基于adaboost算法的人脸检测系统的dsp实现-信号与信息处理专业论文.docxVIP

万方数据 万方数据 分类号： 密级： U D C ： 编号： 工学硕士学位论文 基于 Adaboost 算法的人脸检测 系统的 DSP 实现 硕士研究生 ：任 超 指 导 教 师 ：汲清波 副教授 学 位 级 别 ：工学硕士 学科、专业 ：信号与信息处理 所 在 单 位 ：信息与通信工程学院 论文提交日期 ：2014 年 1 月 论文答辩日期 ：2014 年 3 月 学位授予单位 ：哈尔滨工程大学 2 Classified Index: U.D.C: A Dissertation for the Degree of M. Eng The Realization of A Face Detection system Based on Adaboost Algorithm with using DSP Candidate: Ren Chao Supervisor: Associate Prof. Ji Qingbo Academic Degree Applied for: Master of Engineering Specialty: Signal and Information Process Date of Submission: Jan. 2014 Date of Oral Examination: Mar. 2014 University: Harbin Engineering University 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。 有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注 明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文 的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声 明的法律结果由本人承担。 作者（签字）： 日期： 年 月 日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作 的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送 交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进 行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的 全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一 署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文（□在授予学位后即可 □在授予学位 12 个月后 □解密后）由哈尔滨工程大 学送交有关部门进行保存、汇编等。 作者（签字）： 导师（签字）： 日期： 年 月 日 年 月 日 基于 基于 Adaboost 算法的人脸检测系统的 DSP 实现 摘 要 人脸检测技术是进行脸部识别技术研究必不可少的部分，从上世纪 90 年代开始， 仅仅十年的时间人脸检测技术就从崭露头角逐渐发展成为国内外的研究热点，尤其是在 视频安全和安防监控等领域得到了广泛的发展。目前，已经形成了几种比较成熟的人脸 检测算法，其中基于 Adaboost 学习算法训练得到的分类器检测效果最好。进入二十世 纪以来，DSP 芯片的算法处理性能和数据存储能力有了很大提高，使得数据结构复杂的 人脸检测算法能够在嵌入式系统实现，本文在以 TI 公司的 DM642 芯片为核心的 DSP 开发板上实现视频序列中的人脸检测。 本文首先研究了基于 Adaboost 人脸检测算法的训练，包括 Haar 特征选取和积分图 方法，并选择 MIT 的人脸训练库用于分类器训练。然后根据 Adaboost 算法理论并结合 Haar 特征以及利用积分图计算矩形 Haar 特征的方法实现了用于人脸检测的分类器训练， 包括弱分类器、强分类器以及最终用强分类器组合成的级联分类器的训练过程，并在 VS2010 环境下结合 OpenCV 开源机器视觉库应用训练好的级联分类器进行人脸检测， 同时和 OpenCV 库中提供的分类器的人脸检测结果进行比较。本课题训练的人脸检测算 法不论是对正面人脸还是倾斜或者旋转人脸都有很好的检测率，漏检率比 OpenCV 库中 提供的用 Adaboost 算法训练的分类器低了一半，能达到 4.3%，仅包含正面人脸的检测 库甚至不存在漏检，但是误检率 11.7%却高于 OpenCV 库中提供的分类器的 5.3%检测率。 然后在基于 DM642 的开发平台构建人脸检测系统。搭建了包括 DM642-PCI 开发板、 摄像机和液晶显示器在内的硬件平台，同时在嵌入 DSP/BIOS 的 CCS2.2 软件中构建人 脸检测软件系统。参考在 PC 上实现人脸检测功能的代码，根据 DM642 芯片特点