Adaboost算法的FPGA实现与性能分析

admin

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，意为该算法通过机器训练与学习不断自适应地调整假设的错误率，这种灵活性使得Adaboost算法很容易与实际应用联系起来。2001年，微软研究院的P.Viola提出了基于Haar特征的Adaboost算法[1]，创造性地将积分图的概念引入到人脸检测的特征计算当中，由于此算法使用了大量尺寸不一的矩形作用来表征人脸。并且该算法中用以检测人脸的分类器是采用的级联结构，按照由弱到强的顺序组织的，其优点在于按照统计概率，在图像检测的一开始就能够将大部分不包含人脸的区域排除在外，省去了后面计算负载更重的检测步骤，以此达到检测速度提升的目的。经过实际测试，P3 700MHz的处理器对352*288的图像进行检测的速度为15帧/秒[2].但是如果在嵌入式平台上运行的话，纯软件的检测速度则为2帧/秒[3].本设计将这种快速检测算法转化成了一种并行处理图片像素点的硬件结构，能够大幅度提升图像中的人脸检测速度。