学位论文 > 优秀研究生学位论文题录展示

基于ARM的嵌入式人脸识别算法的研究

作　者: 王仕民
导　师: 叶继华
学　校: 江西师范大学
专　业: 计算机科学与技术
关键词: 嵌入式人脸识别 ARM 2DPCA 二维Gabor 类Haar人脸检测
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 65次
引　用: 0次
阅　读: 论文下载

内容摘要

19世纪以来,随着科学技术的进步,人脸识别技术得到快速发展。尤其是人脸作为生物特征的一个非常重要组成部分,越来越受到人们的重视。嵌入式设备尤其是ARM设备作为新兴的产品,具有方便携带、安装快捷、机动性强等特点,已经涉入了各种领域,并被广泛应用于各种电子产品中。并且嵌入式系统的设计还涉及硬件的设计、操作系统的开发、驱动的研发等等。针对实际需求,研究了人脸识别算法在ARM板嵌入式设备上的应用。在完成嵌入式操作系统的开发与移植之后,以常用的比较成熟的人脸识别算法作为基本的理论基础,研究它们的可行性与不足,并提出具体的优化与解决方案,最后提出了嵌入式人脸识别的框架,并使用具体的人脸图像库对其进行了测试,基于ARM板很好的实现嵌入式人脸识别算法,并且效果良好。本文所做主要工作如下:通过对人脸类Haar特征和人脸快速检测Adaboost算法的研究,在ARM板嵌入式设备上通过摄像头能很好的完成人脸的检测;通过对图像降维算法2DPCA与最近邻算法的研究,能很好的实现了嵌入式人脸识别系统;通过引入二维Gabor变换解决了光照条件的变化对人脸图像模式的影响,并减小图像噪声的影响,这对于多姿态人脸识别极为有利;针对多尺度Gabor滤波又带来高维数据的问题,提出了多尺度Gabor加权融合的算法,可以很好的解决由于多尺度Gabor滤波带来高维数据的特点;结合基于ARM的嵌入式人脸识别系统详细介绍了系统的设计过程,并给出了系统详细的工作流程,最后用实际图像对实验过程进行了测试,验证了可行性,效果良好。由于ARM板资源的短缺,结合本文所提出的改进算法,需要在PC上完成对人脸识别分类器的训练,然后通过网络把分类器传输到嵌入式ARM开发平台上并实现嵌入式自动人脸识别,经实际图像进行测试,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具有一定的借鉴意义。

全文目录

摘要  3-4
ABSTRACT  4-9
1 引言  9-15
  1.1 概论  9-10
  1.2 嵌入式系统的发展与现状  10-12
    1.2.1 嵌入式系统的发展史  10-11
    1.2.2 嵌入式系统的独立发展道路  11
    1.2.3 嵌入式系统的发展现状  11-12
  1.3 人脸识别历史与现状  12-14
    1.3.1 人脸识别历史  12-13
    1.3.2 人脸识别现状  13-14
  1.4 本文工作及主要内容  14-15
2 基于HAAR 的人脸检测  15-23
  2.1 人脸检测方法  15
  2.2 类Haar 人脸检测法  15-18
    2.2.1 Haar 函数简介  16
    2.2.2 Haar 变换函数  16-17
    2.2.3 人脸Haar 特征提取  17-18
  2.3 基于Haar 的人脸检测分类器  18-21
    2.3.1 简单分类器及训练过程  18-19
    2.3.2 强分类器及训练过程  19-20
    2.3.3 级联强分类器及训练过程  20-21
  2.4 人脸检测效果图  21-22
  2.5 本章小结  22-23
3 基于线性判别子空间的人脸识别  23-28
  3.1 基于PCA 主元分子空间的人脸识别  23-25
  3.2 基于2DPCA 子空间的人脸识别  25-27
    3.2.1 2DPCA 的基本思想  25-26
    3.2.2 基于2DPCA 的人脸特征提取  26-27
    3.2.3 2DPCA 分类器  27
  3.3 本章小结  27-28
4 二维GABOR 滤波器与人脸特征提取  28-34
  4.1 二维Gabor 变换  28-29
  4.2 二维Gabor 滤波器的参数选择  29-31
    4.2.1 滤波器参数的选择  29-30
    4.2.2 滤波器参数的意义  30-31
  4.3 二维Gabor 滤波器的人脸图像响应特性  31-33
    4.3.1 人脸边缘响应特性  32
    4.3.2 人脸位置响应特性  32-33
  4.4 本章小结  33-34
5 GABOR 特征加权融合的嵌入式人脸识别  34-39
  5.1 基于多尺度Gabor 不确定度权值算法  34-37
    5.1.1 多尺度Gabor 不确定度计算  34-36
    5.1.2 不确定度的多尺度Gabor 特征融合  36-37
  5.2 基于Gabor 滤波图与原图的距离的权值算法  37-38
  5.3 本章小结  38-39
6 嵌入式人脸识别系统设计  39-54
  6.1 嵌入式Linux 操作系统  39-41
  6.2 硬件平台介绍  41-43
    6.2.1 PXA270 微处理器  41
    6.2.2 ARM 实现平台  41-43
  6.3 软件平台介绍  43-44
    6.3.1 人脸图像库  43
    6.3.2 OpenCV 函数库  43-44
    6.3.3 图形用户界面  44
  6.4 嵌入式系统设计与实现  44-48
    6.4.1 核心算法选择  44-45
    6.4.2 系统移植与驱动编写  45-47
    6.4.3 嵌入式人脸识别方案  47-48
  6.5 系统测试  48-53
    6.5.1 基于多尺度Gabor 不确定度权值  48-49
    6.5.2 基于Gabor 不确定度信息融合的嵌入式人脸识别  49-50
    6.5.3 基于Gabor 滤波图与原图的距离的权值  50-51
    6.5.4 基于Gabor 滤波图与原图距离信息融合的嵌入式人脸识别  51-53
  6.6 本章小结  53-54
结语  54-55
参考文献  55-58
后记  58-59
在学期间公开发表论文及著作情况  59

基于ARM的嵌入式人脸识别算法的研究

内容摘要

全文目录

相似论文