应用于人手检测的关键算法硬件实现

摘要

近年来，在计算机视觉领域目标检测算法已经得到了深入的研究。目标检测算法等图像处理类算法的广泛应用，与硬件平台的不断进步有着不可分割的联系。目标检测算法与人手检测具有庞大的计算量，在进行硬件实现过程中，如何使电路设计同时满足性能要求和面积约束成为工程师需要考虑的重要问题。
　　本文首先对图像的高斯滤波预处理进行了研究。经过滤波预处理，可以有效较低噪声，图像PSNR（Peak Signal to Noise Ratio，峰值信噪比）从22.11提升到30.42，使纹理更清晰，有利于人手检测。传统高斯滤波算法硬件设计方法使用8个全加器进行4个层次的相加求和。针对全加器上关键路径较长、逻辑延时较大的特点，本文引入CSA（Carry Save Adder，保留进位加法器）、4-2压缩器、加数压缩的树型结构对9个加数进行3个层次的压缩，最后采用1个全加器求和。实验表明，本文电路结构逻辑延时缩小了32.48％。然后，对人手检测过程中的图像金字塔的构建、HOG（Histogram of OrientedGradient，方向梯度直方图）特征提取、模型的检测进行了介绍。并通过对算法的特点分析，得出开方倒数算法是人手检测算法的一个关键算法。针对浮点化开方倒数算法中浮点运算单元面积较大且速度较慢的特点，指出研究定点化开方倒数算法的重要性。针对基于查表与双立方插值算法的高吞吐率复数定点化开方倒数算法需要构建庞大的查找表的问题，提出了一种基于分段线性拟合和一次牛顿迭代相结合的定点化开方倒数算法。本文选用八段线性拟合得到牛顿迭代初值，再经过一次牛顿迭代提升精度。通过对本文算法进行电路设计，并在FPGA上综合实现。实验表明，电路吞吐率得到提高，同时节省了ROM存储资源。但是本文算法适用范围不如高吞吐率复数定点化开方倒数算法广泛，对比算法不仅可以求解实数开方倒数值，还可以求解复数开方倒数值。

目录

封面

声明

致谢

摘要

英文摘要

1 绪论

1．1 课题研究背景

1．2 国内外研究现状及发展趋势

1．3 论文结构安排

2 预处理算法与人手检测算法

2．1 预处理算法与人手检测算法简介

2．1．1 预处理算法简介

2．1．2 人手检测算法简介

2．2 高斯滤波算法流程

2．2．1 高斯滤波定义与性质

2．2．2 高斯滤波计算流程

2．3 人手检测算法流程

2．3．1 图像金字塔的构建

2．3．2 HOG特征的提取

2．3．3 模型的检测

2．3．4 算法特点分析

2．4 本章小结

3 开方倒数算法

3．1 开方倒数算法

3．2 浮点化快速开方倒数算法

3．2．1 牛顿迭代法

3．2．2 改进牛顿迭代法

3．3 高吞吐率定点复数开方倒数算法

3．3．1 双立方插值算法

3．3．2 定点复数开方倒数算法

3．4 基于分段线性拟合与牛顿迭代的定点开方倒数算法

3．4．1 定点化输入数左移扩大

3．4．2 分段线性拟合及系数定点化

3．4．3 定点形式牛顿迭代

3．5 本章小结

4 高斯滤波算法与开方倒数算法电路设计

4．1 高斯滤波器预处理算法硬件电路结构

4．1．1 传统高斯滤波器电路结构

4．1．2 改进高斯滤波器电路结构

4．2 定点化开方倒数算法电路结构

4．2．1 InputValueEnlarge模块电路结构

4．2．2 NewtonSeed模块电路结构

4．2．3 NewtonIteration模块电路结构

4．2．4 OutputValueEnlarge模块电路结构

4．3 实验结果与分析

4．3．1 高斯滤波器预处理算法实验结果与分析

4．3．2 开方倒数算法实验结果与分析

4．4 本章小结

5 总结与展望

5．1 工作总结

5．2 未来工作展望

参考文献

作者简介以及攻读学位期间科研成果