基于改进Adaboost人脸检测算法的研究与FPGA实现
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究动态 | 第11-13页 |
| ·算法对比 | 第13-14页 |
| ·嵌入式实现手段对比 | 第14-16页 |
| 第二章 Adaboost算法分析与训练过程 | 第16-34页 |
| ·Adaboost算法介绍 | 第16-17页 |
| ·训练样本 | 第17-19页 |
| ·Haar-Like特征 | 第19页 |
| ·积分图 | 第19-21页 |
| ·Haar特征提取 | 第21-23页 |
| ·弱分类器训练过程 | 第23-25页 |
| ·强分类器训练 | 第25-30页 |
| ·扫描检测与实验结果 | 第30-34页 |
| 第三章 硬件架构分析 | 第34-52页 |
| ·硬件检测机制分析 | 第34-35页 |
| ·算法需要存储的数据分析 | 第35-36页 |
| ·当前主流硬件检测方法分析 | 第36-38页 |
| ·硬件分类器分析讨论 | 第38-40页 |
| ·主流硬件实现手段性能分析对比 | 第40-42页 |
| ·本文提出的方案 | 第42-52页 |
| ·弱分类器硬件结构 | 第42-43页 |
| ·强分类器硬件结构 | 第43-44页 |
| ·并行检测窗口硬件架构 | 第44-47页 |
| ·瀑布型列积分运算结构 | 第47-49页 |
| ·全并行分类器架构 | 第49页 |
| ·并行图像存储器架构 | 第49-51页 |
| ·多尺度检测设计 | 第51-52页 |
| 第四章 系统的SOPC实现与结果 | 第52-66页 |
| ·硬件开发技术和开发平台 | 第52-53页 |
| ·系统的SOPC实现框架 | 第53-54页 |
| ·系统硬件实现细节展示 | 第54-59页 |
| ·并行RAM实际结构 | 第54-55页 |
| ·检测模块实际结构 | 第55-56页 |
| ·瀑布运算逻辑硬件结构 | 第56-57页 |
| ·分类器硬件结构 | 第57-59页 |
| ·软件部分工作 | 第59-62页 |
| ·硬件系统最终结果及分析 | 第62-66页 |
| ·最终结果展示 | 第62-63页 |
| ·算法性能分析 | 第63-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间的论文发表情况 | 第72页 |
