论文部分内容阅读
人脸检测技术是计算机视觉领域中人脸图像处理系统的关键步骤,直接影响整个系统的性能。随着嵌入式系统在生产生活中的广泛应用,速度和实时性是嵌入式产品亟需解决的问题,因此迫切需要设计一种适宜在嵌入式系统上实现快速实时的人脸检测算法。论文的目标是优化一种适用于嵌入式平台的基于Boosting算法的人脸检测方法。本文总结了目前常用的人脸检测方法及主要特点,并设计了适用于嵌入式平台的基于YCb’Cr’颜色空间和Adaboost级联算法相结合的人脸检测方法。本文算法主要是通过易于实现的YCb’Cr’肤色模型检测出待测图片中的肤色像素,并对待测图片进行直方图均衡化、高斯滤波去噪处理和形态学处理操作,分割出肤色的候选区域,对分割出的候选区域应用Adaboost级联分类器进行人脸检测,提高了检测速度,减少了误检率。然后利用麻省理工学院(MIT)正面人脸库分别训练不同级数的Adaboost级联分类器,并与YCb’Cr’肤色模型相结合,通过分析比较,在保证检测率的前提下,兼顾检测速度和误检率,选择20级的Adaboost级联分类器与YCb’Cr’颜色空间结合的算法。将设计的人脸检测算法分别在高性能的SEP0611平台和北京艾睿合众科技的SEED-DVS8168的嵌入式开发平台上实现并作相应的优化工作,以验证该算法在嵌入式平台上的通用性。实验结果表明,本文算法在加州理工学院Markus Weber的彩色正面人脸库上检测率约为93.89%,误检率约为7.56%,检测速度较改进前20级Adaboost级联分类器提高了一倍左右。将算法分别移植到两种嵌入式平台上,在实时的正面单人脸的检测环境下,SEP0611平台上的检测率约为95.08%,检测速度平均为13.33帧／秒；SEED-DVS8168平台上的检测率约为96.66%,检测速度平均为14.92帧／秒,满足设计要求。