基于DSP的人脸识别系统的设计与实现

2018-02-22刘泽超

现代工业经济和信息化 2018年2期

刘泽超

（1.太原理工大学，山西　太原　030024；

2.太原重工工程技术有限公司，山西　太原　030024）

引言

随着视频监控近年来在中国的迅速普及，需要有一种能够迅速识别身份的技术应用于视频监控中，以便实现智能预警。人脸识别技术是一种基于人脸部特种信息来开展识别身份工作的技术，拥有可采集性、稳定性、唯一性与广泛性等众多优点，用于身份识别的最佳选择无疑是人脸识别技术。而传统的人脸识别系统有许多缺点，如在要求便于安装设备、要求人脸识别系统设备体积较小的场合就不算非常的实用，而这是因为该系统的采集人脸图像与驱动外部硬件的工作都是靠计算机完成，这套人脸识别系统是基于微型计算机实现的。所以，为了更好地进行人脸识别，有必要设计一个便于安装的小型化人脸识别系统。

随着科技技术的不断进步，嵌入式系统的应用越来越广，硬件电路设备的信息数据处理速度也在不断加快，数字信号处理器（DSP）的优势也愈加明显。基于DSP技术的人脸识别系统具有使用方便、微型化、拓展灵活、控制功能强、功耗低和体积小等众多优点。DSP在人脸识别系统中的应用为其带来新的发展机遇。

1　人脸识别系统的设计

基于DSP技术的人脸识别系统的设计主要有两部分，分别是硬件平台设计与软件算法设计，具体设计方法如下。

1.1　人脸识别系统的硬件平台设计

在进行人脸识别检测的工作中，离不开以下三个步骤：人脸图像采集；人脸图像压缩处理；人脸图像显示。

1.1.1　采集图像

常见的图像采集摄像头有CCD传感器摄像头、基于USB的摄像头、长焦镜头、针孔镜头和广角镜头等。而从成本和普及率角度考虑的话，人脸识别系统应当选择一款性价比高、普及率高的摄像头，且像素值不能过低，方便软件处理图像。而为了满足上述要求，可以选择CCD传感摄像头。CCD传感摄像头能够转化图像成YCbCr图像，满足人脸识别系统设计要求。

1.1.2　显示屏

要选择一个720*588像素值的显示屏来对图像进行显示才能够和摄像头采集到的图像相匹配。此外，对于显示屏还要求颜色鲜艳、层次感强、对比度高、亮度好、具备能够“主动”准确控制屏幕上的每一个像素点的功能，这样可以大大地缩短系统的反应时间。经过反复斟酌，人脸识别系统最终选择了一种有源的矩阵液晶显示屏—薄膜场效应晶体管显示屏，即TFT。尽管薄膜场效应晶体管显示屏成本高且功耗大。但瑕不掩瑜，因为薄膜场效应晶体管显示屏丰富的色彩与较高的对比度，最终仍旧采用薄膜场效应晶体管显示屏。

1.1.3　DSP微处理器

一幅图像中的数据量是非常大的，因此选择一款优秀的处理芯片，能够较好地支持图像的运算匹配，经过反复挑选，人脸识别系统最终选择DM642处理器芯片。因为以下几点原因：一是DM642处理器芯片支持8个独立的运算单位同时进行，并支持这8个独立的运算单位进行并行执行与数据不对齐储存；二是DM642处理器芯片的芯片内核采用的是的C6000系列，C6000系列芯片内核拥有各种不同外设接口，最高可以达到600MH的z处理器频率，采用的是哈佛体系的结构；三是DM642处理器芯片拥有64个32位的寄存器，并且这个寄存器功耗极低；四是DM642处理器芯片拥有一个64位的存储接口，能够连接异步或是同步的外设存储器；五是DM642处理器芯片上集成了3个端口进行视频的输入、输出，可以与通用视频图像解码器无缝连接，还集成了一个链接口，可以用于音频的输入、输出；六是DM642处理器芯片使用的是10/100 Mbps的以太网多媒体控制器电路、32位/66 MHz的PCI主从机接口电路与12C总线控制模板。通过上述6点我们可以看出，DM642处理器芯片可以较好地支持人脸图像的运算匹配，是用于人脸识别系统显示屏的最佳选择。

1.2　人脸识别系统的系统软件算法设计

人脸检测算法与人脸识别算法是人脸识别系统软件算法的主要两种，前者是定位人脸位置，后者是在人脸数据库中，选择出与检测图像最为匹配的人脸图像。

1.2.1　人脸检测算法

基于肤色的人脸检测法同基于知识基于统计、基于模板匹配等人脸检测算法相较而言，能够在多姿态人脸、背景复杂的检测情况下取得更好地检测效果，还拥有计算速度快、计算量小等优势，所以在人脸检测算法中，多采用基于脸部肤色信息算法。

基于脸部肤色的信息算法，第一要实现肤色分离，这个可以使用YCbCr颜色空间，第二要根据椭圆肤色模型，对人脸识别图像开展二值化处理工作，第三要对图像中的小毛刺与孤立的点进行消除，可以使用形态学滤波，第四要根据八连通方法来进行人脸标记，第五要利用矩形方框来对图像中人脸所在的区域进行识别标记。

1.2.2　人脸识别算法

先对比分析输入系统的人脸图像和人脸数据库中的人脸图像，再利用识别算法来确定输入识别系统中的人脸图像和人脸数据库中的图像是否匹配。具体顺序是输入图像→图像预处理→特征提取→人脸匹配→输出识别结果，这便是人脸识别系统的人脸识别主要工作过程。其中图像预处理使用图像灰度化法，人脸特征提取算法使用基于小波变换的主成分分析法（PCA法，也叫做K-L变换），最后图像间相似度的判断使用距离分类器。

2　人脸识别系统的应用实现

在完成相关的数据初始化设置之后，便可以开启摄像头模块。每次按下按键的时候，便会看见LED灯也会被点亮，同时在按键的时候，摄像头便会对人脸图像进行一次采集，并且当前的图像会显示在显示屏上。而与此同时，通过EDMA通道将采集到的人脸图像传送到了计算机的RAM中，供之后的人脸图像算法的使用。当完成图像采集工作之后，依次显示一遍所采集的图像，其中也包括有待识别的人脸图像与训练库中的人脸图像，同时也会判断采集到的人脸图像是否满足各项要求。最后是对比训练库中的人脸图像和待识别的人脸图像，显示屏上会显示最为匹配的图像。

在实现识别人脸的过程中，最先开始尝试存入人脸数据库中不戴眼镜的人脸图像和待识别的戴眼镜的人脸图像进行识别的实验。进过测试之后，发现基于DSP的人脸识别系统可以在时间较短的情况得出较好的识别效果。此外，在脸部偏转、表情不正常、光照不正常的情况下，该系统的人脸图像采集与识别的测试结果如下：一是被采集、测试对象是否配戴眼镜对于人脸识别结果并没有什么影响；二是当光线较亮或是太暗的时候，对人脸识别系统的识别结果有较大影响；三是在识别对象的面部表情出现变化的时候，人脸识别系统仍旧能够得到较好的识别结果；四是当人脸识别对象的面部偏转角度不超过20°的时候，对于人脸识别系统的识别结果基本不构成影响。