摘 要

人脸识别系统主要有四个技术流程，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。人脸检测作为人脸识别的第一步，主要是判定输入图像是否包含人脸，如果包含，就给出人脸的相应信息：位置、大小等。随着人脸识别技术的不断发展，人脸检测开始作为独立的模块，日益成为计算机视觉领域的研究热点。

本文研究内容是基于Adaptive Boosting算法（以下简称Adaboost）的人脸检测研究与FPGA实现。软件方面：使用Haar特征法提取人脸特征，采用积分图计算矩形特征的特征值，利用Adaboost算法训练弱分类器（即Haar特征），弱分类器按照一定方式级联成为强分类器，进一步通过级联强分类器提升强分类器检测性能，并利用SIMULINK与Quartus联合仿真实现算法及原理到VHDL硬件描述语言的编译与优化；硬件方面：基于DE2-115硬件平台搭建人脸检测系统各个模块，包括图像数据存储模块，视频解码模块，检测模块以及输出显示模块，使用VHDL语言实现每个模块的逻辑设计，完成人脸检测系统测试。本设计将在软件仿真阶段对比不同设计方法论述所选方案的优点以及可改进的方面的反思。本文的主要工作包括：

1. 对Adaboost算法原理进行详细介绍，并设计基于该算法的分类器训练过程与检测过程的程序，利用Matlab进行仿真，得到相应的实验数据，并对实验结果进行评估。
2. 根据仿真结果,利用Matlab中的SIMULINK构造人脸检测系统各个模块，使用HDL Coder直接从SIMULINK产生HDL代码。
3. 使用Quartus对产生的HDL代码进行硬件仿真，得到硬件各模块的参数并改进，将优化后的程序写入利用PC调试好的DE2-115开发板中，得到人脸检测硬件系统，并测试系统性能。

关键词：人脸检测，Adaboost算法，硬软件仿真，FPGA

Abstract

Face recognition system mainly consists of four parts: face image acquisition and detection, face image preprocessing, face image feature extraction and matching and recognition. Face detection is the first step of face recognition, including determining whether the input image contains human face, and if it contains, the corresponding information of the face is given: location, size, etc. With the development of face recognition technology, face detection has become a research hotspot in the field of computer vision.

The research content of this paper is based on Adaptive Boosting algorithm (hereinafter referred to as Adaboost) face detection research and FPGA implementation. Software: Using Haar feature method to extract facial features, using integral graph method to calculate eigenvalues, implementing Adaboost algorithm to train weak classifiers (ie, Haar features). Weak classifiers are cascaded into strong classifiers in a certain way, further through cascading. Strong classifier enhances performance of strong classifier detection, and utilizes SIMULINK and Quartus co-simulation to implement algorithm and principle to compile and optimize VHDL hardware description language; Hardware: Builds various modules of face detection system based on DE2-115 hardware platform, including images The data storage module, the video decoding module, the detection module and the output display module use the VHDL language to implement the logic design of each module and complete the face detection system test. This design will compare the different design methods in the software simulation phase to discuss the merits of the selected solution and reflect on the aspects that can be improved. The main work of this article includes:

1. The Adaboost algorithm principle in detail, and the design process of training classifiers based on the algorithm program and testing process, use of Matlab simulation, get the corresponding experimental data, and to evaluate the result of the experiment.

2. According to the simulation results, using SIMULINK in Matlab to construct various modules of face detection system, HDL Coder is used to generate HDL code directly from SIMULINK.

3. Use the Quartus HDL code generated for hardware simulation, get the parameters of the hardware module and improved, the optimized program written to use PC debugging good DE2-115 development board, get the face detection system, hardware and test the performance of the system.

Keywords: Face detection, Adaboost algorithm, Hardware and software simulation, FPGA.

目录

第1章 绪论 1

1.1课题研究背景 1

1.2国内外研究现状与趋势 1

1.3本文的主要研究内容 2

第2章 人脸检测技术与Adaboost算法 4

2.1人脸检测方法 4

2.2 Adaboost算法 5

2.2.1算法概述 5

2.2.2算法描述 5

第3章 基于Adaboost算法的人脸检测与Matlab仿真 8

3.1基于Adaboost算法的人脸检测 8

3.1.1 Haar特征 8

3.1.2 积分图 10

3.1.3 弱分类器 11

3.1.4强分类器 13

3.1.5分类器级联 14

3.2 Matlab仿真 15

3.2.1 方案一 15

3.2.2 方案二 18

3.2.3方案对比 20

第4章 人脸检测算法的FPGA设计与实现 21

4.1 MDB FPGA设计流程 21

4.1.1 模型建立 21

4.1.2 VHDL代码生成 21

4.1.3 联合仿真 22

4.1.4 FPGA in Loop测试 22

4.2人脸检测的系统设计 22

4.2.1 图像预处理模块设计 23

4.2.2积分图计算模块设计 24

4.2.3 Haar特征模块设计 24

4.2.4 检测模块的设计 25

4.3硬件平台构建 25

4.3.1 平台选型 25

4.3.2 平台构建 26

第5章 总结与展望 28

5.1总结 28

5.2展望 28

参考文献 30

致谢 31

第1章 绪论

1.1课题研究背景

近年来，计算机科学技术在机器学习和人机交互等领域取得巨大发展，衍生出许多信息化和智能化产品。在传统的经济、文化以及科学研究等交流方式已逐步被智能化计算机平台取代，人们对个人隐私问题更加关注，网络对实名制要求更加严格等诸多变化下，传统的身份验证方式，包括以身份证为代表的身份标识物品和以用户名与密码为代表的身份标识数据，因其无法在智能化计算机平台上实现或实现效率和安全性低等因素，使得社会迫切需要实时高效安全的自动身份验证系统。以指纹、视网膜、人脸、语音等具有个体差异性的特征作为识别依据的人体生物特征识别技术应运而生。与传统识别方式相比较，人体生物特征因其唯一性、安全性和易采集性，其识别方式也更加安全高效，而人脸识别因其友好、方便、直接等优点成为研究的热门课题。

人脸检测是人脸识别系统的第一部分，对整个人脸识别系统性能的影响不言而喻。而在图像处理领域，人脸检测也是十分重要的研究对象，对人脸部分进行图像增强、去噪等处理，这在许多高端相机里面均有应用；在其它生物学领域，人脸特征提取对相应研究也具有重大意义。