基于層次型AdaBoost檢測(cè)算法的快速人臉檢測(cè)在FPGA

檢測(cè)流程：(1)讀入取樣窗口和弱特征信息，求出每層的若干微特征值；(2)將微特征值除以窗口的灰度方差，得到歸一特征值(f)，實(shí)現(xiàn)歸一化處理；(3)讀入此微特征訓(xùn)練所得的參數(shù)(m，r)，將歸一特征值進(jìn)行處理：h=(f-m)/r；(4)輸出h，從查找表中取出對(duì)應(yīng)的函數(shù)值b；(5)將強(qiáng)分類器所包含弱分類器對(duì)應(yīng)的輸入值相加：a=Σb；并將a與當(dāng)前層的閾值y比較；判斷通過(guò)與否。

如此循環(huán)12次以檢測(cè)出人臉。

2 硬件設(shè)計(jì)

整個(gè)系統(tǒng)分為片內(nèi)、片外兩部分，系統(tǒng)結(jié)構(gòu)如圖5所示。其中，片外(即存儲(chǔ)器，存儲(chǔ)圖像和參數(shù))；片內(nèi)，即FPGA，由四部分組成：(1)預(yù)處理電路：計(jì)算積分圖像，微特征對(duì)應(yīng)的正負(fù)區(qū)域和采樣窗口的灰度方差；(2)分類器：檢測(cè)出人臉窗口；(3)窗口融合電路：融合鄰近的人臉窗口；(4)控制電路：控制片內(nèi)片外的數(shù)據(jù)傳輸及片內(nèi)電路的時(shí)序。

本文在預(yù)處理電路、分類器和窗口融合電路三環(huán)節(jié)采用流水線技術(shù)，其中分類器是整個(gè)系統(tǒng)的技術(shù)瓶頸，決定了人臉檢測(cè)的速度。因此，分類器的設(shè)計(jì)成為關(guān)鍵。

2.1 分類器結(jié)構(gòu)

分類器由若干弱分類器和外圍電路構(gòu)成，其內(nèi)部結(jié)構(gòu)如圖6所示，其中每一個(gè)弱分類器（PE）內(nèi)部結(jié)構(gòu)如圖7所示，PE每部分實(shí)現(xiàn)的功能分別是：模塊A：計(jì)算該窗口的微結(jié)構(gòu)特征值e；模塊B：歸一化處理微特征值e得f；模塊C：得出該窗口微特征閾值b；控制電路：控制模塊間的時(shí)序即PE內(nèi)部與外部的數(shù)據(jù)交換。

該處理單元由兩個(gè)32位除法器、一個(gè)32位乘法器、若干全加器和寄存器構(gòu)成。而除法器和乘法器由移位電路實(shí)現(xiàn)，其結(jié)構(gòu)（以除法器為例）如圖8所示。

2.2 弱分類器的組合

分類器由若干弱分類器與控制電路組成，其中控制電路根據(jù)每一層參數(shù)來(lái)控制該層強(qiáng)分類器個(gè)數(shù)與每一強(qiáng)分類器所含弱分類器數(shù)。

由訓(xùn)練得到一個(gè)包含12層共294個(gè)弱特征的分類器。因此，檢測(cè)出一個(gè)人臉窗口，要通過(guò)294個(gè)弱特征處理單元運(yùn)算。綜合考慮時(shí)間和資源因素，弱分類器的組合采取一次處理多個(gè)窗口，分時(shí)復(fù)用硬件資源的方法。