王 平，邹 暘，熊 殷

(南昌大学信息工程学院，江西 南昌 330031)

人脸检测作为一项特殊的物体检测，来源于人脸识别技术，一直以来受到各界的广泛关注。人脸检测的方法多为基于统计学的后验学习方法，譬如ANN人工神经元网络、贝叶斯决策以及SVM支持向量机［1-2］。其中，Paul Viola［3］提出的Adaboost算法在保证高质量检测效果的同时，解决了检测速度的问题。同时，随着近年来嵌入式技术与视频通信设备的高速发展，DSP具有更加贴近视觉工程应用的特点，在人脸检测方面有了广泛的应用空间。

本文采用 Lienhart等人［4］提出的 Gentle Adaboost算法，提出并扩充了Haar特征，设计实现了以TMS320DM642为核心的多姿态人脸检测系统，最后对算法代码以及工程进行了优化处理。在略微损失系统实时速度的前提下，获得了很好的多姿态人脸检测效果，证明了该系统在实际工程应用中的可行性，为嵌入式人脸检测的后续应用打下了基础。

1 Gentle Adaboost人脸检测算法

Gentle Adaboost人脸检测算法是通过Gentle Adaboost算法学习出级联型人脸分类器，在此基础上进行Haar灰度特征值判别的算法，具有鲁棒性强、检测率高等特点。

1.1 扩展型Haar灰度特征

Gentle Adaboost算法采用Haar灰度矩形特征进行人脸建模［5］，使用灰度积分图进行人脸特征值的快速计算。在传统人脸矩形特征的基础上，Lienhart等人［4］提出了扩展型矩形特征，将传统特征矩形旋转45°，用来检测倾斜的人脸。扩展型矩形特征分为三大类:边缘特征，线性特征，中心环绕特征。为满足多姿态检测的需要，本文又扩充了6种矩形特征，所有矩形特征如图1所示。……