论文部分内容阅读
随着社会的发展,人们对身份鉴别的准确性、安全性和实时性提出了更高的要求,传统的身份识别方式已经不能满足这种需要,而生物识别技术以其自身的特点和优势正得到了飞速的发展和广泛的应用。相对于指纹识别、声音识别、掌纹识别等其它生物识别方法,人脸识别技术提供了一种直接、友好、方便、非侵犯性、高可靠性和稳定性等优点的鉴别途径,这些优点使得人脸识别技术在身份识别、自动监控、人机交互等众多领域有了很大的发展潜力。本文在需求分析与实验的基础上,首先提出系统的总体设计方案,整个系统的设计包括DSP的硬件配置,人脸识别相关算法的研究及其在DSP上的实现;以SEED-VPM642型DSP开发板为硬件开发平台,移植入人脸检测和人脸识别算法,构建了基于DSP的人脸识别系统。论文的主要内容包括:1.深入研究了Adaboost算法原理,分别实现了人脸检测的分类器训练过程和在线检测过程,并将其移植到DSP人脸识别系统中。2.对人脸识别算法进行了改进,提出了一种双向压缩的二维主成分分析和PCA相结合的人脸识别方法,即直接对二维图像依次进行行和列方向上的特征抽取,在此基础上进行主成分分析以压缩特征维数,此方法在保证较高识别率的前提下,节省了人脸特征所占的存储空间。3.在DSP集成开发环境CCS中把系统的工作划分为图像采集、图像处理、图像显示、网络初始化以及PC机与DSP间的网络通信这五个任务,并通过CCS中集成的实时操作系统DSP/BIOS对各任务进行配置,实现任务的合理调度。4.利用DSP控制摄像头实现了人脸图像的实时采集,构建人脸特征库,将其存储在PC机上,通过DM642的网络接口实现了PC机与DSP的通信和实时配置。在前期的算法验证时,在CMU/MIT的正面人脸数据库上,对基于Adaboost的人脸检测算法测评,证实了该算法的实时性和有效性;在ORL人脸数据库上,对改进的人脸识别算法测评,经过多次反复的参数调整,使得识别率最高达到了97.5%;在构建好完整的人脸识别系统后,进行实时测试,实验结果表明该系统构建合理,在实时性、正确性、安全性方面达到了预期目标。