论文部分内容阅读
[摘要]介绍一种嵌入式人脸识别系统。该系统在ARM9 S3C2440处理器和Linux操作系统基础上,通过带USB接口的摄像机拍摄特定待识别人脸图像,与存储的图像进行匹配,根据匹配结果进行身份识别。该系统电路简单,可靠性高,在安全等领域应用广泛,为研制便携式识别系统进行了有益的尝试。
[关键词]ARM9 Linux 图像 人脸识别
中图分类号:TP273文献标识码:B文章编号:1671-7597(2008)1210032-01
传统人脸识别系统多采用DSP和ARM结合的架构,随着ARM系列芯片性能的提高,单独的ARM芯片实现人脸识别已经成为可能。该设计从精简系统的角度出发,对于节约成本,提高稳定性有一定作用。
一、系统工作原理
由图1可知系统通过USB摄像头采集人脸图像信息,将图像保存到SDRAM,进行相关处理提取特征值后,与原来存储的标准图像特征匹配,得出识别结果。系统使用的启动程序,图像程序以及需要长久保存的信息则存储在FLASH中。外围的键盘、LCD、USB、网络等模块可用于扩展调试、显示、传输等功能。下面分别介绍各部分功能特征。
主控芯片部分采用S3C2440,它是16/32位精简指令集微处理器,使用了ARM920T内核,芯片上集成的功能包括:分开的16K指令/数据缓存、SDRAM控制器、LCD控制器、摄像头接口等。S3C2440最高频率可达533MHz,且功耗只有mW级,是理想的主选芯片。
摄像头部分。S3C2440接口上外接一个带USB口的摄像头来实现图像采集。系统将采集到的视频图像数据存储在SDRAM,然后对图像数据进行相关处理。USB摄像头驱动及软件设计如下:(1)Linux移植,移植Linux内核到ARM9芯片,包括引导装载器Bootloader的移植,Linux内核的移植,文件系统的移植。(2)USB驱动,摄像头驱动加载。选择Multimedia device->下的Video for Linux。加载video4Linux模块,为视频采集设备提供了编程接口;选择support for usb和usb camera ov511 support。这使得在内核中加入了对采用OV511接口芯片的USB数字摄像头的驱动支持。(3)针对USB摄像头设备文件/dev/video0,进行视频图像采集方面的程序设计:打开视频设备->读取设备信息->更改设备当前设置->进行视频采集->对采集的视频进行处理->关闭视频设备。
二、人脸识别关键技术
人脸识别主要包括如下几步:图像预处理,人脸区域确定,人眼定位,特征提取,特征匹配。
(一)图像预处理。对于人脸识别系统,预处理是一个非常重要的步骤。输入的人脸图像由于光照明暗程度以及设备性能的优劣等,往往存在噪声,对比度不够等缺陷,或者使得人脸在整幅图像中的位置和大小都不是确定的。因此,希望通过预处理得到人脸图像数据,能在一定程度上消除光照、焦距和距离等条件的影响。
(二)人脸区域确定。根据肤色将人脸区域与背景分开,以确定人脸区域。人脸区域确定肤色是人脸的重要信息,不依赖于面部的细节特征,具有相对的稳定性并且和大多数背景物体的颜色相区别。因此肤色特征在人脸定位中是最常用的一种特征。通过肤色模型可以计算单个像素的肤色相似性从而得到一个灰度图,它来自于原来图像的每个像素的肤色相似度的计算。
(三)人眼定位。由于两眼是对称的,可将每一候选眼睛对从图中分割出来。根据候选眼睛对两眼的距离L,分别以两眼质心所在的点为中心,划出大小为0.5L×0.25L的两个矩形区域。对得到的两区域对应像素求差值:
设定阈值,如果两眼之间的差值大于该阈值,那么可断定该眼睛对不是人眼。经过实阈值设为30。
(四)特征提取。适当层次小波变换后的低频子带图像刻画了人像的表情和姿势的不变特征,有较好的稳定性。另外一幅图像作n次一维小波变换后,低频子带图像的尺寸仅为原图像尺寸的1/22n,因此能有效的降维。这样就能大大降低了后续处理算法的复杂度。Haar于1990年提出一种正交函数系Haar小波可用尺度函数表示为:
(五)特征匹配。采用余弦距离作为分类器,计算待识别人脸的特征向量后,依次与模板库中的人脸特征向量进行匹配,取相似度最大的值与系统预设的阈值比较,若大于阈值则判定待识别人脸为模板库中特征。
经过上节提取了标准人脸图像的特征向量后需要判别待识别人脸图像特征与模板库中人脸特征的相似度,即得出分类结果。这里采用余弦距离,d(X,Y)=-cos(X,Y)也称角度测量,它计算的是向量间的角度。余弦距离越小,两向量间的相关性越小。
三、实验结果及分析
通过以上分析可知:
(一)人脸检测是人脸识别的基础,人脸定位准确对后期的识别有决定性作用,可以采用多种检测方法相结合,提高检测的鲁棒性,减少漏检,误检。
(二)由于人脸是三维的,将它作为二维图像处理,信息必然有所损失,所以利用人脸三维信息进行人脸识别是今后努力的研究方向。
参考文献:
[1]王田苗编著,嵌入式系统设计与实例开发[M].北京:清华大学出版社.
[2]孙延奎编著,小波分析及其应用[M].北京:机械工业出版社.
[3]贾明、严世贤编著,Linux下的C编程[M].北京:人民邮电出版社.
[4]张向东、李波著,基于Gabor小波变换和PCA的人脸识别方法[J].电子科技.
[5]朱文娟、王正勇等,基于ARM和滑动指纹传感器的采集系统[J]. 微计算机信息,2007,6-1:145-147.
[关键词]ARM9 Linux 图像 人脸识别
中图分类号:TP273文献标识码:B文章编号:1671-7597(2008)1210032-01
传统人脸识别系统多采用DSP和ARM结合的架构,随着ARM系列芯片性能的提高,单独的ARM芯片实现人脸识别已经成为可能。该设计从精简系统的角度出发,对于节约成本,提高稳定性有一定作用。
一、系统工作原理
由图1可知系统通过USB摄像头采集人脸图像信息,将图像保存到SDRAM,进行相关处理提取特征值后,与原来存储的标准图像特征匹配,得出识别结果。系统使用的启动程序,图像程序以及需要长久保存的信息则存储在FLASH中。外围的键盘、LCD、USB、网络等模块可用于扩展调试、显示、传输等功能。下面分别介绍各部分功能特征。
主控芯片部分采用S3C2440,它是16/32位精简指令集微处理器,使用了ARM920T内核,芯片上集成的功能包括:分开的16K指令/数据缓存、SDRAM控制器、LCD控制器、摄像头接口等。S3C2440最高频率可达533MHz,且功耗只有mW级,是理想的主选芯片。
摄像头部分。S3C2440接口上外接一个带USB口的摄像头来实现图像采集。系统将采集到的视频图像数据存储在SDRAM,然后对图像数据进行相关处理。USB摄像头驱动及软件设计如下:(1)Linux移植,移植Linux内核到ARM9芯片,包括引导装载器Bootloader的移植,Linux内核的移植,文件系统的移植。(2)USB驱动,摄像头驱动加载。选择Multimedia device->下的Video for Linux。加载video4Linux模块,为视频采集设备提供了编程接口;选择support for usb和usb camera ov511 support。这使得在内核中加入了对采用OV511接口芯片的USB数字摄像头的驱动支持。(3)针对USB摄像头设备文件/dev/video0,进行视频图像采集方面的程序设计:打开视频设备->读取设备信息->更改设备当前设置->进行视频采集->对采集的视频进行处理->关闭视频设备。
二、人脸识别关键技术
人脸识别主要包括如下几步:图像预处理,人脸区域确定,人眼定位,特征提取,特征匹配。
(一)图像预处理。对于人脸识别系统,预处理是一个非常重要的步骤。输入的人脸图像由于光照明暗程度以及设备性能的优劣等,往往存在噪声,对比度不够等缺陷,或者使得人脸在整幅图像中的位置和大小都不是确定的。因此,希望通过预处理得到人脸图像数据,能在一定程度上消除光照、焦距和距离等条件的影响。
(二)人脸区域确定。根据肤色将人脸区域与背景分开,以确定人脸区域。人脸区域确定肤色是人脸的重要信息,不依赖于面部的细节特征,具有相对的稳定性并且和大多数背景物体的颜色相区别。因此肤色特征在人脸定位中是最常用的一种特征。通过肤色模型可以计算单个像素的肤色相似性从而得到一个灰度图,它来自于原来图像的每个像素的肤色相似度的计算。
(三)人眼定位。由于两眼是对称的,可将每一候选眼睛对从图中分割出来。根据候选眼睛对两眼的距离L,分别以两眼质心所在的点为中心,划出大小为0.5L×0.25L的两个矩形区域。对得到的两区域对应像素求差值:
设定阈值,如果两眼之间的差值大于该阈值,那么可断定该眼睛对不是人眼。经过实阈值设为30。
(四)特征提取。适当层次小波变换后的低频子带图像刻画了人像的表情和姿势的不变特征,有较好的稳定性。另外一幅图像作n次一维小波变换后,低频子带图像的尺寸仅为原图像尺寸的1/22n,因此能有效的降维。这样就能大大降低了后续处理算法的复杂度。Haar于1990年提出一种正交函数系Haar小波可用尺度函数表示为:
(五)特征匹配。采用余弦距离作为分类器,计算待识别人脸的特征向量后,依次与模板库中的人脸特征向量进行匹配,取相似度最大的值与系统预设的阈值比较,若大于阈值则判定待识别人脸为模板库中特征。
经过上节提取了标准人脸图像的特征向量后需要判别待识别人脸图像特征与模板库中人脸特征的相似度,即得出分类结果。这里采用余弦距离,d(X,Y)=-cos(X,Y)也称角度测量,它计算的是向量间的角度。余弦距离越小,两向量间的相关性越小。
三、实验结果及分析
通过以上分析可知:
(一)人脸检测是人脸识别的基础,人脸定位准确对后期的识别有决定性作用,可以采用多种检测方法相结合,提高检测的鲁棒性,减少漏检,误检。
(二)由于人脸是三维的,将它作为二维图像处理,信息必然有所损失,所以利用人脸三维信息进行人脸识别是今后努力的研究方向。
参考文献:
[1]王田苗编著,嵌入式系统设计与实例开发[M].北京:清华大学出版社.
[2]孙延奎编著,小波分析及其应用[M].北京:机械工业出版社.
[3]贾明、严世贤编著,Linux下的C编程[M].北京:人民邮电出版社.
[4]张向东、李波著,基于Gabor小波变换和PCA的人脸识别方法[J].电子科技.
[5]朱文娟、王正勇等,基于ARM和滑动指纹传感器的采集系统[J]. 微计算机信息,2007,6-1:145-147.