Adaboost算法的FPGA實(shí)現與性能分析

引言

　　Adaboost 算法是Freund 和Schapire 于1995 年提出的，全稱(chēng)為Adaptive Boosting。它是 Boosting 算法的改進(jìn)，意為該算法通過(guò)機器訓練與學(xué)習不斷自適應地調整假設的錯誤率，這 種靈活性使得Adaboost 算法很容易與實(shí)際應用聯(lián)系起來(lái)。2001 年，微軟研究院的P.Viola 提出了基于Haar 特征的Adaboost 算法[1]，創(chuàng )造性地將積分圖的概念引入到人臉檢測的特征 計算當中，由于此算法使用了大量尺寸不一的矩形作用來(lái)表征人臉。并且該算法中用以檢測 人臉的分類(lèi)器是采用的級聯(lián)結構，按照由弱到強的順序組織的，其優(yōu)點(diǎn)在于按照統計概率， 在圖像檢測的一開(kāi)始就能夠將大部分不包含人臉的區域排除在外，省去了后面計算負載更重 的檢測步驟，以此達到檢測速度提升的目的。經(jīng)過(guò)實(shí)際測試，P3 700MHz 的處理器對352*288 的圖像進(jìn)行檢測的速度為15 幀/秒[2]。但是如果在嵌入式平臺上運行的話(huà)，純軟件的檢測速 度則為2 幀/秒[3]。本設計將這種快速檢測算法轉化成了一種并行處理圖片像素點(diǎn)的硬件結 構，能夠大幅度提升圖像中的人臉檢測速度。

　　目標平臺

　　Virtex5 系列FPGA 是Xilinx 最新一代基于65nm 的FPGA 產(chǎn)品。相比上代產(chǎn)品，速度 平均提高30%。其改進(jìn)后的六輸入的查找表 (LUT) 和新型對角互連結構，減少了邏輯層次， 增強了構造塊之間的信號互連。

　　本文系統的實(shí)現主要用到了兩類(lèi)邏輯資源來(lái)優(yōu)化系統性能：DSP48E Slice：25x18 位二進(jìn)制補碼乘法器能產(chǎn)生48 位全精度結果。此功能單元還能夠 實(shí)現諸多DSP 模塊如乘累加器、桶形移位器、寬總線(xiàn)多路復用器等。

　　Block RAM：可配置成2 個(gè)18 Kb 或1 個(gè)36 Kb 的Block RAM，也能夠配置為雙端口 RAM 或FIFO，并提供了ECC 校驗檢查功能，提高了系統可靠性。

　　硬件系統結構

　　本文采用了一種像素積分單元陣列的結構來(lái)實(shí)現對圖像進(jìn)行人臉檢測的并行性處理 [4,5]。該陣列的計算對象為Haar 特征。該特征被抽象為各種尺寸大小的矩形。一系列的矩形 組合起來(lái)即被用來(lái)表征人臉。黑白矩形內像素的灰度值經(jīng)過(guò)加權求和后即為該特征的特征 值。積分圖ii 的定義是：

其中ii(x, y)是積分圖在點(diǎn)(x, y)處的積分值，i(x', y')是圖像在點(diǎn)(x', y')處的灰度值。利用積分圖可以快速計算矩形S的灰度和，即Sum=A+D-B-C，其中A、B、C、D 是積分圖中矩形頂點(diǎn)對應的積分值。

　　系統結構框圖如圖 3 所示，整個(gè)系統的工作流程和各模塊功能闡述如下：

　　圖像輸入模塊：系統輸入端外接一個(gè)模擬攝像頭，采集到的圖像信號經(jīng)過(guò)板上的A/D 芯片轉換成ITU-R BT.656 (YCrCb 4:2:2，8 位數據寬度)分辨率為352x288(CIF)的圖像格式。 該模塊的作用為當檢測控制狀態(tài)機發(fā)送初始化信號后，通過(guò)I2C 總線(xiàn)配置A/D 芯片完成信號轉換。另外，由于BT.656 格式混合包含了視頻的場(chǎng)信息和圖像數據，因此該模塊還要從 BT.656 信號中提取出圖像數據存放到圖像RAM 中。針對該實(shí)現，RAM 大小為8 位寬度， 深度為101376。