目前市面上的护理床需要病人自行操作或者在家属和医护人员的帮助下进行操作,不能满足未来智能化康复护理行业的发展需求。如果可以把基于DSP的人脸识别系统加入到康复护理机器人床中,则可以在无人照看的情况下,根据患者的表情状态和生命体征参数,通过专家系统推理机自动判断患者的生理需求,同时通过串口发送指令,驱动康复护理机器人床运动。本课题讨论和研究了基于DSP的人脸识别系统的实现,主要包括人脸检测、人脸识别、表情识别和专家系统等内容。具体工作内容有以下几个方面:(1)针对基于DSP的人脸识别系统需要实现的功能进行总体分析,提出完成该系统的设计思路,并完成基于DSP的人脸识别系统的总体方案设计。(2)深入研究了Adaboost算法和特征脸方法,实现了人脸检测的分类器训练过程、使用特征脸表征人脸的过程、在线人脸检测过程和在线人脸识别过程,并把人脸检测和人脸识别算法移植到DSP人脸识别系统中。(3)考虑系统的实际应用场合,对表情识别算法进行了改进,提出了一种把人脸几何分布规则和Harris角点算法相结合的表情特征提取方法,即根据人脸几何分布规则大概分割出眼睛和嘴巴的区域,再用Harris角点算法确定眼睛和嘴巴的具体位置和形态。此方法大大降低了计算量,保证了系统的实时性。(4)在建立表情识别专家系统规则库的过程中,把表情状态和生命体征参数共同作为专家系统的推理前件,然后根据现有知识、案例和专家经验建立知识库,并采用规则推理、案例推理和模糊推理相结合的推理机制进行推理。(5)搭建基于DSP的人脸识别系统,在DSP集成开发环境CCS中完成图像采集、图像处理、专家系统、图像显示和DSP与ARM控制系统之间的串口通信任务。该系统利用CCD摄像头实时采集图像,经过图像处理后,可以得到表情状态,再结合生命体征参数,共同作为专家系统的推理前件,判断患者的实时需求,并发送指令,控制康复护理机器人床完成相应的功能。在前期的算法验证阶段,分别用ORL人脸数据库和本地人脸库对人脸检测、人脸识别以及表情识别算法进行了测试,实验结果表明算法具有较高的准确性和实时性。最后把该系统与康复护理机器人床进行连接,对整个系统进行了联调与测试。基于DSP的人脸识别系统在康复护理机器人床的成功应用,实现了康复护理机器人床的智能化和人性化,具有很高的社会推广价值。