關鍵字:人臉識別" title="人臉識別">人臉識別,;PCA" title="PCA">PCA,;ARM9" title="ARM9">ARM9
開發(fā)低成本,、小型化人臉識別系統(tǒng)在發(fā)展實際人臉識別應用中具有重要的意義,。本系統(tǒng)采用ARM9作為系統(tǒng)控制芯片,,達到了系統(tǒng)低成本,、便攜化、小型化的要求,。不同于運行在PC機的人臉識別算法,,系統(tǒng)的識別算法必須更多地考慮算法的計算量和ARM的運行速度,使識別準確率和識別時間都達到可接受范圍,。
1 硬件平臺
1.1 ARM9處理器
本系統(tǒng)采用三星公司的ARM9系列S3C2410作為處理器,,工作頻率可達到203 MHz,可滿足系統(tǒng)對計算速度的要求,。該處理器內(nèi)置2個USB HOST,,本系統(tǒng)可用來掛載USB攝像頭。
1.2 液晶顯示屏
為顯示攝像頭當前采集圖像的預覽,,系統(tǒng)采用三星的320×240像素液晶屏,,大小為106.68 cm。該液晶屏的每個像素深度為2 bit,,采用RGB565色彩空間,。
1.3 攝像頭
攝像頭采用市場上常見的網(wǎng)眼2000攝像頭,內(nèi)部是含CMOS傳感器的OV511+芯片,。
CMOS傳感器采用感光元件作為影像捕獲的基本手段,,核心是1個感光二極管,該二極管在接受光線照射之后能夠產(chǎn)生輸出電流,而電流的強度則與光照的強度對應,。相對CCD圖像傳感器,,CMOS傳感器具有成本低廉的優(yōu)點。該攝像頭通過USB接口與ARM9處理器通信,。該攝像頭輸出格式y(tǒng)uv,,在輸出至屏幕之前,需將數(shù)據(jù)格式轉化為RGB565格式,。
1.4 存儲器
系統(tǒng)采用64 MB的SDRAM,,由兩片K4S561632芯片組成,工作在32位模式,。另有64 MB的NANDFlash,,采用K9F1208芯片。該芯片在系統(tǒng)中空間分配情況,,如圖2所示,。
2 軟件平臺
系統(tǒng)的軟件設計主要由底層的操作系統(tǒng),驅動程序以及應用程序組成,。操作系統(tǒng)采用Linux 2.4內(nèi)核,。通過對內(nèi)核的適當裁剪,刪除對本系統(tǒng)不需要的系統(tǒng)服務以及驅動程序,。
本系統(tǒng)的驅動程序主要用來驅動攝像頭,、按鍵和指示燈。這3個驅動程序在操作系統(tǒng)啟動后,,采用Linux特有的動態(tài)加載模塊方式加載至系統(tǒng)內(nèi)核,。攝像頭驅動程序可在Linux內(nèi)核自帶的OV 51l驅動程序基礎上修改,使其兼容OV 511+芯片,。指示燈驅動程序主要用來提示當前程序工作狀態(tài),。由于程序運行于Linux操作系統(tǒng)之上,應用程序無法直接控制硬件I/O口,,需要先經(jīng)過驅動程序對物理地址進行地址映射,,才可通過映射的虛擬地址進行I/O操作。按鍵驅動程序采集用戶輸入,,并通過硬件中斷傳至Linux內(nèi)核空間,,再由驅動程序通過Linux進程間通信方式之一的信號通信,傳至運行在Linux用戶空間的應用程序,。
3 識別算法
3.1 PCA算法
PCA方法(即特征臉方法)是M.Turk和A.Pentland在文獻中提出的,,該方法的基本思想是:將圖像向量經(jīng)過K-L變換后由高維向量轉換為
低維向量,并形成低維線性向量空間,,即特征子空間,,然后將人臉投影到該低維空間,,用所得到的投影系數(shù)作為識別的特征向量。識別人臉時,,只需將待識別樣本的投影系數(shù)與數(shù)據(jù)庫中目標樣本集的投影系數(shù)進行比對,,以確定與哪一類最近。
PCA算法分為兩步:核心臉數(shù)據(jù)庫生成階段,,即訓練階段以及識別階段,。
(1)核心臉數(shù)據(jù)庫生成階段。
1)假設共有K張M×N大小的人臉圖像,。先將每張圖像按列化為(M×N)×1的列向量,,命名為xi,i=1,,2,,…,K,。
5)計算AAT的特征向量μi,;根據(jù)計算量保留j個最大特征向量組成特征子空間。
6)將每張臉φ(減去均值后)表示成j個特征向量的線性組合,,即為φ的特征臉,。每張標準化訓練臉φi用Ω=(ω1i,ω2i,,…,ωji)T,,i=1,,2,…,,K表示,。
(2)識別階段。
1)設要識別的未知人臉為T,,先將T按列變化為一列向量xt,。
2)xt求與平均臉ψ得差值φ。再將φ向特征子空間投影,,即
3)將φ表示成
4)最后計算兩個矩陣的歐氏距離
若er<ξ,,其中ξ為固定值,則該人臉被識別,。
3.2 PGA算法的預處理
雖然PcA算法在待識別圖像質量較好的情況下,,有識別準確且計算量不大的優(yōu)點,但在以下幾點情況下,,存在缺陷,。其一是待識別圖像和訓練圖像光照度差別較大,。其二是人臉背景差別較大。為改進PCA算法,,可對圖像做以下預處理:
(1)刪除背景,。要刪除背景就要找出人臉在圖像的位置。對此,,本系統(tǒng)通過人臉膚色建模的方法找出人臉的位置,,并進一步找出眼睛位置,然后根據(jù)兩個眼睛之間的距離計算出人臉大概范圍,,通過對人臉范圍的適當調整,,使其規(guī)格化。
(2)調整每張人臉圖像的亮度,。通過設定一固定值,,調整圖像像素的灰度值,使圖像灰度平均值達到這一固定值,。通過同態(tài)濾波,,減少光照不均。
4 結束語
采用了在ARM9控制下CMOS圖像傳感器進行圖像采集,,并利用改進的PCA算法對圖像識別,,提高了識別效率和系統(tǒng)的實用性。測試表明,,臉部范圍在180×200像素時,,設定閾值er為2×1015的情況下,系統(tǒng)的識別率為89.2%,。