本文選題：ZYNQ + 人臉檢測�。� 參考：《西安郵電大學(xué)》2017年碩士論文

【摘要】：隨著我國經(jīng)濟的快速發(fā)展,居民生活水平的不斷提高和安全意識的加強,人們對安防及安全防范系統(tǒng)的認(rèn)識也越發(fā)深入�，F(xiàn)有安防系統(tǒng)主要以視頻監(jiān)控為主,通常是將攝像頭的輸出信息進行保存,然后人工對視頻信息進行排查和瀏覽。這種人工處理的方法必然會引發(fā)系統(tǒng)異常,導(dǎo)致系統(tǒng)無法及時發(fā)出預(yù)警信息。這就使得監(jiān)控系統(tǒng)迫切需要一種快速、非接觸式的身份識別技術(shù),該技術(shù)能夠?qū)Σ杉降囊曨l圖像進行自行分析,確認(rèn)圖像中人員的身份信息,并將異常及時發(fā)送給安保人員,從而避免非安全事件的發(fā)生。本文結(jié)合人臉識別技術(shù),研究基于ZYNQ的智能監(jiān)控系統(tǒng)關(guān)鍵技術(shù),為實現(xiàn)智能監(jiān)控系統(tǒng)奠定理論基礎(chǔ)。對于智能監(jiān)控系統(tǒng)中關(guān)鍵技術(shù),本文主要研究內(nèi)容如下:(1)提出基于LBP和AdaBoost的人臉檢測算法。針對背景復(fù)雜、光照不均勻等外界因素所導(dǎo)致的人臉檢測率較低的問題進行了改進,實驗結(jié)果顯示該算法對外界因素具有很強適應(yīng)性;(2)提出基于 LBP(Local Binary Pattern,局部二值模式)和 PCA(Principle Compon-entAnalysis,主成分分析法)的支持向量機人臉識別算法。為了盡可能保留人臉圖像的細(xì)節(jié)信息,在提取人臉特征之前對人臉圖像進行分塊處理。隨著人臉分塊數(shù)的增加,人臉特征向量的維數(shù)將會逐步提升,這將會導(dǎo)致后期訓(xùn)練和識別時間過長,針對這一問題本文采用PCA算法對特征向量進行降維處理,從而降低訓(xùn)練和識別時間。本文采用LBP算子提取人臉特征,使得所提算法對光照和復(fù)雜背景等外界因素有很強的魯棒性;(3)針對在嵌入式平臺運行人臉檢測算法實時性差的問題,提出一種硬件加速方法,將圖像預(yù)處理和人臉檢測算法在ZYNQ架構(gòu)的FPGA中進行硬件加速,結(jié)果顯示經(jīng)過硬件加速后人臉檢測的平均時間可以達(dá)到12ms。本文主要研究了人臉檢測和人臉識別算法及在智能監(jiān)控系統(tǒng)中的應(yīng)用,針對人臉識別算法實時性差和識別率低的問題進行了深入研究,并提出新的方法。本文采用軟硬件協(xié)同的設(shè)計思路對智能監(jiān)控的原型系統(tǒng)進行了實現(xiàn),經(jīng)實驗驗證,該原型系統(tǒng)達(dá)到預(yù)期目標(biāo)。
[Abstract]:With the rapid development of economy, the improvement of living standard and the strengthening of safety consciousness, people have a deeper understanding of security and safety prevention system. The existing security systems mainly focus on video surveillance, usually save the output information of the camera, and then manually search and browse the video information. This manual processing method will inevitably cause system anomalies, resulting in the system can not send out early warning information in time. This makes the monitoring system urgently need a fast, contactless identification technology, which can analyze the collected video images, confirm the identity information of the people in the images, and send the abnormal information to the security personnel in time. In order to avoid the occurrence of unsafe events. In this paper, the key technologies of intelligent monitoring system based on ZYNQ are studied in combination with face recognition technology, which lays a theoretical foundation for the realization of intelligent monitoring system. For the key technology of intelligent monitoring system, the main contents of this paper are as follows: 1) A face detection algorithm based on LBP and AdaBoost is proposed. Aiming at the problem of low detection rate caused by external factors such as complex background, uneven illumination and so on, the paper improves the performance of face detection. Experimental results show that the algorithm has a strong adaptability to external factors. (2) A face recognition algorithm based on LBP(Local Binary pattern (local binary mode) and PCA(Principle component analysis (principal component analysis) is proposed. In order to preserve the details of the face image as much as possible, the face image is processed in blocks before extracting the features of the face. With the increase of the number of face blocks, the dimension of face feature vector will be gradually increased, which will lead to the late training and recognition time is too long. In this paper, PCA algorithm is used to reduce the dimension of the feature vector. Thus reducing the training and identification time. In this paper, LBP operator is used to extract face features, which makes the proposed algorithm robust to external factors such as illumination and complex background. Aiming at the problem of poor real-time performance of face detection algorithm running on embedded platform, a hardware acceleration method is proposed. The hardware acceleration of image preprocessing and face detection algorithm in FPGA based on ZYNQ architecture shows that the average time of face detection can reach 12 Ms after hardware acceleration. In this paper, the algorithms of face detection and face recognition and its application in intelligent monitoring system are studied. The problems of poor real-time and low recognition rate of face recognition algorithm are studied deeply, and a new method is proposed. In this paper, the prototype system of intelligent monitoring is implemented by using the idea of hardware and software co-design. The experimental results show that the prototype system achieves the expected goal.
【學(xué)位授予單位】：西安郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;TP277

【相似文獻】

相關(guān)期刊論文 前10條

1 張金革;;公安監(jiān)所智能監(jiān)控開發(fā)與應(yīng)用策略研究[J];警察技術(shù);2014年02期

2 范建福;;智能監(jiān)控技術(shù)在大空間倉儲中的應(yīng)用研究[J];企業(yè)技術(shù)開發(fā);2014年02期

3 ;山特電偵探——智能監(jiān)控網(wǎng)絡(luò)環(huán)境[J];電腦;1997年03期

4 孫代緒,溫殿英,曹作良;分餾生產(chǎn)過程穩(wěn)定性的評價及其智能監(jiān)控的開發(fā)[J];天津理工學(xué)院學(xué)報;2002年03期

5 ;地鐵環(huán)境智能監(jiān)控[J];每周電腦報;2004年09期

6 周杰;梁篤國;;智能監(jiān)控在上海世博會中的應(yīng)用探討[J];電信科學(xué);2009年11期

7 侯震;楊建華;唐忠林;;某型陀螺儀馬達(dá)電源智能監(jiān)控裝置設(shè)計[J];工業(yè)儀表與自動化裝置;2010年06期

8 孫冬青;;綜合智能監(jiān)控系統(tǒng)概述[J];電視技術(shù);2012年08期

9 ;物聯(lián)云智能監(jiān)控聯(lián)合實驗室成立[J];高科技與產(chǎn)業(yè)化;2012年08期

10 徐勝;瞿國慶;袁輝;;基于物聯(lián)網(wǎng)的渣土車環(huán)保運輸智能監(jiān)控裝置設(shè)計[J];儀表技術(shù);2013年11期

相關(guān)會議論文 前10條

1 黃天發(fā);王景國;曹偉軍;;高速公路智能監(jiān)控應(yīng)急系統(tǒng)[A];2007年全國第十六屆十三�。ㄊ校┕鈱W(xué)學(xué)術(shù)會議論文集[C];2007年

2 余瑾;姚燕;李忠明;;消防巡檢智能監(jiān)控實驗系統(tǒng)[A];北京高教學(xué)會實驗室工作研究會2009年學(xué)術(shù)研討會論文集[C];2009年

3 羅忠孟;鄧成中;張永相;;發(fā)展預(yù)應(yīng)力張拉系統(tǒng)智能監(jiān)控技術(shù)的探討[A];第一屆全國流體動力及控制工程學(xué)術(shù)會議論文集（第二卷）[C];2000年

4 羅坤明;黃道平;朱學(xué)峰;黎景棠;黃湘云;;蒸餾裝置智能監(jiān)控與事故預(yù)報系統(tǒng)[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

5 趙紅軍;;智能監(jiān)控中非防護異常的檢測[A];中國自動化學(xué)會、中國儀器儀表學(xué)會2004年西南三省一市自動化與儀器儀表學(xué)術(shù)年會論文集[C];2004年

6 范躍祖;李俊韜;張海;;道路交叉口智能監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究[A];第一屆中國智能交通年會論文集[C];2005年

7 曾楊;;工程機械智能監(jiān)控信息系統(tǒng)[A];智能制造技術(shù)研發(fā)及應(yīng)用——第十三屆海峽兩岸機械工程技術(shù)交流會論文集[C];2010年

8 曲琦;孟德祿;李文斌;孫小鵬;;三級護線智能監(jiān)控管理系統(tǒng)開發(fā)與應(yīng)用[A];山東電機工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

9 譚黎;武林;楊玉芳;;ZigBee技術(shù)在農(nóng)田智能監(jiān)控中的應(yīng)用研究[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

10 李華敏;張志本;袁鑫昌;;基于IMS架構(gòu)的智能監(jiān)控的設(shè)計與實現(xiàn)[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（下冊）[C];2007年

相關(guān)重要報紙文章 前10條

1 記者 陳志剛;甘肅將在邊界道路安裝智能監(jiān)控設(shè)備[N];人民公安報;2011年

2 曹英華;標(biāo)準(zhǔn)缺失制約智能監(jiān)控市場發(fā)展[N];人民郵電;2012年

3 鮑衛(wèi)文　陳增;江西宜春建設(shè)工程實施智能監(jiān)控[N];中國建設(shè)報;2009年

4 通訊員 朱啟法;特種作業(yè)車實現(xiàn)智能監(jiān)控[N];大慶日報;2012年

5 本報記者 宋顯暉;“智能監(jiān)控”廣泛用于全國重大工程[N];珠海特區(qū)報;2012年

6 通訊員 周興程;長江高科智能監(jiān)控電纜填補國內(nèi)空白[N];三峽日報;2009年

7 本報記者 鄧健;智能監(jiān)控與應(yīng)急機制立體融合[N];計算機世界;2008年

8 本報記者 許政;南京：全市近六成路口可抓拍“加塞”[N];人民公安報·交通安全周刊;2014年

9 于尚民;3G高效機房始于智能監(jiān)控電源[N];通信產(chǎn)業(yè)報;2009年

10 本報記者 王華;借交通智能監(jiān)控管理平臺杜絕公交“霸王車”[N];貴陽日報;2010年

相關(guān)博士學(xué)位論文 前1條

1 鐘志;基于異常行為辨識的智能監(jiān)控技術(shù)研究[D];上海交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 楊鵬;基于計算機視覺的水面智能監(jiān)控研究[D];貴州民族大學(xué);2015年

2 鄭伶俊;大型框架式液壓機智能監(jiān)控與維護系統(tǒng)設(shè)計[D];南京理工大學(xué);2015年

3 董洋;家庭智能監(jiān)控機器人的設(shè)計與研究[D];沈陽理工大學(xué);2015年

4 何諧;基于DSP優(yōu)化的行人識別算法在智能監(jiān)控中的研究與應(yīng)用[D];電子科技大學(xué);2014年

5 羅海偉;基于.Net的貨運列車智能監(jiān)控管理平臺設(shè)計與實現(xiàn)[D];南京大學(xué);2014年

6 鄒曉陽;金融網(wǎng)點智能視頻監(jiān)控技術(shù)的研究[D];遼寧科技大學(xué);2015年

7 肖國豐;昆山公交智能監(jiān)控項目風(fēng)險分析及后評價[D];南京郵電大學(xué);2015年

8 何世偉;智能監(jiān)控告警系統(tǒng)的研究與應(yīng)用[D];東華大學(xué);2016年

9 李振宇;基于多源智能監(jiān)控視頻分析技術(shù)的人員分布模型研究[D];山東建筑大學(xué);2016年

10 張京;智能監(jiān)控中行人序列檢索關(guān)鍵技術(shù)研究[D];安徽大學(xué);2016年

，

本文編號：1883702