Adaboost算法并行硬件架构研究与FPGA验证.rar

人脸检测是机器视觉的重要组成部分，广泛应用于人机交互，视频监控等领域。如何在嵌入式系统上实现实时人脸检测是一项非常有研究价值的课题。基于Adaboost 算法的级联人脸检测方案检测速率快，检出率高，该算法将分类器分成若干级，只有通过所有分类器才能判定为人脸。通过将特征数量少的分类器放在前面，迅速排除大部分非人脸区域，在不影响检测精度的情况下，可显著提高检测速度。 但是该算法需要存取的数据量大，计算复杂度高，单纯采用纯软件方案来实现，难以达到实时检测的要求。采用硬件实现方案，可充分利用硬件并行处理特性，通过流水线技术，可大大提高检测速度，达到实时检测要求，同时大量节省嵌入式系统CPU 及内存资源。 本文分析了现有几种Adaboost 算法硬件架构，对耗费的逻辑资源，检测速度，存储器访问效率等进行分析，设计了一种新的阵列单元结构，充分利用硬件的并行处理能力，可在一个时钟周期内计算多个矩形灰度和。阵列单元结构以被检窗口为中心，采用固定检测窗口大小（20 ×20），改变被检图像尺寸的扫描策略，可以有效的减少检测单元耗费的硬件资源。采用了高并行度的阵列架构设计，只需要增加一套MUX 就可将系统并行度增加1（并行度为n的系统可在每个时钟周期计算出n个矩形灰度和）。 本设计采用Xilinx Spartan3A DSP型FPGA 进行验证，配合视频输入以及输出模块，在系统时钟为50MHz的情况下，可对VGA 分辨率（640 ×480）的图像进行实时检测。

点击标签浏览更多相关技术资料资源：