幾篇關于人臉檢測和識別方面的文章 基于aDABOOST方法
上傳時間： 2017-09-03
上傳用戶：hullow
改進aDABOOST的人臉檢測算法，有效縮短該算法運行時間
標簽： aDABOOST 人臉識別
上傳時間： 2016-02-27
上傳用戶：wbz292623
人臉檢測是人臉分析的首要環節，其處理的問題是確認圖像（或影像）中是 否存在人臉，如果存在則對人臉進行定位。人臉檢測的應用領域相當廣泛，是實 現機器智能化的重要步驟之一。 aDABOOST 算法是 1995 年提出的一種快速人臉檢測算法，是人臉檢測領域里 程碑式的進步，這種算法根據弱學習的反饋，適應性地調整假設的錯誤率，使在 效率不降低的情況下，檢測正確率得到了很大的提高。 本論文第一章和第二章簡述了人臉檢測的一般情況，第三章對一些人臉檢測 的經典方法進行了說明。 第四章講述了 aDABOOST 算法的發展歷史。從 PCA 學習模型到弱學習和強 學習相互關系的論證，再到 Boosting 算法的最終提出，闡述了 Adaptive Boosting 算法的發展脈絡。 第五章對影響 aDABOOST 人臉檢測訓練算法速度的至關重要的兩方面：矩形 特征和積分圖的概念和理論進行了仔細的闡明。 第六章給出了 aDABOOST 的算法，并深入探討了其中的一些關鍵問題——弱 學習器的構造、選取等問題。 最后一章，用編寫的實現了 aDABOOST 算法的 FáDèt 程序，給出了相應的 人臉檢測實驗結果，并和 Viola 等人的結果做了比較。
上傳時間： 2018-01-29
上傳用戶：dragon000008
該文檔為FPGA_ASIC-aDABOOST算法的FPGA實現與性能分析講解文檔，是一份很不錯的參考資料，具有較高參考價值，感興趣的可以下載看看………………
標簽： fpga
上傳時間： 2022-03-11
上傳用戶：fliang
人臉自動識別技術是模式識別、圖像處理等學科的一個最熱門研究課題之一。隨著社會的發展,各方面對快速有效的自動身份驗證的要求日益迫切，而人臉識別技術作為各種生物識別技術中最重要的方法之一，已經越來越多的受到重視。對于具有實時，快捷，低誤識率的高性能算法以及對算法硬件加速的研究也逐漸展開。 本文詳細分析了智能人臉識別算法原理，發展概況和前景，包括人臉檢測算法，人眼定位算法，預處理算法，PCA和ICA 算法，詳細分析了項目情況，系統劃分，軟硬件平臺的資源和使用。并在ISE軟件平臺上，用硬件描述語言(verilog HDL)對算法部分嚴格按照FPGA代碼風格進行了RTL 硬件建模，并對C++算法進行了優化處理，通過仿真與軟件算法結果進行比對，評估誤差，最后在VirtexII Pro FPGA 上進行了綜合實現。 主要研究內容如下： 首先，對硬件平臺xilinx的VirtexII Pro FPGA 上的系統資源進行了描述和研究，對存儲器sdram,RS-232 串口，JTAG 進行了研究和調試，對Coreconnect的OPB總線仲裁機理進行了兩種算法的比較，RTL 設計，仿真和綜合。利用ISE和VC++軟件平臺，對verilog和C++算法進行同步比較測試，使每步算法對應正確的結果。對軟硬件平臺的合理使用使得在項目中能盡可能多的充分利用硬件資源，制板時正確選型，以及加快設計和調試進度。其次，對人臉識別算法流程中的人臉檢測，人眼定位，預處理，識別算法分別進行了比較研究，選取其中各自性能最好的一種算法對其原理進行了分析討論。人臉檢測采用aDABOOST 算法，因其速度和精度的綜合性能表現優異。人眼定位采用小塊合并算法，因為它具有快速，準確，弱時實的特點。預處理算法采用直方圖均衡加平滑的算法，簡單，高效。 識別算法采用PCA 加ICA 算法，它能最大的弱化姿態和光照對人臉識別的影響。 最后，使用Verilog HDL 硬件描述語言進行算法的RTL 建模，在C++算法的基礎上，保證原來效果的前提下，根據FPGA 硬件特點對算法進行了優化。視頻輸入輸出是人臉識別的前提，它提供FPGA 上算法需要處理的數據，預處理算法在C++算法的基礎上進行了優化，最大的減少了運算量，提高了運算速度，16 位計算器模塊使得在算法實現時可以根據系統要求，在FPGA的ip 核和自己設計的模塊之間選擇性能更好的一個來調用，FIFO的設計提供同步和異步時鐘域的數據緩存。設計在ISE和VC++軟件平臺同時進行，隨時對verilog和C++數據進行監測和比對。全部設計模塊通過仿真，達到預定的性能要求，并在FPGA 上綜合實現。
上傳時間： 2013-07-13
上傳用戶：李夢晗
人臉識別技術繼指紋識別、虹膜識別以及聲音識別等生物識別技術之后，以其獨特的方便、經濟及準確性而越來越受到世人的矚目。作為人臉識別系統的重要環節—人臉檢測，隨著研究的深入和應用的擴大，在視頻會議、圖像檢索、出入口控制以及智能人機交互等領域有著重要的應用前景，發展速度異常迅猛。 FPGA的制造技術不斷發展，它的功能、應用和可靠性逐漸增加，在各個行業也顯現出自身的優勢。FPGA允許用戶根據自己的需要來建立自己的模塊，為用戶的升級和改進留下廣闊的空間。并且速度更高，密度也更大，其設計方法的靈活性降低了整個系統的開發成本，FPGA 設計成為電子自動化設計行業不可缺少的方法。 本文從人臉檢測算法入手，總結基于FPGA上的嵌入式系統設計方法，使用IBM的Coreconnect掛接自定義模塊技術。經過訓練分類器、定點化、以及硬件加速等方法后，能夠使人臉檢測系統在基于Xilinx的Virtex II Pro開發板上平臺上，達到實時的檢測效果。本文工作和成果可以具體描述如下： 1. 算法分析：對于人臉檢測算法，首先確保的是檢測率的準確性程度。本文所采用的是基于Paul Viola和Michael J.Jones提出的一種基于aDABOOST算法的人臉檢測方法。算法中較多的是積分圖的特征值計算，這便于進一步的硬件設計。同時對檢測算法進行耗時分析確定運行速度的瓶頸。 2. 軟硬件功能劃分：這一步考慮市場可以提供的資源狀況，又要考慮系統成本、開發時間等諸多因素。Xilinx公司提供的Virtex II Pro開發板，在上面有可以供利用的Power PC處理器、可擴展的存儲器、I/O接口、總線及數據通道等，通過分析可以對算法進行細致的劃分，實現需要加速的模塊。 3. 定點化：在aDABOOST算法中，需要進行大量的浮點計算。這里采用的方法是直接對數據位進行操作它提取指數和尾數，然后對尾數執行移位操作。 4. 改進檢測用的級聯分類器的訓練，提出可以迅速提高分類能力、特征數量大大減小的一種訓練方法。 5. 最后對系統的整體進行了驗證。實驗表明，在視頻輸入輸出接入的同時，人臉檢測能夠達到17fps的檢測速度，并且獲得了很好的檢測率以及較低的誤檢率。
上傳時間： 2013-07-01
上傳用戶：84425894
人臉識別技術作為生物識別技術之一，是模式識別在圖像領域中的具體運用，其應用前景非常廣闊，可以應用到身份證件的鑒別、自動門禁控制系統、銀行取款機、家庭安全，圖片檢索等領域。 人臉識別系統主要分為人臉檢測定位，特征提取和人臉分類三部分。人臉的檢測和定位，即從輸入的圖像中找到人臉及人臉存在的位置，并將人臉從背景中分離出來。在特征提取部分，先對原始人臉數據進行特征提取，之后原始數據由維數較少的有效特征數據表示并存儲在數據庫中，接下來進行人臉分類，在識別待測人臉圖像時，將待測圖像的特征數據與數據庫中存儲數據相比對，判斷是否為庫中的某一人，從而實現自動識別人臉的目的。 在過去的十年里，人臉識別技術一直是圖像處理領域里具有挑戰性的課題，隨著研究的深入，許多人臉檢測及識別算法被提出來。其中基于主成分分析的Eigenface的算法及其變形已經成為測試人臉識別系統性能的基準算法；同時aDABOOST人臉檢測算法，在PC上基本可以達到實時，在嵌入式產品廣泛應用的今天，只有讓人臉識別算法在嵌入式平臺上實現，才能獲得更廣闊的應用，本文研究了在嵌入式平臺上aDABOOST人臉檢測算法的性能。 嵌入式是后PC時代的一個亮點，目前已經應用在社會生活的方方面面。嵌入式產品的開發平臺分為包括很多，如：DSP，ARM，PowerPC等等。本文采用的ARM9作為嵌入式開發平臺，研究人臉識別在ARM平臺的性能，為實用的嵌入式人臉識別系統的設計提供參考。 本文從PC平臺的軟件實現入手，分別實現了PC平臺下的aDABOOST人臉檢測算法和PCA人臉識別算法,分析了現象及結果，接下來搭建了基于ARM嵌入式系統的硬件平臺，對aDABOOST人臉檢測算法進行了硬件平臺的移植，并得出相應實驗效果。
上傳時間： 2013-05-31
上傳用戶：saharawalker
人臉識別技術繼指紋識別、虹膜識別以及聲音識別等生物識別技術之后，以其獨特的方便、經濟及準確性而越來越受到世人的矚目。作為人臉識別系統的重要環節—人臉檢測，隨著研究的深入和應用的擴大，在視頻會議、圖像檢索、出入口控制以及智能人機交互等領域有著重要的應用前景，發展速度異常迅猛。 FPGA的制造技術不斷發展，它的功能、應用和可靠性逐漸增加，在各個行業也顯現出自身的優勢。FPGA允許用戶根據自己的需要來建立自己的模塊，為用戶的升級和改進留下廣闊的空間。并且速度更高，密度也更大，其設計方法的靈活性降低了整個系統的開發成本，FPGA 設計成為電子自動化設計行業不可缺少的方法。 本文從人臉檢測算法入手，總結基于FPGA上的嵌入式系統設計方法，使用IBM的Coreconnect掛接自定義模塊技術。經過訓練分類器、定點化、以及硬件加速等方法后，能夠使人臉檢測系統在基于Xilinx的Virtex II Pro開發板上平臺上，達到實時的檢測效果。本文工作和成果可以具體描述如下： 1. 算法分析：對于人臉檢測算法，首先確保的是檢測率的準確性程度。本文所采用的是基于Paul Viola和Michael J.Jones提出的一種基于aDABOOST算法的人臉檢測方法。算法中較多的是積分圖的特征值計算，這便于進一步的硬件設計。同時對檢測算法進行耗時分析確定運行速度的瓶頸。 2. 軟硬件功能劃分：這一步考慮市場可以提供的資源狀況，又要考慮系統成本、開發時間等諸多因素。Xilinx公司提供的Virtex II Pro開發板，在上面有可以供利用的Power PC處理器、可擴展的存儲器、I/O接口、總線及數據通道等，通過分析可以對算法進行細致的劃分，實現需要加速的模塊。 3. 定點化：在aDABOOST算法中，需要進行大量的浮點計算。這里采用的方法是直接對數據位進行操作它提取指數和尾數，然后對尾數執行移位操作。 4. 改進檢測用的級聯分類器的訓練，提出可以迅速提高分類能力、特征數量大大減小的一種訓練方法。 5. 最后對系統的整體進行了驗證。實驗表明，在視頻輸入輸出接入的同時，人臉檢測能夠達到17fps的檢測速度，并且獲得了很好的檢測率以及較低的誤檢率。
上傳時間： 2013-04-24
上傳用戶：大融融rr
做人臉檢測主要是用openvc比較方便，這是關于aDABOOST算法的文章，大家可以作出這篇文獻的仿真。
上傳時間： 2013-11-28
上傳用戶：小眼睛LSL
這是用matlab編寫人臉檢測軟件，是用的aDABOOST算法，參考價值還是很高的
上傳時間： 2014-11-24
上傳用戶：youlongjian0
