视线估计是图像处理与识别领域的热点研究问题,在人机自然交互等诸多应用中扮演着重要的角色。本文利用软硬件协同设计方法,对课题组积累的视线估计算法进行基于SoC系统架构的设计,并对其中的一些关键问题进行研究。本文的研究内容是实现一种具有较高精度的人眼视线估计算法,并研究该算法的实时实现途径。其基本工作原理是先利用摄像机获取脸部图像,然后用软件方式实现图像中人脸和眼部区域特征点的定位,最后基于对脸部边界、瞳孔和内眼角点等因素的识别,估算用户的视线方向和注视位置。人脸检测是该视线估计过程中的一个重要检测步骤,本文针对AdaBoost人脸检测算法在嵌入式平台上运行时出现的性能瓶颈进行改进与优化,使用一个可配置的高性能嵌入式处理器(NiosⅡ)承担系统任务调度及少量的计算任务,并针对算法中耗时长的模块设计专用硬件加速器,通过多级并行流水线架构完成数据密集型任务的处理,以达到提高检测速度的目的。另外本文将进一步对系统的硬件体系结构进行探索,充分发挥可配置可扩展处理器的优势,设计出能够满足算法性能要求的系统架构原型。本文所设计的硬件结构针对人脸检测部分在保证高检测率和较低工作频率(100MHz)的条件下,消耗的资源相对较少,并且在Altera的CycloneⅡ平台上完成了验证。对于640×480分辨率的图像,检测速率为12帧/秒,对于320×240分辨率的图像,检测速率为41帧/秒,能够达到本文中视线估计的实时性需求。