论文部分内容阅读
人脸识别，是指利用计算机技术分析比较人脸视觉特征进行身份鉴别的一种生物特征识别技术。它是图像处理和模式识别的研究热点之一。在身份验证、访问控制和视频监控等领域具有广泛的应用。早期的自动识别系统大多是基于PC架构，在实际应用中往往无法满足系统的便携性和易用性。近年来，随着嵌入式系统的快速发展，短小精悍、成本低廉、便携实用的嵌入式系统平台已经具有很强的数据处理能力，使得基于嵌入式平台的自动人脸识别系统成为可能。本文就是在ARM架构的基础上提出了一种基于HLA多嵌入式人脸识别系统。使用三个嵌入式系统采用HLA的同步机制同步分别采集一个人脸正脸、左侧脸及右侧脸的图像，人脸检测的工作由采集正脸图像的嵌入式系统来完成，其主要采用人脸的Haar-like特征和基于Adaboost级联分类器算法。本文人脸识别算法是在传统2DPCA算法基础上提出的基于多子空间直和的特征融合的人脸识别算法。多个子空间的的直和能保证多个子空间数据融合时，融合数据采用特征表示时冗余最小。基于2DPCA算法的原理，首先三个嵌入式系统分别计算所有训练样本归一化后正脸、左侧脸及右侧脸图像的协方差矩阵的各P个最大特征值对应的P个相互正交的特征向量，然后各个嵌入式系统选取三个子空间中部分满足直和条件的特征向量组成各自的特征空间（投影空间），再将某一样本正脸、左侧脸及右侧脸图像分别向各自特征空间投影得到三个特征矩阵，最后将此三个特征矩阵通过HLA的RTI传输给某一个嵌入式系统融合为该样本的特征矩阵用于最近邻分类器进行分类识别。本文还介绍了嵌入式系统的构建过程，其中包括Bootloader、Linux内核的裁剪和移植、根文件系统的制作以及USB摄像头驱动的移植和编译。因ARM板资源有限，基于本文所提出的算法，先在PC机上先完成训练过程，然后将训练完成数据烧入ARM板中以实现嵌入式自动人脸识别。通过本文的实验数据对比，该系统在一定程度上，能解决传统单正脸的人脸识别算法当人脸有一定偏侧角时识别率急剧下降以及多模特人脸识别的问题。