论文部分内容阅读
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。