根据嵌入式人脸识别系统.pdfVIP

基于嵌入式的人脸识别系统 摘 要： 本文阐述了一套基于嵌入式的人脸识别系统设计方案。该系统采用 S3C2440A 芯片 Ubuntu 操作系统平台，通过对图像的采集和处理，实现门禁系 统的智能化控制。文中详细描述了采用的人脸识别算法的系统实现过程，算法主 要分为图像采集及预处理、人脸检测定位和人脸识别三部分。选取了静态背景人 脸采集、归一化处理、特征点定位检测，最后对本文使用的对称 Fisherface 人脸 识别算法的训练和实现进行了详细地阐述。 关键词：嵌入式系统；人脸识别；Ubuntu. 引言 人脸识别作为生物特征识别技术中最为直观的一种识别方法，具有使用友好、 操作隐蔽、使用简便、定位准确、经济实惠及系统扩展性好等其他生物识别技术 不可替代的优势。自动人脸识别系统是集图像模式的分析、理解、分类及处理为 一体的智能化系统，涉及到计算机模式识、图像处理、视觉交互、人工智能、认 知科学等多门，学科，在国家安全、公共安全、人机交互、金融安全、教育科研 等领域具有广阔的应用空间，如何将人脸识别技术应用于嵌入式系统也逐步成为 当前研究的热门问题。 1 人脸识别系统技术概述 人脸识别作为生物特征识别技术中最为直观的一种识别方法，具有使用友好、 操作隐蔽、使用简便、定位准确、经济实惠及系统扩展性好等其他生物识别技术 不可替代的优势。利用计算机进行完全自动的人脸识别却存在着许多困难，这主 要表现在以下凡个方面:首先，采集的面部表情只是某一时刻的，在进行人脸识 别的时候，用户的姿态表情等会随意出现，对识别造成干扰;其次，人的面貌会 随着时间的变化而变化，需要对采集的人脸数控库不时更新;再次，在采集图像 时，用户的发型、眼镜等装饰物会对人脸特征的提取造成遮挡;最后，光线强度、 距离角度以及采集所用的硬件的参数不同，对获取的人脸特征也会造成影响。当 然还有学科发展、认知能力的限制等等。 早期的人脸识别技术一般都要借助某些先验知识，依赖于人的干预。目前由 于计算机的软硬件的飞速发展，技术更新日新月异，高性能计算机是的人脸识别 可以真正的实现机器自动识别。 完整的人脸识别系统组成如图 1-1 所示。 图 1-1 基于嵌入式的人脸识别系统主要功能是对采集到的图像分析和识别，其中， 图像的采集和获取是实现系统功能的基础。所获取图像的质量会极大地影响系统 对图像的分析和识别结果，图像传输的速度也会影响到识别的速度，这就对图像 获取的硬件提出了较高的要求。 图像采集首先是需要图像传感器CCD(Charge-coupled Device，又称电荷祸合 元件)，是一种半导体器件，可以将光学影像转化为数字信号，将获取的用户图 像信号通过传感器转换成为计算机认可的数字信号，实现图像的存储、传输、处 理和显示。由于楼宇门前的光线可以通过安装电灯等光源设备，保证了采集人脸 图像时的光线要求，从而解决光照条件变化下采集困难的问题。可见光是波长介 于 0.4-0.7 微米之间的、人眼可以感知、也是生活中最为常见光源，它的产生几 乎不用什么成本。因此，图像的采集大多是在可见光光源条件下完成的。在计算 机内部，可见光图像一般根据图像的表示位数分为:①二值图像，只有黑白两种 颜色，0 表示黑，1 表示白。②灰度图像，采用 0 到 255 个共 256 个灰度级变化， 全 0 表示黑色，全 1 表示白色。③彩色图像，最常见的是三基色(RGB )，红色、 绿色、蓝色分别取 0 到 255 个单色变化，共有 256*256*256 种颜色，即 2^ 24， 种，我们经常说的 24 位增强色。当然还有 32 位的真彩色，因为图像的数据存储 空间要求太高，图片太大，在这里不予考虑。 人脸图像预处理操作主要包括图像的几何处理(文件图像的定位、导入)、几何 归一化(旋转、裁切文件，统一标准)、图像灰度化技术(将彩色图像转换为灰度图 像以加快处理速度)、直方图均衡化技术(调整图像的灰度分布，改善质量)、中值 滤波技术(去除图像中的干扰噪声)等方面，保证人脸识别的质量。 经过图像预处理之后得到的图像质量明显改善，干扰项目基本剔除，就进入 到模式识别过程中很关键的一步，即特征提取。，提取的特征点的好坏将直接影 响到人脸识别的质量，因为目前我们大多还是使用图像的关键特征点的像素信息 来描述人脸特征。如果提取的特征对不同样本出现很大的差异性区分，而对相同 样本的不同状态表现出很接近、最好是相同的人脸特征，就说明当前所选