基于層次型AdaBoost檢測算法的快速人臉檢測在FPGA

檢測流程：(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)現歸一化處理；(3)讀入此微特征訓練所得的參數(m，r)，將歸一特征值進(jìn)行處理：h=(f-m)/r；(4)輸出h，從查找表中取出對應的函數值b；(5)將強分類(lèi)器所包含弱分類(lèi)器對應的輸入值相加：a=Σb；并將a與當前層的閾值y比較；判斷通過(guò)與否。

如此循環(huán)12次以檢測出人臉。

2 硬件設計

整個(gè)系統分為片內、片外兩部分，系統結構如圖5所示。其中，片外(即存儲器，存儲圖像和參數)；片內，即FPGA，由四部分組成：(1)預處理電路：計算積分圖像，微特征對應的正負區域和采樣窗口的灰度方差；(2)分類(lèi)器：檢測出人臉窗口；(3)窗口融合電路：融合鄰近的人臉窗口；(4)控制電路：控制片內片外的數據傳輸及片內電路的時(shí)序。

本文在預處理電路、分類(lèi)器和窗口融合電路三環(huán)節采用流水線(xiàn)技術(shù)，其中分類(lèi)器是整個(gè)系統的技術(shù)瓶頸，決定了人臉檢測的速度。因此，分類(lèi)器的設計成為關(guān)鍵。

2.1 分類(lèi)器結構

分類(lèi)器由若干弱分類(lèi)器和外圍電路構成，其內部結構如圖6所示，其中每一個(gè)弱分類(lèi)器（PE）內部結構如圖7所示，PE每部分實(shí)現的功能分別是：模塊A：計算該窗口的微結構特征值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內部與外部的數據交換。

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成。而除法器和乘法器由移位電路實(shí)現，其結構（以除法器為例）如圖8所示。

2.2 弱分類(lèi)器的組合

分類(lèi)器由若干弱分類(lèi)器與控制電路組成，其中控制電路根據每一層參數來(lái)控制該層強分類(lèi)器個(gè)數與每一強分類(lèi)器所含弱分類(lèi)器數。

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