基于嵌入式智能監(jiān)控系統(tǒng)的人臉識別研究.pdf

1、自動人臉識別技術涉及圖像處理、模式識別、計算機視覺、神經網(wǎng)絡等多門學科，是一個富有挑戰(zhàn)性的課題。嵌入式智能監(jiān)控的人臉識別研究是建立在嵌入式操作系統(tǒng)和嵌入式硬件平臺之上的，具有起點高、概念新、實用性強等特點。 在實際監(jiān)控中，人臉識別會受到光照、姿態(tài)變化等影響，目前識別精度和識別速率仍難以滿足人們的預期要求。本文深入研究了嵌入式智能監(jiān)控系統(tǒng)中魯棒的人臉特征描述和高效的人臉識別核心算法。 首先，介紹了嵌入式Linux操作系統(tǒng)和

2、GM8180硬件平臺架構，探討了嵌入式人臉識別系統(tǒng)設計中的關鍵問題；由于嵌入式硬件資源受限，不能只注重高識別率，還需要考慮算法復雜度，因此本文采用復雜度較低且具有線性降維的EPL算法作為嵌入式人臉識別的核心算法。 其次，從Gabor小波的生物學背景出發(fā)，由于參數(shù)化的Gabor小波與簡單細胞的感受野模型有著良好的匹配，因此引入Gabor小波表征人臉，將變換后的向量視為獨立的樣本，增加樣本個數(shù)，同時對Gabor小波去冗余以保證識別速

3、率。 最后，在前述算法的基礎上構建自動人臉識別系統(tǒng)，加入了直方圖均衡化對圖像作預處理，設計了互子空間夾角余弦分類器；并在此系統(tǒng)上，采用快速PCA算法和浮點定點化方法對人臉識別速度進行優(yōu)化。 本文將局部Gabor小波用于人臉表征，仿真結果表明，基于局部Gabor小波的EPL算法優(yōu)于直接的EPL算法，在小樣本和維數(shù)較少時，識別率可以達到95％；將固定點算法和Gram-Schmidt正交化用于快速PCA算法，以及采用浮點轉定點