引言

Adaboost算法是Freund和Schapire于1995年提出的，全稱為Adaptive Boosting.它是Boosting算法的改進，意為該算法通過機器訓(xùn)練與學(xué)習(xí)不斷自適應(yīng)地調(diào)整假設(shè)的錯誤率，這種靈活性使得Adaboost算法很容易與實際應(yīng)用聯(lián)系起來。2001年，微軟研究院的P.Viola提出了基于Haar特征的Adaboost算法，創(chuàng)造性地將積分圖的概念引入到人臉檢測的特征計算當(dāng)中，由于此算法使用了大量尺寸不一的矩形作用來表征人臉。并且該算法中用以檢測人臉的分類器是采用的級聯(lián)結(jié)構(gòu)，按照由弱到強的順序組織的，其優(yōu)點在于按照統(tǒng)計概率，在圖像檢測的一開始就能夠?qū)⒋蟛糠植话四樀膮^(qū)域排除在外，省去了后面計算負載更重的檢測步驟，以此達到檢測速度提升的目的。經(jīng)過實際測試，P3 700MHz的處理器對352*288的圖像進行檢測的速度為15幀/秒。但是如果在嵌入式平臺上運行的話，純軟件的檢測速度則為2幀/秒。本設(shè)計將這種快速檢測算法轉(zhuǎn)化成了一種并行處理圖片像素點的硬件結(jié)構(gòu)，能夠大幅度提升圖像中的人臉檢測速度。

目標平臺

Virtex5系列FPGA是Xilinx最新一代基于65nm的FPGA產(chǎn)品。相比上代產(chǎn)品，速度平均提高30%.其改進后的六輸入的查找表（LUT）和新型對角互連結(jié)構(gòu)，減少了邏輯層次，增強了構(gòu)造塊之間的信號互連。

本文系統(tǒng)的實現(xiàn)主要用到了兩類邏輯資源來優(yōu)化系統(tǒng)性能：DSP48E Slice：25x18位二進制補碼乘法器能產(chǎn)生48位全精度結(jié)果。此功能單元還能夠?qū)崿F(xiàn)諸多DSP模塊如乘累加器、桶形移位器、寬總線多路復(fù)用器等。

Block RAM：可配置成2個18 Kb或1個36 Kb的Block RAM，也能夠配置為雙端口RAM或FIFO，并提供了ECC校驗檢查功能，提高了系統(tǒng)可靠性。

硬件系統(tǒng)結(jié)構(gòu)

本文采用了一種像素積分單元陣列的結(jié)構(gòu)來實現(xiàn)對圖像進行人臉檢測的并行性處理［4，5］。該陣列的計算對象為Haar特征。該特征被抽象為各種尺寸大小的矩形。一系列的矩形組合起來即被用來表征人臉。黑白矩形內(nèi)像素的灰度值經(jīng)過加權(quán)求和后即為該特征的特征值。積分圖ii的定義是：

其中ii（x， y）是積分圖在點（x， y）處的積分值，i（x‘， y’）是圖像在點（x‘， y’）處的灰度值。利用積分圖可以快速計算矩形S的灰度和，即Sum=A+D-B-C，其中A、B、C、D是積分圖中矩形頂點對應(yīng)的積分值。

系統(tǒng)結(jié)構(gòu)框圖如圖3所示，整個系統(tǒng)的工作流程和各模塊功能闡述如下：

圖像輸入模塊：系統(tǒng)輸入端外接一個模擬攝像頭，采集到的圖像信號經(jīng)過板上的A/D芯片轉(zhuǎn)換成ITU-R BT.656 （YCrCb 4：2：2，8位數(shù)據(jù)寬度）分辨率為352x288（CIF）的圖像格式。該模塊的作用為當(dāng)檢測控制狀態(tài)機發(fā)送初始化信號后，通過I2C總線配置A/D芯片完成信號轉(zhuǎn)換。另外，由于BT.656格式混合包含了視頻的場信息和圖像數(shù)據(jù)，因此該模塊還要從BT.656信號中提取出圖像數(shù)據(jù)存放到圖像RAM中。針對該實現(xiàn)，RAM大小為8位寬度，深度為101376.

像素積分陣列：像素積分單元陣列是本系統(tǒng)中進行快速人臉檢測的核心處理模塊。在將圖像進入片內(nèi)RAM后，系統(tǒng)將采用20x20的移動窗口對整幅圖像進行掃描處理。每個周期的開始階段，檢測窗口包含的一行（20像素）的灰度值由底部進入積分陣列，積分陣列上部輸出按從左至右方向的行像素值的積分和，右部則輸出每行按從左至右方向的像素值的平方和。陣列中的灰色方格則保存了檢測窗口對應(yīng)原始圖像部分的像素積分值。陣列中的帶豎線和右斜線的方格表示了存儲特征所包含的矩形權(quán)重和特征相似度等參數(shù)的流水線。在整個掃描窗口的像素積分值都進入此陣列后經(jīng)過左側(cè)編碼模塊的編碼控制后，從陣列的右側(cè)可以得到當(dāng)前一級分類器所包含的矩形的像素灰度值。此灰度值被送到右側(cè)的檢測模塊（如圖4）：首先會和當(dāng)前一級分類器中對應(yīng)特征的權(quán)重weight相乘，然后將乘積進行累加后即得到當(dāng)前區(qū)域?qū)?yīng)此特征的特征值。接著這個值會與分類器中的特征閾值a比較，從而選擇對應(yīng)的特征相似度γo（大于等于a ）或者γ1 （小于a ），此相似度值也將被累加，當(dāng)該級分類器中所包含的全部特征的特征相似度都累加完畢后會與最終的該級的檢測閾值β比較。比較后的結(jié)果顯示了該窗口區(qū)域是否包含了人臉，1即為包含，0即為不包含。如果包含人臉，此模塊還將把當(dāng)前檢測到的人臉的區(qū)域信息（包括矩形的左上角起始坐標和矩形長、寬）保存在一個專用的存儲區(qū)域，以用于后面的結(jié)果輸出。

人臉信息處理單元：像素積分單元陣列檢測到人臉后，此單元將首先保存檢測到的人臉位置信息。如同檢測階段中分類器中的特征包含的矩形表達式一樣，人臉位置信息也是由起始點坐標和矩形的長、寬組成：（x， y， width， height）。接著根據(jù)此信息控制后一級的視頻輸出模塊用以顯示人臉。讀取（x， y），在圖像RAM中檢索到對應(yīng)人臉的起始點的地址，往該地址中寫入像素值0.接著縱坐標不變，延x軸方向只至x+width-1的點的像素值均更新為0.然后是繪制人臉的縱向邊界。保持橫坐標為x+width-1，y坐標依次增1只至y+height-1，將此列對應(yīng)點的像素值更新為0.后面再按照類似的方法折回完成余下的人臉邊界的標識。此時存放在RAM中的檢測后的圖像數(shù)據(jù)被送入到視頻輸出模塊，該模塊以800x600的分辨率將最后的檢測結(jié)果顯示在VGA屏幕上，在屏幕顯示中，被黑色方框包圍的區(qū)域即是人臉。

圖像縮放單元：此模塊用以檢測圖像中大于20x20像素的人臉。本文采用的是固定大小為20x20的移動窗口，以從上至下，從左至右的方向遍歷掃描整幅圖像來檢測人臉。對原始圖像數(shù)據(jù)掃描完一遍后，能夠直接檢測出圖像中大小在20x20以內(nèi)的人臉。然后有檢測控制狀態(tài)機負責(zé)啟動該單元模塊，以一定系數(shù)對原始圖像進行縮小處理。處理方法采用的是按照縮小比例生成提取像素點的地址，并將這些像素點重新組成縮小后的圖像。其計算公式如下所示，其中（ x0 ，y0 ）和（x1 ， y1）分別為原圖像和縮小后的點坐標，scale參數(shù)為查表所得：

測試結(jié)果該系統(tǒng)在Xilinx ML509開發(fā)板上進行測試，該開發(fā)板上采用了一塊XC5VLX110T-FF1136的FPGA芯片，測試方案為：將攝像頭實時采集到的圖像送進系統(tǒng)視頻輸入模塊，然后經(jīng)過撥碼開關(guān)來控制板上的AD9880芯片轉(zhuǎn)化為384x288的8位灰度圖送入核心檢測模塊檢測并輸出在VGA顯示器上。整個系統(tǒng)邏輯資源占用情況如表1所示。表2為最后系統(tǒng)能夠運行的最高頻率。

結(jié)論

本文創(chuàng)新點在于采用了一種像素積分單元陣列結(jié)構(gòu)，能夠?qū)daboost算法中的Haar特征進行并行處理。結(jié)合Virtex5平臺豐富和特殊結(jié)構(gòu)的邏輯資源，得到了理想的性能，甚至已經(jīng)能夠和高性能的PC平臺相提并論。從結(jié)果中可以看到，本系統(tǒng)只使用了部分資源。通過在FPGA芯片內(nèi)部例化更多的處理單元，還有進一步增大并行性以取得性能提升的空間。

責(zé)任編輯：gt