基于肤色模型的人脸识别FPGA实现,包含tb测试文件和MATLAB辅助验证

1.算法运行效果图预览

matlab2022a的测试结果如下:



vivado2019.2的仿真结果如下:



将数据导入到matlab中,



系统的RTL结构图如下图所示:



系统包括中值滤波,RGB转换为ycbcr,人脸检测三个模块


2.算法运行软件版本

vivado2019.2


matlab2022a


3.算法理论概述

      肤色模型通常定义在特定的颜色空间中,常见的有RGB、HSV、YCbCr、Lab等。在这些颜色空间中,YCbCr因其能较好地分离亮度(Y)和色度信息(Cb和Cr),常被用于肤色检测。肤色模型可以是简单的阈值方法,也可以是复杂的概率模型,如高斯模型或混合高斯模型。


      对于给定的像素点Cbi,Cri),可以通过计算其在肤色模型下的概率密度值来判断是否属于肤色区域。如果该值超过某一阈值T,则认为该像素属于肤色区域:



      在肤色检测之前,通常需要对图像进行预处理,如灰度化、去噪、光照补偿等,以减少环境因素的干扰。对于彩色图像,首先将其从RGB空间转换至YCbCr空间:



      基于肤色模型,肤色分割通常采用阈值法或概率判决法。阈值法直接设定Cb和Cr的阈值范围,如:



      基于肤色模型的人脸识别技术利用了肤色在色彩空间中的统计特性,通过构建肤色概率模型实现人脸区域的初步定位。尽管这种方法对于复杂背景和光照变化敏感,但通过适当的预处理、后处理及模型优化,可以有效提升识别准确率。





4.部分核心程序

`timescale 1ns / 1ps


module TEST();


reg i_clk;

reg i_rst;

reg [7:0] Isave[0:220000];

integer fids;



integer dat;

integer Pix_begin;

integer Sizes;



initial

begin

         fids= $fopen("D:\\FPGA_Proj\\FPGAtest\\code\\test.bmp","rb");

         dat  = $fread(Isave,fids);

         //有效像素起始位置

         Pix_begin= {Isave[13], Isave[12], Isave[11], Isave[10]};

         //尺寸

         Sizes     = {Isave[5], Isave[4], Isave[3],Isave[2]};


         $fclose(fids);

end


initial

begin

i_clk=1;

i_rst=1;

#1000

i_rst=0;

end


always #5 i_clk=~i_clk;



integer jj=0;

reg [7:0]R;

reg [7:0]G;

reg [7:0]B;

always@(posedge i_clk)

begin

         R<=Isave[jj+2];//这个datas可以用于输入到FPGA的后期处理

         G<=Isave[jj+1];//这个datas可以用于输入到FPGA的后期处理

         B<=Isave[jj];//这个datas可以用于输入到FPGA的后期处理

         jj<=jj+3;

end



wire [7:0]o_Rmed,o_Gmed,o_Bmed;

wire [7:0]o_Y;// Y

wire [7:0]o_Cr;// Y

wire [7:0]o_Cb;// Y

wire [7:0]o_face_check;



tops tops_u(

.i_clk (i_clk),

.i_rst (i_rst),

.i_R  (R),

.i_G  (G),

.i_B  (B),

.o_Rmed       (o_Rmed),

.o_Gmed       (o_Gmed),

.o_Bmed       (o_Bmed),

.o_Y          (o_Y),// Y

.o_Cr         (o_Cr),// Y

.o_Cb         (o_Cb),// Y

.o_face_check (o_face_check)

);


integer fout1;

initial begin

 fout1 =$fopen("face.txt","w");

end


always @ (posedge i_clk)

 begin

   if(jj<=65536*3+54 & jj>54)

         $fwrite(fout1,"%d\n",o_face_check);

         else

         $fwrite(fout1,"%d\n",0);

end

endmodule

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,390评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,821评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,632评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,170评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,033评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,098评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,511评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,204评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,479评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,572评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,341评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,213评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,576评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,893评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,171评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,486评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,676评论 2 335

推荐阅读更多精彩内容