嵌入式人脸自动识别系统探讨.doc

嵌入式人脸自动识别系统研究 　　摘 要本文所述系统是基于肤色与 Adaboost算法的人脸检测、特征提取与识别，以嵌入式为平台实现人脸自动识别的系统。它的人脸检测技术主要包含人脸似harr特征、肤色检测、Adaboost算法。以PCA主成份提取算法为空间降维手段，在研究平台中预存经过计算机平台训练的人脸识别判别器，再将最近邻匹配算法相结合，完成人脸的在线识别 【关键词】嵌入式系统 人脸检测 人脸识别 人脸识别包含2步骤：①人脸检测；②人脸识别。在获知是否有脸图存在图像中和若存在脸图时判别其具体位置的过程则是检测；对检测到的脸图与确定的脸图库中脸图作对比从而得出结论的过程则为识别。以嵌入式开发的人脸识别产品有质轻体积小性能高等优点。对此，使用华清远见的FS4412嵌入式平台，外置USB摄像头，移植嵌入式操作系统，编写应用程序与相关驱动，实现系统的人脸识别功能 1 系统概述 人脸自动识别系统的核心是Cortex-A9高速4核处理器Exynos4412。其主频达到1.6GHz，具有功耗低、先进工艺、高性能等特性。完成环境图像采集的USB摄像头驱动芯片为ZC301。将检测到的脸图先预处理，使其与脸图库里图像尺度统一，以实现在该平台上采集和显示视频、脸图检测与定位。处理后的脸图与预先储入脸图库的脸图相匹配与识别；欲加入新脸图到脸图库中，需对检测到的脸图进行预处理后命名并储入脸图库中。考虑到制作大量脸图库时每张图在检测分类器中训练占时较长，可把训练结果通过网络直接下载到系统 Flash 中。通过应用程序对功能之间的协调，实现人脸自动化识别，如图1所示 2 系统研究 2.1 系统应用程序总体设计 应用程序设计主要包括摄像头采集及显示视频、检测和识别脸图、网络传输和查看图像等功能部分。采集图像由图像采集部分负责，将来外部设备获得的图像转码为可处理的数字图像格式。Linux操作系统留有V4L API程序接口，可实现视图获取。远端客户可通过网络传输和查看登陆 ARM端查看监控图像。系统上电自动复位后，系统将所有设备（屏幕、摄像头等）、寄存器（如中断寄存器、定时计数器，网络IP等）状态恢复到初始。初始化完毕，系统运行主循环，完成系统所有的工作。定时器定时中断请求标志到来，系统进行一次人脸识别操作。识别的结果为陌生人，则将此图像中的脸图截取并存入在本地；若是系统约定“熟人”则返回继续监控 2.2 脸图预处理 本系统主要使用的白平衡、归一化处理和画质增强处理、图像预处理等方法在减小运行空间中的干扰有着良好的收效。归一化处理就是在脸图检测过程中将人脸部分裁剪，然后以同一大小缩放。图像增强处理主要的两个功能是降低图像上的噪声和增强图像的对比度，即通过平滑处理和直方图均衡两种技术实现。运行时获取的图像的颜色易受光照色温的影响出现色彩失真，例如，低色温光源照射下白色物体的颜色泛红或者泛黄，而高色温光源照射时泛蓝。这样，色彩失真图像则需要色彩还原处，以恢复其本色。该系统使用改进的 GrayWorld算法做图像白平衡处理 2.3 脸图检测与定位 图像的成分多样，难以凭借少量的特征对某幅图进行表征，因此需要融合多种特征的检测方法以实现良好的检测预期。利用脸图皮肤颜色在色彩空间分布状态对皮肤颜色模型建立，以不同肤色的概率值将图像中的脸图和非脸图块提取出来，则称为肤色检测。图像中的大部分人脸可使用该方法检测到，有较高准确率，但是非人脸的肤色区域也会被检测到，存在一定的误检率。利用训练好的 Adaboost级联分类器对人脸灰度图像进行检测可实现较好单人正面检测，但在侧面及多人脸图像检测情况下无法保证结果的正确率。综合考虑到两种方法的特点，本系统将上述两种方法结合起来运用。首先用肤色检测法对彩色图像实施肤色位置检测，将大部分非人脸图块消除，然后用训练好的 Adaboost级联分类器对灰度图像进行检测，使将人脸定位更精准，兼顾人脸检测到尽可能多的同时减小误检率。其检测大致有5个过程： （1）平衡与预处理色彩； （2）计算预处理后的图片皮肤颜色概率； （3）腐蚀、膨胀、高斯除噪； （4）Binaryzation图片肤色，获取候选脸图； （5）对候选人脸图进行 Adaboost方法的人脸检测预定位 2.4 脸图识别 人脸识别的关键技术是特征有效的提取。PCA 是一种主成份分析方法，能将描述样本的特征减少，进而将特征空间维度数量减少。PCA特征提取方法是基于所有脸图在一个低维度的空间，而且不同的脸图在该空间可分的假设。算法具体做法是用 PCA进行特征降维，首先是将脸图进行向量化，把人脸图像当作一组随机向量来看，PCA处理后即是一组特征图像，这组特征脸图像的有机组合可以近似表示出所有的图像