[发明专利]一种基于haar特征的adaboost人脸检测算法的硬件设计方法

说明书

本发明公开了一种基于haar特征的adaboost人脸检测算法的硬件设计方法，包括待检图像积分图按列读取与加载控制单元、级联强分类器积分图数据存储单元、Haar特征参数编码与存储单元、积分图数据处理与检测单元。其中，待检图像积分图以检测子窗口只保持32x32固定窗口积分数据，按列加载从片外DDR顺序读取并写入由33组28X32RAM组成两个检测子窗口的积分图数据存储单元，保证串并混合的流水线处理架构的积分图数据处理与检测单元不间断处于高速检测，占用硬件资源较少，并节省了片上存储空间；通过Haar特征参数定点化，检测算法以定点运算器来实现，不仅降低了计算复杂度，并且不降低人脸检测的精度。

技术领域

本发明涉及一种基于haar特征的adaboost人脸检测算法的硬件设计方法。

背景技术

人脸检测已经在新一代的人机交互、智能安防和智能监控及图像检索等领域得到了广泛应用。随着嵌入式技术和智能设备的发展，许多人脸检测应用平台由PC机向基于嵌入式平台的便携式智能设备发展，由于人脸检测算法需要存取的数据量大，计算复杂度高，目前只有高性能的嵌入式设备才能达到实时检测的性能要求，系统成本相对昂贵，然而，在低成本嵌入式平台的计算能力相当有限，无法实现嵌入式纯软件的实时人脸检测，因此，往往需要考虑增加硬件加速模块来弥补嵌入式平台计算能力不足的问题，而如何设计符合人脸检测算法特点的低成本、高速实时的硬件结构，就成为了解决人脸检测嵌入式化的核心技术问题。

发明内容

本发明所要解决的技术问题是提供一种基于haar特征的adaboost人脸检测算法的硬件设计方法，在FPGA时钟频率100MHZ条件下，可对分辨率为600X600的图像，进行实时检测，检测速度达到15帧/秒，实现了低频率下获得高性能的基于haar特征的adaboost人脸检测算法，并且FPGA片上RAM与逻辑资源消耗几乎最少，形成了基于haar特征的adaboost人脸检测算法的低成本FPGA解决方案。

本发明解决上述问题所采用的技术方案为：一种基于haar特征的adaboost人脸检测算法的硬件设计方法，包括以下主要的硬件设计方法：

1、根据十五级Adaboost级联分类器包含的弱分类器个数的特性，采用串并混合的流水线处理架构，前三级强分类器采用并行流水线的处理方式，第四、五级强分类器采用串行流水线的处理方式，第六级至第十五级强分类器采用复用的五级串行流水线，要是经过第十级后，判决为人脸窗口，再次优先进入复用五级串行流水线，不会造成第五级流水结束过渡到第六级流水线的阻塞情况。

2、级联强分类器中每一级强分类器的所有haar特征的阈值与权重，浮点数定点化处理，使得所有的运算通过定点运算器来实现，却不降低检测精度。

3、针对积分图处理与人脸检测单元的流水线处理的架构，采用级联强分类器积分图数据存储单元，由33组28X32的双口RAM来存储两个检测子窗口的积分数据，交替为积分图数据处理与检测单元提供检测子窗口的积分数据，避免待检测子窗口的积分数据未准备好，导致串并混合的流水线强分类器处理中断。

4、待检图像积分图数据按列读取加载单元的设计，待检图像积分图数据从片外DDR按列地址顺序读取，可以保证积分图数据处理与检测单元的无需等待时间高速流水线处理的图像积分图数据，

所述的一种基于haar特征的adaboost人脸检测算法的硬件设计方法，整个高性能的人脸检测算法硬件设计中所设计的运算器都是采用定点运算器，与采用32位单精度浮点算法器检测精度完全一致，片上存储两个级联分类器的待检图像积分数据，保证了高速完成基于haar特征的adaboost人脸检测算法。

附图说明

图1为基于haar特征的adaboost人脸检测算法的硬件实现的架构图

图2为15级级联强分类器与每一级弱分类器组成图