在智能手机上实现人脸识别算法.docVIP

2012-07-19################2012-07-19#####2#0#1#Ξ2-07-19########在智能手机 2012-07-19################2012-07-19#####2#0#1#Ξ2-07-19######## 在智能手机上实现人脸识别算法 李 伟 (安徽工业大学 计算机学院 ,安徽 马鞍山 243002) 摘要 : 人脸识别技术 ,是近几年在全球范围内迅速发展起来的计算机安全技术 . 以高端智能手机 的安全应用为载体 ,结合主元分析 ( PCA , Principle Component Analysis) 法和多权值函数神经网络在 人脸识别中的优势 , 利用非线性多权值函数神经网络实现多主元提取 ,以及多权值函数神经网络 识别. 给出了完成人脸图像的检测 、特征向量提取 、人脸图像识别相对应的硬件系统架构 、人脸识 别算法流程和算法实现类图. 关 键 词 : 中图分类号 : 主元分析法 ;多权值函数神经网络 ;人脸识别 ;智能手机 文献标识码 : A TP 312 0 引言 近年来 , 社会信息化水平不断提高 , 高度信息 1 智能手机硬件系统架构 由于人脸识别处理技术对实时性要求高 、运 算量 要 求 大 , 因 此 采 用 Intel 发 布 的 最 新 一 代 XScale 处理器 ———PXA270 系列[ 1 ] . 其高达 624MHz 的时钟频率 、优秀的多媒体处理性能理所当然地 成为多媒体智能手机的首选. 另外还通过移动通 信模块建立起与运营商之间的数据通路 . 本系统 涵盖了图像的采集 、处理 、存储 、传输等数字图像 处理技术 ,其系统架构如图 1 所示. 化所带来的隐私危机也已初露端倪. 手机在人们 日常生活中扮演着重要角色 , 它里面不仅可以保 存个人信息 , 还兼备商务通和电子货币等功能 , 因 此丢失手机所造成的损失也越来越大 . 本系统基于在智能手机之上实现人脸识别算 法的思想 , 利用手机内置的摄像头 , 进行个人脸面 特征数据分析 , 然后对比最初存储的用户信息 , 进 行身份识别 . 在发现身份不匹配时 , 便会自动锁死 系统. 同时可将不匹配者的面像信息及存储在手 机中的重要数据备份 , 通过移动通信网络发送至 电信运营商的加密服务器中. 这样 , 所有者在确认 手机丢失后 , 经过运营商的身份认证 , 便可及时获 得自己重要的备份数据 . 同时 , 手机自动发送的面 像数据还可作为公安部门抓捕的重要依据 , 从而 大大降低手机的失窃率 . 本文基于智能手机 , 展示了完成图像数据的 采集与处理等功能相对应的系统架构 、算法流程 2012-和0软7件-模1块9的#设#计#及#实#现##过###程##. ####2012-07-19###图#1#2#硬0#件1#平2台-系0统7架构-19######## 通过图像传感器获得的人脸图像及数字化输出 ,传送至 Intel XScale 处理器. 处理器利用相应的 算法对图像进行实 通过图像传感器获得的人脸图像及数字化输 出 ,传送至 Intel XScale 处理器. 处理器利用相应的 算法对图像进行实时的处理 ,如滤波 、图像的平滑 锐化 、二值化 、特征向量的提取与匹配等 . 最后根 据匹配的结果进行相应的安全操作 . 广义上讲 , 特征提取是一种从高维测量空间 到低维特征空间的一种映射 ( 或变换) . 这种映射 通常要遵循两个原则 , 即特征空间必须保留测量 空间的主要分类信息 : 特征空间维数远小于测量 空间维数 . 主元分析法正是满足上述准则的一种 数据压缩方法 , 它可以将人脸图像投影到低维特 征空间各个正交基上产生特征向量. 这种特征向 量不但对光照 、姿态 、表情等干扰因素不敏感 , 还 可以较好地反映人脸图像的全部与局部特征 . 下 面介绍主元分析法应用于人脸识别的基本原理 . 设 M = l 3 h 为 l 3 h 大小的人脸图像灰度矩 阵按列连接后产生的列向量的维数 , N 为训练样 本集中人脸图像数目 , X?i 为训练样本集中第 i 幅人 脸图像对应的列向量 , 则向量的协方差矩阵 基于多权值函数神经网络的 P CA 人脸图像算法 结 合 主 元 分 析 ( PCA ,Principle Component Analysi s) 法[ 2 ] 和多权值函数神经网络在人脸识别 中的优势 , 给出基于多权值函数神经网络的主元 分析人脸识别方法. 首先 ,在降低人脸图像分辨率 的基础上使用非线性多权值函数神经网络来进行 特征数据压缩 ,提取出将维后的人脸特征数据 ; 然 后 ,利用多权值函数神经网络实现对将维特征的 分类识别 . 多权值神经网络人脸识