论文部分内容阅读
近几年来,随着信息化、电子化、互联网和物联网的迅速发展,自动服务设备不断增加。互联网产业的不断发展催生了线下物联网产业的兴起。物联网产业随着互联网产业的不断发展初具规模。本文主要研究基于这些物联网线下嵌入式设备的智能监控系统,能够检测出摄像头采集到的实时图像中出现的伪装目标(遮挡住面部信息)的算法,可用来及时通知这些设备的管理人员以防犯罪的发生。可以根据剩余面部特征识别伪装的人脸。对于伪装检测算法,首先通过运动检测确定目标位置,再通过训练好的Adaboost级联分类器检测这个位置内的人脸器官特征点。由固定几个特征点可以推算出人眼模型区域和口鼻模型区域的位置。根据线性计算可定位人脸的具体位置。在YCrCb颜色空间内对眼部模型区域进行肤色分割和二值化处理,提取此区域的HU矩特征作为识别时用到的特征。使用墨镜伪装或正常人脸在这个区域的特征训练一个三层的BP神经网络。经过测试,这个神经网络能达到90%以上的识别准确率。训练成功后的神经网络可以对输入的Hu矩特征进行判断、分类,即可达到墨镜伪装识别的效果。经过测试,伪装墨镜检测率达到了 91.3%,漏报率为5.66%,误报率为0。使用Sobel算子提取定位到人脸图像的边缘,进行二值化。利用霍夫变换检测二值化图像中的直线(口罩上边沿)。计算直线下方非肤色像素的比例。若大于阈值即为口罩伪装。经过测试,伪装口罩检测率达到了90.3%,漏报率为4.66%,误报率为0.9%。在伪装人脸检测和识别系统的设计中,首先采用恩智浦半导体公司(NXP)基于ARM Cortex A9的i.MX6 Quad微处理器开发板作为系统的硬件平台;采用Yocto系统作为使用的linux系统版本;再次在宿主机Ubuntu14.04上搭建有关伪装人脸检测和识别系统开发的软件环境;基于OpenCV和OpenCL开源库设计了本系统的软件实现部分。本系统在i.MX6Q嵌入式平台使用了芯片的3DGPU做并行计算,最大化利用嵌入式平台的硬件资源,减小了对CPU的占用率,降低嵌入式平台CPU性能较弱的影响。能够完美的实现伪装检测算法部分的效果,经过测试,提升了 9.86倍的检测速度。