基于DSP的嵌入式人脸检测系统的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 人脸检测算法的研究现状 | 第10-12页 |
| 1.2.1 基于知识的人脸检测 | 第10-11页 |
| 1.2.2 基于特征的人脸检测 | 第11-12页 |
| 1.2.3 基于结构匹配的人脸检测 | 第12页 |
| 1.2.4 基于统计模型的人脸检测 | 第12页 |
| 1.3 本文研究的内容与成果 | 第12-14页 |
| 第二章 AdaBoost算法原理与特征训练 | 第14-25页 |
| 2.1 AdaBoosting算法原理 | 第14-17页 |
| 2.1.1 Haar矩形特征 | 第15-17页 |
| 2.1.2 弱分类器 | 第17页 |
| 2.2 Adaboost分类器训练 | 第17-21页 |
| 2.2.1 分类器训练的原理 | 第18-19页 |
| 2.2.2 利用OpenCV训练特征值 | 第19-21页 |
| 2.3 TD-LTE下行接收链路设计 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 DSP系统处理平台 | 第25-37页 |
| 3.1 DM6437的硬件环境与功能特点 | 第25-28页 |
| 3.1.1 DM6437CPU | 第25-26页 |
| 3.1.2 DM6437平台功能特点 | 第26-27页 |
| 3.1.3 E1_DM6437的地址空间映射 | 第27-28页 |
| 3.2 DM6437的硬件环境搭建 | 第28-30页 |
| 3.3 CCS3.3软件平台的搭建 | 第30-36页 |
| 3.3.1 CCS简介 | 第30页 |
| 3.3.2 软件系统开发环境的搭建 | 第30-33页 |
| 3.3.3 链接器内存分配 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 算法的软件实现 | 第37-66页 |
| 4.1 算法软件实现的总体设计 | 第38-39页 |
| 4.2 算法软件实现的详细设计 | 第39-61页 |
| 4.2.1 系统初始化 | 第40-41页 |
| 4.2.2 图像的输入输出接口设计 | 第41-43页 |
| 4.2.3 图像的缓存区设计 | 第43-45页 |
| 4.2.4 图像的编码转换 | 第45-46页 |
| 4.2.5 图像的积分表计算 | 第46-51页 |
| 4.2.6 矩形特征强分类器设计 | 第51-53页 |
| 4.2.7 图像的人脸窗口检测 | 第53-56页 |
| 4.2.8 图像的人脸窗口合并 | 第56-59页 |
| 4.2.9 图像的人脸窗口显示 | 第59-61页 |
| 4.2.10 图像检测时间统计 | 第61页 |
| 4.3 算法的结果分析 | 第61-65页 |
| 4.3.1 windows环境下测试 | 第62-64页 |
| 4.3.2 DSP环境下测试 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 DSP环境优化与分析 | 第66-75页 |
| 5.1 基于DSP的优化 | 第66-73页 |
| 5.1.1 算法的参数优化 | 第66-67页 |
| 5.1.2 图像收缩优化 | 第67-69页 |
| 5.1.3 基于流水线的优化 | 第69-72页 |
| 5.1.4 基于浮点数转整数的优化 | 第72-73页 |
| 5.2 优化后实验结果与分析 | 第73-74页 |
| 5.3 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-79页 |
| 致谢 | 第79页 |
