基于嵌入式的人脸识别系统设计

论文摘要

人脸识别也称自动人脸识别，是一个近年得到广泛关注的研究热点，其相关技术的应用范围也在不断的扩展。人脸识别与指纹识别、虹膜识别、语音识别并驾齐驱成为生物识别的一个重要分支。随着计算机向着智能化和微型化发展，人脸识别产品也在逐渐的向微型化发展.由于嵌入式系统硬件资源的限制，不能像PC一样能够承载丰富的软硬件资源,目前能否将人脸识别系统集成到嵌入式系统上成为了人脸识别系统走上市场化的瓶颈。本文首先讨论了人脸识别的相关算法，并对Adaboost人脸检测算法进行了改进以提高检测速度。在本系统中首先采用肤色分割方法与Adaboost算法相结合构造级联分类器实现快速的人脸检测，再利用主成份分析法以及脉冲耦合神经网络特征提取法提取人脸的特征，构造出一个特征脸。将求出的特征脸作为神经网络的分类对象进行人脸分类识别。最后，本文在三星的S3C2440处理器之上搭建linux操作系统，将opencv图像处理库移植到嵌入式系统中，并在S3C2440平台上设计出一套完整的人脸识别系统。

论文目录

• 摘要
• 英文摘要
• 1 绪论
• 1.1 引言
• 1.2 本文的目的及意义
• 1.3 国内外研究情况
• 1.4 本文主要工作
• 2 数字图像预处理
• 2.1 图像增强
• 2.2 图像复原
• 2.2.1 图像退化
• 2.2.2 图像邻域中值滤波
• 2.2.3 图像邻域均值滤波
• 2.3 图像质量评价
• 2.4 实验结果分析
• 2.5 本章小结
• 3 人脸检测
• 3.1 人脸检测方法
• 3.2 肤色分割原理
• 3.3 ADABOOST 原理
• 3.3.1 Haar 特征
• 3.3.2 积分图像
• 3.3.3 级联分类器
• 3.3.4 实验结果
• 3.4 本章小结
• 4 人脸特征提取
• 4.1 人脸特征提取概述
• 4.2 特征提取方法
• 4.2.1 基于欧式距离度量的特征提取
• 4.2.2 主成份分析法
• 4.2.3 FISHER 线性判断特征提取法
• 4.3 非线性人脸特征提取
• 4.3.1 人工神经网络
• 4.3.2 人工神经网络模型
• 4.4 本章小结
• 5 人脸识别
• 5.1 最近邻法
• 5.2 线性分类器
• 5.2.1 线性决策函数
• 5.2.2 贝叶斯分类原理
• 5.3 神经网络分类器
• 5.4 本章小结
• 6 人脸识别系统实现
• 6.1 嵌入式系统
• 6.1.1 嵌入式系统概述
• 6.1.2 嵌入式系统开发流程
• 6.2 人脸识别系统构建
• 6.2.1 人脸识别系统硬件平台搭建
• 6.2.2 嵌入式操作系统
• 6.3 人脸识别应用程序开发
• 6.3.1 OPENCV 嵌入式移植
• 6.3.2 人脸识别应用程序设计
• 6.4 本章小结
• 总结与展望
• 参考文献
• 附录
• 致谢
• 攻读学位期间发表的学术论文和参加科研情况说明