论文部分内容阅读
随着机器视觉和人工智能的发展，智能人脸识别系统在生活中的应用越来越重要。然而智能人脸识别系统还处于理论研究的半人工智能阶段。此时的人脸识别系统需要人工的参与或者在一定的理想条件才能进行识别。人脸识别系统主要由人脸图像的采集、人脸图像的预处理、人脸检测分割和人脸图像的分类识别四部分组成。本文对人脸识别系统进行整体的设计研究与实现，使用V4L2进行图像采集，并使用二维小波变换、图像灰度化、直方图均衡化对采集的图像进行预处理。然后，对基于Haar特征的Adaboost算法进行研究，通过扩展的Haar特征和Adaboost算法训练样本集得到人脸的强分类器，用于检测人脸。同时，对人脸算法进行研究，使用二维PCA算法对人脸进行特征提取，使用支持向量机（SVM）分类器对人脸进行分类识别。 本研究在smart210开发板的嵌入式Linux系统平台上实现了智能人脸识别系统。该系统包括实时视频监控、人脸检测、在线人脸训练、人脸识别以及通过客户端远程查看访问的人脸。在smart210开发板上通过Linux的V4L2驱动架构对USB摄像头进行图像采集，经过图像预处理和人脸检测，保存检测出的人脸；通过人脸训练，生成对应的类别描述文件；在人脸识别时，加载训练好的人脸类别描述文件进行识别分类，并显示识别的结果，同时可以通过网络TCP协议在PC机上查看检测到的人脸。最后在smart210开发板上运行人脸识别系统程序进行性能测试。通过使用自制的人脸库进行测试，结果表明二维 PCA与 SVM算法相结合的人脸识别算法在嵌入式平台上有较高的稳定识别率。同时在smart210开发板上运行该人脸识别程序时，能通过PC上的客户端程序查看检测到的人脸。