OMAP-L138与OV2460的人脸识别系统

李上峰，庞楠楠，汤瑞业

(西安电子科技大学 电子信息攻防对抗与仿真技术教育部重点实验室，西安 710071)

OMAP-L138与OV2460的人脸识别系统

李上峰，庞楠楠，汤瑞业

(西安电子科技大学 电子信息攻防对抗与仿真技术教育部重点实验室，西安 710071)

人脸识别技术是一项新兴的生物识别技术，在门禁考勤系统、出入监管系统，智能家居系统中都有广泛的应用。针对手持式嵌入式设备中的低功耗、高性能要求，提出以基于OMAP-L138的异构双核处理器为核心，以200万像素的OV2640摄像头为采集前端的人脸识别平台，基于TI公司SysLink双核通信组件，满足识别的精度与速度的要求。实验采取多组对比试验的方法，通过优化人脸识别算法中的比率，从而达到较高的准确度。

OMAP-L138；OV2640；人脸识别；双核通信

引 言

人脸识别技术在现代社会生活中发挥着越来越重要的作用，如智能家居系统、门禁系统、刑事侦查系统等，但是这些系统都是基于PC端的，具有高性能、不可移动特性。由于移动式嵌入式系统受资源限制，低功耗、小体积的人脸识别系统应运而生，这需要依靠高性能、低功耗的OMAP-L138双核处理器，以及高效的人脸识别算法。目前有很多人脸识别算法，比如基于肤色特征的Adaboost算法[1]、Viola-Jones人脸检测方法[2]、基于连续型Adaboost算法和Cascade结构的红外人脸检测[3]等，这些算法都在PC端有着优秀的表现，但是基于嵌入式平台的高效人脸识别系统还在不断研究中。

1 人脸识别硬件平台设计

1.1 OMAP-L138处理器简介

OMAP-L138处理器是德州仪器(TI)推出的Davinci系列异构多核(DSP+ARM)浮点型工业级处理器[4]，主频高达456 MHz，可以外接256 MB DDR2内存，并且外设接口丰富，具有低功耗、低成本、寿命长的优势。

1.2 OV2640简介

OV2640是OV(OmniVision)公司生产的一颗1/4寸的CMOS UXGA(1632×1232)图像传感器。该传感器体积小、工作电压低，可提供单片UXGA 摄像头和影像处理器。OmmiVision 图像传感器还应用独有的传感器技术，通过减少或消除光学或电子缺陷(如固定图案噪声、拖尾、浮散等)，提高图像质量，得到清晰的稳定的彩色图像[5]。

1.3 硬件平台工作原理

硬件平台以OMAP-L138处理器为核心，对于实时数据处理要求比较高的场合非常适合，OV2640摄像头为图像采集前端，并将人脸识别的结果显示在800×600分辨率的LCD屏幕上，如图1所示。ARM端控制摄像头采集数据，并将摄像头数据送到共享内存区域中。DSP端将共享内存中图像数据取出，通过人脸识别算法，对识别出的人脸进行标记，并将标记完的图像传回到共享内存区中。ARM端读取共享内存区中的图像并显示在LCD屏幕上，完成人脸识别过程。

图1 人脸识别硬件架构框图

2 双核通信实现过程

2.1 双核通信组件介绍

图2 DSP与ARM端程序运行过程

TI公司提供的双核通信组件有很多种，主要用于多核处理器之间的并行与同步，可加快开发周期，降低开发费用。本系统主要使用的是SysLink异构多核通信组件，它为异构多核处理器提供基础的开发接口，这些接口能大大方便DSP处理器与ARM处理器之间的通信编程。SysLink工具包主要由系统管理(System Manager)、处理器管理(Processor Manager，PM)、核间通信(Inter Processor Communication，IPC)、其他模块(Utility Modules)等子空间组成。

2.2 双核通信工作原理

双核通信的基础是SysLink工具包，主要是针对操作系统中的应用，提供目标平台上的多核通信以及基础外设的控制，每个处理器既可运行HLOS(Higher Level Operating System)、Linux、WinCE等，也可运行RTOS(Real Time Operating System)，如SYS/BIOS、QNX等。其中异构多核系统中主处理器(Host Processor)肩负着控制从处理器(Slave Processor)的责任。

在双核通信之前，首先需要初始化SysLink系统，建立双核通信的通道。通道建立完成后，等待双方处理器握手，确认通信方式。通信方式主要有Notify、MessageQ、ListMp、GateMp、HeapBufMp、HeapMemMp、FrameQ、RingIO，这些通信机制都有各自的优缺点，根据系统功能需要适当选取。

2.3 双核通信过程实现

首先要安装好TI公司提供的SysLink组件，这些组件包括bios、mcsdk、pdk、ipc、xdctools、syslink等。编译完成之后会生成syslink.ko的驱动模块，这需要在运行人脸识别程序之前加载到Linux内核中。在DSP端运行slaveloader来加载server_dsp.xe674程序，DSP端程序基于BIOS的实时系统，主要是实现人脸识别与标记的功能。启动DSP端程序后运行ARM端host程序host_app，ARM端程序基于Linux-3.3系统，主要实现摄像头采集、LCD显示程序。

当程序启动后，ARM端主线程首先完成Syslink/IPC相关初始化，之后启动Capture和Playback线程， 这两个线程各司其职。Capture 线程不断地采集OV2640 图像送入 FrameQ 队列，然后将图像发送给DSP端。而Playback 线程不断地从 FrameQ队列取出图像数据传输到LCD上进行显示。在传输到FrameQ队列中的图像同时，也会被DSP端的程序不断地从 FrameQ队列取出摄像头采集到的图像，根据人脸识别算法进行识别与标记，将识别到的人脸图像进行标记，并将标记后的图像送还到FrameQ队列中，如图2所示。由于采集、显示与人脸识别程序运行在不同的内核上，从而大大加快人脸识别的过程。

3 人脸识别算法实现

3.1 人脸识别原理简介

我国民族服饰元素硬性到服装设计理念和加工工艺，我国幅员辽阔，不同地区的人们文化和宗教信仰都是不同的，因此他们对于服装色彩的理解也具有很大的差异性，例如蒙古族崇尚蓝色和白色，但是汉族对于白色比较忌讳。民族服饰存在很大的差异，这也是服装面料再造设计过程中可以借鉴的原色。民族服饰的服装面料制作工艺都是不同的，利用各种制作工艺可以丰富服装面料再造设计的方法，例如海南黎锦利用的扎染、制造等工艺，在服装面料再造设计当中利用这些工艺，可以使服装具备海南黎族的民族色彩。

人脸识别技术是基于人的脸部特征，已经有40多年的发展历史，利用主分量分析进行降维和提取特征，当送入的图像或者视频流中出现人脸特征的时候，确定人脸在图像中的位置以及五官的方向。在人脸识别中，由一组特征脸基图像生成一个特征脸子空间，任何一幅人脸图像(减去平均人脸后)都可投影到该子空间，得到一个权值向量。计算此向量和训练集中每个人的权值向量之间的欧式距离，取最小距离所对应的人脸图像的身份作为测试人脸图像的身份[6]。

3.2 人脸识别算法实现

人脸识别算法有很多种，找到一种适应嵌入式平台的算法就显得尤为重要，这样不仅可以缩短开发周期，而且能降低开发者的成本。

OpenCV开发环境下的人脸识别被众多的嵌入式平台采用，主要是因为OpenCV可提供丰富的人脸识别库，基于OpenCV实现的算法也很多。系统对摄像头采集的图像需要进行预处理，预处理技术对将要识别的图片进行标准化处理是极其重要的。在实际处理过程中，使用灰度图像的特征脸(PCA)方法。首先需要经彩色图像经过灰度处理函数灰度化，然后采用直方图均衡化(Histogram Equalization)作为一种自动的标准化脸部图像亮度和对比度的方法[7]。

在PCA原理中，预先采集了实验室里的10人脸部照片，每人20张，总共有200张经过预处理的脸部照片，再利用主元分析的方法，将这200张照片转换成一个代表这些训练图片主要区别的“特征脸”集[8]。通过获取每张照片的像素平均值，生成这些照片的平均像素照片。在比较过程中，特征脸会与平均像素人脸进行比较。在OpenCV人脸识别数据库中，有一个“facedata.xml”文件，这里有已经训练好的图片文件以及代表人的文本文件，可以使用相同的PCA计算，寻找200张图片的比率，通过不断优化这个比率来提高人脸识别的准确性。

结 语

测试了10组同学，每组同学分别识别20次的结果表明软件成功识别出了196次。由于人脸识别算法对光照条件十分敏感，所以在实验室的环境下进行训练，在其他地方可能不会被识别出来。虽然在算法上进行了预处理，

[1] Ban Y, Kim S K, Kim S, et al. Face detection based on skin color likelihood[J].Pattern Recognition, 2014, 47(4): 1573-1585.

[2] Paul Viola, Michael J Jones. Robust Real-Time Face Detection[J]. International Journal of Computer Vision,2004,57(2):137-154.

[3] 严超, 王元庆. 基于连续型 Adaboost 算法和 Cascade 结构的红外人脸检测[J]. 激光与红外, 2009, 39(11): 1246-1250.

[4] TI.OMAP-L138 C6000 DSP+ARM Processor Technical Reference Manual (Rev.A),2014.

[5] OmniVision.OV2640_DS, OmniVision Advanced Information Preliminary Datasheet, Version 1.6 February 28, 2006.

[6] DU C, Hong Z H U, LUO L, et al. Face detection in video based on AdaBoost algorithm and skin model[J].The Journal of China Universities of Posts and Telecommunications, 2013(20): 6-24.

[7] Yang M, Crenshaw J, Augustine B, et al.AdaBoost-based face detection for embedded systems[J].Computer Vision and Image Understanding, 2010, 114(11): 1116-1125.

[8] 武勃,黄畅,艾海舟,等.基于连续 Adaboost 算法的多视角人脸检测[J].计算机研究与发展,2005,42(9):1612-1621.

李上峰(硕士研究生)，主要研究方向为嵌入式图像处理。

结 语

参考文献

[1] 贺永鹏, 张向前.一种基于FPGA的嵌入式实时以太网[J].电气传动,2015(7):70-73.

[2] 王桂云,侯思祖.基于ARM7 的以太网接口的设计与实现[J]. 微计算机信息, 2009(5):124-125,204.

[3] 岳世为,尹为民.μIP 协议栈在基于DSP以太网通信系统中的应用[J]. 计算机与数字工程,2010(1): 186-189.

[4] 强明辉, 李东蔚.基于W5300在测试系统通信接口的应用研究[J]. 工业仪表与自动化装置,2016(5):49-51,95.

[5] 侯义合,张冬冬,丁雷. 基于FPGA+MAC+PHY的千兆以太网数传系统设计 [J].科学技术与工程,2014(19):275-279.

[6] 史振国,李德和,尹虎.基于FPGA的高效传输速率的千兆以太网通信系统设计[J]. 中国新通信,2016(14):4-5.

[7] Xilinx.UG368 (v1.3),2011.

[8] Marvell Semiconductor． 88E1111 datasheet: integrated 10 /100 /1000 ultra gigabit ethernet transceiver,2010.

朱明辉(硕士研究生)，主要研究方向为数字信号处理。

(责任编辑：杨迪娜 收稿日期：2016-11-15)

Face Recognition System Based on OMAP-L138 and OV2460

Li Shangfeng,Pang Nannan,Tang Ruiye

(Key Laboratory of Electronic Information Counterme and Simulation Technology Ministry of Education,Xidian University,Xi’an 710071,China)

Face recognition technology is an emerging biometrics technology,which has been widely used in the entrance guard system,the access control system,the intelligent home system and so on.In order to meet the requirements of low-power consumption and performance in the handheld embedded devices,the face recognition platform is proposed,which takes the OMAP-L138-based heterogeneous dual-core processor as the core and the OV2640 camera as the acquisition front-end.The TI SysLink dual-core communication components takes into account the recognition of the accuracy and speed requirements.In order to improve the accuracy of the face recognition algorithm,a series of contrast experiments are adopted.

OMAP-L138;OV2640;face recognition;dual-core communication

TP275

A

�迪娜

2016-11-14)