Implementacja algorytmu detekcji twarzy w obrazach cyfrowych z układem SoC Zynq

• Autorzy: Wujek P. , Pełka R.

Warianty tytułu

EN

SoC Zynq-based implementation of a face detection algorithm in digital images

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono koncepcję i projekt mikrosystemu do detekcji twarzy w obrazach cyfrowych z użyciem układu programowalnego SoC z rodziny Zynq firmy Xilinx [1]. Algorytm detekcji twarzy polega na wyodrębnieniu podstawowych cech twarzy i określeniu ich położenia w obrazie. Przedstawiono wyniki implementacji programowej w środowisku MATLAB/PC oraz implementacji sprzętowej. Obie implementacje przebadano pod względem złożoności oraz szybkości działania. W realizacji sprzętowej uzyskano porównywalną szybkość detekcji/lokalizacji twarzy i ponad 10-krotnie krótszy czas wyodrębniania cech twarzy.

EN

In this paper there is presented the design of an integrated microsystem for face detection in digital images, based on a new SoC Zynq from Xilinx [1]. Zynq is a new class of SoCs which combines an industry-standard ARM dual-core Cortex-A9 processing system with 28 nm programmable logic. This processor-centric architecture delivers a comprehensive platform that offers ASIC levels of performance and power consumption, the ease of programmability and the flexibility of a FPGA. The proposed algorithm for face detection operates on images having the resolution of 640x480 pixels and 24-bit color coding. It uses three-stage processing: normalization, face detection/location [2] and feature extraction. We implemented the algorithm in a twofold way: (1) using MATLAB/PC, and (2) hardware platform based on ZedBoard from Avnet [3] with Zynq XC7Z020 SoC. Both implementations were examined in terms of complexity and speed. The hardware implementation achieved a comparable speed of face detection/location but was over 10-times faster while extracting the features of faces in digital images. A significant speedup of feature extraction results from the parallelized architecture of a hardware accelerator for calculation of mouth and eyes locations. The proposed microsystem may be used in low-cost, mobile applications for detection of human faces in digital images. Since the system is equipped with the Linux kernel, it can be easily integrated with other mobile applications, including www services running on handheld terminals with the Android operating system.

Słowa kluczowe

PL

detekcja twarzy; FPGA; SoC

EN

face detection; FPGA; SoC

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2013
• Tom: R. 59, nr 8
• Strony: 809--811
• Opis fizyczny: Bibliogr. 8 poz., rys., schem., tab., wzory

Twórcy

autor

Wujek P.

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Instytut Telekomunikacji, Zakład Techniki Cyfrowej, ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa

autor

Pełka R.

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Instytut Telekomunikacji, Zakład Techniki Cyfrowej, ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa 49

Bibliografia

• [1] Xilinx: Zynq-7000 All Programmable SoC Overview, DS 190, v. 1.2, 21 August, 2012, on-line: http://www.xilinx.com.
• [2] Wujek P., Pełka R.: Układ SoC – FPGA do detekcji twarzy w obrazach cyfrowych, PAK, vol. 57, nr 8, 2011, ss. 889-891.
• [3] ZedBoard: Zynq™ Evaluation and Development - Hardware User’s Guide”, version 1.9, 29 Jan. 2013, on-line: www.zedboard.org.
• [4] Zhang C., Zhang Z.: A Survey of Recent Advances in Face Detection, Technical Report, MSR-TR-2010-66, Microsoft Corp. June 2010.
• [5] Sobottka K., Pitas I.: Extraction of Facial Regions and Features Using Color and Shape Information, Proc. of the 13th Int. Conf. on Pattern Recognition, vol. 3, 1996, pp. 421-425.
• [6] Seunghwan Yoo, Rae-Hong Park: Red-eye detection and correction using inpainting in digital photographs, IEEE Transactions on Consumer Electronics, Vol. 55, No. 3, August 2009, pp. 1006-1014.
• [7] Knuth D.E.: The Art of Computer Programming, Volume 3: Sorting and Searching, Third Edition. Addison-Wesley, 1997. Section 5.3.4: Networks for Sorting, pp. 219–247.
• [8] Wujek P., Pełka R.: Analiza efektywności sprzętowych implementacji algorytmów detekcji twarzy w obrazach cyfrowych, PAK, vol. 58, nr 7, 2012, ss. 581-583.