Adaboost人脸检测算法在嵌入式平台上的优化与实现
摘 要:由于嵌入式平台的计算能力弱、内存空间小,为了能够将高复杂度的Adaboost人脸检测算法移植到嵌入式平台并能够高速运行,主要在算法方面进行了优化,其中包括:级联分类器的训练方法优化、浮点定点化、检测窗口SCALE处理等。优化后的级联分类器体积减小为未优化时的110,在基于PowerPC处理器的验证平台上,取得了15fps的检测速度。
关键词:Adaboost;级联分类器;FFC;PowerPC405
0 引言 目前,人脸检测技术已经在智能化人机界面、视频监控、人脸识别和基于内容的检索等领域得到了广泛应用。Viola和Jones提出的Adaboost人脸检测方法在PC平台上具有较好的检测效果。人脸检测技术在数码相机、手机和摄像机等便携式设备上的使用越来越广泛,而基于Adaboost的人脸检测算法计算复杂度比较高、训练的分类器过于庞大并且检测过程中访存次数很多,不适合在嵌入式平台中运行。所以,如何在训练和检测方面进行改进,使系统能够达到实时而又准确的效果,是本文将要阐述的重点。
1 人脸检测系统框架人脸检测技术是指对于给定的图像或视频,判断其中是否存在人脸,如果存在,则进一步确定人脸的个数、具体位置以及大小的过程。检测过程如下:
(1)首先加载级联分类器与待检测图像。
(2)将待检测图像转化为灰度图像,即把原来YUV格式的每点像素值用8位灰度值表示。
(3)对灰度图像进行积分图计算。
(4)对图像进行分步式检测,检测过程由一定规格的子窗口按一定策略对整幅图像分类,然后逐渐扩大子窗口直到不比当前待检测灰度图像小;子窗口对待检测灰度图像的检测过程,事实上就是由简单到复杂的过程,首先选择人脸特征中比较明显的分类特性,去掉大部分没有人脸的子窗口,之后通过每一级分类器筛选,最终判断是否整幅图像含有人脸。
(5)最后根据判断结果合并处理人脸重复区域来确定人脸位置和大小。
详情点击下载>>
关键词:Adaboost;级联分类器;FFC;PowerPC405
0 引言 目前,人脸检测技术已经在智能化人机界面、视频监控、人脸识别和基于内容的检索等领域得到了广泛应用。Viola和Jones提出的Adaboost人脸检测方法在PC平台上具有较好的检测效果。人脸检测技术在数码相机、手机和摄像机等便携式设备上的使用越来越广泛,而基于Adaboost的人脸检测算法计算复杂度比较高、训练的分类器过于庞大并且检测过程中访存次数很多,不适合在嵌入式平台中运行。所以,如何在训练和检测方面进行改进,使系统能够达到实时而又准确的效果,是本文将要阐述的重点。
1 人脸检测系统框架人脸检测技术是指对于给定的图像或视频,判断其中是否存在人脸,如果存在,则进一步确定人脸的个数、具体位置以及大小的过程。检测过程如下:
(1)首先加载级联分类器与待检测图像。
(2)将待检测图像转化为灰度图像,即把原来YUV格式的每点像素值用8位灰度值表示。
(3)对灰度图像进行积分图计算。
(4)对图像进行分步式检测,检测过程由一定规格的子窗口按一定策略对整幅图像分类,然后逐渐扩大子窗口直到不比当前待检测灰度图像小;子窗口对待检测灰度图像的检测过程,事实上就是由简单到复杂的过程,首先选择人脸特征中比较明显的分类特性,去掉大部分没有人脸的子窗口,之后通过每一级分类器筛选,最终判断是否整幅图像含有人脸。
(5)最后根据判断结果合并处理人脸重复区域来确定人脸位置和大小。
详情点击下载>>
