基于ARM架構(gòu)的嵌入式人臉識別技術(shù)研究

1、基于ARM架構(gòu)的嵌入式人臉識別技術(shù)研究【摘要】：嵌入式人臉識別系統(tǒng)建立在嵌入式操作系統(tǒng)和嵌入式硬件系統(tǒng)平臺之上,具有起點高、概念新、實用性強(qiáng)等特點。它涉及嵌入式硬件設(shè)計、嵌入式操作系統(tǒng)應(yīng)用開發(fā)、人臉識別算法等領(lǐng)域的研究;嵌入式人臉識別系統(tǒng)攜帶方便、安裝快捷、機(jī)動性強(qiáng),可廣泛應(yīng)用于各類門禁系統(tǒng)、戶外機(jī)動布控的實時監(jiān)測等特殊場合,因此對嵌入式人臉識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)新研究項目射頻識別RFID系統(tǒng)-自動識別和記錄人群的身份(編號:04-11-2)與上海市科委AM基金項目基于ARM和RFID芯片的自組織安全監(jiān)控系統(tǒng)的研制(編號:0512)的主要研究內(nèi)容之

2、一。論文從構(gòu)建自動人臉識別系統(tǒng)所需解決的若干關(guān)鍵問題入手,重點探討了基于嵌入式ARM微處理器的實時人臉檢測、關(guān)鍵特征定位、高效的人臉特征描述、魯棒的人臉識別分類器及自動人臉識別系統(tǒng)設(shè)計等問題的研究。論文的主要工作和創(chuàng)新點表現(xiàn)在以下方面:1實現(xiàn)了結(jié)合膚色校驗的Haar特征級聯(lián)分類器嵌入式實時人臉檢測,提出了基于人臉約束的人眼Haar特征RSVM級聯(lián)分類器人眼檢測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是自動人臉識別系統(tǒng)首先要解決的關(guān)鍵問題,通過對基于膚色模型和基于Haar特征級聯(lián)強(qiáng)分類器的人臉檢測算法的分析研究,綜合兩個算法的優(yōu)點,提出了基于膚色模型校驗和Haar特征級聯(lián)

3、強(qiáng)分類器的嵌入式實時人臉檢測算法。實驗結(jié)果表明,該算法不僅解決了復(fù)雜背景中的類膚色和類人臉結(jié)構(gòu)問題,而且具有較高的檢測率和較快的檢測速度,同時對光照、尺度等變化條件下的人臉檢測也具有較強(qiáng)的魯棒性。人眼檢測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級聯(lián)分類器人眼檢測算法和基于遮罩掩磨與橢圓擬合的瞳孔定位算法,首先利用人眼檢測分類器在人臉區(qū)域內(nèi)完成對人眼位置的檢測,然后通過對檢測到的人眼進(jìn)行遮罩掩磨、簡單圖像形態(tài)學(xué)變換及橢圓擬合實現(xiàn)瞳孔中心的精確定位。測試結(jié)果表明該算法只需幾百毫秒便能完

4、成人眼檢測與瞳孔中心定位整個過程,在保證檢測速度較快的同時,還能確保較高的定位精度。2針對傳統(tǒng)線性判別分析法存在的小樣本問題(SSS),通過調(diào)整Fisher判別準(zhǔn)則,實現(xiàn)了自適應(yīng)線性判別分析算法及相應(yīng)的人臉識別方法人臉識別中的小樣本問題使線性判別分析算法的類內(nèi)散布矩陣發(fā)生嚴(yán)重退化,導(dǎo)致問題無法求解。本文在人臉識別小樣本問題的基礎(chǔ)上,通過調(diào)整Fisher判別準(zhǔn)則,利用類間散布矩陣的補(bǔ)空間巧妙地避開類內(nèi)散布矩陣的求逆運(yùn)算,通過訓(xùn)練集每類樣本的樣本數(shù)信息自適應(yīng)改變調(diào)整參數(shù),實現(xiàn)了自適應(yīng)線性判別分析算法,實驗結(jié)果表明,該算法能有效解決人臉識別中的小樣本問題。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)過高的問題。Gabor小波對圖像的光照、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),縮小了人臉特征庫的規(guī)模,同時降低了核心算法的時間和空間復(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)線性判別分析算法和基于支持向量機(jī)分類策略,提出并實現(xiàn)了基于支持向量機(jī)的嵌入式人臉識別和嵌入式人像比對系統(tǒng)支持向量機(jī)通過引入核

6、技巧對訓(xùn)練樣本進(jìn)行學(xué)習(xí)構(gòu)造最小化錯分風(fēng)險的最優(yōu)分類超平面,不僅具有強(qiáng)大的非線性和高維處理能力,而且具有更強(qiáng)的泛化能力。本文研究了支持向量機(jī)的多類分類策略和訓(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平臺中實現(xiàn)了具有較強(qiáng)魯棒性的嵌入式自動人臉識別系統(tǒng)和嵌入式人像比對系統(tǒng)。5提出并初步實現(xiàn)了基于客戶機(jī)/服務(wù)器結(jié)構(gòu)無線網(wǎng)絡(luò)模型的遠(yuǎn)距離人臉識別方案為解決嵌入式人臉識別系統(tǒng)在海量人臉庫中進(jìn)行識別的難題,論文提出并初步實現(xiàn)了基于客戶機(jī)/服務(wù)器結(jié)構(gòu)無線網(wǎng)絡(luò)模型的嵌入式遠(yuǎn)距離人臉識別方案?？蛻魴C(jī)(嵌入式平臺)完

7、成對人臉圖像的檢測、歸一化處理和人臉特征提取,然后通過無線網(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)器在海量人臉庫中完成人臉識別,并將識別后的結(jié)果通過無線網(wǎng)絡(luò)傳輸?shù)娇蛻魴C(jī)顯示輸出,從而實現(xiàn)基于客戶機(jī)/服務(wù)器無線網(wǎng)絡(luò)模型的嵌入式遠(yuǎn)距離人臉識別方案。6結(jié)合我們開發(fā)的基于ARM的嵌入式自動人臉識別系統(tǒng)和嵌入式人像比對系統(tǒng),從系統(tǒng)設(shè)計的角度探討了在嵌入式系統(tǒng)中進(jìn)行人臉識別應(yīng)用設(shè)計的思路及應(yīng)該注意的問題雖然嵌入式人臉識別系統(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別核心算法。但是,嵌入式系統(tǒng)的設(shè)計思想對嵌入式人臉識別系統(tǒng)的性能影響同樣值得重視。本文第六章重點闡述了嵌入式自動人臉識別應(yīng)

8、用系統(tǒng)的設(shè)計思路,并結(jié)合我們自主開發(fā)的嵌入式自動人臉識別系統(tǒng)和嵌入式人像比對系統(tǒng)從系統(tǒng)設(shè)計的角度探討了嵌入式人臉識別應(yīng)用系統(tǒng)設(shè)計中應(yīng)該注意的關(guān)鍵技術(shù)問題。結(jié)合本文提出的算法我們在PC上完成對人臉識別分類器的訓(xùn)練,然后在嵌入式ARM開發(fā)平臺上實現(xiàn)了嵌入式自動人臉識別、嵌入式人像比對兩個便攜式人員身份認(rèn)證系統(tǒng),經(jīng)測試運(yùn)行效果良好。所提出的人臉識別算法不僅具有一定的理論參考價值,而且對于嵌入式系統(tǒng)應(yīng)用開發(fā)、AFR應(yīng)用系統(tǒng)開發(fā)也具有一定的借鑒意義?！娟P(guān)鍵詞】：嵌入式自動人臉識別技術(shù)嵌入式人臉檢測主元分析自適應(yīng)線性判別分析Gabor人眼檢測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)位級別】：博士【學(xué)位授予年份】：2008【分類號】：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生物特征識別技術(shù)20-241.1.1人臉識別21-221.1.2指紋識別221.1.3虹膜識別22-231.1.4掌紋識別231.1.5人耳識別23-241.1.6基因(DNA)識別241.2生物特征識別技術(shù)的發(fā)展趨勢24-251.3自動人臉識別技術(shù)25-271.4人臉識別研究的意義271.5人臉識別研究的歷史與現(xiàn)狀27-301.5.1人臉識別研究簡史28-291.5.2國內(nèi)研究現(xiàn)狀29-301.6國內(nèi)

10、外常用人臉圖像數(shù)據(jù)庫30-321.7本文主要工作及組織結(jié)構(gòu)32-371.7.1主要創(chuàng)新點32-351.7.2本文的組織結(jié)構(gòu)35-37參考文獻(xiàn)37-41第二章人臉檢測和人眼定位41-722.1引言412.2人臉檢測方法41-452.2.1基于先驗知識的人臉檢測法42-432.2.2基于模板匹配的人臉檢測法432.2.3基于機(jī)器學(xué)習(xí)的人臉檢測法43-452.2.4類Haar人臉檢測法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Haar特征快速算法48-492.4基于Haar的人臉檢測

11、算法49-572.4.1簡單分類器502.4.2強(qiáng)分類器50-522.4.3級聯(lián)強(qiáng)分類器52-532.4.4分類器訓(xùn)練53-552.4.5基于Haar特征膚色模型的人臉檢測55-572.5人臉檢測效果圖572.6人眼檢測與瞳孔定位57-662.6.1傳統(tǒng)的人眼檢測方法57-592.6.2基于人臉約束的實時人眼檢測59-642.6.3人眼檢測與瞳孔定位效果圖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第三章基于線性判別子空間的人臉識別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線性判別分析法78-843.3.1Fisher鑒別準(zhǔn)則79-803.3.2線性判別分析中的小樣本問題80-823.3.3自適應(yīng)線性判別分析82-843.4實驗結(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)的人臉識別99-1265.1引言995.2統(tǒng)計學(xué)習(xí)理論99-1015.2.1期望風(fēng)險最小化準(zhǔn)則99-1005.2.2經(jīng)驗風(fēng)險最小化準(zhǔn)則1005.2.3結(jié)構(gòu)風(fēng)險最小化準(zhǔn)則100-1015.3支持向量機(jī)基本理論101-1075.3.1最優(yōu)分類超平面101-1025.3.2線性分類情況102-1055.3.3非線性支持向量105-1065.3.4核函數(shù)106-1075.4多類分類支持向量機(jī)107-1115.4.1一對多分類108-1095.4.2一對一分類109-110

14、5.4.3有向無環(huán)圖分類策略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識別性能比對114-1235.6.1測試人臉庫114-1155.6.2距離度量方法115-1165.6.3人臉識別方案設(shè)計116-1195.6.4實驗結(jié)果及分析119-1235.7本章小結(jié)123參考文獻(xiàn)123-126第六章嵌入式自動人臉識別系統(tǒng)設(shè)計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127-1286.2.2MicrosoftCE128-1296.3硬件平臺介紹129-1326.3.1PXA270微處理器:129-1306.3.2ARM開發(fā)平臺130-1326.4嵌入式人臉識別系統(tǒng)設(shè)計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嵌入式人臉識別系統(tǒng)實現(xiàn)135-1466.5.1基于視頻的嵌入式自動人臉識別135-1426.5.2嵌入式靜態(tài)人像照片比對142-1456.5.3嵌入式遠(yuǎn)距離的人臉識別方案145-1466.6軟件開發(fā)平臺的選擇146-1486.6.1宿主機(jī)軟件