《基于嵌入式的人脸识别系统.doc》由会员分享,可在线阅读,更多相关《基于嵌入式的人脸识别系统.doc(9页珍藏版)》请在金锄头文库上搜索。
1、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芯片和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
2、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
3、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
4、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、
5、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:二值图像,只有黑白两种颜色,0表示黑,1表示白。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。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、
6、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,就说明当前所选择的特征提取方法是有效地,所选择的分类器对该特征的分类效果越好,人
7、脸识别的识别效率也就越高。根据多年的人脸识别研究和对图像预处理的经验,在人脸特征提取时,往往不直接用原始颜色信息来表示面部特征,而是通过函数映射或函数变换,转化为机器易于区分的特征信息,提高识别系统的准确性和健壮性。当前主流的特征提取方法有KL变换方法,小波变换方法,Haar特征提取方法和LBP特征提取方法等。至于人脸识别部分的算法,将在后文予以介绍。2 嵌入式操作系统操作系统,最核心的功能是管理计算机软、硬件资源。自1946年世界第一台计算机ENIAC在美国宾夕法尼亚大学诞生之日起,操作系统一直伴随着计算机的发展和进步而创新和改进,人们也越来越依赖于操作系统,将越来越多的功能融于其中,最终导
8、致操作系统功能越来越完善,也越来越庞大。为了适应不同的应用场合和方便人们学习、生活,考虑到系统的灵活性、可伸缩性以及可裁减性,提取操作系统最为核心的内容,组成了一种以应用为中心、软件硬件可裁剪、功能相对单一、性价比高的专用计算机系统,即嵌入式操作系统(EOS)。它的特征如图2-1所示:图2-1本文采用Ubuntu操作系统,是因为Ubuntu是开源软件程序,永远是免费的。开源软件也就是自由软件,它提倡一种“应该以所有对社会有用的方式自由地使用软件”的理念。这不仅意味着可以不用支付任何使用费用,就可以根据自己的爱好,任意下载、修改、修正和使用组成自由软件的代码来设置自己的应用程序。因此,使用Ubu
9、ntu操作系统除了免费之外,用户在进行程序开发时,就可以借鉴其他人的设计成果或以此基础上进行开发或改进,具有一定的技术优势。Ubuntu是基于Debian之上,建立的一个可以为窗口界面和服务器系统提供精练软件包的Linux操作系统。它具有强大的管理系统,操作简单安全,安装或删除彻底干净。它剔除了大多数Linux操作系统发行版中附带的大量可用可不用的软件,只保留那些最为核心的程序段和高质量的应用程序。Ubuntu提供了一个健壮的、功能丰富的计算机系统运行环境,既适合个人使用,又适用于商业开发环境。Ubuntu支持各种形形色色的架构,包括i386系列、Pentium系列、Athlon/Duron/
10、Sempron处理器、AMD64系列及Power PC系列等。Ubuntu系统的安装和删除自由、无限制。安装时,可以将Ubuntu 8.04系统像安装应用软件一样,安装到Windows操作系统上,而不用做双系统;盔贬钱时,Ubuntu不影响任何Windows操作系统设置,可以随时随地卸载。降低了使用Ubuntu的难度和风险,获取了用户的信赖,使得越来越多的人尝试使用这一年轻的操作系统。3 嵌入式人脸识别系统设计本系统微处理器MPU使用市场上认可度比较高的三星公司的基于ARM920T内核的S3C2440A芯片,用于集成设计程序。3.1图像采集功能基于ARM的人脸识别系统设计首要的问题就是使用摄像
11、设备获取用户图像信息,检侧是否有人通过,必须正确地检测到运动。目标,从被监控的背景中提取出来,这是一项基础而又关键的步骤。常用的运动物体检测方法有背景差值法、图一像帧间差分法(分帧比对前后变化)和基于块匹配(分模块对图像分解检测)等三种方法。本系统的场景与摄像头位置固定,是静态背景;图像采集时,目标位置也相对固定,干扰项比较少,故而采用最为简单实用的背景差值法。背景差值法检测目标的步骤如图3-1所示。包括建模、预处理和检测三步。图3-1首先,构建背景模型,记忆当前背景信息,毕竟楼宇门前的背景相对是固定的。其次,采用合适的方法对可能出现的干扰项进行预处理,保证采集的图像质量。最后,与背景模型进行
12、比对,利用当前采集到的图像信息与背景建模中的背景信息进行比对,利用其差异来检测出目标区是否有目标对象的出现。此时,需要使用域值分割技术来完成,判断比对的差值是否大于设置的域值,如果是,判定该像素点或区域中有目标对象的存在,否,则没有。本系统采集到的图像都以灰度模式存在,只用比对相应像素点的亮度就可以了。3.2人脸检测功能人脸检测模块的设计是系统设计的关键,将直接影响人脸识别系统的性能。现在的主要工作有两项:其一,检测获取的图像中是否有人脸的存在,此时需要对大量的人脸与非人脸样本进行训练,获取图像之间的细节差异;其二,检测确定人脸的位置和外观,尽量详细地描述出人脸的整体特征和细节特征。主要包括眼
13、睛和鼻子这两个最为重要的器官特征,根据这两个主要特征区域信息,考虑嘴巴、耳朵、毛发等观测区域的特征信息,同时还要考虑到特征的提取要对光线、表情、视角等干扰因素有比较好的健壮性。 对于本系统而言,人脸检测目标区域背景相对比较简单,人脸数量和大小可以控制,大大降低了人脸检测的难度。首先,对人脸特征搜索定位;其次,对人脸区域几何归一化处理,再次,对检测到的人脸进行特征提取。 对于本系统而言,需要考虑的三种场景:(背景一定) (l)有且仅有一张人脸; (2)有且仅有一张部分人脸; (3)人脸的数量不定。其中,第一种最简单,第三种最难以检测完全,甚至误检。但是,无论问题和算法有多么复杂,核心点就是通过减
14、少图像的冗余信息来检测目标区域。人脸检测算法框图如图3-2所示。对采集到的图像计算候选人脸区域后,判断人脸区域是否包含人脸(通过人脸检测算法),如此反复执行后,综合处理检测结果,确定图像中是否有人脸,以及人脸的位置和轮廓。图3-23.3人脸识别功能实现本系统使用Fisherface方法对人脸进行识别设计。首先应用了PCA与LDA的人脸识别过程。(由PCA对高维数据降维。得到原样本的最优特征向量,使得样本类内协方差矩阵非奇异。作线性判别分析)该方法需要在人脸识别前先做线性变换处理,降低图像向量的维数并消除了类内协方差矩阵的奇异性。使用的Fisherface方法训练和识别的过程如图3-3所示。图3
15、-3在本方案中,采用杨琼的基于图像奇偶分解的思想,将映射样本和原始样本分别中心化后的联合空间用奇偶样本各自的本征空间组成,以达到提高PCA的效果,提高样本计算的速度。实验证明:对称Fisherface能够缓解小样本问题,选取人脸特征信息;对映射样本空间进行拓展后,训练性能有所提高:采用了对称性这个先验条件后,PCA中保留的有效信息量明显提高。4 嵌入式人脸识别系统总结根据嵌入式技术与人脸识别技术的特点及其在门禁系统的应用构思,本系统确定了基于ARM的人脸识别门禁系统的设计及实现,结合鹤壁市电子企业要求,根据研究目标将系统设计、实现分为图像采集与预处理、特征提取和识别响应三大部分进行研究。从MP
16、U处理速度、技术指标以及软件支持工具等方面进行选择,采用三星公司的基于ARM920T内核的S3C2440A芯片。开发方案中操作系统采用嵌入式Linux操作系统Ubuntuo通过摄像头采集图像信息,将采集到的图片经过预处理操作、特征提取后,传入后台数据库进行人脸检测识别,并反馈识别响应信息。人脸识别的核心部分功能实现,如从数据图片的检索、识别等均在后台完成。保证了硬件平台的构建简便安全,有好的性价比。软件实现技术最为关键的是如何通过进行人脸识别,智能化控制。本文采用了fisherface方法并进行部分改进,采用对称法扩展了样本空间,使得系统实现更快捷,更加安全可靠。其测试结果为进一步研究算法和改进系统奠定了应用基础。参考文献1、徐挺.