CN105046222A - 一种基于fpga的人脸检测与跟踪方法 - Google Patents
一种基于fpga的人脸检测与跟踪方法 Download PDFInfo
- Publication number
- CN105046222A CN105046222A CN201510408497.5A CN201510408497A CN105046222A CN 105046222 A CN105046222 A CN 105046222A CN 201510408497 A CN201510408497 A CN 201510408497A CN 105046222 A CN105046222 A CN 105046222A
- Authority
- CN
- China
- Prior art keywords
- skin
- pixel
- fpga
- face detection
- detection method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
Abstract
本发明涉及一种基于FPGA的人脸检测与跟踪方法,首先采集视频,接着进行肤色阈值检测,将采集到的视频数据由YUV格式转换为二进制图像,再进行空间滤波,确定肤色像素,然后进行时间滤波,得到当前帧的像素的平均值,进一步确定肤色像素,接着过滤其它肤色干扰,进行人脸跟踪,得到实时人脸检测结果,最后采用VGA实时显示。本发明克服了现有人脸检测的成本以及检测与跟踪的实时性问题,算法较简单,而准确性、速度和实时性都较高,系统成本较低。
Description
技术领域
本发明涉及图像处理技术领域,特别是一种基于FPGA的人脸检测与跟踪方法。
背景技术
目前,人脸的检测方法的检测对象是静态图像,而无法准确地检测并跟踪视频序列中的人脸。有的人脸检测,如果背景图像较复杂,要从其它物体中区分出人脸较困难;有的在不同的光照条件下的检测结果受很大的影响;有的在人脸被遮挡三分之一以上就难以检测出来。现有人脸检测的处理系统不像FPGA是并行处理的,因此检测和跟踪的实时性受限。
发明内容
有鉴于此,本发明的目的是提出一种基于FPGA的人脸检测与跟踪方法,克服了现有人脸检测的成本以及检测与跟踪的实时性问题。
本发明采用以下方案实现:一种基于FPGA的人脸检测与跟踪方法,具体包括以下步骤:
步骤S1:采集视频;
步骤S2:进行肤色阈值检测,将采集到的视频数据由YUV格式转换为二进制图像;
步骤S3:进行空间滤波,确定肤色像素;
步骤S4:进行时间滤波,得到当前帧的像素的平均值;
步骤S5:过滤其它肤色干扰,进行人脸跟踪,得到实时人脸检测结果;
步骤S6:采用VGA实时显示。
进一步的,所述的步骤S1具体为:采用CMOS图像传感器获取视频图像,使用FPGA设备配置所述CMOS图像传感器输出的YUV格式的视频数据,所述FPGA设备根据CMOS图像传感器协议和时序采集所述视频数据,并将采集到的视频数据存储到所述FPGA设备的DDR存储器中。
进一步的,所述步骤S2具体为:将步骤S1采集到的YUV格式的视频数据的U分量在20<U<74范围内的像素的像素值设为1,否则设为0,进而将采集到的视频数据由YUV格式转换为二进制图像。
进一步的,所述步骤S3具体为:检测经步骤S2处理后的一帧二进制图像中的任一像素点p邻近的9×9像素块,若该9×9像素块中有超过75%的像素点的像素值为1,则认为该像素点p是肤色像素,否则不是。
进一步的,所述步骤S4具体为:对每帧图像中的每个像素点使用公式进行再一次滤波处理,其中,data是步骤S3中当前帧空间滤波后的像素值,avg_in是先前帧的像素平均值,avg_out是当前帧的像素平均值,进而得到肤色连通区域。特别的,FPGA的硬件语言没有除法运算,因此可以将所述公式 改写为 利用移位运算可得avg_out=avg_in-avg_in>>2+data>>2。如果avg_out大于0.06,则认为该像素是皮肤,否则该像素不是皮肤。
较佳地,由于人的手也是肤色,利用肤色分割进行人脸检测时,需滤除人手的干扰,人手的肤色区域小于人脸的肤色区域,因此比较步骤S4处理后的每一帧图像的肤色连通区域,滤除面积小于已检测出的最大肤色连通区域面积的26%的其它连通区域,将剩下的肤色连通区域确定为人脸的肤色区域,并计算所述人脸的肤色区域的X坐标和Y坐标的平均值,得到实时人脸检测结果。
进一步的,所述步骤S6具体为:将步骤S5中检测到的每帧图像的最终人脸区域通过FPGA硬件语言写入DDR存储器中,然后从DDR中取出图像数据在VGA显示器上实时显示。
与现有技术相比,本发明采用FPGA设备来实现人脸检测的功能,肤色阈值检测可以减小每帧图像的搜索区域;空间滤波和时间滤波提高了人脸检测并跟踪的准确性;FPGA的数据处理都是并行的。因此本发明提出的人脸检测和跟踪的算法较简单,而准确性、速度和实时性都较高,系统成本较低。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1所示,本实施例提供了一种基于FPGA的人脸检测与跟踪方法,具体包括以下步骤:
步骤S1:采集视频;
步骤S2:进行肤色阈值检测,将采集到的视频数据由YUV格式转换为二进制图像;
步骤S3:进行空间滤波,确定肤色像素;
步骤S4:进行时间滤波,得到当前帧的像素的平均值;
步骤S5:过滤其它肤色干扰,进行人脸跟踪,得到实时人脸检测结果;
步骤S6:采用VGA实时显示。
在本实施例中,所述的步骤S1具体为:采用CMOS图像传感器获取视频图像,使用FPGA设备配置所述CMOS图像传感器输出的YUV格式的视频数据,所述FPGA设备根据CMOS图像传感器协议和时序采集所述视频数据,并将采集到的视频数据存储到所述FPGA设备的DDR存储器中。
在本实施例中,所述步骤S2具体为:将步骤S1采集到的YUV格式的视频数据的U分量在20<U<74范围内的像素的像素值设为1,否则设为0,进而将采集到的视频数据由YUV格式转换为二进制图像。
在本实施例中,所述步骤S3具体为:检测经步骤S2处理后的一帧二进制图像中的任一像素点p邻近的9×9像素块,若该9×9像素块中有超过75%的像素点的像素值为1,则认为该像素点p是肤色像素,否则不是。
在本实施例中,所述步骤S4具体为:对每帧图像中的每个像素点使用公式进行再一次滤波处理,其中,data是步骤S3中当前帧空间滤波后的像素值,avg_in是先前帧的像素平均值,avg_out是当前帧的像素平均值,进而得到肤色连通区域。特别的,FPGA的硬件语言没有除法运算,因此可以将所述公式 改写为 利用移位运算可得avg_out=avg_in-avg_in>>2+data>>2。如果avg_out大于0.06,则认为该像素是皮肤,否则该像素不是皮肤。
较佳地,在本实施例中,由于人的手也是肤色,利用肤色分割进行人脸检测时,需滤除人手的干扰,人手的肤色区域小于人脸的肤色区域,因此比较步骤S4处理后的每一帧图像的肤色连通区域,滤除小于上述已检测出的最大肤色连通区域26%的其它连通区域,将剩下的肤色连通区域确定为人脸的肤色区域,并计算所述人脸的肤色区域的X坐标和Y坐标的平均值,得到实时人脸检测结果。
在本实施例中,所述步骤S6具体为:将步骤S5中检测到的每帧图像的最终人脸区域通过FPGA硬件语言写入DDR存储器中,然后从DDR中取出图像数据在VGA显示器上实时显示。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (8)
1.一种基于FPGA的人脸检测与跟踪方法,其特征在于包括以下步骤:
步骤S1:采集视频;
步骤S2:进行肤色阈值检测,将采集到的视频数据由YUV格式转换为二进制图像;
步骤S3:进行空间滤波,确定肤色像素;
步骤S4:进行时间滤波,得到当前帧的像素的平均值;
步骤S5:过滤其它肤色干扰,进行人脸跟踪,得到实时人脸检测结果;
步骤S6:采用VGA实时显示。
2.根据权利要求1所述的一种基于FPGA的人脸检测与跟踪方法,其特征在于:所述的步骤S1具体为:采用CMOS图像传感器获取视频图像,使用FPGA设备配置所述CMOS图像传感器输出的YUV格式的视频数据,所述FPGA设备根据CMOS图像传感器协议和时序采集所述视频数据,并将采集到的视频数据存储到所述FPGA设备的DDR存储器中。
3.根据权利要求1所述的一种基于FPGA的人脸检测与跟踪方法,其特征在于:所述步骤S2具体为:将步骤S1采集到的YUV格式的视频数据的U分量在20<U<74范围内的像素的像素值设为1,否则设为0,进而将采集到的视频数据由YUV格式转换为二进制图像。
4.根据权利要求1所述的一种基于FPGA的人脸检测与跟踪方法,其特征在于:所述步骤S3具体为:检测经步骤S2处理后的一帧二进制图像中的任一像素点p邻近的9×9像素块,若该9×9像素块中有超过75%的像素点的像素值为1,则认为该像素点p是肤色像素,否则不是。
5.根据权利要求1所述的一种基于FPGA的人脸检测与跟踪方法,其特征在于:所述步骤S4具体为:对每帧图像中的每个像素点使用公式进行再一次滤波处理,其中,data是步骤S3中当前帧空间滤波后的像素值,avg_in是先前帧的像素平均值,avg_out是当前帧的像素平均值,如果avg_out大于0.06,则认为该像素是皮肤,否则该像素不是皮肤,进而得到多个肤色连通区域。
6.根据权利要求5所述的一种基于FPGA的人脸检测与跟踪方法,其特征在于:所述公式还可以写为利用移位运算可得avg_out=avg_in-avg_in>>2+data>>2。
7.根据权利要求1所述的一种基于FPGA的人脸检测与跟踪方法,其特征在于:所述步骤S5具体为:比较步骤S4处理后的每一帧图像的各个肤色连通区域,滤除面积小于已检测出的最大肤色连通区域面积的26%的其它连通区域,将剩下的肤色连通区域确定为人脸的肤色区域,并计算所述人脸的肤色区域的X坐标和Y坐标的平均值,得到实时人脸检测结果。
8.根据权利要求1所述的一种基于FPGA的人脸检测与跟踪方法,其特征在于:所述步骤S6具体为:将步骤S5中检测到的每帧图像的最终人脸区域通过FPGA硬件语言写入DDR存储器中,然后从DDR中取出图像数据在VGA显示器上实时显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510408497.5A CN105046222B (zh) | 2015-07-14 | 2015-07-14 | 一种基于fpga的人脸检测与跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510408497.5A CN105046222B (zh) | 2015-07-14 | 2015-07-14 | 一种基于fpga的人脸检测与跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046222A true CN105046222A (zh) | 2015-11-11 |
CN105046222B CN105046222B (zh) | 2018-05-04 |
Family
ID=54452751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510408497.5A Active CN105046222B (zh) | 2015-07-14 | 2015-07-14 | 一种基于fpga的人脸检测与跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046222B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650691A (zh) * | 2016-12-30 | 2017-05-10 | 北京旷视科技有限公司 | 图像处理方法和图像处理设备 |
CN106934354A (zh) * | 2017-02-28 | 2017-07-07 | 厦门瑞为信息技术有限公司 | 一种fpga实现人脸检测的方法 |
CN107704829A (zh) * | 2017-10-09 | 2018-02-16 | 武汉斗鱼网络科技有限公司 | 一种人脸关键点追踪方法及应用和装置 |
CN109993083A (zh) * | 2019-03-20 | 2019-07-09 | 吉林大学 | 一种夜间车辆识别的方法 |
CN112132068A (zh) * | 2020-09-27 | 2020-12-25 | 深圳市梦网视讯有限公司 | 一种基于视频动态信息的年龄分析方法、系统和设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1428694A (zh) * | 2001-12-29 | 2003-07-09 | 成都银晨网讯科技有限公司 | 基于dsp的嵌入式人脸自动检测装置和方法 |
US20140270490A1 (en) * | 2013-03-13 | 2014-09-18 | Futurewei Technologies, Inc. | Real-Time Face Detection Using Combinations of Local and Global Features |
CN104463125A (zh) * | 2014-12-11 | 2015-03-25 | 哈尔滨工程大学 | 基于dsp的人脸自动检测跟踪装置及其方法 |
-
2015
- 2015-07-14 CN CN201510408497.5A patent/CN105046222B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1428694A (zh) * | 2001-12-29 | 2003-07-09 | 成都银晨网讯科技有限公司 | 基于dsp的嵌入式人脸自动检测装置和方法 |
US20140270490A1 (en) * | 2013-03-13 | 2014-09-18 | Futurewei Technologies, Inc. | Real-Time Face Detection Using Combinations of Local and Global Features |
CN104463125A (zh) * | 2014-12-11 | 2015-03-25 | 哈尔滨工程大学 | 基于dsp的人脸自动检测跟踪装置及其方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650691A (zh) * | 2016-12-30 | 2017-05-10 | 北京旷视科技有限公司 | 图像处理方法和图像处理设备 |
CN106934354A (zh) * | 2017-02-28 | 2017-07-07 | 厦门瑞为信息技术有限公司 | 一种fpga实现人脸检测的方法 |
CN106934354B (zh) * | 2017-02-28 | 2020-08-07 | 厦门瑞为信息技术有限公司 | 一种fpga实现人脸检测的方法 |
CN107704829A (zh) * | 2017-10-09 | 2018-02-16 | 武汉斗鱼网络科技有限公司 | 一种人脸关键点追踪方法及应用和装置 |
CN107704829B (zh) * | 2017-10-09 | 2019-12-03 | 武汉斗鱼网络科技有限公司 | 一种人脸关键点追踪方法及应用和装置 |
CN109993083A (zh) * | 2019-03-20 | 2019-07-09 | 吉林大学 | 一种夜间车辆识别的方法 |
CN112132068A (zh) * | 2020-09-27 | 2020-12-25 | 深圳市梦网视讯有限公司 | 一种基于视频动态信息的年龄分析方法、系统和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105046222B (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046222A (zh) | 一种基于fpga的人脸检测与跟踪方法 | |
CN102307274B (zh) | 基于边缘检测和帧差法的运动检测方法 | |
CN103136766B (zh) | 一种基于颜色对比和颜色分布的物体显著性检测方法 | |
CN102855617B (zh) | 自适应图像处理方法及系统 | |
CN104268899A (zh) | 基于帧间差分和背景差分的运动目标检测方法 | |
CN104318266B (zh) | 一种图像智能分析处理预警方法 | |
CN103412643B (zh) | 终端及其遥控的方法 | |
US10282601B2 (en) | Electronic device and gesture recognition method applied therein | |
CN103218605A (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
CN104318588A (zh) | 一种基于位置感知判别外观模型的多摄像机目标跟踪方法 | |
CN106446905A (zh) | 渗透算法和自适应Canny算法相融合的表面裂纹纹理的提取方法 | |
CN104700405A (zh) | 一种前景检测方法和系统 | |
CN107194946B (zh) | 一种基于fpga的红外显著物体检测方法 | |
CN104537688A (zh) | 一种基于背景差分和hog特征的运动目标检测方法 | |
Fan et al. | Moving target detection algorithm based on Susan edge detection and frame difference | |
Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
CN106503651A (zh) | 一种手势图像的提取方法及系统 | |
CN103686092A (zh) | 学生起立双系统检测方法及系统 | |
CN107169977A (zh) | 基于FPGA和Kirsch的自适应阈值彩色图像边缘检测方法 | |
CN105787912A (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
CN108010050A (zh) | 一种基于自适应背景更新和选择性背景更新的前景检测方法 | |
CN108009480A (zh) | 一种基于特征识别的图像人体行为检测方法 | |
CN106023168A (zh) | 一种视频监控中边缘检测的方法及装置 | |
CN102855025A (zh) | 一种基于视觉注意模型的光学多点触控触点检测方法 | |
Hu et al. | Motion objects detection based on higher order statistics and hsv color space |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |