Given a graph G = (V, E), where every edge e has a nonnegative weight w(e), and a source Vertex s in V, find the shortest path from s to every other Vertex
隨著計算機科學在人機交互領域的極大發展，作為人臉信息處理中的一項關鍵技術，人臉檢測現在已經成為模式識別，計算機視覺和人機交互領域不可缺少的一部分。但是，人臉檢測算法存在計算量大、速度慢等缺點。軟件實現方式無法達到實時處理要求，而現有的硬件實現需要占用大量硬件資源。 本文針對現有人臉檢測硬件實現的缺點，通過對Adaboost算法和現有硬件結構的分析，提出了雙流水線硬件檢測架構：掃描窗口流水線、特征向量流水線。并在Vertex-II Pro FPGA平臺驗證成功，達到實時檢測的標準。具體工作和創新點包括如下幾點： 介紹了人臉檢測的原理以及人臉檢測經典算法。其中，詳細介紹了Adaboost算法。 對現有的結構進行詳細分析。指出現有各架構的缺點，即資源占用多，檢測速度慢。針對這兩個問題，本文提出了一個適合嵌入式應用的掃描窗口、特征向量雙流水線檢測硬件架構，詳細說明了該架構的工作原理，并在該架構基礎上，通過加入預測加載技術，進一步提高檢測速度。隨后，采用存儲器訪問效率，架構內部存儲單元大小，檢測時間長短，運算單元數量四個標準，詳細比較了新架構和現有架構的差別，顯示出新架構的優勢。 基于提出的架構，給出了Adaboost人臉檢測系統的VLSI實現方案。本文中，采用自頂向下的設計方法將人臉檢測系統分成若干個子模塊，然后對每個子模塊進行詳細的設計和說明，給出了每個子模塊的硬件架構、狀態轉換以及verilog實現后的仿真波形。 采用Xilinx公司的VII Pro FPGA開發板完成人臉檢測系統的硬件驗證。FPGA驗證結果表明對于QCIF分辨率的視頻圖像，人臉檢測系統能夠達到50fps的檢測速度，滿足實時檢測的要求。
