基于ARM架構(gòu)的嵌入式人臉識(shí)別技術(shù)研究

1、基于ARM架構(gòu)的嵌入式人臉識(shí)別技術(shù)研究【摘要】：嵌入式人臉識(shí)別系統(tǒng)建立在嵌入式操作系統(tǒng)和嵌入式硬件系統(tǒng)平臺(tái)之上,具有起點(diǎn)高、概念新、實(shí)用性強(qiáng)等特點(diǎn)。它涉及嵌入式硬件設(shè)計(jì)、嵌入式操作系統(tǒng)應(yīng)用開(kāi)發(fā)、人臉識(shí)別算法等領(lǐng)域的研究;嵌入式人臉識(shí)別系統(tǒng)攜帶方便、安裝快捷、機(jī)動(dòng)性強(qiáng),可廣泛應(yīng)用于各類(lèi)門(mén)禁系統(tǒng)、戶(hù)外機(jī)動(dòng)布控的實(shí)時(shí)監(jiān)測(cè)等特殊場(chǎng)合,因此對(duì)嵌入式人臉識(shí)別的研究工作具有突出的理論意義和廣泛的應(yīng)用前景。本文是上海市經(jīng)委創(chuàng)新研究項(xiàng)目射頻識(shí)別RFID系統(tǒng)-自動(dòng)識(shí)別和記錄人群的身份(編號(hào):04-11-2)與上海市科委AM基金項(xiàng)目基于ARM和RFID芯片的自組織安全監(jiān)控系統(tǒng)的研制(編號(hào):0512)的主要研究?jī)?nèi)容之

2、一。論文從構(gòu)建自動(dòng)人臉識(shí)別系統(tǒng)所需解決的若干關(guān)鍵問(wèn)題入手,重點(diǎn)探討了基于嵌入式ARM微處理器的實(shí)時(shí)人臉檢測(cè)、關(guān)鍵特征定位、高效的人臉特征描述、魯棒的人臉識(shí)別分類(lèi)器及自動(dòng)人臉識(shí)別系統(tǒng)設(shè)計(jì)等問(wèn)題的研究。論文的主要工作和創(chuàng)新點(diǎn)表現(xiàn)在以下方面:1實(shí)現(xiàn)了結(jié)合膚色校驗(yàn)的Haar特征級(jí)聯(lián)分類(lèi)器嵌入式實(shí)時(shí)人臉檢測(cè),提出了基于人臉約束的人眼Haar特征RSVM級(jí)聯(lián)分類(lèi)器人眼檢測(cè)算法和基于遮罩掩磨與橢圓擬合的瞳孔定位算法。復(fù)雜背景中的人臉檢測(cè)是自動(dòng)人臉識(shí)別系統(tǒng)首先要解決的關(guān)鍵問(wèn)題,通過(guò)對(duì)基于膚色模型和基于Haar特征級(jí)聯(lián)強(qiáng)分類(lèi)器的人臉檢測(cè)算法的分析研究,綜合兩個(gè)算法的優(yōu)點(diǎn),提出了基于膚色模型校驗(yàn)和Haar特征級(jí)聯(lián)

3、強(qiáng)分類(lèi)器的嵌入式實(shí)時(shí)人臉檢測(cè)算法。實(shí)驗(yàn)結(jié)果表明,該算法不僅解決了復(fù)雜背景中的類(lèi)膚色和類(lèi)人臉結(jié)構(gòu)問(wèn)題,而且具有較高的檢測(cè)率和較快的檢測(cè)速度,同時(shí)對(duì)光照、尺度等變化條件下的人臉檢測(cè)也具有較強(qiáng)的魯棒性。人眼檢測(cè)與瞳孔定位在人臉歸一化和有效人臉特征抽取等方面起著非常重要的作用,為了快速檢測(cè)人眼并精確定位人眼瞳孔中心,論文提出了基于人臉約束的人眼Haar特征RSVM級(jí)聯(lián)分類(lèi)器人眼檢測(cè)算法和基于遮罩掩磨與橢圓擬合的瞳孔定位算法,首先利用人眼檢測(cè)分類(lèi)器在人臉區(qū)域內(nèi)完成對(duì)人眼位置的檢測(cè),然后通過(guò)對(duì)檢測(cè)到的人眼進(jìn)行遮罩掩磨、簡(jiǎn)單圖像形態(tài)學(xué)變換及橢圓擬合實(shí)現(xiàn)瞳孔中心的精確定位。測(cè)試結(jié)果表明該算法只需幾百毫秒便能完

4、成人眼檢測(cè)與瞳孔中心定位整個(gè)過(guò)程,在保證檢測(cè)速度較快的同時(shí),還能確保較高的定位精度。2針對(duì)傳統(tǒng)線(xiàn)性判別分析法存在的小樣本問(wèn)題(SSS),通過(guò)調(diào)整Fisher判別準(zhǔn)則,實(shí)現(xiàn)了自適應(yīng)線(xiàn)性判別分析算法及相應(yīng)的人臉識(shí)別方法人臉識(shí)別中的小樣本問(wèn)題使線(xiàn)性判別分析算法的類(lèi)內(nèi)散布矩陣發(fā)生嚴(yán)重退化,導(dǎo)致問(wèn)題無(wú)法求解。本文在人臉識(shí)別小樣本問(wèn)題的基礎(chǔ)上,通過(guò)調(diào)整Fisher判別準(zhǔn)則,利用類(lèi)間散布矩陣的補(bǔ)空間巧妙地避開(kāi)類(lèi)內(nèi)散布矩陣的求逆運(yùn)算,通過(guò)訓(xùn)練集每類(lèi)樣本的樣本數(shù)信息自適應(yīng)改變調(diào)整參數(shù),實(shí)現(xiàn)了自適應(yīng)線(xiàn)性判別分析算法,實(shí)驗(yàn)結(jié)果表明,該算法能有效解決人臉識(shí)別中的小樣本問(wèn)題。3提出了基于有效人臉區(qū)域的Gabor特征抽取

5、算法,有效地解決了Gabor特征抽取維數(shù)過(guò)高的問(wèn)題。Gabor小波對(duì)圖像的光照、尺度變化具有較強(qiáng)魯棒性,是一種良好的人臉特征表征方法。但維數(shù)過(guò)高的Gabor特征造成應(yīng)用系統(tǒng)的維數(shù)災(zāi)難,為解決Gabor特征的維數(shù)災(zāi)難問(wèn)題,論文第四章提出了基于有效人臉區(qū)域的Gabor特征抽取算法,該算法不僅有效地降低了人臉特征向量維數(shù),縮小了人臉特征庫(kù)的規(guī)模,同時(shí)降低了核心算法的時(shí)間和空間復(fù)雜度,而且具有與傳統(tǒng)Gabor特征抽取算法同樣的魯棒性。4結(jié)合有效人臉區(qū)域的Gabor特征抽取、自適應(yīng)線(xiàn)性判別分析算法和基于支持向量機(jī)分類(lèi)策略,提出并實(shí)現(xiàn)了基于支持向量機(jī)的嵌入式人臉識(shí)別和嵌入式人像比對(duì)系統(tǒng)支持向量機(jī)通過(guò)引入核

6、技巧對(duì)訓(xùn)練樣本進(jìn)行學(xué)習(xí)構(gòu)造最小化錯(cuò)分風(fēng)險(xiǎn)的最優(yōu)分類(lèi)超平面,不僅具有強(qiáng)大的非線(xiàn)性和高維處理能力,而且具有更強(qiáng)的泛化能力。本文研究了支持向量機(jī)的多類(lèi)分類(lèi)策略和訓(xùn)練方法,并結(jié)合論文中提出的基于有效人臉區(qū)域的Gabor特征提取算法、自適應(yīng)線(xiàn)性判別分析算法,首次在基于WindowsCE操作系統(tǒng)的嵌入式ARM平臺(tái)中實(shí)現(xiàn)了具有較強(qiáng)魯棒性的嵌入式自動(dòng)人臉識(shí)別系統(tǒng)和嵌入式人像比對(duì)系統(tǒng)。5提出并初步實(shí)現(xiàn)了基于客戶(hù)機(jī)/服務(wù)器結(jié)構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)模型的遠(yuǎn)距離人臉識(shí)別方案為解決嵌入式人臉識(shí)別系統(tǒng)在海量人臉庫(kù)中進(jìn)行識(shí)別的難題,論文提出并初步實(shí)現(xiàn)了基于客戶(hù)機(jī)/服務(wù)器結(jié)構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)模型的嵌入式遠(yuǎn)距離人臉識(shí)別方案。客戶(hù)機(jī)(嵌入式平臺(tái))完

7、成對(duì)人臉圖像的檢測(cè)、歸一化處理和人臉特征提取,然后通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò)將提取后的人臉特征數(shù)據(jù)傳輸?shù)椒?wù)器端,由服務(wù)器在海量人臉庫(kù)中完成人臉識(shí)別,并將識(shí)別后的結(jié)果通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò)傳輸?shù)娇蛻?hù)機(jī)顯示輸出,從而實(shí)現(xiàn)基于客戶(hù)機(jī)/服務(wù)器無(wú)線(xiàn)網(wǎng)絡(luò)模型的嵌入式遠(yuǎn)距離人臉識(shí)別方案。6結(jié)合我們開(kāi)發(fā)的基于ARM的嵌入式自動(dòng)人臉識(shí)別系統(tǒng)和嵌入式人像比對(duì)系統(tǒng),從系統(tǒng)設(shè)計(jì)的角度探討了在嵌入式系統(tǒng)中進(jìn)行人臉識(shí)別應(yīng)用設(shè)計(jì)的思路及應(yīng)該注意的問(wèn)題雖然嵌入式人臉識(shí)別系統(tǒng)的性能很大程度上取決于高效的人臉特征描述和魯棒的人臉識(shí)別核心算法。但是,嵌入式系統(tǒng)的設(shè)計(jì)思想對(duì)嵌入式人臉識(shí)別系統(tǒng)的性能影響同樣值得重視。本文第六章重點(diǎn)闡述了嵌入式自動(dòng)人臉識(shí)別應(yīng)

8、用系統(tǒng)的設(shè)計(jì)思路,并結(jié)合我們自主開(kāi)發(fā)的嵌入式自動(dòng)人臉識(shí)別系統(tǒng)和嵌入式人像比對(duì)系統(tǒng)從系統(tǒng)設(shè)計(jì)的角度探討了嵌入式人臉識(shí)別應(yīng)用系統(tǒng)設(shè)計(jì)中應(yīng)該注意的關(guān)鍵技術(shù)問(wèn)題。結(jié)合本文提出的算法我們?cè)赑C上完成對(duì)人臉識(shí)別分類(lèi)器的訓(xùn)練,然后在嵌入式ARM開(kāi)發(fā)平臺(tái)上實(shí)現(xiàn)了嵌入式自動(dòng)人臉識(shí)別、嵌入式人像比對(duì)兩個(gè)便攜式人員身份認(rèn)證系統(tǒng),經(jīng)測(cè)試運(yùn)行效果良好。所提出的人臉識(shí)別算法不僅具有一定的理論參考價(jià)值,而且對(duì)于嵌入式系統(tǒng)應(yīng)用開(kāi)發(fā)、AFR應(yīng)用系統(tǒng)開(kāi)發(fā)也具有一定的借鑒意義?！娟P(guān)鍵詞】：嵌入式自動(dòng)人臉識(shí)別技術(shù)嵌入式人臉檢測(cè)主元分析自適應(yīng)線(xiàn)性判別分析Gabor人眼檢測(cè)瞳孔定位支持向量機(jī)嵌入式操作系統(tǒng)PXA270ARM【學(xué)位授予單位

9、】：華東師范大學(xué)【學(xué)位級(jí)別】：博士【學(xué)位授予年份】：2008【分類(lèi)號(hào)】：TP391.41【目錄】：中文摘要6-9Abstract9-12目錄12-17圖表目錄17-20第一章緒論20-411.1生物特征識(shí)別技術(shù)20-241.1.1人臉識(shí)別21-221.1.2指紋識(shí)別221.1.3虹膜識(shí)別22-231.1.4掌紋識(shí)別231.1.5人耳識(shí)別23-241.1.6基因(DNA)識(shí)別241.2生物特征識(shí)別技術(shù)的發(fā)展趨勢(shì)24-251.3自動(dòng)人臉識(shí)別技術(shù)25-271.4人臉識(shí)別研究的意義271.5人臉識(shí)別研究的歷史與現(xiàn)狀27-301.5.1人臉識(shí)別研究簡(jiǎn)史28-291.5.2國(guó)內(nèi)研究現(xiàn)狀29-301.6國(guó)內(nèi)

10、外常用人臉圖像數(shù)據(jù)庫(kù)30-321.7本文主要工作及組織結(jié)構(gòu)32-371.7.1主要?jiǎng)?chuàng)新點(diǎn)32-351.7.2本文的組織結(jié)構(gòu)35-37參考文獻(xiàn)37-41第二章人臉檢測(cè)和人眼定位41-722.1引言412.2人臉檢測(cè)方法41-452.2.1基于先驗(yàn)知識(shí)的人臉檢測(cè)法42-432.2.2基于模板匹配的人臉檢測(cè)法432.2.3基于機(jī)器學(xué)習(xí)的人臉檢測(cè)法43-452.2.4類(lèi)Haar人臉檢測(cè)法452.3Haar函數(shù)及Haar變換45-492.3.1Haar函數(shù)系定義462.3.2Haar變換462.3.3人臉Haar特征提取46-482.3.4人臉類(lèi)Haar特征快速算法48-492.4基于Haar的人臉檢測(cè)

11、算法49-572.4.1簡(jiǎn)單分類(lèi)器502.4.2強(qiáng)分類(lèi)器50-522.4.3級(jí)聯(lián)強(qiáng)分類(lèi)器52-532.4.4分類(lèi)器訓(xùn)練53-552.4.5基于Haar特征膚色模型的人臉檢測(cè)55-572.5人臉檢測(cè)效果圖572.6人眼檢測(cè)與瞳孔定位57-662.6.1傳統(tǒng)的人眼檢測(cè)方法57-592.6.2基于人臉約束的實(shí)時(shí)人眼檢測(cè)59-642.6.3人眼檢測(cè)與瞳孔定位效果圖64-662.7圖像幾何歸一化66-672.8本章小結(jié)67-68參考文獻(xiàn)68-72第三章基于線(xiàn)性判別子空間的人臉識(shí)別72-863.1引言723.2主分量分析法72-783.2.1主分量分析法(PCA)72-753.2.2核主分量分析(KPCA

12、)75-783.3線(xiàn)性判別分析法78-843.3.1Fisher鑒別準(zhǔn)則79-803.3.2線(xiàn)性判別分析中的小樣本問(wèn)題80-823.3.3自適應(yīng)線(xiàn)性判別分析82-843.4實(shí)驗(yàn)結(jié)果843.5本章小結(jié)84參考文獻(xiàn)84-86第四章Gabor濾波器與人臉Gabor特征提取86-994.1引言864.2二維Gabor變換86-884.3Gabor核函數(shù)的參數(shù)選擇88-914.3.1參數(shù)的選擇88-894.3.2參數(shù)的意義89-914.4二維Gabor濾波器的圖像響應(yīng)特性91-934.4.1邊緣響應(yīng)特性91-924.4.2位置響應(yīng)特性92-934.5Gabor特征提取93-974.5.1人臉Gabor特

13、征提取93-944.5.2人臉有效區(qū)域Gabor特征抽取算法94-974.6本章小結(jié)97-98參考文獻(xiàn)98-99第五章基于支持向量機(jī)的人臉識(shí)別99-1265.1引言995.2統(tǒng)計(jì)學(xué)習(xí)理論99-1015.2.1期望風(fēng)險(xiǎn)最小化準(zhǔn)則99-1005.2.2經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化準(zhǔn)則1005.2.3結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則100-1015.3支持向量機(jī)基本理論101-1075.3.1最優(yōu)分類(lèi)超平面101-1025.3.2線(xiàn)性分類(lèi)情況102-1055.3.3非線(xiàn)性支持向量105-1065.3.4核函數(shù)106-1075.4多類(lèi)分類(lèi)支持向量機(jī)107-1115.4.1一對(duì)多分類(lèi)108-1095.4.2一對(duì)一分類(lèi)109-110

14、5.4.3有向無(wú)環(huán)圖分類(lèi)策略110-1115.5支持向量機(jī)訓(xùn)練算法111-1145.5.1塊算法111-1125.5.2分解算法1125.5.3序貫最小優(yōu)化算法112-1145.6識(shí)別性能比對(duì)114-1235.6.1測(cè)試人臉庫(kù)114-1155.6.2距離度量方法115-1165.6.3人臉識(shí)別方案設(shè)計(jì)116-1195.6.4實(shí)驗(yàn)結(jié)果及分析119-1235.7本章小結(jié)123參考文獻(xiàn)123-126第六章嵌入式自動(dòng)人臉識(shí)別系統(tǒng)設(shè)計(jì)126-1696.1引言126-1276.2嵌入式操作系統(tǒng)127-1296.2.1嵌入式操作系統(tǒng)的特點(diǎn)127-1286.2.2MicrosoftCE128-1296.3硬件平臺(tái)介紹129-1326.3.1PXA270微處理器:129-1306.3.2ARM開(kāi)發(fā)平臺(tái)130-1326.4嵌入式人臉識(shí)別系統(tǒng)設(shè)計(jì)132-1356.4.1核心算法的選擇132-1336.4.2系統(tǒng)工作環(huán)境133-1346.4.3成像設(shè)備的選擇1346.4.4訓(xùn)練集的構(gòu)建134-1356.5嵌入式人臉識(shí)別系統(tǒng)實(shí)現(xiàn)135-1466.5.1基于視頻的嵌入式自動(dòng)人臉識(shí)別135-1426.5.2嵌入式靜態(tài)人像照片比對(duì)142-1456.5.3嵌入式遠(yuǎn)距離的人臉識(shí)別方案145-1466.6軟件開(kāi)發(fā)平臺(tái)的選擇146-1486.6.1宿主機(jī)軟件