基于ARM架构的嵌入式人脸识别技术研究

1、基于ARM架构的嵌入式人脸识别技术研究【摘要】：嵌入式人脸识别系统建立在嵌入式操作系统和嵌入式硬件系统平台之上,具有起点高、概念新、实用性强等特点。它涉及嵌入式硬件设计、嵌入式操作系统应用开发、人脸识别算法等领域的研究;嵌入式人脸识别系统携带方便、安装快捷、机动性强,可广泛应用于各类门禁系统、户外机动布控的实时监测等特殊场合,因此对嵌入式人脸识别的研究工作具有突出的理论意义和广泛的应用前景。本文是上海市经委创新研究项目射频识别RFID系统-自动识别和记录人群的身份(编号:04-11-2)与上海市科委AM基金项目基于ARM和RFID芯片的自组织安全监控系统的研制(编号:0512)的主要研究内容之

2、一。论文从构建自动人脸识别系统所需解决的若干关键问题入手,重点探讨了基于嵌入式ARM微处理器的实时人脸检测、关键特征定位、高效的人脸特征描述、鲁棒的人脸识别分类器及自动人脸识别系统设计等问题的研究。论文的主要工作和创新点表现在以下方面:1实现了结合肤色校验的Haar特征级联分类器嵌入式实时人脸检测,提出了基于人脸约束的人眼Haar特征RSVM级联分类器人眼检测算法和基于遮罩掩磨与椭圆拟合的瞳孔定位算法。复杂背景中的人脸检测是自动人脸识别系统首先要解决的关键问题,通过对基于肤色模型和基于Haar特征级联强分类器的人脸检测算法的分析研究,综合两个算法的优点,提出了基于肤色模型校验和Haar特征级联

3、强分类器的嵌入式实时人脸检测算法。实验结果表明,该算法不仅解决了复杂背景中的类肤色和类人脸结构问题,而且具有较高的检测率和较快的检测速度,同时对光照、尺度等变化条件下的人脸检测也具有较强的鲁棒性。人眼检测与瞳孔定位在人脸归一化和有效人脸特征抽取等方面起着非常重要的作用,为了快速检测人眼并精确定位人眼瞳孔中心,论文提出了基于人脸约束的人眼Haar特征RSVM级联分类器人眼检测算法和基于遮罩掩磨与椭圆拟合的瞳孔定位算法,首先利用人眼检测分类器在人脸区域内完成对人眼位置的检测,然后通过对检测到的人眼进行遮罩掩磨、简单图像形态学变换及椭圆拟合实现瞳孔中心的精确定位。测试结果表明该算法只需几百毫秒便能完

4、成人眼检测与瞳孔中心定位整个过程,在保证检测速度较快的同时,还能确保较高的定位精度。2针对传统线性判别分析法存在的小样本问题(SSS),通过调整Fisher判别准则,实现了自适应线性判别分析算法及相应的人脸识别方法人脸识别中的小样本问题使线性判别分析算法的类内散布矩阵发生严重退化,导致问题无法求解。本文在人脸识别小样本问题的基础上,通过调整Fisher判别准则,利用类间散布矩阵的补空间巧妙地避开类内散布矩阵的求逆运算,通过训练集每类样本的样本数信息自适应改变调整参数,实现了自适应线性判别分析算法,实验结果表明,该算法能有效解决人脸识别中的小样本问题。3提出了基于有效人脸区域的Gabor特征抽取

5、算法,有效地解决了Gabor特征抽取维数过高的问题。Gabor小波对图像的光照、尺度变化具有较强鲁棒性,是一种良好的人脸特征表征方法。但维数过高的Gabor特征造成应用系统的维数灾难,为解决Gabor特征的维数灾难问题,论文第四章提出了基于有效人脸区域的Gabor特征抽取算法,该算法不仅有效地降低了人脸特征向量维数,缩小了人脸特征库的规模,同时降低了核心算法的时间和空间复杂度,而且具有与传统Gabor特征抽取算法同样的鲁棒性。4结合有效人脸区域的Gabor特征抽取、自适应线性判别分析算法和基于支持向量机分类策略,提出并实现了基于支持向量机的嵌入式人脸识别和嵌入式人像比对系统支持向量机通过引入核

6、技巧对训练样本进行学习构造最小化错分风险的最优分类超平面,不仅具有强大的非线性和高维处理能力,而且具有更强的泛化能力。本文研究了支持向量机的多类分类策略和训练方法,并结合论文中提出的基于有效人脸区域的Gabor特征提取算法、自适应线性判别分析算法,首次在基于WindowsCE操作系统的嵌入式ARM平台中实现了具有较强鲁棒性的嵌入式自动人脸识别系统和嵌入式人像比对系统。5提出并初步实现了基于客户机/服务器结构无线网络模型的远距离人脸识别方案为解决嵌入式人脸识别系统在海量人脸库中进行识别的难题,论文提出并初步实现了基于客户机/服务器结构无线网络模型的嵌入式远距离人脸识别方案。客户机(嵌入式平台)完

7、成对人脸图像的检测、归一化处理和人脸特征提取,然后通过无线网络将提取后的人脸特征数据传输到服务器端,由服务器在海量人脸库中完成人脸识别,并将识别后的结果通过无线网络传输到客户机显示输出,从而实现基于客户机/服务器无线网络模型的嵌入式远距离人脸识别方案。6结合我们开发的基于ARM的嵌入式自动人脸识别系统和嵌入式人像比对系统,从系统设计的角度探讨了在嵌入式系统中进行人脸识别应用设计的思路及应该注意的问题虽然嵌入式人脸识别系统的性能很大程度上取决于高效的人脸特征描述和鲁棒的人脸识别核心算法。但是,嵌入式系统的设计思想对嵌入式人脸识别系统的性能影响同样值得重视。本文第六章重点阐述了嵌入式自动人脸识别应

8、用系统的设计思路,并结合我们自主开发的嵌入式自动人脸识别系统和嵌入式人像比对系统从系统设计的角度探讨了嵌入式人脸识别应用系统设计中应该注意的关键技术问题。结合本文提出的算法我们在PC上完成对人脸识别分类器的训练,然后在嵌入式ARM开发平台上实现了嵌入式自动人脸识别、嵌入式人像比对两个便携式人员身份认证系统,经测试运行效果良好。所提出的人脸识别算法不仅具有一定的理论参考价值,而且对于嵌入式系统应用开发、AFR应用系统开发也具有一定的借鉴意义。【关键词】：嵌入式自动人脸识别技术嵌入式人脸检测主元分析自适应线性判别分析Gabor人眼检测瞳孔定位支持向量机嵌入式操作系统PXA270ARM【学位授予单位

9、】：华东师范大学【学位级别】：博士【学位授予年份】：2008【分类号】：TP391.41【目录】：中文摘要6-9Abstract9-12目录12-17图表目录17-20第一章绪论20-411.1生物特征识别技术20-241.1.1人脸识别21-221.1.2指纹识别221.1.3虹膜识别22-231.1.4掌纹识别231.1.5人耳识别23-241.1.6基因(DNA)识别241.2生物特征识别技术的发展趋势24-251.3自动人脸识别技术25-271.4人脸识别研究的意义271.5人脸识别研究的历史与现状27-301.5.1人脸识别研究简史28-291.5.2国内研究现状29-301.6国内

10、外常用人脸图像数据库30-321.7本文主要工作及组织结构32-371.7.1主要创新点32-351.7.2本文的组织结构35-37参考文献37-41第二章人脸检测和人眼定位41-722.1引言412.2人脸检测方法41-452.2.1基于先验知识的人脸检测法42-432.2.2基于模板匹配的人脸检测法432.2.3基于机器学习的人脸检测法43-452.2.4类Haar人脸检测法452.3Haar函数及Haar变换45-492.3.1Haar函数系定义462.3.2Haar变换462.3.3人脸Haar特征提取46-482.3.4人脸类Haar特征快速算法48-492.4基于Haar的人脸检测

11、算法49-572.4.1简单分类器502.4.2强分类器50-522.4.3级联强分类器52-532.4.4分类器训练53-552.4.5基于Haar特征肤色模型的人脸检测55-572.5人脸检测效果图572.6人眼检测与瞳孔定位57-662.6.1传统的人眼检测方法57-592.6.2基于人脸约束的实时人眼检测59-642.6.3人眼检测与瞳孔定位效果图64-662.7图像几何归一化66-672.8本章小结67-68参考文献68-72第三章基于线性判别子空间的人脸识别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线性判别分析法78-843.3.1Fisher鉴别准则79-803.3.2线性判别分析中的小样本问题80-823.3.3自适应线性判别分析82-843.4实验结果843.5本章小结84参考文献84-86第四章Gabor滤波器与人脸Gabor特征提取86-994.1引言864.2二维Gabor变换86-884.3Gabor核函数的参数选择88-914.3.1参数的选择88-894.3.2参数的意义89-914.4二维Gabor滤波器的图像响应特性91-934.4.1边缘响应特性91-924.4.2位置响应特性92-934.5Gabor特征提取93-974.5.1人脸Gabor特

13、征提取93-944.5.2人脸有效区域Gabor特征抽取算法94-974.6本章小结97-98参考文献98-99第五章基于支持向量机的人脸识别99-1265.1引言995.2统计学习理论99-1015.2.1期望风险最小化准则99-1005.2.2经验风险最小化准则1005.2.3结构风险最小化准则100-1015.3支持向量机基本理论101-1075.3.1最优分类超平面101-1025.3.2线性分类情况102-1055.3.3非线性支持向量105-1065.3.4核函数106-1075.4多类分类支持向量机107-1115.4.1一对多分类108-1095.4.2一对一分类109-110

14、5.4.3有向无环图分类策略110-1115.5支持向量机训练算法111-1145.5.1块算法111-1125.5.2分解算法1125.5.3序贯最小优化算法112-1145.6识别性能比对114-1235.6.1测试人脸库114-1155.6.2距离度量方法115-1165.6.3人脸识别方案设计116-1195.6.4实验结果及分析119-1235.7本章小结123参考文献123-126第六章嵌入式自动人脸识别系统设计126-1696.1引言126-1276.2嵌入式操作系统127-1296.2.1嵌入式操作系统的特点127-1286.2.2MicrosoftCE128-1296.3硬件平台介绍129-1326.3.1PXA270微处理器:129-1306.3.2ARM开发平台130-1326.4嵌入式人脸识别系统设计132-1356.4.1核心算法的选择132-1336.4.2系统工作环境133-1346.4.3成像设备的选择1346.4.4训练集的构建134-1356.5嵌入式人脸识别系统实现135-1466.5.1基于视频的嵌入式自动人脸识别135-1426.5.2嵌入式静态人像照片比对142-1456.5.3嵌入式远距离的人脸识别方案145-1466.6软件开发平台的选择146-1486.6.1宿主机软件