人脸识别实时系统在DSP上的实现

的ｙ（ｔ／．，口）分布在Ｈ，口
较小的区域，即矩阵
ｙ的左上角，而这也
是有用信息集中的 地方。基于ＤＣＴ系
图５ ＤＣＴ图像压缩
数重建图像时，只保留少数余弦变换的低频分量，利用反
变换仍可得到与原始图像相近的恢复图像。新图像与原
图像存在一定的误差，但重要信息被保留下来。图５为原
始图像做ＤＣＴ变换得到的ＤＣＴ图和选取５０×５０个ＤＣＴ
Ｋｅｙ ｗｏｒｄｓ：ＤＳＰ６７１ １；ＤＣＴ；ＩＤＡ；ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ
０引言
计算机人脸识别技术在生物测量身份识别、安全监 控、图像与视频检索和智能人机接口等方面的广泛应用越 来越受到研究人员的关注。人脸识别分为以下三部分： 人脸检测，特征提取和人脸辨识。随着集成电路和嵌入 式技术的发展，使得实时系统中人脸检测和识别具有了硬 件基础，成为应用领域的一个研究热点。在一些强实时环 境下采用ＤｓＰ芯片处理任务具有无可比拟的优越性，在门禁 系统、考勤系统等身份验证领域有着广泛的应用价值。
控制。ＦＰＧＡｌ控制输入图像的存取。ＦＰＧＡ２控制输出图 像的存取。ＤＳＰ通过ＥＭＩＦ与ＦＰＧＡ进行数据交流。如图
曛。霸Ｉ囡Ｉ １所示。
［尘 ｊ丑◆
图１系统主要硬件结构图
１ 实时人脸识别系统平台简介
Ｉ。Ｉ ＣＰＵ特性 本系统采用的ＤＳＰ是１ｒＩ公司的ＴＭＳ３２０Ｃ６７１１。它是
基于超长指令字（ＶＬＩＷ）的体系结构的３２位浮点处理器， 主频１５０ ＭＨｚ，峰值处理速度达到１ ２００ ＭＩＰＳ／ｓ。内部存 储器采用两级高速缓存结构，包括第一级４ＫＢ的高速程 序缓存、４ＫＢ的高速数据缓存和第二级６４ＫＢ数据／程序 高速缓存。ＣＰＵ包括３２个３２位的通用寄存器和由６个 ＡＬＵ单元和两个乘法器单元共８个独立的功能单元。３２ 位地址线寻址空间可达到４ＧＢ…。 １．２系统硬件构成
数小于人脸样本的维数时，Ｓｒ是奇异的，变换矩阵Ａ不能
直接得到，因此线性判别分析过程失效。而实际人脸样本 的维数都要比人脸样本数高的多。为了解决这个问题，本
文采用的是两次投影的方法，即先用ＰＣＡ得到投影矩阵
形，然后在投影变换后的子空间中，用ＬＤＡ线性判别分析
的方法进行一次判别分析投影。特征提取过程如图６所示。
Ｍ
１℃
ｍｉ ２丽鲁％
总体样本均值向量为：ｍ＝上二ｍ。
分别计算类内散布矩阵和类间散布矩阵： 样本类间离散度矩阵定义为：
Ｓｓ＝己（ｍｉ—ｍ）（ｍｉ—ｍ）１
样本类间离散度矩阵定义为：
ｃ
Ｍ
ｓ．＝二二（～一ｔ＇ｎ；）（％一ｍ。）７
对任意一个ｎ维向量口，计算Ｆｉｓｈｅｒ函数：
，＝口７ＳＢａ／ａ７Ｓ一 ，值越大，则表明异类间的差异与同类问的差异之比 越大。不同模式之间的线性可分性越强。 设Ａ为矩阵５；ｓ。的最大特征值，而ａ是相应的特征向 量，则ｄ就是使得Ｆｉｓｈｅｒ函数值最大的映射方向。矩阵最 多有Ｃ一１个非零特征值，取其最大的Ｒ（尺≤Ｃ一１）个特征 值所对应的特征向量组成矩阵：Ａ＝［口。，ａ２。…，口。］。它所 对应的映射空间就是使得Ｆｉｓｈｅｒ函数值最大的冠维空间。 ＬＤＡ可以大幅地降低特征的维数，并使投影后样本向 量的类间散布度最大和类内散布度最小。但当人脸样本
１）把一张图像表示成一个一维向量气，然后把这些向 量组成矩阵Ａ。
２）计算协方差矩阵。
Ⅳ
ｓｒ＝二（气一ｐ）（毛一肛）７＝ＡＡ７
２．５ ＤＣＴ变换
图４级联分类器
离散余弦变换是数据压缩中最常用的方法之一。对
一幅大小维Ｍ·Ｎ的数字图像Ａ（算，Ｙ），其二维离散余弦
变换定义为：
万方数据
其中ｐ２面１刍毛
３）计算Ｓ，的特征值和特征向量，并对特征值降序排序。 ４）取前ｎ个对应特征值较大的特征向量形成矩阵形 此形即为特征脸矩阵。 ＰＣＡ方法具有在均方误差最小意义上的最佳重建效
ｆａｃｅ僦一 Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｄｉｓｃｕｓｓｅｓ ｔｈｅ ｓｙｓｔｅｍ ｂａｓｅｄ Ｏｉｌ ｔｈｅ ｐｌａｔｆｏｒｍ ｏｆ ＴＭＳ３２０Ｃ６７１ １．Ｔｈｅ ｐｒｉｎｃｉｐｌｅｓ ｏｆ ｆａｃｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ
ｏｇｎｉｔｉｏｎ ａｒ；ｅ ｉｎｔｒｏｄｕｃｅｄ．Ａ Ｆｅａｔｕｒｅ Ｅｘｔｒａｃｔ ｍｅｔｈｏｄ ｂａｓｅｄ ＤＣＴ ｉｓ ｐｒｏｐｏｓｅｄ．Ａ ｓｅｔ ｏｆ ａｂｕｎｄａｎｔ ｅｘｐｅｒｉｍｅｎｔｅｄ ｒｅｓｕｌｔｓ ｐｒｏｖｅｄ ｔｈａｔ ｔｈｉｓ ｓｙｓ— ｔｅｍ ＣＳＪＩ．ｗｏｒｋ ｅｆｆｅｃｔｉｖｅｌｙ ａｎｄ ｓｔｅａｄｉｌｙ ｗｉｔｈ ｖｅｒａｃｉｏｕｓ ｏｕｔｃｏｍｅ．
分图像处理的基本原理是将检测区里的图像在图像空间
域上与背景图像进行差分，可以表示为：
磁Ｚ（膏，Ｙ）＝以髫，，，，ｔｆ）一八ｘ，），，￡ｊ）
（１）
式中以石，Ｙ，ｔ；）以算，Ｙ，ｌ，）分别为ｔ；与ｔ，时刻在（茹，Ｙ）位置
像素点的灰度值。厂（石，），，ｔ。）和八髫，ｙ，ｆ，）在（互，，，）位置像素
点亮度的显著性差异为：
ｎቤተ መጻሕፍቲ ባይዱ
《＝二（气一‰）２
３实验结果与分析
为验证本文采用算法的识别率，我们分别在Ｙａｌｅ人 脸图库上进行了大量实验。并且与经典的人脸识别算法 进行比较。分 类器都选用欧 式距离分类 器。人脸库中 共有１５个人。 每人１ｌ张图 片。采用三张４７左边为本文方法 右边为经其的ＰｃＡ方法 图片作训练样本，其余的作为测试样本。识别率比较结果 如图７所示。图中纵坐标表示识别率，横坐标表示实验次 数（每次选取不同的训练样本）。从图中可以看出本文的 方法要明显好于ＰＣＡ的方法。
．６４·翻硼衄团●幽疆盈溷圃龃
文章编号：１００２—６８８６（２００８）０２—００６４—０３
人脸 识别实时系 统在ＤＳＰ上的实现
邹志煌１。程武山２。孙鑫１
（１．上海大学机电工程与自动化学院，上海２０００７２；２．上海工程技术大学电子电气工程学院，上海２０１６２０）
：ｉ摘要：本文介绍了ＤＳＰ６７１ｌ的硬件特性；分折了人脸检测、识别的原理及算法的选型；运用基于ＤＣＴ变换域的ＬＤＡ的特征
光照的影响。为了加强图像中的目标边界和图像细节，还
要进行图像锐化处理。我们采用拉普拉斯算子对图像进
行锐化处理，最终得到的锐化图边缘显得粗而亮。图３显
示了图像预处理的效果。在特征提取预处理中，主要完成
人眼定位，进而对图像剪裁，把１４４×１８０的原图归一化为
１００×１００。并通过ＤＣＴ变换把图像压缩成５０×５０大小。
图３从左到右．依次为原图。直方图均衡化的图， 锐化处理后的图，中值滤波后的图
２．４人脸检测 经过预处理的差分图像，可能存在多个变化区域，因
此还需通过人脸检测来确定人脸。本文人脸区域的确定 采用级联分类器来得到。如图４所示。第一级采用几何 尺寸的方法。排除面积过小的类人脸。第二级采用人脸几 何特征的方法，选取最终的人脸区域。
系数重建图像。
２．６人脸特征提取和分类器的设计 ２．６．１ ＰＣＡ＋ＬＤＡ特征提取算法介绍
人脸特征提取是人脸识别的关键所在。用于人脸识 别的方法，大致可以分为两类：基于统计的方法和基于几 何的方法。当应用统计方法解决人脸识别问题时，一再碰 到的一个问题是维数问题。我们通常将一幅包含厅×ｍ 像素的图像看作是，ｌ×ｍ维空间里的一个点。但是，／７．×ｍ 维这样的高维空间对于快速而且鲁棒的识别方法是不太 可行的。在低维空间里解析上或者计算上行得通的方法，
整个人脸识别系统主要由图像采集、图像数据存储、 图像数据处理、图像显示等几个部分组成。图像采集部分 使用Ｐｈｉｌｉｐ公司的ＳＡＡ７１１３专用图像采集器，工作速度 ２７Ｍ。图像的存取由两块Ｘｉｌｉｎｘ公司的１０万门ＦＰＧＡ来
２人脸识别算法及系统应用软件的设计
２．１人脸识别系统介绍 本系统先利用视频图像的差分技术完成对运动区域
一＞ ｆ尘生＋ｆ竺Ｌ二堡、ｚ１‘
ＬＬ二』—ｌ＞ｔ
（（ ２一））
ｓｉｓｉ
式中ｍ。和钆（ｋ＝ｉｊ）是ｆ（互，Ｙ，ｔ‘）在（茗，Ｙ）的某小邻域
Ｑ（ｚ，，，）内的均值和方差，ｔ是门限。若式（２）成立，则
，（戈，Ｙ，ｔ；）和以茗，Ｙ，ｔ，）的亮度在（茗，Ｙ）位置有显著性差异，
取磁Ｚ（童，Ｙ）＝ｌ；若式（２）不成立，则取磁∥（工，Ｙ）＝０。
为验证本系统的实时性，本文对３０个人在不同光线、 有无带眼镜、表情变化等不同情况下进行了实验。实验 中。训练阶段在Ｍａｔｌａｂ中执行，然后把得到特征库数据烧 人ＤＳＰ系统的Ｆｌａｓｈ中。实时系统只完成人脸的检测，预 处理，识别分类。实验结果表明系统有较好的实时性，能 满足实际应用中对时间的要求。
参考文献
基于这种差分技术，变化区域的位置可以通过简单的帧相
减等技术轻易得到。
２．３图像预处理
本系统的图像预处理分为两个阶段：人脸检测预处理
和特征提取预处理。人脸检测预处理中首先对图像灰度
化。接着采用３卑３的滑动窗口对待识别图像进行中值滤
波处理，抑制输入原始图像由于随机干扰和脉冲干扰引起
的噪声。然后采用直方图均衡化的方法来增强图像，减弱
·６５－
＋．（警） №∽＝出）口（。）丢∑ｙ：Ｏ Ａ（ｘ，ｙ）ｅｏｓ（警炯一
其中珏＝Ｏ，１，２，…，新一１；秽＝０，ｌ，２，…Ｊ｝ｖ—ｌ；口（茹）定义为：
口， 【、茗，ｆ２，｛／—１／—Ｍ，名＝０ 【／２／Ｍ，石＝１，２，…，肘一１
由公式可知，ＤＣＴ就是将信号表示成一系列的余弦信 号的线性叠加。离散余弦变换具有的特点是：频域变化因 子ｕ，Ｆ较大时，高频 ＤＣＴ系数Ｙ（“，口）的 值很小；而数值较大
在高维空间里往往行不通。因此，降低维数就成为处理实 际问题的关键。由ＤＣＴ变换原理，我们知道低频ＤＣＴ系 数包含了人脸图像的大量信息。因此，考虑直接在ＤＣＴ 变换域上进行特征提取。
２．６．１．１ ＰＣＡ
主成分分析（ＰＣＡ）就是选择样本点分布方差大的坐 标轴进行投影，来降低维数而使信息量损失最小，这样就 把问题转化为求样本数据协方差矩阵的特征值问题。设 训练样本集中有衍个人脸样本，ＰＣＡ算法步骤为Ｂ１