论文部分内容阅读
[摘 要]该论文介绍了基于MyRIO的人脸识别追踪系统。系统包括静态检测和动态追踪两个部分。静态检测主要是基于人脸特征提取和模板匹配，动态追踪利用Haar分类器和Camshift算法进行人脸追踪，结果表明匹配阈值设置为60时，该系统性能最优。
[关键词]人脸；模板匹配；跟踪系统；动态识别
中图分类号：TP391.41 文献标识码：A 文章编号：1009-914X（2018）39-0115-01
0 引言
常见的人脸识别系统大部分以PC机等为开发平台，从外形和经济的角度来分析，系统的结构大且通常价格昂贵。嵌入式系统处理速度快、体积轻小易携带、价格优惠，因此本文利用该技术开发一个人脸识别与跟踪系统。该系统在结构上具有便携性、且使用简单，在性能上完成人脸识别与跟踪的基本要求，在机械结构上完成社会大众的轻小灵活的基本要求。
1 硬件平台选择
人脸识别与跟踪检测系统的硬件结构的选型主要包括两个关键部分，一个部分是系统的核心，嵌入式平台的选择；另一部分是图像信息的获取，即摄像头的选择。系统良好的光照环境会有利于系统后期的图像处理且提高系统的识别率。
1.1 摄像头选择
随着计算机的迅速普及，模拟摄像机成本高昂等原因，在市场上数字式摄像头占主要地位，但是因为嵌入式平台的端口配置有限，因此本课题根据需要，选择微软的USB相机，型号为XBOX360，如图1所示。
1.2 嵌入式系统的选择
NI MyRIO是NI最新的嵌入式系统开发平台，具有强大的功能，内置芯片的实时性和可以自定义的I/O接口，为学习者提供了极其丰富的硬件资源。如图2所示。
2 核心算法
2.1 模板匹配
模版匹配，就是将等候检测的图像与模板进行对比，进而确定待检测的图像中是否与模板图像中相似或甚至相同的区域，提取这个区域并进行相关的运算，计算这些区域的相关性，得出一个值，则该值可以用来表示两者间的匹配程度。因此进行模版匹配的算法如下：
待检测人脸的模版图像灰度矩阵为 ，对应的灰度均值 ，方差 ；待检测图像的灰度矩阵为 ，对应的灰度均值 ，方差 ；当两者进行图像匹配时，两者的相关系数 计算如式（1）：
的值越大，则待测图像与模板的相似度越高，匹配程度越高。
2.2 Camshift
Camshift是对 Mean-shift算法进行拓展优化，处理对象变成针对连续的图像视频序列。Mean-shift运算可以对视频序列中的每一帧的图像进行单独运算，那么Camshift算法可以针对整个视频输入序列中的每一帧图像进行连续的Mean-shift运算。运算的过程要求计算求出待测目标在每一帧图中搜索窗的位置和大小，而每一帧图像的搜索检测结果都用于设置为其下一帧图像的Mean-shift算法搜索窗口的初始值。不斷迭代，完成目标跟踪任务。
3 软件实现
软件平台选择LabVIEW，它使用图标进行图形化编程，易于上手。系统程序如图3所示。
4 实验结果
经过采集模版样本库，对该系统的静态人脸检测部分进行验证，采集样本图片100张，经过设置不同的匹配门，统计人脸能够完成正确匹配的成功率，以及无法识别出人脸的失败率。人脸识别的统计结果如图4所示。
图4 识别统计结果
经过对图中的数据比较发现，将最小匹配门限设置为60%的以上，人脸识别的误判率降低，当然，人脸的最低匹配门限设置的越高，对采集的人脸信息和模板库的图片的要求会越高，因此通常建议也不要设置的太高，以免导致人脸无法正确识别，出现匹配失败的结果。通常可以将最小匹配门限设置在60%-70%，如此人脸识别的成功率不会很低，误判率也不会太低。
参考文献
[1]高素文.基于OpenCV的实时人脸识别系统研究与实现[D].华北电力大学，2015.
[2]张山林.基于AdaBoost的人脸检测与跟踪算法研究[D].兰州大学，2013.
[3]雷静.基于OpenCV的人脸跟踪识别系统研究[D].西安电子科技大学，2010.
[关键词]人脸；模板匹配；跟踪系统；动态识别
中图分类号：TP391.41 文献标识码：A 文章编号：1009-914X（2018）39-0115-01
0 引言
常见的人脸识别系统大部分以PC机等为开发平台，从外形和经济的角度来分析，系统的结构大且通常价格昂贵。嵌入式系统处理速度快、体积轻小易携带、价格优惠，因此本文利用该技术开发一个人脸识别与跟踪系统。该系统在结构上具有便携性、且使用简单，在性能上完成人脸识别与跟踪的基本要求，在机械结构上完成社会大众的轻小灵活的基本要求。
1 硬件平台选择
人脸识别与跟踪检测系统的硬件结构的选型主要包括两个关键部分，一个部分是系统的核心，嵌入式平台的选择；另一部分是图像信息的获取，即摄像头的选择。系统良好的光照环境会有利于系统后期的图像处理且提高系统的识别率。
1.1 摄像头选择
随着计算机的迅速普及，模拟摄像机成本高昂等原因，在市场上数字式摄像头占主要地位，但是因为嵌入式平台的端口配置有限，因此本课题根据需要，选择微软的USB相机，型号为XBOX360，如图1所示。
1.2 嵌入式系统的选择
NI MyRIO是NI最新的嵌入式系统开发平台，具有强大的功能，内置芯片的实时性和可以自定义的I/O接口，为学习者提供了极其丰富的硬件资源。如图2所示。
2 核心算法
2.1 模板匹配
模版匹配，就是将等候检测的图像与模板进行对比，进而确定待检测的图像中是否与模板图像中相似或甚至相同的区域，提取这个区域并进行相关的运算，计算这些区域的相关性，得出一个值，则该值可以用来表示两者间的匹配程度。因此进行模版匹配的算法如下：
待检测人脸的模版图像灰度矩阵为 ，对应的灰度均值 ，方差 ；待检测图像的灰度矩阵为 ，对应的灰度均值 ，方差 ；当两者进行图像匹配时，两者的相关系数 计算如式（1）：
的值越大，则待测图像与模板的相似度越高，匹配程度越高。
2.2 Camshift
Camshift是对 Mean-shift算法进行拓展优化，处理对象变成针对连续的图像视频序列。Mean-shift运算可以对视频序列中的每一帧的图像进行单独运算，那么Camshift算法可以针对整个视频输入序列中的每一帧图像进行连续的Mean-shift运算。运算的过程要求计算求出待测目标在每一帧图中搜索窗的位置和大小，而每一帧图像的搜索检测结果都用于设置为其下一帧图像的Mean-shift算法搜索窗口的初始值。不斷迭代，完成目标跟踪任务。
3 软件实现
软件平台选择LabVIEW，它使用图标进行图形化编程，易于上手。系统程序如图3所示。
4 实验结果
经过采集模版样本库，对该系统的静态人脸检测部分进行验证，采集样本图片100张，经过设置不同的匹配门，统计人脸能够完成正确匹配的成功率，以及无法识别出人脸的失败率。人脸识别的统计结果如图4所示。
图4 识别统计结果
经过对图中的数据比较发现，将最小匹配门限设置为60%的以上，人脸识别的误判率降低，当然，人脸的最低匹配门限设置的越高，对采集的人脸信息和模板库的图片的要求会越高，因此通常建议也不要设置的太高，以免导致人脸无法正确识别，出现匹配失败的结果。通常可以将最小匹配门限设置在60%-70%，如此人脸识别的成功率不会很低，误判率也不会太低。
参考文献
[1]高素文.基于OpenCV的实时人脸识别系统研究与实现[D].华北电力大学，2015.
[2]张山林.基于AdaBoost的人脸检测与跟踪算法研究[D].兰州大学，2013.
[3]雷静.基于OpenCV的人脸跟踪识别系统研究[D].西安电子科技大学，2010.