本文選題：嵌入式系統(tǒng)　切入點(diǎn)：人臉識別　出處：《安徽理工大學(xué)》2017年碩士論文

【摘要】：隨著數(shù)字時代的到來,基于生物特征的身份識別鑒定技術(shù)越來越顯示出了其自身的價值,人臉識別作為計算機(jī)視覺和模式識別交叉領(lǐng)域的一項技術(shù),在計算機(jī)技術(shù)和模式識別技術(shù)[1]迅猛發(fā)展的背景下,強(qiáng)有力的推動了生物特征技術(shù)在安防、檢測等方面的應(yīng)用和發(fā)展。在智能門禁、布控監(jiān)控、身份鑒別、機(jī)密安全保護(hù)等方面有著極其典型的應(yīng)用。并且近些年來,嵌入式系統(tǒng)以其功能齊全、安全可靠、價格低廉、體積小、功耗低等的優(yōu)勢,以貼近生活、以實際應(yīng)用為核心的特點(diǎn),越來越廣泛的應(yīng)用到了各個領(lǐng)域。本設(shè)計針對圖像采集易受光照、人臉旋轉(zhuǎn)等因素影響,精確算法計算耗時過長等存在的現(xiàn)有問題,提出了使用通用的形變模型來表示人臉特征輪廓,逐步求精的辦法對局部區(qū)域進(jìn)行探測、采集、處理,增加其抗干擾性,利用全局和局部特征相結(jié)合的辦法進(jìn)一步提高人臉識別的效率,較好的提升該設(shè)計對待識別處理圖像的各種變換情況的應(yīng)對能力。通常情況下,在采集圖像時容易受到光照、距離、角度等多方面的干擾,大大增加了人臉識別的難度,此時就需要對圖像進(jìn)行預(yù)處理。本設(shè)計在圖像預(yù)處理環(huán)節(jié)采用了圖像的幾何處理,使得人臉部分得以精確定位和導(dǎo)入;使用幾何歸一化處理方式,對圖像進(jìn)行旋轉(zhuǎn)、裁剪以達(dá)到統(tǒng)一的標(biāo)準(zhǔn);灰度化處理,人臉邊緣能量函數(shù)模型的構(gòu)建、運(yùn)用使得更容易區(qū)分出圖像背景與人臉區(qū)域的部分,加快處理的速度;通過運(yùn)用直方圖均衡化技術(shù)調(diào)節(jié)圖像的灰度分布,有效的提高圖像的質(zhì)量;并利用中值濾波技術(shù)去除圖像中的噪聲干擾,進(jìn)一步保證識別圖像的質(zhì)量。進(jìn)行了首要環(huán)節(jié)的預(yù)處理之后,進(jìn)入第二階段:在特征提取環(huán)節(jié),通過比較選取合適的提取方法(例如:K-L變換方法、小波變換方法、Harr特征提取方法等);在分類環(huán)節(jié),在設(shè)定的條件之下,將特征空間劃分為類型空間,又因為模式識別系統(tǒng)必然需要一個學(xué)習(xí)的過程,通過樣本特征的變化對分類功能自動調(diào)節(jié),也就是分類器的訓(xùn)練。因此,為了保證分類器對正確識別率的要求,設(shè)置了相應(yīng)的判決規(guī)則。通過參考識別結(jié)果,并經(jīng)歷連續(xù)輸入一個修正后參數(shù)的正反饋過程,直到符合實際識別的要求為止。在識別算法方面,比較各種主流識別算法(例如:主成分分析法等),選定基于全局特征和局部特征的主成分分析法作為本設(shè)計的識別方法。針對實際的需求,本設(shè)計研究了人臉識別算法在ARM開發(fā)板嵌入式設(shè)備上的應(yīng)用,采用S3C2440A芯片和Ubuntu操作系統(tǒng)平臺,利用ARM板上的攝像頭對人臉進(jìn)行識別檢測,結(jié)合本設(shè)計所提出的改進(jìn)算法,在PC機(jī)上實現(xiàn)對人臉識別分類器的分類訓(xùn)練,利用網(wǎng)絡(luò)傳輸?shù)姆绞桨延?xùn)練后符合實際要求的分類器傳輸?shù)紸RM的開發(fā)板中,進(jìn)行實地檢驗,根據(jù)測試結(jié)果分析得出本設(shè)計在一定程度上提高了人臉識別的效率,具有重要的實際意義。
[Abstract]:With the advent of the digital age, biometric identification technology has shown its own value more and more. As a cross field of computer vision and pattern recognition, face recognition is a technology.Under the background of the rapid development of computer technology and pattern recognition technology, biometric technology has been strongly promoted in the security, detection and other aspects of the application and development.Intelligent access control, distribution monitoring, identity authentication, secret security protection and other aspects have a very typical application.And in recent years, the embedded system, with its advantages of complete function, security and reliability, low price, small volume and low power consumption, has been more and more widely used in various fields with the characteristics of close to life and taking practical application as the core.Aiming at the existing problems of image acquisition which are easily affected by illumination, face rotation and so on, and the precise algorithm takes too long to calculate, a general deformation model is proposed to represent the feature contour of the face.The method of gradual refinement is used to detect, collect, process, increase the anti-interference of local area, and further improve the efficiency of face recognition by using the combination of global and local features.It can improve the ability of the design to deal with the transformation of the image.In general, it is easy to be interfered by illumination, distance, angle and so on when collecting images, which greatly increases the difficulty of face recognition. At this time, it is necessary to preprocess the image.The construction of the energy function model of face edge makes it easier to distinguish the part of the image background from the face region, and the processing speed is accelerated. The histogram equalization technique is used to adjust the gray distribution of the image.It can effectively improve the image quality, and use median filter technology to remove the noise interference in the image to further ensure the quality of the recognition image.After the preprocessing of the first step, we enter the second stage: in the feature extraction stage, by comparing and selecting the appropriate extraction methods (such as: K-L transform method, wavelet transform method, Harr feature extraction method, etc.)Under the set conditions, the feature space is divided into type space, and because the pattern recognition system must need a learning process, the classification function is automatically adjusted by the change of sample features, that is, the training of classifier.Therefore, in order to meet the requirements of the classifier for correct recognition rate, the corresponding decision rules are set up.By referring to the recognition results and going through a continuous positive feedback process of input a modified parameter until the actual recognition requirements are met.In the aspect of recognition algorithms, we compare all kinds of mainstream recognition algorithms (such as principal component analysis, etc.) and choose the principal component analysis based on global and local features as the recognition method of this design.According to the actual demand, this paper designs and studies the application of face recognition algorithm in the embedded device of ARM development board. It uses S3C2440A chip and Ubuntu operating system platform, and uses the camera on ARM board to detect face recognition.Combined with the improved algorithm proposed in this design, the classification training of face recognition classifier is realized on PC, and the classifier that meets the actual requirements is transferred to the ARM development board by network transmission, and the field test is carried out.According to the analysis of test results, this design improves the efficiency of face recognition to a certain extent and has important practical significance.
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;奧運(yùn)前 北京500家商場將裝人臉識別系統(tǒng)[J];中國安防產(chǎn)品信息;2006年04期

2 ;我國研制成功嵌入式人臉識別系統(tǒng)[J];今日電子;2006年01期

3 高翔;張薇娟;;人臉識別系統(tǒng)的構(gòu)建[J];瓊州學(xué)院學(xué)報;2010年05期

4 劉爽;;嵌入式人臉識別系統(tǒng)的設(shè)計與實現(xiàn)[J];微電子學(xué)與計算機(jī);2012年03期

5 本刊記者;;鐵路站車人臉識別系統(tǒng)專題研討會在京召開[J];中國鐵路;2012年03期

6 劉任平;韓先鋒;方英蘭;侯瑞真;;擬人機(jī)器人人臉識別系統(tǒng)研究[J];計算機(jī)時代;2012年12期

7 ;行者人臉識別系統(tǒng)[J];智能建筑;2005年05期

8 陳春光;;淺談對人臉識別系統(tǒng)的認(rèn)識[J];廣西師范學(xué)院學(xué)報(哲學(xué)社會科學(xué)版);2010年S2期

9 ;ATM識疑犯,市民有擔(dān)心[J];中國計算機(jī)用戶;2006年32期

10 錢煒;;直擊北京奧運(yùn)人臉識別系統(tǒng)爭議謎團(tuán)[J];今日科苑;2007年13期

相關(guān)會議論文 前3條

1 張永梅;韓焱;王秀娟;;人臉識別系統(tǒng)的研究與實現(xiàn)[A];2005年全國理論計算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2005年

2 王輝麟;安然;;鐵路車站人臉識別系統(tǒng)的研究與應(yīng)用[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通應(yīng)用[C];2012年

3 苗振偉;紀(jì)偉;許勇;楊軍;;一種新型的超聲波人臉識別系統(tǒng)[A];2008年全國聲學(xué)學(xué)術(shù)會議論文集[C];2008年

相關(guān)重要報紙文章 前10條

1 記者 侯靜;我人臉識別系統(tǒng)在國際權(quán)威評測中成績領(lǐng)先[N];科技日報;2007年

2 杜濤;人臉識別系統(tǒng)為奧運(yùn)把關(guān)[N];人民日報海外版;2007年

3 程義峰;奧運(yùn)人臉識別系統(tǒng),將能速認(rèn)“危險人物”[N];新華每日電訊;2007年

4 本版編輯邋曾雨 康翔;人臉識別結(jié)緣奧運(yùn)[N];計算機(jī)世界;2007年

5 本報記者 陳靜;網(wǎng)易人臉識別系統(tǒng)取得突破[N];中國證券報;2011年

6 本報記者 袁一雪;人臉識別系統(tǒng)——1秒鐘找出罪犯[N];北京科技報;2005年

7 記者　侯莎莎;清理不法人員首用人臉識別系統(tǒng)[N];北京日報;2006年

8 楊霞清;奧運(yùn)安保系統(tǒng)建成 人臉識別系統(tǒng)亮相[N];計算機(jī)世界;2007年

9 本報記者 錢煒;直擊人臉識別系統(tǒng)爭議謎團(tuán)[N];科技日報;2007年

10 祁萌;廣東鉑亞：開發(fā)自有產(chǎn)品重在時機(jī)[N];電腦商報;2011年

相關(guān)碩士學(xué)位論文 前10條

1 姚運(yùn)龍;基于Anaconda-CL卡的人臉識別系統(tǒng)構(gòu)建研究與實現(xiàn)[D];昆明理工大學(xué);2015年

2 翟娟紅;基于SIFT的分塊加權(quán)人臉識別系統(tǒng)研究[D];長安大學(xué);2015年

3 夏尊龍;基于ZYNQ的人臉識別系統(tǒng)研究[D];大連海事大學(xué);2015年

4 葉勝斌;基于DSP的人臉識別系統(tǒng)的研究與設(shè)計[D];燕山大學(xué);2015年

5 王京;基于LPP算法的人臉識別系統(tǒng)的研究與實現(xiàn)[D];東北大學(xué);2013年

6 張碩碩;人臉識別系統(tǒng)及關(guān)鍵算法研究[D];電子科技大學(xué);2015年

7 黃鑫材;復(fù)雜環(huán)境下的人臉識別系統(tǒng)研究[D];浙江工業(yè)大學(xué);2015年

8 丁衛(wèi)兵;基于視頻的實時人臉識別系統(tǒng)研究與實現(xiàn)[D];杭州電子科技大學(xué);2015年

9 孫小姣;基于嵌入式的人臉檢測和識別系統(tǒng)的應(yīng)用研究[D];西安工程大學(xué);2016年

10 邢永生;人臉識別系統(tǒng)的研究與開發(fā)[D];吉林大學(xué);2016年

，

本文編號：1716737