Adaboost算法的FPGA實(shí)現(xiàn)與性能分析

引言

　　Adaboost 算法是Freund 和Schapire 于1995 年提出的，全稱(chēng)為Adaptive Boosting。它是 Boosting 算法的改進(jìn)，意為該算法通過(guò)機(jī)器訓(xùn)練與學(xué)習(xí)不斷自適應(yīng)地調(diào)整假設(shè)的錯(cuò)誤率，這 種靈活性使得Adaboost 算法很容易與實(shí)際應(yīng)用聯(lián)系起來(lái)。2001 年，微軟研究院的P.Viola 提出了基于Haar 特征的Adaboost 算法[1]，創(chuàng)造性地將積分圖的概念引入到人臉檢測(cè)的特征 計(jì)算當(dāng)中，由于此算法使用了大量尺寸不一的矩形作用來(lái)表征人臉。并且該算法中用以檢測(cè) 人臉的分類(lèi)器是采用的級(jí)聯(lián)結(jié)構(gòu)，按照由弱到強(qiáng)的順序組織的，其優(yōu)點(diǎn)在于按照統(tǒng)計(jì)概率， 在圖像檢測(cè)的一開(kāi)始就能夠?qū)⒋蟛糠植话四樀膮^(qū)域排除在外，省去了后面計(jì)算負(fù)載更重 的檢測(cè)步驟，以此達(dá)到檢測(cè)速度提升的目的。經(jīng)過(guò)實(shí)際測(cè)試，P3 700MHz 的處理器對(duì)352*288 的圖像進(jìn)行檢測(cè)的速度為15 幀/秒[2]。但是如果在嵌入式平臺(tái)上運(yùn)行的話，純軟件的檢測(cè)速 度則為2 幀/秒[3]。本設(shè)計(jì)將這種快速檢測(cè)算法轉(zhuǎn)化成了一種并行處理圖片像素點(diǎn)的硬件結(jié) 構(gòu)，能夠大幅度提升圖像中的人臉檢測(cè)速度。
 

　　目標(biāo)平臺(tái)

　　Virtex5 系列FPGA 是Xilinx 最新一代基于65nm 的FPGA 產(chǎn)品。相比上代產(chǎn)品，速度 平均提高30%。其改進(jìn)后的六輸入的查找表 (LUT) 和新型對(duì)角互連結(jié)構(gòu)，減少了邏輯層次， 增強(qiáng)了構(gòu)造塊之間的信號(hào)互連。

　　本文系統(tǒng)的實(shí)現(xiàn)主要用到了兩類(lèi)邏輯資源來(lái)優(yōu)化系統(tǒng)性能： DSP48E Slice：25x18 位二進(jìn)制補(bǔ)碼乘法器能產(chǎn)生48 位全精度結(jié)果。此功能單元還能夠 實(shí)現(xiàn)諸多DSP 模塊如乘累加器、桶形移位器、寬總線多路復(fù)用器等。

　　Block RAM：可配置成2 個(gè)18 Kb 或1 個(gè)36 Kb 的Block RAM，也能夠配置為雙端口 RAM 或FIFO，并提供了ECC 校驗(yàn)檢查功能，提高了系統(tǒng)可靠性。
 

　　硬件系統(tǒng)結(jié)構(gòu)

　　本文采用了一種像素積分單元陣列的結(jié)構(gòu)來(lái)實(shí)現(xiàn)對(duì)圖像進(jìn)行人臉檢測(cè)的并行性處理 [4,5]。該陣列的計(jì)算對(duì)象為Haar 特征。該特征被抽象為各種尺寸大小的矩形。一系列的矩形 組合起來(lái)即被用來(lái)表征人臉。黑白矩形內(nèi)像素的灰度值經(jīng)過(guò)加權(quán)求和后即為該特征的特征 值。積分圖ii 的定義是：

其中ii(x, y)是積分圖在點(diǎn)(x, y)處的積分值，i(x', y')是圖像在點(diǎn)(x', y')處的灰度值。利用積分圖可以快速計(jì)算矩形S的灰度和，即Sum=A+D-B-C，其中A、B、C、D 是積分圖中矩形頂點(diǎn)對(duì)應(yīng)的積分值。

　　系統(tǒng)結(jié)構(gòu)框圖如圖 3 所示，整個(gè)系統(tǒng)的工作流程和各模塊功能闡述如下：
 

　　圖像輸入模塊：系統(tǒng)輸入端外接一個(gè)模擬攝像頭，采集到的圖像信號(hào)經(jīng)過(guò)板上的A/D 芯片轉(zhuǎn)換成ITU-R BT.656 (YCrCb 4:2:2，8 位數(shù)據(jù)寬度)分辨率為352x288(CIF)的圖像格式。 該模塊的作用為當(dāng)檢測(cè)控制狀態(tài)機(jī)發(fā)送初始化信號(hào)后，通過(guò)I2C 總線配置A/D 芯片完成信號(hào)轉(zhuǎn)換。另外，由于BT.656 格式混合包含了視頻的場(chǎng)信息和圖像數(shù)據(jù)，因此該模塊還要從 BT.656 信號(hào)中提取出圖像數(shù)據(jù)存放到圖像RAM 中。針對(duì)該實(shí)現(xiàn)，RAM 大小為8 位寬度， 深度為101376。

　　像素積分陣列：像素積分單元陣列是本系統(tǒng)中進(jìn)行快速人臉檢測(cè)的核心處理模塊。在將 圖像進(jìn)入片內(nèi)RAM 后，系統(tǒng)將采用20x20 的移動(dòng)窗口對(duì)整幅圖像進(jìn)行掃描處理。每個(gè)周期 的開(kāi)始階段，檢測(cè)窗口包含的一行(20 像素)的灰度值由底部進(jìn)入積分陣列，積分陣列上部輸 出按從左至右方向的行像素值的積分和，右部則輸出每行按從左至右方向的像素值的平方 和。陣列中的灰色方格則保存了檢測(cè)窗口對(duì)應(yīng)原始圖像部分的像素積分值。陣列中的帶豎線 和右斜線的方格表示了存儲(chǔ)特征所包含的矩形權(quán)重和特征相似度等參數(shù)的流水線。在整個(gè)掃 描窗口的像素積分值都進(jìn)入此陣列后經(jīng)過(guò)左側(cè)編碼模塊的編碼控制后，從陣列的右側(cè)可以得 到當(dāng)前一級(jí)分類(lèi)器所包含的矩形的像素灰度值。此灰度值被送到右側(cè)的檢測(cè)模塊(如圖 4)： 首先會(huì)和當(dāng)前一級(jí)分類(lèi)器中對(duì)應(yīng)特征的權(quán)重weight 相乘，然后將乘積進(jìn)行累加后即得到當(dāng) 前區(qū)域?qū)?yīng)此特征的特征值。接著這個(gè)值會(huì)與分類(lèi)器中的特征閾值a 比較，從而選擇對(duì)應(yīng) 的特征相似度γo(大于等于a )或者γ1 (小于a )，此相似度值也將被累加，當(dāng)該級(jí)分類(lèi)器中 所包含的全部特征的特征相似度都累加完畢后會(huì)與最終的該級(jí)的檢測(cè)閾值β比較。比較后 的結(jié)果顯示了該窗口區(qū)域是否包含了人臉，1 即為包含，0 即為不包含。如果包含人臉，此 模塊還將把當(dāng)前檢測(cè)到的人臉的區(qū)域信息(包括矩形的左上角起始坐標(biāo)和矩形長(zhǎng)、寬)保存在 一個(gè)專(zhuān)用的存儲(chǔ)區(qū)域，以用于后面的結(jié)果輸出。
 

　　人臉信息處理單元：像素積分單元陣列檢測(cè)到人臉后，此單元將首先保存檢測(cè)到的人臉 位置信息。如同檢測(cè)階段中分類(lèi)器中的特征包含的矩形表達(dá)式一樣，人臉位置信息也是由起 始點(diǎn)坐標(biāo)和矩形的長(zhǎng)、寬組成：(x, y, width, height)。接著根據(jù)此信息控制后一級(jí)的視頻輸出 模塊用以顯示人臉。讀取(x, y)，在圖像RAM中檢索到對(duì)應(yīng)人臉的起始點(diǎn)的地址，往該地址 中寫(xiě)入像素值0。接著縱坐標(biāo)不變，延x軸方向只至x+width-1的點(diǎn)的像素值均更新為0。然后 是繪制人臉的縱向邊界。保持橫坐標(biāo)為x+width-1，y坐標(biāo)依次增1只至y+height-1，將此列對(duì) 應(yīng)點(diǎn)的像素值更新為0。后面再按照類(lèi)似的方法折回完成余下的人臉邊界的標(biāo)識(shí)。此時(shí)存放 在RAM中的檢測(cè)后的圖像數(shù)據(jù)被送入到視頻輸出模塊，該模塊以800x600的分辨率將最后的 檢測(cè)結(jié)果顯示在VGA屏幕上，在屏幕顯示中，被黑色方框包圍的區(qū)域即是人臉。

　　圖像縮放單元：此模塊用以檢測(cè)圖像中大于20x20像素的人臉。本文采用的是固定大小 為20x20的移動(dòng)窗口，以從上至下，從左至右的方向遍歷掃描整幅圖像來(lái)檢測(cè)人臉。對(duì)原始 圖像數(shù)據(jù)掃描完一遍后，能夠直接檢測(cè)出圖像中大小在20x20以?xún)?nèi)的人臉。然后有檢測(cè)控制 狀態(tài)機(jī)負(fù)責(zé)啟動(dòng)該單元模塊，以一定系數(shù)對(duì)原始圖像進(jìn)行縮小處理。處理方法采用的是按照 縮小比例生成提取像素點(diǎn)的地址，并將這些像素點(diǎn)重新組成縮小后的圖像。其計(jì)算公式如下 所示，其中( x0 ,y0  )   和(x1 , y1) 分別為原圖像和縮小后的點(diǎn)坐標(biāo)，scale參數(shù)為查表所得：
 

　　測(cè)試結(jié)果

　　該 系 統(tǒng) 在 Xilinx ML509 開(kāi)發(fā)板上進(jìn)行測(cè)試， 該開(kāi)發(fā)板上采用了一塊 XC5VLX110T-FF1136 的FPGA 芯片，測(cè)試方案為：將攝像頭實(shí)時(shí)采集到的圖像送進(jìn)系統(tǒng)視 頻輸入模塊，然后經(jīng)過(guò)撥碼開(kāi)關(guān)來(lái)控制板上的AD9880 芯片轉(zhuǎn)化為384x288 的8 位灰度圖送 入核心檢測(cè)模塊檢測(cè)并輸出在VGA 顯示器上。整個(gè)系統(tǒng)邏輯資源占用情況如表 1 所示。表 2 為最后系統(tǒng)能夠運(yùn)行的最高頻率。
 

　　結(jié)論

　　本文創(chuàng)新點(diǎn)在于采用了一種像素積分單元陣列結(jié)構(gòu)，能夠?qū)?Adaboost 算法中的Haar 特征進(jìn)行并行處理。結(jié)合Virtex5 平臺(tái)豐富和特殊結(jié)構(gòu)的邏輯資源，得到了理想的性能，甚 至已經(jīng)能夠和高性能的PC 平臺(tái)相提并論。從結(jié)果中可以看到，本系統(tǒng)只使用了部分資源。 通過(guò)在FPGA 芯片內(nèi)部例化更多的處理單元，還有進(jìn)一步增大并行性以取得性能提升的空 間。