人脸检测是人脸分析的首要环节，其处理的问题是确认图像（或影像）中是 否存在人脸，如果存在则对人脸进行定位。人脸检测的应用领域相当广泛，是实 现机器智能化的重要步骤之一。 AdaBoost 算法是 1995 年提出的一种快速人脸检测算法，是人脸检测领域里 程碑式的进步，这种算法根据弱学习的反馈，适应性地调整假设的错误率，使在 效率不降低的情况下，检测正确率得到了很大的提高。 本论文第一章和第二章简述了人脸检测的一般情况，第三章对一些人脸检测 的经典方法进行了说明。 第四章讲述了 AdaBoost 算法的发展历史。从 PCA 学习模型到弱学习和强 学习相互关系的论证，再到 Boosting 算法的最终提出，阐述了 Adaptive Boosting 算法的发展脉络。 第五章对影响 AdaBoost 人脸检测训练算法速度的至关重要的两方面：矩形 特征和积分图的概念和理论进行了仔细的阐明。 第六章给出了 AdaBoost 的算法，并深入探讨了其中的一些关键问题——弱 学习器的构造、选取等问题。 最后一章，用编写的实现了 AdaBoost 算法的 FáDèt 程序，给出了相应的 人脸检测实验结果，并和 Viola 等人的结果做了比较。
上传时间： 2018-01-29
上传用户：dragon000008
产品型号：VK3604A 产品品牌：VINKA/永嘉微电 封装形式：SOP16 产品年份：新年份 联 系 人：陈锐鸿 Q Q：361 888 5898 联系手机：188 2466 2436（信） 概述： VK3604/VK3604A具有4个触摸按键，可用来检测外部触摸按键上人手的触摸动作。该芯片具有较高的 集成度，仅需极少的外部组件便可实现触摸按键的检测。 提供了4路输出功能，可通过IO脚选择输出电平，输出模式，输出脚结构，单键/多键和最 长输出时间。芯片内部采用特殊的集成电路，具有高电源电压抑制比，可减少按键检测错误的 发生，此特性保证在不利环境条件的应用中芯片仍具有很高的可靠性。 此触摸芯片具有自动校准功能，低待机电流，抗电压波动等特性，为各种触摸按键+IO输 出的应用提供了一种简单而又有效的实现方法。 特点： • 工作电压 2.4-5.5V • 待机电流7uA/3.3V,14uA/5V • 上电复位功能（POR） • 低压复位功能（LVR） • 触摸输出响应时间：工作模式 48mS ，待机模式160mS • 通过AHLB脚选择输出电平：高电平有效或者低电平有效 • 通过TOG脚选择输出模式：直接输出或者锁存输出 • 通过SOD脚选择输出方式：CMOS输出或者开漏输出 • 通过SM脚选择输出：多键有效或者单键有效 • 通过MOT脚有效键最长输出时间：无穷大或者16S • 通过CS脚接对地电容调节整体灵敏度(1-47nF） • 各触摸通道单独接对地小电容微调灵敏度（0-50pF） • 上电0.25S内为稳定时间，禁止触摸 • 上电后4S内自校准周期为64mS，4S无触摸后自校准周期为1S • 封装SOP16(150mil)(9.9mm x 3.9mm PP=1.27mm) ———————————————— 产品型号：VK3604B 产品品牌：VINKA/永嘉微电 封装形式：TSSOP16 产品年份：新年份 联 系 人：陈锐鸿 1.概述 VK3604B具有4个触摸按键，可用来检测外部触摸按键上人手的触摸动作。该芯片具有 较高的集成度，仅需极少的外部组件便可实现触摸按键的检测。 提供了4路直接输出功能。芯片内部采用特殊的集成电路，具有高电源电压抑制比，可 减少按键检测错误的发生，此特性保证在不利环境条件的应用中芯片仍具有很高的可靠性。 此触摸芯片具有自动校准功能，低待机电流，抗电压波动等特性，为各种触摸按键+IO 输出的应用提供了一种简单而又有效的实现方法。 特点 • 工作电压 2.4-5.5V • 待机电流7uA/3.3V,14uA/5V • 上电复位功能（POR） • 低压复位功能（LVR） • 触摸输出响应时间： 工作模式 48mS 待机模式160mS • CMOS输出，低电平有效，支持多键 • 有效键最长输出16S • 无触摸4S自动校准 • 专用脚接对地电容调节灵敏度(1-47nF） • 各触摸通道单独接对地小电容微调灵敏度（0-50pF）. • 上电0.25S内为稳定时间，禁止触摸. • 封装 TSSOP16L(4.9mm x 3.9mm PP=1.00mm) KPP841 标准触控IC-电池供电系列： VKD223EB --- 工作电压/电流：2.0V-5.5V/5uA-3V 感应通道数：1 通讯界面 最长回应时间快速模式60mS，低功耗模式220ms 封装：SOT23-6 VKD223B --- 工作电压/电流：2.0V-5.5V/5uA-3V 感应通道数：1 通讯界面 最长回应时间快速模式60mS，低功耗模式220ms 封装：SOT23-6 VKD233DB --- 工作电压/电流：2.4V-5.5V/2.5uA-3V 1感应按键 封装：SOT23-6 通讯界面：直接输出，锁存(toggle)输出 低功耗模式电流2.5uA-3V VKD233DH ---工作电压/电流：2.4V-5.5V/2.5uA-3V 1感应按键 封装：SOT23-6 通讯界面：直接输出，锁存(toggle)输出 有效键最长时间检测16S VKD233DS --- 工作电压/电流：2.4V-5.5V/2.5uA-3V 1感应按键 封装：DFN6（2*2超小封装） 通讯界面：直接输出，锁存(toggle)输出 低功耗模式电流2.5uA-3V VKD233DR --- 工作电压/电流：2.4V-5.5V/1.5uA-3V 1感应按键 封装：DFN6（2*2超小封装） 通讯界面：直接输出，锁存(toggle)输出 低功耗模式电流1.5uA-3V VKD233DG --- 工作电压/电流：2.4V-5.5V/2.5uA-3V 1感应按键 封装：DFN6（2*2超小封装） 通讯界面：直接输出，锁存(toggle)输出 低功耗模式电流2.5uA-3V VKD233DQ --- 工作电压/电流：2.4V-5.5V/5uA-3V 1感应按键 封装：SOT23-6 通讯界面：直接输出，锁存(toggle)输出 低功耗模式电流5uA-3V VKD233DM --- 工作电压/电流：2.4V-5.5V/5uA-3V 1感应按键 封装：SOT23-6 （开漏输出） 通讯界面：开漏输出，锁存(toggle)输出 低功耗模式电流5uA-3V VKD232C --- 工作电压/电流：2.4V-5.5V/2.5uA-3V 感应通道数：2 封装：SOT23-6 通讯界面：直接输出，低电平有效 固定为多键输出模式，内建稳压电路 MTP触摸IC——VK36N系列抗电源辐射及手机干扰： VK3601L --- 工作电压/电流：2.4V-5.5V/4UA-3V3 感应通道数：1 1对1直接输出 待机电流小，抗电源及手机干扰，可通过CAP调节灵敏 封装：SOT23-6 VK36N1D --- 工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：1 1对1直接输出 触摸积水仍可操作，抗电源及手机干扰，可通过CAP调节灵敏封装：SOT23-6 VK36N2P --- 工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：2 脉冲输出 触摸积水仍可操作，抗电源及手机干扰，可通过CAP调节灵敏封装：SOT23-6 VK3602XS ---工作电压/电流：2.4V-5.5V/60UA-3V 感应通道数：2 2对2锁存输出 低功耗模式电流8uA-3V，抗电源辐射干扰，宽供电电压 封装：SOP8 VK3602K --- 工作电压/电流：2.4V-5.5V/60UA-3V 感应通道数：2 2对2直接输出 低功耗模式电流8uA-3V，抗电源辐射干扰，宽供电电压 封装：SOP8 VK36N2D --- 工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：2 1对1直接输出 触摸积水仍可操作，抗电源及手机干扰，可通过CAP调节灵敏封装：SOP8 VK36N3BT ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：3 BCD码锁存输出 触摸积水仍可操作，抗电源及手机干扰，可通过CAP调节灵敏 封装：SOP8 VK36N3BD ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：3 BCD码直接输出 触摸积水仍可操作，抗电源及手机干扰，可通过CAP调节灵敏 封装：SOP8 VK36N3BO ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：3 BCD码开漏输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP8/DFN8（超小超薄体积） VK36N3D --- 工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：3 1对1直接输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N4B ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：4 BCD输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N4I---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：4 I2C输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N5D ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：5 1对1直接输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N5B ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：5 BCD输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N5I ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：5 I2C输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N6D --- 工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：6 1对1直接输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N6B ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：6 BCD输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N6I ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：6 I2C输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N7B ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：7 BCD输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N7I ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：7 I2C输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N8B ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：8 BCD输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N8I ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：8 I2C输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N9I ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：9 I2C输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） VK36N10I ---工作电压/电流：2.2V-5.5V/7UA-3V3 感应通道数：10 I2C输出 触摸积水仍可操作，抗电源及手机干扰 封装：SOP16/DFN16（超小超薄体积） 1-8点高灵敏度液体水位检测IC——VK36W系列 VK36W1D ---工作电压/电流：2.2V-5.5V/10UA-3V3 1对1直接输出 水位检测通道：1 可用于不同壁厚和不同水质水位检测，抗电源/手机干扰封装：SOT23-6 备注：1. 开漏输出低电平有效 2、适合需要抗干扰性好的应用 VK36W2D ---工作电压/电流：2.2V-5.5V/10UA-3V3 1对1直接输出 水位检测通道：2 可用于不同壁厚和不同水质水位检测，抗电源/手机干扰封装：SOP8 备注：1. 1对1直接输出 2、输出模式/输出电平可通过IO选择 VK36W4D ---工作电压/电流：2.2V-5.5V/10UA-3V3 1对1直接输出 水位检测通道：4 可用于不同壁厚和不同水质水位检测，抗电源/手机干扰封装：SOP16/DFN16 备注：1. 1对1直接输出 2、输出模式/输出电平可通过IO选择 VK36W6D ---工作电压/电流：2.2V-5.5V/10UA-3V3 1对1直接输出 水位检测通道：6 可用于不同壁厚和不同水质水位检测，抗电源/手机干扰封装：SOP16/DFN16 备注：1. 1对1直接输出 2、输出模式/输出电平可通过IO选择 VK36W8I ---工作电压/电流：2.2V-5.5V/10UA-3V3 I2C输出 水位检测通道：8 可用于不同壁厚和不同水质水位检测，抗电源/手机干扰封装：SOP16/DFN16 备注：1. IIC+INT输出 2、输出模式/输出电平可通过IO选择 KPP841
标签： 3604 输出 VK 体积 蓝牙音箱 检测 方式 芯片 触控 锁存
上传时间： 2022-04-11
上传用户：shubashushi66
人脸自动识别技术是模式识别、图像处理等学科的一个最热门研究课题之一。随着社会的发展,各方面对快速有效的自动身份验证的要求日益迫切，而人脸识别技术作为各种生物识别技术中最重要的方法之一，已经越来越多的受到重视。对于具有实时，快捷，低误识率的高性能算法以及对算法硬件加速的研究也逐渐展开。 本文详细分析了智能人脸识别算法原理，发展概况和前景，包括人脸检测算法，人眼定位算法，预处理算法，PCA和ICA 算法，详细分析了项目情况，系统划分，软硬件平台的资源和使用。并在ISE软件平台上，用硬件描述语言(verilog HDL)对算法部分严格按照FPGA代码风格进行了RTL 硬件建模，并对C++算法进行了优化处理，通过仿真与软件算法结果进行比对，评估误差，最后在VirtexII Pro FPGA 上进行了综合实现。 主要研究内容如下： 首先，对硬件平台xilinx的VirtexII Pro FPGA 上的系统资源进行了描述和研究，对存储器sdram,RS-232 串口，JTAG 进行了研究和调试，对Coreconnect的OPB总线仲裁机理进行了两种算法的比较，RTL 设计，仿真和综合。利用ISE和VC++软件平台，对verilog和C++算法进行同步比较测试，使每步算法对应正确的结果。对软硬件平台的合理使用使得在项目中能尽可能多的充分利用硬件资源，制板时正确选型，以及加快设计和调试进度。其次，对人脸识别算法流程中的人脸检测，人眼定位，预处理，识别算法分别进行了比较研究，选取其中各自性能最好的一种算法对其原理进行了分析讨论。人脸检测采用adaboost 算法，因其速度和精度的综合性能表现优异。人眼定位采用小块合并算法，因为它具有快速，准确，弱时实的特点。预处理算法采用直方图均衡加平滑的算法，简单，高效。 识别算法采用PCA 加ICA 算法，它能最大的弱化姿态和光照对人脸识别的影响。 最后，使用Verilog HDL 硬件描述语言进行算法的RTL 建模，在C++算法的基础上，保证原来效果的前提下，根据FPGA 硬件特点对算法进行了优化。视频输入输出是人脸识别的前提，它提供FPGA 上算法需要处理的数据，预处理算法在C++算法的基础上进行了优化，最大的减少了运算量，提高了运算速度，16 位计算器模块使得在算法实现时可以根据系统要求，在FPGA的ip 核和自己设计的模块之间选择性能更好的一个来调用，FIFO的设计提供同步和异步时钟域的数据缓存。设计在ISE和VC++软件平台同时进行，随时对verilog和C++数据进行监测和比对。全部设计模块通过仿真，达到预定的性能要求，并在FPGA 上综合实现。
上传时间： 2013-07-13
上传用户：李梦晗
人脸识别技术继指纹识别、虹膜识别以及声音识别等生物识别技术之后，以其独特的方便、经济及准确性而越来越受到世人的瞩目。作为人脸识别系统的重要环节—人脸检测，随着研究的深入和应用的扩大，在视频会议、图像检索、出入口控制以及智能人机交互等领域有着重要的应用前景，发展速度异常迅猛。 FPGA的制造技术不断发展，它的功能、应用和可靠性逐渐增加，在各个行业也显现出自身的优势。FPGA允许用户根据自己的需要来建立自己的模块，为用户的升级和改进留下广阔的空间。并且速度更高，密度也更大，其设计方法的灵活性降低了整个系统的开发成本，FPGA 设计成为电子自动化设计行业不可缺少的方法。 本文从人脸检测算法入手，总结基于FPGA上的嵌入式系统设计方法，使用IBM的Coreconnect挂接自定义模块技术。经过训练分类器、定点化、以及硬件加速等方法后，能够使人脸检测系统在基于Xilinx的Virtex II Pro开发板上平台上，达到实时的检测效果。本文工作和成果可以具体描述如下： 1. 算法分析：对于人脸检测算法，首先确保的是检测率的准确性程度。本文所采用的是基于Paul Viola和Michael J.Jones提出的一种基于Adaboost算法的人脸检测方法。算法中较多的是积分图的特征值计算，这便于进一步的硬件设计。同时对检测算法进行耗时分析确定运行速度的瓶颈。 2. 软硬件功能划分：这一步考虑市场可以提供的资源状况，又要考虑系统成本、开发时间等诸多因素。Xilinx公司提供的Virtex II Pro开发板，在上面有可以供利用的Power PC处理器、可扩展的存储器、I/O接口、总线及数据通道等，通过分析可以对算法进行细致的划分，实现需要加速的模块。 3. 定点化：在Adaboost算法中，需要进行大量的浮点计算。这里采用的方法是直接对数据位进行操作它提取指数和尾数，然后对尾数执行移位操作。 4. 改进检测用的级联分类器的训练，提出可以迅速提高分类能力、特征数量大大减小的一种训练方法。 5. 最后对系统的整体进行了验证。实验表明，在视频输入输出接入的同时，人脸检测能够达到17fps的检测速度，并且获得了很好的检测率以及较低的误检率。
上传时间： 2013-07-01
上传用户：84425894
人脸识别技术继指纹识别、虹膜识别以及声音识别等生物识别技术之后，以其独特的方便、经济及准确性而越来越受到世人的瞩目。作为人脸识别系统的重要环节—人脸检测，随着研究的深入和应用的扩大，在视频会议、图像检索、出入口控制以及智能人机交互等领域有着重要的应用前景，发展速度异常迅猛。 FPGA的制造技术不断发展，它的功能、应用和可靠性逐渐增加，在各个行业也显现出自身的优势。FPGA允许用户根据自己的需要来建立自己的模块，为用户的升级和改进留下广阔的空间。并且速度更高，密度也更大，其设计方法的灵活性降低了整个系统的开发成本，FPGA 设计成为电子自动化设计行业不可缺少的方法。 本文从人脸检测算法入手，总结基于FPGA上的嵌入式系统设计方法，使用IBM的Coreconnect挂接自定义模块技术。经过训练分类器、定点化、以及硬件加速等方法后，能够使人脸检测系统在基于Xilinx的Virtex II Pro开发板上平台上，达到实时的检测效果。本文工作和成果可以具体描述如下： 1. 算法分析：对于人脸检测算法，首先确保的是检测率的准确性程度。本文所采用的是基于Paul Viola和Michael J.Jones提出的一种基于Adaboost算法的人脸检测方法。算法中较多的是积分图的特征值计算，这便于进一步的硬件设计。同时对检测算法进行耗时分析确定运行速度的瓶颈。 2. 软硬件功能划分：这一步考虑市场可以提供的资源状况，又要考虑系统成本、开发时间等诸多因素。Xilinx公司提供的Virtex II Pro开发板，在上面有可以供利用的Power PC处理器、可扩展的存储器、I/O接口、总线及数据通道等，通过分析可以对算法进行细致的划分，实现需要加速的模块。 3. 定点化：在Adaboost算法中，需要进行大量的浮点计算。这里采用的方法是直接对数据位进行操作它提取指数和尾数，然后对尾数执行移位操作。 4. 改进检测用的级联分类器的训练，提出可以迅速提高分类能力、特征数量大大减小的一种训练方法。 5. 最后对系统的整体进行了验证。实验表明，在视频输入输出接入的同时，人脸检测能够达到17fps的检测速度，并且获得了很好的检测率以及较低的误检率。
上传时间： 2013-04-24
上传用户：大融融rr
目前，被广泛使用的经典边缘检测算子有Sobel算子，Prewitt算子，Roberts算子，Log算子，Canny算子等等。这些算子的核心思想是图像的边缘点是相对应于图像灰度值梯度的局部极大值点。然而，当图像中含有噪声时这些算子对噪声都比较敏感，使得将噪声作为边缘点。由于噪声的干扰，不能检测出真正的边缘。一个拥有良好属性的的边缘检测算法是每个研究者的追求。利用小波交换的特点，设计了三次B样条平滑滤波算子。通过利用这个算子，对利用小波变换来检测图像的边缘进行了一定的研究和理解。
上传时间： 2013-10-13
上传用户：kqc13037348641
基于MATLAB的人脸检测程序，该代码对人脸检测算法的具体实现有很好的参考价值。
上传时间： 2013-12-10
上传用户：busterman
人脸检测的C/C++源代码，曾发表于 OPENCV 的 MAILING LIST，主要是对OPENCV 3.1 版本发布的代码做了一些速度上的优化，并且解决了内存泄漏的问题。这个程序所使用的 Paul Viola 提出（该论文“Rapid Object Detection using a Boosted Cascade of Simple Features”发表在 CVPR 01）的 Ada Boosted Cascade 算法可以说是目前最好最快的目标检测算法。
上传时间： 2014-01-11
上传用户：日光微澜
改进adaboost的人脸检测算法，有效缩短该算法运行时间
标签： adaboost 人脸识别
上传时间： 2016-02-27
上传用户：wbz292623
随着计算机科学在人机交互领域的极大发展，作为人脸信息处理中的一项关键技术，人脸检测现在已经成为模式识别，计算机视觉和人机交互领域不可缺少的一部分。但是，人脸检测算法存在计算量大、速度慢等缺点。软件实现方式无法达到实时处理要求，而现有的硬件实现需要占用大量硬件资源。 本文针对现有人脸检测硬件实现的缺点，通过对Adaboost算法和现有硬件结构的分析，提出了双流水线硬件检测架构：扫描窗口流水线、特征向量流水线。并在Vertex-II Pro FPGA平台验证成功，达到实时检测的标准。具体工作和创新点包括如下几点： 介绍了人脸检测的原理以及人脸检测经典算法。其中，详细介绍了Adaboost算法。 对现有的结构进行详细分析。指出现有各架构的缺点，即资源占用多，检测速度慢。针对这两个问题，本文提出了一个适合嵌入式应用的扫描窗口、特征向量双流水线检测硬件架构，详细说明了该架构的工作原理，并在该架构基础上，通过加入预测加载技术，进一步提高检测速度。随后，采用存储器访问效率，架构内部存储单元大小，检测时间长短，运算单元数量四个标准，详细比较了新架构和现有架构的差别，显示出新架构的优势。 基于提出的架构，给出了Adaboost人脸检测系统的VLSI实现方案。本文中，采用自顶向下的设计方法将人脸检测系统分成若干个子模块，然后对每个子模块进行详细的设计和说明，给出了每个子模块的硬件架构、状态转换以及verilog实现后的仿真波形。 采用Xilinx公司的VII Pro FPGA开发板完成人脸检测系统的硬件验证。FPGA验证结果表明对于QCIF分辨率的视频图像，人脸检测系统能够达到50fps的检测速度，满足实时检测的要求。
上传时间： 2013-06-15
上传用户：1193169035
