面向脸部特征检测的嵌入式多核架构研究

论文摘要

作为近年来的热点研究问题,视线估计的重要意义逐渐被越来越多的人们意识到,同时它也是本课题组多年来的主要研究方向。脸部特征提取作为视线估计系统中的重要组成部分是本文将要研究的重点内容。根据课题组对此领域的研究发现,计算效率高并且资源消耗低的嵌入式脸部特征实时检测系统是研究趋势。本文使用软硬件协同设计方法,并且基于传输触发架构可配置可扩展处理器（T*CORE）对此领域的一系列问题展开研究。本文在处理流程上放弃了原有的利用肤色的检测算法而采用了检测精度更高的基于haar-like特征的人脸检测算法,同时优化YCbCrCg肤色分割模型使得计算量降低到原有的1/3,并且提出改进的积分图和平方积分图的数据存储格式来减少算法计算期间占用大量存储空间的问题,使得数据宽度缩减到17bits和25bits。并且本文提出一个新颖的人脸检测并行策略,即在相同尺寸的图像下连续检测窗口中相同位置的弱分类器同时计算,在提高计算速度的同时又没有增加寄存器资源消耗。根据对算法的功能划分,本文采用了基于传输触发架构的可配置可扩展处理器架构实现人脸检测功能,针对具体应用设计了10个功能单元和对应的并行程序。而其它模块则分别在ASIC模块和NIOSⅡ上实现,并在此基础上提出基于SOPC平台的多核架构。整个系统的运行频率为100MHz,在检测图像尺寸为640*480的情况下处理速度达到8fps,满足最初的设计需求。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景和意义
• 1.2 当前特征识别领域研究现状
• 1.3 本文研究工作及内容安排
• 1.4 本文组织结构
• 第二章 系统主要算法阐述
• 2.1 肤色分割算法
• 2.2 脸部区域定位
• 2.2.1 基于AdaBoost 的haar-like 特征人脸检测算法
• 2.2.2 Haar-like 矩形特征与积分图
• 2.2.3 分类器训练
• 2.2.4 检测器级联结构
• 2.2.5 人脸检测流程
• 2.2.6 利用级联分类器检测子图像
• 2.3 投影算法
• 2.3.1 投影算法函数
• 2.3.2 方差投影函数
• 2.3.3 差分投影函数及混合投影函数
• 2.4 脸边界定位
• 2.5 本章小结
• 第三章 基于SOPC平台的设计和优化
• 3.1 SOPC 平台设计方法
• 3.2 算法分析和优化
• 3.2.1 肤色分割优化
• 3.2.2 检测模块优化
• 3.3 并行策略设计
• 3.4 T*CORE 架构说明
• 3.4.1 T*CORE 介绍
• 3.4.2 T*CORE 设计架构基础
• 3.4.3 基于可配置处理器T*CORE 的设计流程
• 3.5 本章小结
• 第四章 多核架构详细设计
• 4.1 图像采集和肤色分割模块设计
• 4.1.1 色彩空间转换模块
• 4.1.2 肤色分割模块
• 4.1.3 缓冲池和总线读写端口设计
• 4.2 T*CORE 详细设计
• 4.2.1 算法的流程设计
• 4.2.2 T*CORE 整体架构设计
• 4.2.3 架构总线设计
• 4.2.4 功能单元说明
• 4.2.5 T*CORE 程序设计
• 4.3 NIOSII 程序设计
• 4.4 本章小结
• 第五章 实验结果与分析
• 5.1 系统算法验证
• 5.2 肤色分割模块验证
• 5.3 人脸检测结果与分析
• 5.3.1 分类器性能分析
• 5.3.2 计算增幅分析
• 5.4 系统结果与评价
• 5.5 本章小结
• 第六章 总结与展望
• 参考文献
• 发表论文和科研情况说明
• 致谢