论文部分内容阅读
人脸识别技术一直以来都是人工智能领域的研究热点之一,并且随着计算方法和计算工具的进步得到了极大地发展。人脸检测作为人脸识别系统的第一步,其检测率和检测速度直接影响整个人脸识别系统的性能,因此实现快速准确的人脸检测系统具有十分重要的意义。本文的主要研究内容是对Adaboost人脸检测算法进行优化设计,使其适用于FPGA平台实现。通过对基于Haar特征的人脸检测算法进行深入分析,确定优化改进方案,在保证检测率的基础上实现人脸的快速检测。本文采用图像缩放和多尺寸检测窗相结合的方法,避免了传统方法对检测窗的非整数倍放大,便于FPGA电路快速实现。为进一步加快检测速度,加大检测窗每次移动的步长,减少检测次数。本文采用小尺寸固定窗对图像进行遍历,以节省存储空间的使用。设计了固定窗积分图计算与存储策略,进一步提高了检测速度。为了降低算法的误检率,对初次检测到的人脸位置进行快速扩展验证。此外本文还采用了平方特征阈值比较方法和浮点数定点化设计,使算法适用于FPGA硬件平台实现。本文基于Opal Kelly公司的开发板XEM6310-LX150完成了 Adaboost人脸检测算法的FPGA电路优化设计和测试验证。实验结果表明,在FPGA系统工作频率62MHz下,人脸检测算法占用Xilinx Sparten-6 系列 XC6SLX150 型 FPGA 上 Slice 资源 1843 个(8%)和片上 RAM 资源 1495Kb(31%)。本文设计人脸检测系统的误检率低于2%,对于包含一张人脸的高清图像(1280×720)的检测率为98%,检测速度为1.96帧/秒,与已知人脸检测系统相比,检测率和检测速度的综合性能更优;对于包含5张人脸图像的检测率为92.56%,检测速度为1.28帧/秒。本文设计的人脸检测系统可以为人脸识别模块快速准确地提供人脸图像信息,进而构建完整人脸识别系统。