基于FPGA平台的人脸识别系统的实现

摘 要：本项目从基于PCA算法的人脸识别出发，采用了FPGA和Android智能終端结合构建了人脸识别的测试平台。选用Android终端来采集人脸图像数据，FPGA作为后台算法处理平台测试和验证算法。测试结果识别率准确，效果良好。

关键词：FPGA；PCA；人脸识别；特征脸

一、引言

传统类似身份证或磁卡的人员识别方法，易遗失，易于伪造，无独特性。所以现演化成虹膜、人脸、指纹以及声纹等识别方式，这些生物特征不易遗失，安全性更高。其中人脸识别的过程速度快[1]，而且有非接触性，属于非侵犯性的识别方法。透过以上比较各种识别方式，本项目将选用人脸识别来进行研究。

二、基于PCA的人脸识别方法

PCA（Principal Component Analysis））：主要用于数据处理过程中降低资料的维度，并使得原始数据所表达的信息得以保留。这被有效的运用于人脸识别中的特征提取[2]。基于PCA的人脸识别算法的工作过程包含多个步骤，各步骤的作用如下：

（一）创建数据库

创建数据库过程包括图像灰度化和降维。

1、读入人脸数据

进行人脸的灰度化，如图1所示。

2、人脸图像降维处理

人脸图像通常以二维方式进行存储，为提升识别效率，需进行降维处理，将其由二维转换成一维，过程如下：先获得人脸图像的大小，然后进行行转置处理，在此以列为对象获得灰度值，从而可得到对应的一维向量[3]。

（二）计算特征脸

获得特征脸时，对降维之后的人脸矩阵规范化，如图2所示。其次进行协方差计算，从而得到特征向量形成特征脸。

（三）人脸识别过程

人脸识别需要对待测图像进行分析、识别，以此获得特征向量，然后将其与特征库中特征进行投影，目的在于计算各特征之间的距离值，该值是选择识别结果的基础，一般选择值最小的人脸图像作为识别结果。

三、基于FPGA的人脸识别过程

本项目采用Android智能终端和FPGA相结合的方式实现基于FPGA的人脸识别，如图3所示。

由图4可知人脸识别流程，说明如下：

（1）由Android终端进行人脸数据采集，FPGA作为PCA算法处理平台测试和验证算法。

（2）在FPGA平台上将对人脸图像进行预处理，包括二值化、腐蚀和膨胀处理。

（3）从预处理后的人脸图像中提取人脸特征，形成特征脸向量。

（4）通过AXI总线协议将特征向量传输到ARM，由ARM进行人脸对比。

（5）在RAM中通过与人脸库的对比获得匹配结果，结果由Android终端显示。

四、人脸识别系统应用

为了实现人脸图像采集的方便性和识别结果显示的直观性，本项目采用了Android终端作为了图像抓取终端和显示终端。

现将该应用的功能介绍如下：

（一）人脸数据注册

利用Android终端的摄像头进行人脸图像抓取并注册，目的是将待测人脸加入人脸库中，同时录入人脸的对应姓名，用于识别成功后的显示，也是启动人脸识别的基础。若没有注册人脸，将无法进行识别。

（二）人脸识别

通过人脸识别界面的start按钮，启动人脸识别。将Android读取的待测人脸转换为FPGA可读取的信息，传输到FPGA板以启动人脸识别。

（三）识别结果的显示

在识别完成后，FPGA把结果传输到Android进行显示。若识别成功，将显示人脸注册时的姓名，如图4（a）所示显示待测人脸的姓名为“程遥”；若识别失败，则显示“查无此人”。

为验证人脸识别算法的有效性，以及基于FPGA系统的能否正常运行，本项目设置了多个测试策略，以下对各测试策略进行详细说明。

将待测人脸进行注册之后，现将进行非正常情况下的测试，例如侧面角度和遮挡人脸部分特征情况下测试能否识别成功，其测试结果如图4（b）（c）所示，与预期结果一致。

（a） Android终端界面 （b）有遮挡时识别结果显示 （c）侧脸时识别结果显示

五、总结

（1）当人脸图像未注册而直接进行识别时，界面显示查无此人，结果正确。

（2）当待测人脸注册后进行识别，识别成功后会再界面显示人脸对应的姓名，同时在对人脸特征有部分遮盖的情况下，识别结果也正确。

（3）在进行了人脸识别速度进行了测试，人脸识别速度与人脸图像库中人脸数量成正比关系。本项目测试了200张人脸图像，其识别平均速度为0.932秒。

参考文献：

[1]章毓晋.图像处理[M].北京：清华大学出版社，2007：87-89

[2]程自龙，雷秀玉.基于K-L变换（PCA）的特征脸人脸识别方法综述[J].中国图像图形学报，2010，20（22）：15-18.

[3]倪世贵，白宝刚.基于PCA的人脸识别研究[J].现代计算机，2011，23（42）：20-22

作者简介：

程遥（1983-），女，汉，四川成都人，讲师，研究生，主要研究方向为电子信息技术。