EDA/PLD中的Adaboost算法的FPGA实现与性能分析

摘要：Adaboost算法采用由弱到强的级联型分类器用以快速检测人脸。但在实际应用中计算量巨大。在PC机上用纯软件实现该算法得到的目标检测速度也难以达到实时。本文论述了一种采用像素积分计算阵列的人脸检测系统,能够对图像像素进行流水运算处理以达到提升检测速度的效果,并在Virtex5系列FPGA上实现。通过该并行系统对单幅352x288的图像进行人脸检测,其速率可以达到50帧/秒,可以满足工业应用的实时性要求。 　　引言 　　Adaboost 算法是Freund 和Schapire 于1995 年提出的，全称为Adaptive Boosting。它是 Boosting 算法的改进，意为该算法 Adaboost算法是一种集成学习方法，最初由Freund和Schapire在1995年提出，全称为“Adaptive Boosting”。它属于Boosting算法的一种，通过迭代过程连续调整弱分类器的权重，以降低错误率，最终构建出一个强分类器。Adaboost在人脸识别领域有广泛应用，尤其是P.Viola在2001年提出的基于Haar特征的Adaboost算法，该算法引入积分图概念，极大地加速了特征计算。 在实际应用中，传统的Adaboost算法计算量大，导致在PC机上使用纯软件实现时无法达到实时检测的要求。为解决这一问题，文章探讨了一种基于像素积分计算阵列的人脸检测系统。该系统利用流水线运算处理图像像素，以提高检测速度，并在Virtex5系列FPGA上实现了硬件化。 Virtex5 FPGA是一款由Xilinx公司推出的65nm工艺的FPGA产品，具有更快的处理速度和优化的逻辑资源。文章中利用了FPGA的两种关键逻辑资源：DSP48E Slice（提供高效乘法和多种DSP功能）和Block RAM（支持多种配置，增强系统可靠性）。通过这些资源，设计了一个并行处理像素的硬件结构，以加速图像中人脸的检测。 系统设计中，像素积分单元阵列是核心部分，处理基于Haar特征的矩形结构。Haar特征通过加权求和像素灰度值来计算特征值。积分图则可以快速计算特定矩形区域的灰度和。系统接收来自模拟摄像头的图像信号，经过A/D转换，然后在图像输入模块中处理，提取图像数据并存储在图像RAM中。接着，通过像素积分阵列对图像进行20x20的移动窗口扫描，进行快速的人脸检测。 总体来说，文章详细介绍了如何在FPGA平台上实现Adaboost算法的硬件加速，利用Virtex5 FPGA的特性，设计了一种像素积分计算阵列，实现了对352x288图像的50帧/秒的实时人脸检测速度，满足了工业应用的需求。这种硬件实现方式克服了软件实现的计算效率限制，为实时图像处理提供了有效解决方案。