目前前沿的深度學(xué)習(xí)人臉識(shí)別系統(tǒng)對(duì)于硬件要求比較高,不適用低配的嵌入式設(shè)備。而嵌入式技術(shù)的應(yīng)用,算法的改進(jìn)研究,有利于嵌入式人臉識(shí)別系統(tǒng)的高效和靈活的利用。本文主要工作如下:1.深入探討在嵌入式設(shè)備上實(shí)現(xiàn)人臉檢測(cè)和人臉識(shí)別部分常用算法的研究。人臉檢測(cè)中重點(diǎn)分析了兩個(gè)主要的分類器,Haar分類器和LBP分類器的原理以及最終選取級(jí)聯(lián)強(qiáng)分類器來(lái)進(jìn)行人臉檢測(cè)。人臉識(shí)別中除了分析PCA算法、LDA算法、LBP算法外,使用改進(jìn)LBP算子思想,即用旋轉(zhuǎn)不變的LBP算子和分塊加權(quán)的LBP算子相結(jié)合來(lái)完成人臉識(shí)別系統(tǒng)。2.對(duì)于人臉識(shí)別系統(tǒng)硬件的選取以及軟件環(huán)境的搭建進(jìn)行重點(diǎn)介紹,這些軟硬件環(huán)境是人臉識(shí)別系統(tǒng)的設(shè)計(jì)的基礎(chǔ),是完成該項(xiàng)目的重要保障。硬件選取的是ARM系列的Cortex-A9架構(gòu)的開發(fā)板,軟件開發(fā)環(huán)境的搭建,完成了交叉編譯、Opencv移植和QT移植等。3.著重分析了嵌入式平臺(tái)上人臉檢測(cè)和識(shí)別的原理與方法以及軟硬件的設(shè)計(jì)。在嵌入式軟件系統(tǒng)設(shè)計(jì)上主要分為四個(gè)模塊。它們分別是基于QT圖形用戶界面的開發(fā)、基于V4L視頻的采集與實(shí)現(xiàn)、利用Haar+Adaboost級(jí)聯(lián)分類器進(jìn)行人臉檢測(cè)和利用局部融合的L... 

【文章來(lái)源】：福州大學(xué)福建省 211工程院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【圖文】：

圖２－１特征板??

原始圖像?

１１１?３６９??圖２－２原始圖像數(shù)據(jù)?圖２－３積分圖像數(shù)據(jù)??Ａ?Ｂ???ｒ一２??Ｃ?Ｄ??３?４??圖２－４特征值計(jì)算??總結(jié)以上，計(jì)算矩陣特征值的結(jié)果，其積分圖取決于其此特征矩形的端點(diǎn)，??只要遍歷以此樣本圖像就可以快速求解出所有區(qū)域像素和這樣省去了后期的??很多計(jì)算量，大大提高其計(jì)算速度。??使用Ａｄａｂｏｏｓｔ算法［４４］在兩個(gè)不同的樣本集，即人臉樣本集和非人臉樣本集，??分別訓(xùn)練弱學(xué)習(xí)算法，迭代構(gòu)建強(qiáng)學(xué)習(xí)算法。其算法就是選取有效Ｈａａｒ特征，??以此組建檢測(cè)器。單個(gè)弱分類器的公式可以定義如下（２－３）：??公式（２－３）??式（２－３）中，弱分類器的值用／ｚ，（ｘ）來(lái)表征，有人臉的特征用１表征，否則??用０表征。八表征方向，特征值為／，（ｘ），６＞，是認(rèn)為設(shè)置的閾值。??（１）訓(xùn)練樣本中的人臉圖像有ｎ張，則訓(xùn)練的數(shù)據(jù)集表示為??｛（々


本文編號(hào)：2896714