学位论文 > 优秀研究生学位论文题录展示

基于ARM架构的嵌入式人脸识别技术研究

作　者: 李外云
导　师: 刘锦高
学　校: 华东师范大学
专　业: 无线电物理
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 PXA270 ARM
分类号: TP391.41
类　型: 博士论文
年　份: 2008年
下　载: 2881次
引　用: 12次
阅　读: 论文下载

内容摘要

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Windows CE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。

全文目录

中文摘要  6-9
Abstract  9-12
目录  12-17
图表目录  17-20
第一章绪论  20-41
  1.1 生物特征识别技术  20-24
    1.1.1 人脸识别  21-22
    1.1.2 指纹识别  22
    1.1.3 虹膜识别  22-23
    1.1.4 掌纹识别  23
    1.1.5 人耳识别  23-24
    1.1.6 基因(DNA)识别  24
  1.2 生物特征识别技术的发展趋势  24-25
  1.3 自动人脸识别技术  25-27
  1.4 人脸识别研究的意义  27
  1.5 人脸识别研究的历史与现状  27-30
    1.5.1 人脸识别研究简史  28-29
    1.5.2 国内研究现状  29-30
  1.6 国内外常用人脸图像数据库  30-32
  1.7 本文主要工作及组织结构  32-37
    1.7.1 主要创新点  32-35
    1.7.2 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  41-72
  2.1 引言  41
  2.2 人脸检测方法  41-45
    2.2.1 基于先验知识的人脸检测法  42-43
    2.2.2 基于模板匹配的人脸检测法  43
    2.2.3 基于机器学习的人脸检测法  43-45
    2.2.4 类Haar人脸检测法  45
  2.3 Haar函数及Haar变换  45-49
    2.3.1 Haar函数系定义  46
    2.3.2 Haar变换  46
    2.3.3 人脸Haar特征提取  46-48
    2.3.4 人脸类Haar特征快速算法  48-49
  2.4 基于Haar的人脸检测算法  49-57
    2.4.1 简单分类器  50
    2.4.2 强分类器  50-52
    2.4.3 级联强分类器  52-53
    2.4.4 分类器训练  53-55
    2.4.5 基于Haar特征肤色模型的人脸检测  55-57
  2.5 人脸检测效果图  57
  2.6 人眼检测与瞳孔定位  57-66
    2.6.1 传统的人眼检测方法  57-59
    2.6.2 基于人脸约束的实时人眼检测  59-64
    2.6.3 人眼检测与瞳孔定位效果图  64-66
  2.7 图像几何归一化  66-67
  2.8 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  72-86
  3.1 引言  72
  3.2 主分量分析法  72-78
    3.2.1 主分量分析法(PCA)  72-75
    3.2.2 核主分量分析(KPCA)  75-78
  3.3 线性判别分析法  78-84
    3.3.1 Fisher鉴别准则  79-80
    3.3.2 线性判别分析中的小样本问题  80-82
    3.3.3 自适应线性判别分析  82-84
  3.4 实验结果  84
  3.5 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  86-99
  4.1 引言  86
  4.2 二维Gabor变换  86-88
  4.3 Gabor核函数的参数选择  88-91
    4.3.1 参数的选择  88-89
    4.3.2 参数的意义  89-91
  4.4 二维Gabor滤波器的图像响应特性  91-93
    4.4.1 边缘响应特性  91-92
    4.4.2 位置响应特性  92-93
  4.5 Gabor特征提取  93-97
    4.5.1 人脸Gabor特征提取  93-94
    4.5.2 人脸有效区域Gabor特征抽取算法  94-97
  4.6 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  99-126
  5.1 引言  99
  5.2 统计学习理论  99-101
    5.2.1 期望风险最小化准则  99-100
    5.2.2 经验风险最小化准则  100
    5.2.3 结构风险最小化准则  100-101
  5.3 支持向量机基本理论  101-107
    5.3.1 最优分类超平面  101-102
    5.3.2 线性分类情况  102-105
    5.3.3 非线性支持向量  105-106
    5.3.4 核函数  106-107
  5.4 多类分类支持向量机  107-111
    5.4.1 一对多分类  108-109
    5.4.2 一对一分类  109-110
    5.4.3 有向无环图分类策略  110-111
  5.5 支持向量机训练算法  111-114
    5.5.1 块算法  111-112
    5.5.2 分解算法  112
    5.5.3 序贯最小优化算法  112-114
  5.6 识别性能比对  114-123
    5.6.1 测试人脸库  114-115
    5.6.2 距离度量方法  115-116
    5.6.3 人脸识别方案设计  116-119
    5.6.4 实验结果及分析  119-123
  5.7 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  126-169
  6.1 引言  126-127
  6.2 嵌入式操作系统  127-129
    6.2.1 嵌入式操作系统的特点  127-128
    6.2.2 Microsoft CE  128-129
  6.3 硬件平台介绍  129-132
    6.3.1 PXA270微处理器:  129-130
    6.3.2 ARM开发平台  130-132
  6.4 嵌入式人脸识别系统设计  132-135
    6.4.1 核心算法的选择  132-133
    6.4.2 系统工作环境  133-134
    6.4.3 成像设备的选择  134
    6.4.4 训练集的构建  134-135
  6.5 嵌入式人脸识别系统实现  135-146
    6.5.1 基于视频的嵌入式自动人脸识别  135-142
    6.5.2 嵌入式静态人像照片比对  142-145
    6.5.3 嵌入式远距离的人脸识别方案  145-146
  6.6 软件开发平台的选择  146-148
    6.6.1 宿主机软件开发平台选择  146-147
    6.6.2 目标机软件开发平台选择  147-148
  6.7 部分实现代码  148-167
    6.7.1 自适应判别分析(R-LDA)实现类  148-162
    6.7.2 人脸和人眼遮照模板  162-164
    6.7.3 瞳孔定位  164-167
  6.8 本章小结  167
  参考文献  167-169
第七章总结与展望  169-173
  7.1 论文的主要研究内容和结论  169-171
  7.2 进一步研究的展望  171-173
攻读博士学位期间的主要科研工作  173-174
致谢  174

基于ARM架构的嵌入式人脸识别技术研究

内容摘要

全文目录

相似论文