人脸检测及其DSP实现

论文摘要

随着人们安全防范意识的不断提高,视频监控已经被各个领域广泛应用。从工业生产到日常生活,视频监控以其直观、方便、实时的特点越来越受到人们的欢迎。但是,现今大多数的视频监控还停留在操作人员肉眼监控的状态,为了将操作人员从繁重的监控工作中解放出来,具有数字化、网络化、智能化等特点的新型视频监控系统应运而生。数字图像处理技术为视频监控的智能化提供了可能,该技术也为视频监控带来更多智能化应用。人脸对象是视频监控系统中最受关注的对象,是一种非常有潜力的身份验证途径。本文主要研究了基于DSP实现的人脸检测问题。在研究了当今各种主流的人脸检测算法及其原理之后,通过对比发现AdaBoost算法在计算机仿真领域以及实际应用均较为广泛。因此采用AdaBoost算法作为人脸检测的基本算法,通过对样本的训练得到人脸检测所需的分类器,再由分类器检测得到图像中的人脸区域。DSP开发板采用的是TI公司生产的达芬奇系列数字视频图像处理系列TMS320DM6437。该开发板包含DSP子系统,视频处理子系统和相关外设。将基于AdaBoost算法的人脸检测软件程序通过优化等处理,从计算机上移植到DSP开发板上并执行,大大缩短了检测时间,提高了检测的效率并保证了实时性,为人脸检测以及人脸识别的相关视频监控提供了有效的实际应用。

论文目录

• 摘要
• ABSTRACT
• 图列
• 表列
• 符号说明
• 第1章 绪论
• 1.1 引言
• 1.2 人脸检测的研究目的和意义
• 1.3 课题主要研究内容
• 1.4 论文结构
• 第2章 人脸检测算法
• 2.1 人脸检测算法介绍
• 2.1.1 基于知识的方法
• 2.1.2 基于特征的方法
• 2.1.3 基于表象的方法
• 2.2 AdaBoost方法
• 2.2.1 Boosting算法
• 2.2.2 AdaBoost算法原理
• 2.2.3 AdaBoost算法在人脸检测中的应用
• 2.3 矩形特征和积分图
• 2.3.1 Haar特征
• 2.3.2 积分图
• 2.4 分类器和级联
• 2.5 本章小结
• 第3章 人脸检测系统整体设计
• 3.1 人脸检测系统框架
• 3.2 系统各模块结构及其功能
• 3.2.1 DSP子系统
• 3.2.2 视频处理子系统
• 3.2.3 相关外设
• 3.3 集成开发环境CCS
• 3.3.1 编程及调试
• 3.3.2 嵌入式实时操作系统DSP/BIOS
• 3.3.3 实时数据交换
• 3.4 本章小结
• 第4章 人脸检测系统的开发及其实现
• 4.1 人脸检测软件开发流程
• 4.2 算法原型和算法改进
• 4.2.1 开源计算机视觉库OpenCV
• 4.2.2 搜索窗口的优化
• 4.2.3 扫描步长的优化
• 4.3 程序代码的移植、优化
• 4.3.1 浮点和定点
• 4.3.2 基于DSP的代码优化
• 4.4 实验结果分析
• 4.5 本章小结
• 第5章 总结与展望
• 参考文献
• 附录1
• 致谢
• 攻读学位期间参加的科研项目和成果