计算机系统应用 2010(02)
    • [17].多特征融合的人脸检测[J]. 武汉理工大学学报 2010(23)
    • [18].基于特征和基于图像相结合的快速人脸检测[J]. 计算机应用研究 2008(01)
    • [19].基于ZYNQ的人脸检测实现[J]. 计算机产品与流通 2019(02)
    • [20].基于肤色模型的人脸检测研究[J]. 现代电子技术 2011(03)
    • [21].一种人脸检测方法[J]. 计算机系统应用 2010(07)
    • [22].基于卷积神经网络的视频人脸检测与识别[J]. 电脑知识与技术 2018(21)
    • [23].一种基于肤色模型的快速人脸检测方法[J]. 周口师范学院学报 2011(02)
    • [24].一种新的图像中人眼定位方法[J]. 兰州交通大学学报 2011(03)
    • [25].人脸检测中的图像光照处理研究[J]. 吉林化工学院学报 2011(09)
    • [26].基于计算机视觉的人脸检测与识别综述[J]. 计算机安全 2010(01)
    • [27].视频中基于肤色模型的人脸检测[J]. 计算机应用与软件 2010(02)
    • [28].基于GPU加速的人脸识别实现[J]. 电脑知识与技术 2018(12)
    • [29].基于人眼特征的多姿态人脸检测[J]. 现代计算机(专业版) 2012(04)
    • [30].人脸检测技术研究[J]. 计算机与数字工程 2012(12)

    标签:;  ;  

    基于DM642的人脸检测系统的设计与实现
    下载Doc文档

    猜你喜欢