| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 多核的研究现状 | 第10-11页 |
| 1.2.2 人脸检测的研究现状 | 第11-13页 |
| 1.2.3 人脸检测并行化计算的研究现状 | 第13-14页 |
| 1.3 论文主要工作 | 第14页 |
| 1.4 论文结构 | 第14-15页 |
| 第2章 人脸检测技术 | 第15-25页 |
| 2.1 人脸检测算法分类 | 第15-18页 |
| 2.1.1 基于知识模型的人脸检测 | 第15页 |
| 2.1.2 基于几何特征的人脸检测 | 第15-16页 |
| 2.1.3 基于模版匹配的人脸检测 | 第16-17页 |
| 2.1.4 基于表象的人脸检测 | 第17-18页 |
| 2.2 人脸检测经典算法 | 第18-22页 |
| 2.2.1 模版匹配 | 第18页 |
| 2.2.2 神经网络 | 第18-19页 |
| 2.2.3 支持向量机 | 第19-20页 |
| 2.2.4 隐马尔科夫模型 | 第20-21页 |
| 2.2.5 AdaBoost算法 | 第21-22页 |
| 2.3 人脸检测的评价标准 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 人脸检测硬件平台的设计 | 第25-31页 |
| 3.1 人脸检测的硬件需求分析 | 第25-26页 |
| 3.1.1 人脸检测的需求描述 | 第25页 |
| 3.1.2 存在问题的分析 | 第25-26页 |
| 3.2 基于Parallella的并行计算实验平台 | 第26-30页 |
| 3.2.1 主控制芯片 | 第27-28页 |
| 3.2.2 高性能协处理器 | 第28-29页 |
| 3.2.3 外围接口技术 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 基于ADABOOST算法的人脸检测 | 第31-45页 |
| 4.1 Gentle AdaBoost算法 | 第31页 |
| 4.2 特征的分类 | 第31-37页 |
| 4.2.1 Haar特征与积分图 | 第31-35页 |
| 4.2.2 LBP特征 | 第35-37页 |
| 4.3 Gentle AdaBoost算法的训练过程 | 第37-42页 |
| 4.3.1 训练样本的选择 | 第37-39页 |
| 4.3.2 弱分类器和强分类器 | 第39-40页 |
| 4.3.3 级联分类器 | 第40-42页 |
| 4.4 人脸检测过程 | 第42-44页 |
| 4.4.1 子窗口扫描 | 第42-43页 |
| 4.4.2 结果处理 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 基于EPIPHANY多核处理器的人脸检测并行化计算 | 第45-59页 |
| 5.1 并行计算基本原则 | 第45-48页 |
| 5.1.1 阿姆达尔定律 | 第45-47页 |
| 5.1.2 古斯塔夫森定律 | 第47页 |
| 5.1.3 程序并行化的一般方法 | 第47-48页 |
| 5.2 多核上的并行人脸检测实现 | 第48-58页 |
| 5.2.1 人脸检测的串行流程 | 第48-49页 |
| 5.2.2 人脸检测的并行化途径 | 第49-50页 |
| 5.2.3 基于各级子图像并行计算的人脸检测 | 第50-54页 |
| 5.2.4 面向多帧图像和视频监控的并行人脸检测 | 第54-56页 |
| 5.2.5 基于集群MPI的并行人脸检测 | 第56-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第6章 多核平台人脸检测系统的实现 | 第59-69页 |
| 6.1 人脸检测系统架构设计 | 第59页 |
| 6.2 检测图像采集模块 | 第59-60页 |
| 6.3 基于Parallella平台的Linux系统 | 第60-63页 |
| 6.3.1 uImage文件 | 第61页 |
| 6.3.2 BOOT.bin文件 | 第61-62页 |
| 6.3.3 devicetree.dtb文件 | 第62页 |
| 6.3.4 uramdisk.image.gz文件 | 第62-63页 |
| 6.4 人脸检测的实验与结果分析 | 第63-67页 |
| 6.5 本章小结 | 第67-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-77页 |
| 致谢 | 第77页 |
