下载文档原格式
DSP原理及应用课程设计论文题目：基于DSP的AdaBoost人脸检测算法实现的课程设计班级：学生姓名：学号：评阅教师：摘要模式识别中的一个重要分支——人脸识别是当今计算机视觉领域的非常要重的研究方向，同时人脸识别是应用于各个领域的用于身份识别的有效技术手段，在图片或者视频中对人脸的检测是人脸识别的基础，一种高精度的人脸识别技术必须先在图像或者视频中先将人脸定位而后才能够做到有效的人脸识别。
所以说人脸检测在人脸识别领域是非常重要的基础研究领域。
经过多年来，计算机相关领域的不断发展，人们已经掌握了不少的有关的比较成熟的理论和技术。
在本文中，我们首先介绍有关模式识别的基础知识，模式识别是人脸识别的基础，对模式识别的理解和熟悉有助于我们对人脸识别更加深刻的认识。
接着，我们开始回顾人脸识别技术起源、发展历程，这个过程我们可以把它归纳性的划分为三个阶段。
再接着，我们开始介绍各种主要的人脸识别技术，人脸识别的技术主要包括：No.1几何特征的人脸识别方法；No.2基于特征脸的人脸识别方法；No.3神经网络的人脸识别方法；No.4弹性图匹配的人脸识别方法；No.5线段距离的人脸识别方法；No.6支持向量机的人脸识别方法。
紧接着，我们我们介绍几种主要的人脸识别算法，主要分为：基于人脸特征点的识别算法、基于整幅人脸图像的识别算法、基于模板的识别算法、利用神经网络进行识别的算法。
然后，我们开始介绍本次设计主要使用的人脸检测算法——adaboost算法，以及相关知识——haar矩形特征和积分图。
最后，我们利用opencv对基于adaboost算法的人脸检测技术进行实现。
关键词：人脸识别人脸检测adaboost haar特征ABSTRACTAn important branch of pattern recognition - Face recognition is today very weight of the field of computer vision research direction, at the same time face recognition is used in various fields of effective techniques for the identification, in pictures or videosface detection is the basis for face recognition, a high precision face recognition technology must be in the image or video first face location before we can achieve effective face recognition. So face detection is a very important field of basic research in the field of face recognition. After years, the continuous development of computer-related fields, people have mastered a lot of the more mature theory and technology.In this article, we first introduce the basics of pattern recognition, pattern recognition is the basis of face recognition to help our face recognition deeper understanding, pattern recognition, understanding and familiar. Next, we began reviewing the origin of face recognition technology, the course of development, a process that we can put it inductive divided into three stages. Next, we began to introduce a variety of face recognition technology, face recognition technologies include: No.1Geometric features face recognition; No.2 face recognition method based on the characteristics of the face; No.3 neural network face recognition methods; the No.4 elastic graph matching face recognition method; No.5 line distance face recognition method; No.6 support vector machine face recognition method.Then, we introduce several major face recognition algorithm is divided into: recognition algorithm based on facial feature points, based on a whole lot of face image recognition algorithm, template-based recognition algorithm using neural network identification algorithms.Then, we begin with the design face detection algorithm - AdaBoost algorithm, as well as knowledge - Haar rectangular features and integral image.Finally, we use the OpenCV face detection technology based on AdaBoost algorithm implemented.Keywords: Face Recognition; Face Detection; Ada-Boost; haar feature;1模式识别基础1.1模式识别的定义：通过对表征各种事物或者现象的各种主要的形式的信息进行分析和处理，以对这些事物或者现象进行符合需求精度的描述、辨认、分类以及解释的过程。
基于DSP人脸识别系统的设计与实现文章出处：电子科技发布时间：2011/09/04 | 2018 次阅读每天新产品时刻新体验一站式电子数码采购中心专业PCB打样工厂，24小时加急出货随着计算机技术和模式识别等相关技术的飞速发展，使运用当今先进技术来研制安全监测系统成为可能，人脸识别是安全监测系统中身份识别的一种最方便、最直接的方法。
传统的人脸图像识别系统是由大规模或超大规模集成电路来完成的，图像采集依赖于较大型设备，速度比较慢，实时性较差，在小范围内使用价格比较昂贵。
随着数字信号处理器DSP的飞速发展，它以其高速、准确的性能为图像获取带来了新的途径，而且用硬件来实现人脸图像识别价格比较低廉。
DSP（digital signal processor）是一种独特的微处理器，是以数字信号来处理大量信息的器件。
其工作原理是接收模拟信号，转换为0或1的数字信号。
再对数字信号进行修改、删除、强化，并在其他系统芯片中把数字数据解译回模拟数据或实际环境格式。
它不仅具有可编程性，而且其实时运行速度可达每秒数以千万条复杂指令程序，远远超过通用微处理器，是数字化电子世界中日益重要的电脑芯片。
它的强大数据处理能力和高运行速度，是最值得称道的两大特色。
1 人脸检测的算法人脸检测系统可以分为人脸检测和人脸识别模块，这两大模块又进一步可划分为人脸检测与定位、规范化、特征提取和人脸识别4个模块。
其详细结构，如图1所示。
1．1 人脸的定位通过已获得的样本来判断人脸的位置，选取合适的人脸，截取出做样本是重要的步骤。
首先确定人眼的坐标(x1，y1)和(x2，y2)，由此可间接得到正方形人脸的左上顶点和右下顶点的坐标，设其分别为(X1，Y1)和(X2，Y2)，计算方法如下：式中，RH和RV均为经验常数，在设计过程中将其分别取值为2．0和3．5。
如此可在原图中得到人脸的区域座标，其尺寸随眼距Widtheyes的大小而变化，作为PCA的输入，要求输入样本的维数相同，所以必须对图片进行归一化处理。
DSP图像处理与应用课程设计——基于DM642的人脸检测与识别作者学号学院电子信息工程学院班级电子1102指导教师时间2013年12月Contents1介绍 (2)2知识回顾 (2)2.1 奇偶场 (2)2.2 YUV色彩空间 (3)2.3 图像缓存区 (3)3编程思路 (4)4设计方法 (4)4.1 图像二值化 (5)4.2 人脸范围的捕捉 (5)4.3 人脸识别算法 (6)4.4 名字显示 (7)5实验结果 (9)6实验感想 (11)7附录 (12)1介绍随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。
作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。
当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。
与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。
此次研究报告，我们以所学DSP图像处理技术相关知识为背景，基于DM642芯片来实现对人脸的识别。
实验的预期效果为，当A同学出现在摄像头前，屏幕上会显示与其对应的名字，当B同学出现在摄像头前，会显示与其对应的名字，而没有人在摄像头前会显示无字，从而实现人脸检测与识别。
报告内容安排大致如下，首先我们进行所用知识进行简要的回顾，其次是提出编程思路，紧接着我们对关键的设计程序进行详细分析与解释，之后是实验结果展示，最后是实验总结。
2知识回顾2.1 奇偶场PAL制式的模拟图像转换为数字图像后包含576行*720列个像素，一帧图像分解为奇数场和偶数场两幅图像，分别包含288行*720列个像素。
一个场由帧中的奇数行组成，叫做奇场，另一个场由帧中的偶数行组成，叫做偶场。
图2-1-1 奇偶场示意图2.2 YUV色彩空间在彩色视频信号传输中采用的YUV合成的方法。
DSP论文：人脸检测及其DSP实现【中文摘要】随着人们安全防范意识的不断提高,视频监控已经被各个领域广泛应用。
从工业生产到日常生活,视频监控以其直观、方便、实时的特点越来越受到人们的欢迎。
但是,现今大多数的视频监控还停留在操作人员肉眼监控的状态,为了将操作人员从繁重的监控工作中解放出来,具有数字化、网络化、智能化等特点的新型视频监控系统应运而生。
数字图像处理技术为视频监控的智能化提供了可能,该技术也为视频监控带来智能化应用。
人脸对象是视频监控系统中最受关注的对象,是一种非常有潜力的身份验证途径。
本文主要研究了基于DSP实现的人脸检测问题。
在研究了当今各种主流的人脸检测算法及其原理之后,通过对比发现AdaBoost算法在计算机仿真领域以及实际应用均较为广泛。
因此采用AdaBoost算法作为人脸检测的基本算法,通过对样本的训练得到人脸检测所需的分类器,再由分类器检测得到图像中的人脸区域。
DSP开发板采用的是TI公司生产的达芬奇系列数字视频图像处理系列TMS320DM6437。
该开发板包含DSP子系统,视频处理子系统和相关外设。
将基于AdaBoost算法的人脸检测软件程序通过优化等处理,从计算机上移植到DSP开发板上并执行,大大缩短了检测时间,提高了检测的效率并保证了实时性,为人脸检测以及人脸识别的相关视频监控提供了有效的实际应用。
【英文摘要】With the continuous improvement of people’s awareness for security, video surveillance has been widely usedin various fields. Either industrial production or daily life, video surveillance is more and more popular with its intuitive, easy, real-time characteristics. However, most of today’s video surveillance still needs the operator’s monitoring, in order to liberate operator from heavy work of monitoring, a new digital, networked, intelligent video surveillance system come into being. Digital image processing technology makes probability for intelligent video surveillance, and will bring more applications in this field.Human face is the most important part in video surveillance, and a very promising way of authentication. This paper mainly focuses on the implementation of DSP-based face detection. After studying the current mainstream of face detection algorithms and their principles, we find out that the AdaBoost algorithm is more extensive in the field of computer simulation and practical application. So we decide to use AdaBoost face detection algorithm as the basic algorithm, and train samples for classifiers. Then the facial regions are obtained by cascade classifier in the face detection. TMS320DM6437 is one kind of DaVinci digital video image processing DSP produced by TI Incorporated. The DM6437EVM contains DSP subsystem, video processing subsystem and related peripherals. After optimizingAdaBoost-based face detection software program and porting the code to the DSP EVM, the face detect program can be run on the DSP system. It turns out that this real-time detection greatly reduces detection time, and improves detection efficiency. Inthis way, the system can provide an effective practical application for human face detection and recognition of the relevant video surveillance.【关键词】DSP AdaBoost 人脸检测 DSP/BIOS 移植【英文关键词】DSP AdaBoost Face Detection DSP/BIOS Porting【目录】人脸检测及其DSP实现【备注】索购全文在线加好友：1.3.9.9.3.8848同时提供论文写作一对一指导和论文发表委托服务摘要5-6ABSTRACT6图列9-10表列10-11符号说明11-13第1章绪论13-19 1.1 引言13-14 1.2 人脸检测的研究目的和意义14-17 1.3 课题主要研究内容17 1.4 论文结构17-19第2章人脸检测算法19-31 2.1 人脸检测算法介绍19-22 2.1.1 基于知识的方法19-20 2.1.2 基于特征的方法20-21 2.1.3 基于表象的方法21-22 2.2 AdaBoost方法22-26 2.2.1 Boosting算法22-23 2.2.2 AdaBoost算法原理23-26 2.2.3 AdaBoost算法在人脸检测中的应用26 2.3 矩形特征和积分图26-29 2.3.1 Haar特征26-28 2.3.2 积分图28-29 2.4 分类器和级联29-30 2.5 本章小结30-31第3章人脸检测系统整体设计31-45 3.1 人脸检测系统框架31-33 3.2 系统各模块结构及其功能33-39 3.2.1 DSP子系统33-35 3.2.2 视频处理子系统35-38 3.2.3 相关外设38-39 3.3 集成开发环境CCS39-44 3.3.1 编程及调试39-42 3.3.2 嵌入式实时操作系统DSP/BIOS42-43 3.3.3 实时数据交换43-44 3.4 本章小结44-45第4章人脸检测系统的开发及其实现45-57 4.1 人脸检测软件开发流程45-47 4.2 算法原型和算法改进47-51 4.2.1 开源计算机视觉库OpenCV47-49 4.2.2 搜索窗口的优化49-51 4.2.3 扫描步长的优化51 4.3 程序代码的移植、优化51-54 4.3.1 浮点和定点51-52 4.3.2 基于DSP的代码优化52-54 4.4 实验结果分析54-56 4.5 本章小结56-57第5章总结与展望57-58参考文献58-61附录161-62致谢62-63攻读学位期间参加的科研项目和成果63。
基于DSP的人脸指纹门禁识别器的设计与实现的开题报告一、研究背景门禁系统通常是在各种组织中使用的，如公司、学校、医院等。
它是通过识别授权人员来控制进入和离开。
在门禁系统中，人脸和指纹的识别被广泛使用，因为它们是独特而可靠的身份验证方式，难以冒名顶替。
随着数字技术的发展，现代门禁系统越来越多地使用数字信号处理（DSP）技术进行控制和处理。
DSP是一种基于数字信号的处理技术，可以对信号进行精确的控制和处理。
利用DSP技术，门禁系统可以更加有效地处理人脸和指纹识别数据，并提高系统的安全性和可靠性。
二、研究目的本研究旨在设计并实现一种基于DSP的人脸指纹门禁识别器，通过数字信号处理技术提高门禁系统的安全性和可靠性。
具体研究目的包括：1. 研究DSP技术在门禁系统中的应用和优势。
2. 设计并实现基于DSP的人脸指纹门禁识别器。
3. 实现人脸、指纹数据采集和识别算法。
4. 对系统进行性能测试，并进行优化和改进。
三、研究方法在本研究中，将采用以下方法实现研究目的：1. 搜集相关文献，了解DSP技术在门禁系统中的应用和优势。
2. 设计硬件系统，包括DSP芯片、图像传感器和指纹传感器等。
3. 实现人脸、指纹数据采集和识别算法。
4. 使用Matlab等工具进行仿真和测试，优化系统性能。
5. 在实验室中对系统进行性能测试，并记录数据和结果。
四、预期成果本研究的预期成果包括：1. 建立基于DSP的人脸指纹门禁识别系统，实现人脸和指纹数据的快速采集和识别。
2. 优化系统性能，提高门禁系统的安全性和可靠性。
3. 对DSP技术在门禁系统中的应用和优势进行深入分析，并总结经验和教训。
五、进度安排本研究的进度安排如下：1. 第一阶段（3个月）——搜集相关文献，熟悉DSP技术并设计数字硬件系统。
2. 第二阶段（6个月）——实现人脸、指纹数据采集和识别算法。
3. 第三阶段（3个月）——进行系统优化和改进，并进行性能测试和记录数据和结果。
基于DSP的实时声源定位及人脸检测系统的开题报告一、选题背景及意义随着智能家居、智能手机等产品的不断普及，人们对于声音处理和人脸检测等技术的要求也越来越高。
而基于DSP的实时声源定位及人脸检测系统，能够实现对于声音和人脸的实时处理和定位，为实现智能家居和智能手机等应用提供技术支持。
因此，开发基于DSP的实时声源定位及人脸检测系统具有深远意义和实际应用价值。
二、研究内容和方案本项目主要研究基于DSP的实时声源定位及人脸检测系统，主要包括以下研究内容和方案：1. 硬件设计：采用高性能的DSP芯片作为系统的核心，并配合相关模块实现声音和人脸的采集、处理和定位。
2. 声源定位算法：通过声音信号的采集、声源信号的分离、方向寻找等步骤来实现声源的定位，并采用合理的算法提高定位的准确度。
3. 人脸检测算法：通过图像采集和处理、特征提取和匹配等步骤来实现人脸的检测和识别，并选取适合实时处理的算法提高检测的准确度和速度。
4. 系统软件设计：设计相应的软件实现系统的控制和交互，实现用户与系统的信息输入、显示和反馈。
三、预期成果1. 实现基于DSP的实时声源定位及人脸检测系统的设计和开发。
2. 实现声源定位和人脸检测算法的优化和提高。
3. 实现系统的实时处理和反馈。
四、研究难点1. 声源定位算法的精确定位和实时性的优化。
2. 人脸检测算法的检测准确度和速度的提高。
3. 系统的硬件和软件的设计和开发难度。
五、研究计划1. 系统需求分析和设计（2周）。
2. 硬件和软件的实现和调试（6周）。
3. 算法优化和定位准确度的提高（4周）。
4. 系统的综合测试和实验验证（4周）。
六、研究经费和条件本项目需要使用到DSP芯片、传感器、图像采集设备等硬件设备，以及开发DSP程序、算法程序等软件设备。
研究经费需要20万元以上，并需要配备必要的实验室设备和技术人员。
