基于嵌入式的人脸识别系统VIP免费

基于嵌入式的人脸识别系统摘要：本文阐述了一套基于嵌入式的人脸识别系统设计方案。该系统采用S3C2440A芯片和Ubuntu操作系统平台，通过对图像的采集和处理，实现门禁系统的智能化控制。文中详细描述了采用的人脸识别算法的系统实现过程，算法主要分为图像采集及预处理、人脸检测定位和人脸识别三部分。选取了静态背景人脸采集、归一化处理、特征点定位检测，最后对本文使用的对称Fisherface人脸识别算法的训练和实现进行了详细地阐述。关键词：嵌入式系统；人脸识别；Ubuntu.引言人脸识别作为生物特征识别技术中最为直观的一种识别方法，具有使用友好、操作隐蔽、使用简便、定位准确、经济实惠及系统扩展性好等其他生物识别技术不可替代的优势。自动人脸识别系统是集图像模式的分析、理解、分类及处理为一体的智能化系统，涉及到计算机模式识、图像处理、视觉交互、人工智能、认知科学等多门，学科，在国家安全、公共安全、人机交互、金融安全、教育科研等领域具有广阔的应用空间，如何将人脸识别技术应用于嵌入式系统也逐步成为当前研究的热门问题。1人脸识别系统技术概述人脸识别作为生物特征识别技术中最为直观的一种识别方法，具有使用友好、操作隐蔽、使用简便、定位准确、经济实惠及系统扩展性好等其他生物识别技术不可替代的优势。利用计算机进行完全自动的人脸识别却存在着许多困难，这主要表现在以下凡个方面:首先，采集的面部表情只是某一时刻的，在进行人脸识别的时候，用户的姿态表情等会随意出现，对识别造成干扰;其次，人的面貌会随着时间的变化而变化，需要对采集的人脸数控库不时更新;再次，在采集图像时，用户的发型、眼镜等装饰物会对人脸特征的提取造成遮挡;最后，光线强度、距离角度以及采集所用的硬件的参数不同，对获取的人脸特征也会造成影响。当然还有学科发展、认知能力的限制等等。早期的人脸识别技术一般都要借助某些先验知识，依赖于人的干预。目前由于计算机的软硬件的飞速发展，技术更新日新月异，高性能计算机是的人脸识别可以真正的实现机器自动识别。完整的人脸识别系统组成如图1-1所示。图1-1基于嵌入式的人脸识别系统主要功能是对采集到的图像分析和识别，其中，图像的采集和获取是实现系统功能的基础。所获取图像的质量会极大地影响系统对图像的分析和识别结果，图像传输的速度也会影响到识别的速度，这就对图像获取的硬件提出了较高的要求。图像采集首先是需要图像传感器CCD(Charge-coupledDevice，又称电荷祸合元件)，是一种半导体器件，可以将光学影像转化为数字信号，将获取的用户图像信号通过传感器转换成为计算机认可的数字信号，实现图像的存储、传输、处理和显示。由于楼宇门前的光线可以通过安装电灯等光源设备，保证了采集人脸图像时的光线要求，从而解决光照条件变化下采集困难的问题。可见光是波长介于0.4-0.7微米之间的、人眼可以感知、也是生活中最为常见光源，它的产生几乎不用什么成本。因此，图像的采集大多是在可见光光源条件下完成的。在计算机内部，可见光图像一般根据图像的表示位数分为:①二值图像，只有黑白两种颜色，0表示黑，1表示白。②灰度图像，采用0到255个共256个灰度级变化，全0表示黑色，全1表示白色。③彩色图像，最常见的是三基色(RGB)，红色、绿色、蓝色分别取0到255个单色变化，共有256*256*256种颜色，即2^24，种，我们经常说的24位增强色。当然还有32位的真彩色，因为图像的数据存储空间要求太高，图片太大，在这里不予考虑。人脸图像预处理操作主要包括图像的几何处理(文件图像的定位、导入)、几何归一化(旋转、裁切文件，统一标准)、图像灰度化技术(将彩色图像转换为灰度图像以加快处理速度)、直方图均衡化技术(调整图像的灰度分布，改善质量)、中值滤波技术(去除图像中的干扰噪声)等方面，保证人脸识别的质量。经过图像预处理之后得到的图像质量明显改善，干扰项目基本剔除，就进入到模式识别过程中很关键的一步，即特征提取。，提取的特征点的好坏将直接影响到人脸识别的质量，因为目前我们大多还是使用图像的关键特征点的像素信息来描述人脸特征。如果提取的特征对不同样本出现很大的差异性区分，...