基于嵌入式系統(tǒng)的人臉識別技術研究及實現(xiàn).pdf

1、隨著嵌入式系統(tǒng)的快速發(fā)展，嵌入式人臉識別技術成為模式識別和人工智能領域的熱點研究課題，在公共安全、電子商務、金融等領域有巨大的應用價值。
　　本文的研究得到廣東省產(chǎn)學研合作重大專項(No.20100901)“面向智能玩具嵌入式組件關鍵技術研究與產(chǎn)業(yè)化”的資助，目標是完成嵌入式系統(tǒng)上人臉識別組件，主要指標有：識別率在85％以上，識別速度在2幀/s以上。本文主要探討了人臉檢測、預處理、人臉識別等關鍵性問題?？偨Y本文的主要貢獻和創(chuàng)新點如

2、下：
　　1、本文研究了原始的基于 AdaBoost的人臉定位算法，闡述了該算法檢測速度慢的主要原因，提出先降低人臉檢測的位置精度換取檢測速度的提高，檢測精度由后面人臉預處理時精確的人眼定位來彌補。加快檢測速度的主要方法：提高Haar搜索框的搜索步長；增大Haar特征相繼兩次搜索時縮放的比例系數(shù)；裁剪級聯(lián)分類器的級數(shù)；定點化運算過程中的部分浮點運算；檢測縮放后的圖像，再按比例還原原始圖像中人臉的位置。優(yōu)化后檢測速度經(jīng)在手機上測試提

3、高了2.5倍以上。
　　2、本文提出了兩種快速的人眼定位算法：基于 AdaBoost的人眼定位和基于眼珠快速搜索的人眼定位。這兩種方法都是在人臉區(qū)域已經(jīng)被檢測出來的前提下提出的，對檢測到的人臉區(qū)域，先進一步縮小人眼檢測區(qū)域，然后進行人眼的定位。經(jīng)實驗證明兩種方法快速有效。
　　3、在原始的基于LBP的人臉識別算法的基礎上進行了改進，本文提出了基于級聯(lián)LBP的人臉識別算法。該算法在充分使用“統(tǒng)一模式”的同時，有效的利用“非統(tǒng)一

4、模式”，提取的LBP直方圖特征能更有效的代表人臉信息。最后使用改進的算法在ORL標準人臉庫和FERET標準人臉庫上做了實驗，并與其他幾種人臉識別算法做了比較，證明了本文提出的算法的有效性。
　　4、最后本文介紹了在基于ARM架構處理器的Tiny210開發(fā)板上人臉識別系統(tǒng)的實現(xiàn)，完成了基于人臉識別的播放器FacePlayer和玩具車控制器FaceCar，并通過采集實際應用環(huán)境中的圖片進行了測試，識別率為85.2%，識別速度在2幀/s