基于ARM9的人脸识别系统 嵌入式报告 课程设计
基于ARM9的人脸识别系统嵌入式报告课程设计报告
-嵌入式课程设计报告学院信息电子技术专业通信工程班级**指导教师2021年07月01日. z.基于ARM9的人脸识别系统一、引言人脸识别背景和意义人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的开展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统〞集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。
人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人发觉，从而更有可能被伪装欺骗。
二、系统设计1、硬件电路设计〔1〕ARM9处理器本系统所采用的硬件平台是天嵌公司的TQ2440开发板，该开发板的微处理器采用基于ARM920T内核的S3C2440芯片。
ARM9比照ARM7的优势：虽然ARM7和ARM9内核架构一样，但ARM7处理器采用3级流水线的冯·诺伊曼构造，而ARM9采用5级流水线的哈佛构造。
增加的流水线设计提高了时钟频率和并行处理能力。
5级流水线能够将每一个指令处理分配到5个时钟周期内，在每一个时钟周期内同时有5个指令在执行。
在常用的芯片生产工艺下，ARM7一般运行在100MHz左右，而ARM9则至少在200MHz以上。
指令周期的改良对于处理器性能的提高有很大的帮助。
性能提高的幅度依赖于代码执行时指令的重叠，这实际上是程序本身的问题。
对于采用最高级的语言，一般来说，性能的提高在30%左右。
嵌入式人脸识别实训报告
一、实训背景随着科技的飞速发展，人工智能技术在我国得到了广泛的应用。
其中，人脸识别技术凭借其高精度、高效率、非接触式识别等优势，在安防、支付、智能家居等领域具有广阔的应用前景。
为了让学生更好地了解和掌握嵌入式人脸识别技术，我们开展了为期一个月的实训课程。
二、实训目标1. 熟悉嵌入式系统基础知识，了解嵌入式人脸识别系统的基本原理；2. 掌握人脸检测、人脸识别算法的实现方法；3. 能够独立完成嵌入式人脸识别系统的设计与开发；4. 培养团队合作精神，提高实际动手能力。
三、实训内容1. 嵌入式系统基础知识实训期间，我们学习了嵌入式系统的基本概念、硬件平台、软件平台和开发工具。
主要内容包括：处理器、存储器、外设、嵌入式操作系统、开发环境等。
2. 人脸检测人脸检测是人脸识别系统的第一步，其目的是从图像中定位出人脸的位置。
实训中，我们学习了Haar特征分类器、基于深度学习的卷积神经网络（CNN）等人脸检测算法，并使用OpenCV库实现了人脸检测功能。
3. 人脸识别人脸识别是指通过分析人脸图像，提取人脸特征，并将提取的特征与数据库中的人脸特征进行比对，从而实现身份认证。
实训中，我们学习了基于特征脸、基于神经网络的人脸识别算法，并使用OpenCV库实现了人脸识别功能。
4. 嵌入式人脸识别系统设计与开发结合实训内容，我们以STM32微控制器为硬件平台，设计并开发了一个嵌入式人脸识别系统。
系统主要包括以下模块：（1）图像采集模块：使用摄像头采集人脸图像，并将图像数据传输到微控制器。
（2）图像处理模块：对人脸图像进行预处理，包括人脸检测、人脸对齐、特征提取等。
（3）人脸识别模块：将提取的人脸特征与数据库中的人脸特征进行比对，实现身份认证。
（4）用户界面模块：通过液晶显示屏显示系统状态、人脸识别结果等信息。
5. 系统测试与优化在系统设计与开发完成后，我们对系统进行了测试与优化。
主要测试内容包括：人脸检测速度、人脸识别准确率、系统稳定性等。
人脸识别嵌入式实训报告
一、引言随着人工智能技术的飞速发展，人脸识别技术作为生物识别技术的一种，因其高准确性、非接触性和易用性等优点，在安防、金融、医疗、教育等领域得到了广泛应用。
为了深入了解人脸识别技术，我们进行了人脸识别嵌入式实训，通过实际操作，掌握了人脸识别系统的设计与实现方法。
二、实训目的1. 熟悉人脸识别技术的原理和流程。
2. 掌握人脸识别嵌入式系统的设计与实现方法。
3. 培养动手能力和团队协作精神。
三、实训内容1. 人脸检测人脸检测是人脸识别系统的第一步，主要目的是从图像中检测出人脸区域。
实训中，我们使用了OpenCV库中的人脸检测算法，通过Haar级联分类器进行人脸检测。
2. 人脸特征提取人脸特征提取是将人脸图像转换为可用于识别的特征向量。
实训中，我们使用了Local Binary Patterns Histograms (LBPH) 算法进行人脸特征提取。
3. 人脸识别人脸识别是将提取的特征向量与数据库中的人脸特征进行比较，从而识别出目标人脸。
实训中，我们使用了Nearest Neighbor (NN) 算法进行人脸识别。
4. 嵌入式系统设计我们选择了STM32微控制器作为嵌入式系统平台，利用其丰富的片上资源，实现了人脸识别系统的硬件设计。
主要包括以下模块：- 图像采集模块：采用OV7670摄像头模块进行图像采集。
- 图像处理模块：使用STM32的片上资源进行图像预处理、人脸检测和特征提取。
- 存储模块：使用SD卡存储人脸特征数据库。
- 显示模块：使用TFT LCD显示屏显示识别结果。
5. 软件设计软件设计主要包括以下部分：- 图像处理程序：使用OpenCV库进行图像处理，包括人脸检测和特征提取。
- 识别程序：使用NN算法进行人脸识别。
- 用户界面程序：使用Qt库开发跨平台用户界面，实现系统功能。
四、实训结果通过实训，我们成功设计并实现了一个基于STM32的人脸识别嵌入式系统。
系统能够实时检测人脸、提取特征并进行识别，识别准确率达到90%以上。
基于ARM9处理器的嵌入式指纹识别系统设计
基于ARM9处理器的嵌入式指纹识别系统设计摘要：为了适应指纹采集传感器件和指纹识别系统向着小型化和嵌入式方向发展的需要，文中提出了一种基于ARM9处理器架构的CPU芯片S3C2440A的嵌入式指纹识别系统（指纹识别系统是一个典型的模式识别系统，包括指纹图像获取、处理、特征提取和比对等模块。
）设计方案，同时对该指纹识别系统的硬件架构进行了说明。
该方案具有结构简单、可扩展性和移植性强等诸多优点。
0 引言指纹鉴定是人身识别最重要的手段之一，指纹自动识别系统给指纹鉴定工作提供了一个新的平台，并使指纹自动识别系统在身份认证方面具有更广阔的前景。
目前，自动指纹识别系统一般都是联机的，大多数系统都选用指纹传感器来采集，并以计算机(PC)作为主机来处理，从而对指纹进行匹配。
而本文提出的基于ARM9的嵌入式指纹识别系统则是把采集和处理集于一身的独立系统，因而可以做得很小，比较适合用于高档汽车门、防盗门以及公*勤系统等场合。
嵌入式系统是指以应用为中心，以计算机技术为基础，软硬件可裁剪，其应用系统对功能、可靠性、成本、体积和功耗等要求都比较严格的专用计算机系统。
本文选用SAMSUNG的S3C2440A作为嵌入式指纹系统的主处理芯片，提出了系统的软硬件设计方案。
1 嵌入式指纹识别系统的硬件设计图1所示是本嵌入式指纹识别系统的硬件框图。
从图1中可以看到，本系统主要由指纹数据采集模块、微处理器模块、数据存储模块和通讯模块等四个模块组成。
本系统以ARM9处理器为核心来驱动指纹传感器采集指纹，并将指纹数据放入存储器中，此数据可以被PC通过串口获取，也可以保存在数据存储器中。
指纹数据采集模块可利用软件方式来判断是否进行指纹的采集。
当进行指纹采集时，指纹传感芯片将按照设定的参数来采集指纹，并将模拟图像转换成数字图像，然后在ARM的控制下，将数据存储在外部数据空间，以等待下一步的处理。
图1 指纹识别系统的硬件框图微处理器模块以ARM和数据存储器为核心，可对采集到的指纹图像进行相应的预处理，并通过对发光二极管的控制来显示指纹预处理结果。
基于ARM架构的嵌入式人脸识别技术研究
基于ARM架构的嵌入式人脸识别技术研究人脸识别技术是近年来快速发展的一项重要技术，在安全领域、金融行业、智能手机领域及社交媒体等方面得到了广泛应用。
然而，传统的人脸识别技术一般需要使用高性能的计算机与复杂的算法才能实现。
随着嵌入式技术的不断成熟，基于ARM架构的嵌入式人脸识别技术逐渐受到关注，并在实际应用中显示出了巨大的潜力。
嵌入式系统是一个集成了有限资源的计算系统，具有体积小、功耗低、功能强大等特点，广泛应用于手机、平板电脑、智能家居等领域。
基于ARM架构的嵌入式系统以其高性能、低功耗的特点成为了人脸识别技术的一种理想解决方案。
本文将从硬件平台、算法优化以及实际应用三个方面，对基于ARM架构的嵌入式人脸识别技术进行研究。
首先，针对硬件平台，在选择ARM架构的芯片时需要考虑处理器性能、内存容量、功耗等因素。
ARM Cortex系列的处理器由于其高性能与低功耗的特点成为了常用的选择。
除此之外，还需要考虑图像传感器、摄像头、接口等硬件组件的选择与配置。
合理的硬件平台设计可以提供强大的计算性能和数据处理能力，为嵌入式人脸识别技术的实现提供有力支持。
其次，算法优化是实现基于ARM架构的嵌入式人脸识别的关键。
传统的人脸识别算法中常用的方法包括特征提取、特征匹配等。
然而，由于嵌入式设备的性能限制，需要对算法进行优化，以提高识别速度和准确度。
一种常用的优化方法是采用快速人脸检测算法，通过减少识别的搜索范围来降低计算复杂度。
此外，还可以使用图像压缩、图像分辨率降低、特征降维等方法来减小数据规模，进一步提高算法的运行效率。
算法优化是实现基于ARM架构的嵌入式人脸识别的重要手段，可以有效解决嵌入式设备的计算资源不足的问题。
最后，实际应用是基于ARM架构的嵌入式人脸识别技术的重要体现。
嵌入式人脸识别技术可以应用于智能手机的解锁、金融领域的身份认证、智能家居的人脸检测等多个领域。
例如，在智能手机领域，基于ARM架构的嵌入式人脸识别技术可以应用于人脸解锁功能，提供更加方便和安全的解锁方式。
嵌入式课程设计基于arm9的拟人机器人设计
The University of South China嵌入式系统课程设计题目基于ARM 嵌入式系统的拟人机器人控制器的设计学院名称电气工程学院指导教师黄智伟教授班级电子071 班学号20074470114学生姓名王仁茂2010年11月30日摘要为满足低成本、高性能的要求, 提出在拟人机器人控制器的设计中引入基于ARM 处理器和RTO S (Real2timeO S) 的嵌入式系统。
使用ARM 9 处理器S3C2410 和RT2Linux构建小型拟人机器人控制器的系统架构, 以拟人机器人的行走控制为例, 从硬件和软件上介绍了控制器的实现方法。
硬件选用高集成度的嵌入式处理器并采用模块化设计; 软件开发中使用Petri 网建模并利用Linux 良好的驱动程序框架,降低了开发难度, 提高了系统的可扩展性。
最后给出了在机器人避障中的应用, 验证了控制器方案的可行性, 为拟人机器人的进一步研究提供了平台。
关键词: 拟人机器人; 舵机; 嵌入式系统; Petri 网; 设备驱动。
AbstractA low cost, high performance humanoid robot controller was developed based on the ARM processor and the RTOS( real2time OS). The controller system architecture consists of aS3C2410 chip with the ARM 9 co re running RT2Linux. The implementation including hardware and software is illustrated by a robot walking example. The hardware platform uses a modular design with a highly inter grated embedded CPU.A Petri net is used to model the control flow. The software is based on the Linux device driver frame with simplifies the system and improves the expansibility. The control system successfully enabled the robot to evade obstacles and provides a platform for further development of humanoid robots.Key words: humanoid robot; servo; embedded system; Petri net; device driver；目录1.设计简介 (4)1. 1 嵌入式系统简介 (4)1. 2 拟人机器人简介 (5)1. 3 嵌入式系统设计简介 (7)2．拟人机器人系统架构 (10)2. 1 拟人机器人机械结构设计 (10)2. 2拟人机器人控制器硬件设计 (11)2. 3 拟人机器人控制器软件设计 (13)3 拟人机器人步行控制方案 (14)4 应用实例 (18)5 心得与体会 (19)6参考文献 (20)1 设计简介1.1嵌入式简介根据国际电气和电子工程师协会（IEEE）的定义，嵌入式系统是“控制、监视或者辅助设备、机器和车间运行的装置”，原文为devices used to control,monitor,or assist the operation of equipment,machinery or plants.目前，国内普遍认同的定义是：以应用为中心，以计算机技术为基础，软硬件可裁剪，适应应用系统对功能、可靠性、成本、体积、功耗严格要求的专用计算机系统。
嵌入式人脸检测课程设计
嵌入式人脸检测课程设计一、教学目标本课程的教学目标是使学生掌握嵌入式系统的基本原理，了解人脸检测的基本算法，并能够使用相关开发工具进行嵌入式人脸检测系统的开发。
1.掌握嵌入式系统的基本原理和组成。
2.了解人脸检测的基本算法和原理。
3.熟悉嵌入式人脸检测系统的开发流程。
4.能够使用相关开发工具进行嵌入式系统开发。
5.能够实现人脸检测算法并进行嵌入式人脸检测系统的开发。
情感态度价值观目标：1.培养学生的创新意识和团队协作精神。
2.培养学生对嵌入式技术和人脸检测技术的兴趣，提高学生对领域的认识和关注。
二、教学内容本课程的教学内容主要包括四个部分：嵌入式系统基础知识、人脸检测算法、嵌入式人脸检测系统开发和实际应用案例分析。
1.嵌入式系统基础知识：介绍嵌入式系统的基本原理、组成和开发方法。
2.人脸检测算法：介绍人脸检测的基本算法和原理，包括Haar级联分类器、LBP特征分类器等。
3.嵌入式人脸检测系统开发：介绍嵌入式人脸检测系统的开发流程，包括硬件选择、软件开发和系统集成。
4.实际应用案例分析：分析嵌入式人脸检测系统在实际应用中的案例，如人脸识别门禁系统、人脸识别监控系统等。
三、教学方法为了激发学生的学习兴趣和主动性，本课程将采用多种教学方法相结合的方式进行教学。
1.讲授法：通过讲解嵌入式系统和人脸检测算法的相关理论知识，使学生掌握基本概念和原理。
2.案例分析法：通过分析实际应用案例，使学生了解嵌入式人脸检测系统的应用场景和开发过程。
3.实验法：安排实验课程，使学生能够动手实践，加深对嵌入式人脸检测系统的理解和掌握。
4.讨论法：学生进行分组讨论，促进学生之间的交流与合作，培养学生的团队协作能力。
四、教学资源为了支持教学内容和教学方法的实施，丰富学生的学习体验，我们将选择和准备以下教学资源：1.教材：选用权威、实用的嵌入式系统和人脸检测相关教材，为学生提供系统的理论知识学习。
2.参考书：提供相关的参考书籍，为学生提供更多的学习资料和拓展知识。
基于ARM的人脸识别系统设计与实现.
东北师范大学硕士学位论文基于ARM的人脸识别系统设计与实现姓名：塔娜申请学位级别：硕士专业：计算机应用技术指导教师：马志强20090501摘要人脸识别技术作为生物识别技术之一，是模式识别在图像领域中的具体运用，其应用前景非常广阔，可以应用到身份证件的鉴别、自动门禁控制系统、银行取款机、家庭安全，图片检索等领域。
人脸识别系统主要分为人脸检测定位，特征提取和人脸分类三部分。
人脸的检测和定位，即从输入的图像中找到人脸及入脸存在的位置，并将人脸从背景中分离出来。
在特征提取部分，先对原始人脸数据进行特征提取，之后原始数据由维数较少的有效特征数据表示并存储在数据库中，接下来进行人脸分类，在识别待测人脸图像时，将待测图像的特征数据与数据库中存储数据相比对，判断是否为库中的某一人，．从而实现自动识别人脸的目的。
在过去的十年里，人脸识别技术一直是图像处理领域里具有挑战性的课题，随着研究的深入，许多人脸检测及识别算法被提出来。
其中基于主成分分析的Ｅｉｇｅｎｆａｃｅ的算法及其变形已经成为测试人脸识别系统性能的基准算法；同时Ａｄａｂｏｏｓｔ人脸检测算法，在ＰＣ上基本可以达到实时，在嵌入式产品广泛应用的今天，只有让人脸识别算法在嵌入式平台上实现，才能获得更广阔的应用，本文研究了在嵌入式平台上Ａｄａｂｏｏｓｔ人脸检测算法的性能。
嵌入式是后ＰＣ时代的一个亮点，目前已经应用在社会生活的方方面面。
嵌入式产品的开发平台分为包括很多，如：ＤＳＰ，ＡＲＭ，ＰｏｗｅｒＰＣ等等。
本文采用的ＡＲＭ９作为嵌入式开发平台，研究人脸识别在ＡＲＭ平台的性能，为实用的嵌入式人脸识别系统的设计提供参考。
本文从ＰＣ平台的软件实现入手，分别实现了ＰＣ平台下的ＡｄａＢｏｏｓｔ人脸检测算法和ＰＣＡ人脸识别算法；分析了现象及结果，接下来搭建了基于ＡＲＭ嵌入式系统的硬件平台，对ＡｄａＢｏｏｓｔ人脸检测算法进行了硬件平台的移植，并得出相应实验效果。
人脸识别；人脸检测；ＡＲＭ；ＡｄａＢｏｏｓｔ；ＰＣＡ关键词：ＡｂｓｔｒａｃｔＦａｃｅｒｅｃｏｇｎｉｔｉｏｎａｓａｂｉｏｌｏｇｙｒｅｃｏｇｎｉｔｉｏｎｔｅｃｈｎｏｌｏｇｙ，ｉｔｉｓａｐａｒｔｉｃｕｌａｒｕｓｅａｐｐｌｉｃａｔｉｏｎｏｆｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｉｎｉｍａｇｅｆｉｌｅｄ．ＦａｃｅｒｅｃｏｇｎｉｔｉｏｎｕｓｕａｌｌｙｖｅｒｉｔｉｆｉｃａｔｉｏｎｆｏｒＰｅｒｓｏｎａｌｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｇａｔｅｗａｙｓｔＯｉｎｌｉｍｉｔｅｄａｃｃｅｓｓａｒｅａｓ，ａｕｔｈｅｎｔｉｆｉｃａｔｉｏｎｆｏｒｂａｎｋａｎｄｆａｍｉｌｙｓｅｃｕｒｉｔｙ，ｅｔｃ．ｎｌｅｈｕｍａｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍｉｎｃｌｕｄｅｓｆａｃｅｄｅｔｅｃｔｉｏｎ，ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｎｄｆａｃｅｃｌａｓｓｉｆｉｃａｔｉｏｎ。
基于ARM的人脸识别系统的设计
基于ARM的人脸识别系统的设计1硬件平台1.1ARM处理器系统采用的处理器是三星公司的ARM9系列S3C2440，工作主频率达到了400 MHz，可以达到系统对运算速度的要求。
处理器内置有2个USB HOST用来挂载USB摄像头。
1.2液晶显示屏系统采用三星的320*240液晶显示屏，显示USB摄像头采集的当前图像。
液晶屏的像素深度为2bit，使用RGB565色彩空间。
1.3摄像头摄像头采用常见的USB摄像头，内部是OV511 PLUS芯片，CMOS光电传感器。
1.4存储系统系统采用64MB的NAND Flash，采用一片K9F1208芯片。
采用由两片K4S561632芯片组成64 MB的SDRAM。
2软件平台系统的软件设计主要任务在操作系统的底层的驱动程序，用户层的应用程序设计。
操作系统采用最新的Linux 2.6内核，并对内核进行裁剪，删除对本系统不需要的驱动以及系统服务程序。
本系统的驱动程序用来驱动指示灯、摄像头和按键。
这几个驱动程序在操作系统启动后，采用Linux的动态加载模块加载到系统内核。
指示灯驱动程序是用来指示当前程序工作状态。
摄像头的驱动程序可以在kernel自带的OV511驱动程序上稍加修改，来兼容OV511 PLUS芯片。
由于应用程序运行于Linux操作系统用户层之上，应用程序则无法直接对系统底层的接口进行控制，必须先通过驱动程序对物理地址进行地址映射，才可以由映射的虚拟地址进行I/O进行读写操作。
按键驱动程序主要是用来采集用户输入信息，并通过硬中断传至kernel空间，再由驱动程序通过进程间通信，把信息传至用户空间的应用程序。
3系统应用程序设计3.1系统工作流程本系统的工作模式：注册和匹配。
选择注册时要求用户输入身份信息，然后系统获取人脸特征并同身份信息一起烧入FLASH中。
匹配时则提取虹膜的特征点与FLASH中已经记录的人脸特征信息进行比较，然后在LED上显示出匹配结果和用户对应ID。
基于ARM智能视频监控人脸识别系统设计
基于ARM智能视频监控人脸识别系统设计随着人脸识别技术的发展，智能视频监控系统在安防领域的应用越来越广泛。
本文基于ARM芯片设计了一种智能视频监控人脸识别系统，实现了人脸识别、人脸比对和报警功能。
一、系统概述本系统包括前端视频采集设备、后端服务器和人脸识别算法模块。
前端采集设备包括摄像头和嵌入式Linux系统，后端服务器用于存储和处理数据，人脸识别算法模块采用深度学习算法进行人脸识别和比对，并根据识别结果发出报警。
二、系统设计1. 前端视频采集设备前端采集设备采用ARM平台，使用了嵌入式Linux系统，通过摄像头实时采集图像，并发送到后端服务器进行处理。
同时，前端设备还具备本地存储功能，可以将采集到的图像存储到本地，以备后续分析和处理。
2. 后端服务器后端服务器采用云计算技术，可以实现数据的集中管理和处理。
服务器使用了大容量磁盘和高速网卡，以保证数据传输的稳定和快速。
在服务器端，还需要编写相应的程序，对接前端设备和人脸识别算法模块。
3. 人脸识别算法模块人脸识别算法模块采用深度学习技术，包括了卷积神经网络和循环神经网络两种结构，以及softmax分类器和欧式距离比对器。
识别流程如下：（1）图像预处理：对采集的图像进行预处理，包括图像增强、人脸检测、人脸对齐、图像归一化等步骤。
（2）特征提取：采用卷积神经网络和循环神经网络结合的方法提取人脸的特征信息，生成一个128维的特征向量。
（3）人脸比对：将两张人脸的特征向量输入到欧式距离比对器中，计算它们之间的欧式距离，根据预设的阈值判定是否属于同一人。
（4）报警：如果欧式距离小于阈值，说明两张人脸属于同一人，会将识别结果发送到后端服务器，并进行报警。
三、系统实现本系统采用了C++和Python作为主要编程语言，使用了OpenCV、Tensorflow、Pytorch等第三方框架。
在软件开发过程中，还需要对硬件进行相应的配置和调试。
四、系统效果本系统在安防领域的实际应用效果非常显著，可以快速准确地识别出人脸，并进行比对和报警。
《基于嵌入式系统人脸识别的分析与研究》范文
《基于嵌入式系统人脸识别的分析与研究》篇一基于嵌入式系统的人脸识别分析与研究一、引言人脸识别技术在当今的信息化社会已成为重要的身份认证工具，而基于嵌入式系统的人脸识别技术更是其重要的发展方向。
嵌入式系统以其体积小、功耗低、性能稳定等优势，在人脸识别领域得到了广泛的应用。
本文旨在分析并研究基于嵌入式系统的人脸识别技术，探讨其技术原理、应用领域及发展前景。
二、人脸识别技术概述人脸识别技术是一种基于生物特征的身份识别技术，通过捕捉并分析人脸的特征信息，如面部轮廓、眼睛、鼻子、嘴巴等部位的形状、大小和位置等，进行身份验证。
该技术主要分为人脸检测、特征提取和身份识别三个阶段。
三、嵌入式系统在人脸识别中的应用嵌入式系统以其体积小、功耗低、可定制等优点，在人脸识别领域发挥了重要作用。
基于嵌入式系统的人脸识别技术主要包括硬件设计和软件算法两大部分。
硬件设计包括嵌入式处理器的选择、摄像头的选型及布局等；软件算法则涉及人脸检测、特征提取、身份识别等算法的优化与实现。
四、技术原理分析（一）人脸检测人脸检测是人脸识别的第一步，主要通过图像处理技术，从背景中提取出人脸区域。
嵌入式系统中的人脸检测通常采用基于肤色模型、形状模型等方法。
（二）特征提取特征提取是人脸识别的关键步骤，主要是通过算法对人脸图像进行特征提取。
嵌入式系统中常用的特征提取算法包括主成分分析（PCA）、线性判别分析（LDA）等。
（三）身份识别身份识别是通过将提取的特征与数据库中的特征进行比对，从而确定身份。
嵌入式系统中通常采用基于模板匹配、神经网络等方法进行身份识别。
五、应用领域及发展前景基于嵌入式系统的人脸识别技术广泛应用于安防、智能家居、移动支付等领域。
在安防领域，可用于门禁系统、监控系统等；在智能家居领域，可用于智能门锁、智能照明等；在移动支付领域，可用于手机支付、ATM机等。
随着人工智能、大数据等技术的发展，基于嵌入式系统的人脸识别技术将有更广阔的应用前景。
基于ARM的人脸检测系统的设计
基于ARM的人脸检测系统的设计摘要：本文首先介绍视频监控技术的发展背景及未来的发展方向。
其次,对各种需求提出解决方案,得出arm+linux+opencv+qt4的解决方案是最佳的方案。
最后介绍了基于adaboost算法的人脸检测的方法。
关键词：Armopensvadaboost近年来,功能各异的视频监控设备越来越多,但是,大多只能简单记录视频画面,将监控到的视频信息存储起来,而不能对所监控到的视频做一定的处理分析和预测。
基于arm的人脸检测系统,为我们的视频监控设备提供了一个视频处理的参考解决方案,在一定基础上加以扩充,可以完成人物识别,危险行为检测与报警等,使视频监控设备更加智能化。
1.视频监控的若干关键技术及发展方向视频监控的关键技术主要有视频采集压缩算法、视频信号可靠地传输、信息存储调用的智能化与系统的集中管理等。
视频监控技术发展方向为分布采集集中管理、高品质图象压缩处理、开放标准统一接口、统一认证以确保安全、操作人性化以及功能集成化、结构模块化和传输多样化。
随着不断发展的网络技术,基于嵌入式技术的网络数字监控系统不再是处理模拟视频信号,而是把摄像机输出的模拟视频信号通过视频编码器直接转换为ip数字信号。
2.平台建设arm之所以应用广泛,是因为有较快得运算速度,较低的价格,开发人员也比较容易接触,程序较易移植过来等特点。
embeddedlinux也是linux家族的成员,支持广泛的硬件平台,如ppc、arm、mips等,也继承了linux的优点――开源、免费,同时也有广泛的应用软件支持,能够比较方便的移植操作系统与应用软件。
3.opencv简介opencv是一个开源的计算机视觉库,采用c/c++语言进行编写,可以运行在linux/windows/mac等操作系统上,同时还提供了python、ruby以及其他语言的接口。
其设计目标就是执行速度尽量快,它采用优化的c语言编写,能够充分利用多核处理器的优势。
基于ARM9与Linux的人脸识别门禁系统设计
头进行视频采集的系统方案 。 该方案 由 Ｉ Ｐ网络摄像头 、 门禁控制器 、Ａ Ｒ Ｍ 嵌 入式系统 以及客户端组成 。用户 可通过 ＱＴ触 摸屏 访问门禁控制器 ， 进入人员信息的录
统容易受到复杂背景 、 人脸姿势的影响 ， 造成人 脸检测 效果不理想 。
技术——利用人体固有的生理特征或行为特征来进行 身份 的鉴别或 确认 。 人脸识别技术作 为一种新 兴的生物
特征识 别技术 ， 与虹膜识别【 ” 、 指纹扫描 【 、 静脉识别【 】 等技 术相 比 ，人脸 识别技术 在应用 方面具有 独到 的优
引 言
当前 ， 众 多学者致 力于研 究基于人脸识 别的门禁 系
门禁 系统顾 名思义就 是对 出入 口通道 进行管 制系
统 ，并 且正朝着数 字化 、网络化 、智能化 的方 向发展 。
统 ，它是在传统的门锁基础上发展而来的 。 近年来 ， 随 着科技 的不断发展 ， 传统 的基于密码 、 磁卡和钥匙等安 全措施 已不能 完全满足科技发达 的社会要求 ， 门禁 系统 的功能和安全性都有 了很大 的提高 。 在如今注重安全和 隐私 的大背景下 ， 人们开始把 目光投 向了生物特征识别
入和 日志访 问等 。 与传统方案相 比 ， 该方案具有明显的
优势 。 １系统工作原理
以仿冒， 人脸识别技术所独具的活性判别能力保证了他
人无法以非活性的照片 、木 偶 、蜡 像来欺骗识别系统。
门禁系统属于公共安全管理系统范畴 ， 本系统基于
收稿 日期 ：２ ０ １ ５ ． ０ ６ — ０ １ 作者简介 ：刘巍 （ １ ９ ８ ５ ． ） ，男，江西浮粱人 ，助理 实验师 ，研 究方向 ：电子应用 ，嵌入式 系统。
ARM9嵌入式系统设计基础教程课程设计
ARM9嵌入式系统设计基础教程课程设计课程背景随着科技的发展和人们对生活质量要求的提高，嵌入式技术（Embedded System）在各行各业中得到了越来越广泛的应用。
嵌入式系统作为一种特殊的计算机系统，已经在家电、汽车、医疗、工业控制等领域崭露头角。
ARM9嵌入式系统是目前应用最广泛的一种嵌入式系统，其性能稳定、易于开发、兼容性强等优点让它成为众多企业和开发者的首要选择。
本课程以ARM9嵌入式系统为主要研究对象，旨在教授ARM9嵌入式系统设计基础知识，为学生提供嵌入式系统开发的技术支持和实践操作经验。
教学目标1.掌握ARM9嵌入式系统设计的基础知识，包括ARM体系结构、ARM处理器、电路设计等；2.学习嵌入式系统开发所需的编程语言和工具，包括C语言、汇编语言和keil MDK等；3.学习ARM9嵌入式系统中常用的外设，包括串口、SPI、I2C等；4.掌握基本的嵌入式系统开发流程和调试方法。
教学内容第一章 ARM体系结构1.ARM体系结构概述2.ARM的寄存器组织与功能3.ARM的指令系统4.ARM的异常处理第二章 ARM处理器1.ARM的微架构和流水线结构2.ARM的存储访问方式3.ARM的中断和异常处理4.ARM的外设接口和总线控制器第三章嵌入式系统开发工具1.keil MDK介绍2.C语言编程基础3.汇编语言编程基础4.嵌入式系统的调试方法第四章 ARM9嵌入式系统外设的设计和应用1.串口应用2.SPI应用3.I2C应用4.中断应用实验环节1.ARM9嵌入式系统的基本操作2.嵌入式系统空中升级功能设计3.基于keil MDK的ARM9单片机系统串口通信模块驱动程序设计4.基于keil MDK的ARM9单片机系统SPI通信模块驱动程序设计5.基于keil MDK的ARM9单片机系统I2C通信模块驱动程序设计实际效果学生通过本课程的学习和实践，在ARM9嵌入式系统设计方面获得了基本的理论知识和实践经验，能够独立完成基于ARM9嵌入式系统的嵌入式系统设计开发，为企业和个人发展奠定了扎实的技术基础。
《2024年基于ARM架构的嵌入式人脸识别技术研究》范文
《基于ARM架构的嵌入式人脸识别技术研究》篇一一、引言随着科技的飞速发展，人脸识别技术已经成为了当今社会的重要应用之一。
在众多应用场景中，基于ARM架构的嵌入式人脸识别技术因其高效能、低功耗的特点，受到了广泛的关注。
本文将详细探讨基于ARM架构的嵌入式人脸识别技术的相关研究。
二、ARM架构概述ARM架构是一种广泛应用的嵌入式系统架构，以其低功耗、高性能的特点，被广泛应用于各种嵌入式设备中。
ARM架构的处理器具有高度的集成度和可扩展性，可以满足不同应用场景的需求。
三、人脸识别技术人脸识别技术是一种通过计算机视觉和模式识别等技术，实现对人类面部特征进行识别和比对的技术。
人脸识别技术已经成为了许多领域的重要应用，如安全监控、门禁系统、手机解锁等。
四、基于ARM架构的嵌入式人脸识别技术研究4.1 技术原理基于ARM架构的嵌入式人脸识别技术主要采用深度学习和计算机视觉等技术，通过采集图像或视频数据，对人类面部特征进行提取和比对，从而实现人脸识别。
在ARM架构的处理器上运行相关算法，可以实现高效的人脸识别处理。
4.2 技术难点与挑战虽然人脸识别技术在理论上已经取得了显著的进展，但在实际应用中仍存在许多技术难点和挑战。
首先，如何准确快速地提取人脸特征是一个重要的技术难题。
其次，如何在复杂的环境下进行人脸识别也是一个重要的挑战。
此外，如何保护用户隐私和数据安全也是需要重视的问题。
4.3 技术应用与优化针对上述技术难点和挑战，研究者们提出了许多解决方案和优化方法。
首先，通过改进算法和优化模型结构，可以提高人脸识别的准确性和速度。
其次，通过使用高精度的图像传感器和照明设备，可以改善复杂环境下的识别效果。
此外，通过加密技术和隐私保护策略，可以保护用户隐私和数据安全。
五、实践应用与前景展望基于ARM架构的嵌入式人脸识别技术已经得到了广泛的应用。
例如，在安全监控系统中，可以通过该技术实现对监控区域的实时监控和人脸识别；在门禁系统中，可以通过该技术实现对进出人员的身份验证；在手机解锁等场景中，也可以通过该技术实现快速便捷的解锁操作。
嵌入式人脸识别考勤系统的设计
DOI ：10.13888/ki.jsie （ns ）.2018.04.019收稿日期：2018-06-11基金项目：2017年福建省示范性虚拟仿真实验教学中心（JAT170748）作者简介：陈寿坤（1979-），男，福建漳州人，实验师，硕士。
嵌入式人脸识别考勤系统的设计陈寿坤，郑清兰（闽南理工学院实践教学中心，福建石狮362700）摘要：设计了以ARM9为核心的嵌入式人脸识别考勤系统。
该系统选用CCD 摄像机捕捉人脸图像，采用PCA 人脸识别算法进行比对，最后选用Linux 操作系统进行相应的软件系统设计，完成系统的整体设计，实现考勤的实时监测。
系统能很好的采集图像数据并保存图像的完整，通过修改程序能使该设计应用在不同场合的人脸识别中，具有广泛的市场前景。
关键词：人脸识别；嵌入式控制器；S3C2440中图分类号：TP752.1文献标识码：A文章编号：1673-1603（2018）04-0371-05第14卷第4期2018年10月V ol.14No.4Oct.2018沈阳工程学院学报（自然科学版）Journal of Shenyang Institute of Engineering （Natural Science ）当今社会，大多数公司、企业都会对员工的上、下班进行考勤。
常见的有通过比对指纹的考勤机、用带磁的卡刷卡的考勤机、采用单片机为CPU 的考勤系统等。
指纹打卡主要是利用指纹膜打卡，若指纹膜用久了出现破损、丢失等情况就不能正常的打卡；刷卡主要是利用磁卡打卡，若磁卡无磁性或丢失也打不上卡，而且两者都会出现由别人代替打卡的情况；而用单片机的考勤系统功能相对简单、不稳定，无法满足当今高效率、易存储、识别度高的考勤系统的要求。
现在社会生物识别技术在各种场合都得到了广泛的应用，人脸是一种具有不可替代性的生物特征，因此采用人脸识别的各种考勤系统、门禁产品等也随之产生，其中嵌入式人脸识别考勤系统，具有高效、安全、可扩展的特点，适合各种公司的考勤、门禁出入、智能安防系统等[1-3]。
《2024年基于ARM架构的嵌入式人脸识别技术研究》范文
《基于ARM架构的嵌入式人脸识别技术研究》篇一一、引言随着科技的发展和人们生活需求的日益提高，人脸识别技术逐渐成为智能安全领域的重要应用。
而基于ARM架构的嵌入式人脸识别技术，因其低功耗、高效率、低成本等优势，在智能家居、安防监控、移动支付等领域得到了广泛应用。
本文旨在探讨基于ARM架构的嵌入式人脸识别技术的相关研究。
二、ARM架构概述ARM架构是一种广泛使用的嵌入式系统架构，以其低功耗、高性价比等特点在全球范围内得到广泛应用。
它采用了精简指令集设计，可应用于各种类型的设备，如手机、平板电脑、路由器、工业控制等。
其优点在于灵活性高、性能卓越，可以满足不同场景下的人脸识别需求。
三、嵌入式人脸识别技术嵌入式人脸识别技术是将人脸识别算法集成到嵌入式系统中，实现快速、准确的人脸检测和识别。
该技术主要涉及图像处理、计算机视觉、机器学习等领域的知识。
在嵌入式系统中，由于硬件资源的限制，需要采用优化算法和模型压缩等技术，以降低功耗、提高识别速度。
四、基于ARM架构的嵌入式人脸识别技术研究基于ARM架构的嵌入式人脸识别技术，主要研究内容包括算法优化、模型压缩、硬件加速等方面。
1. 算法优化：针对嵌入式系统的硬件特性，对人脸识别算法进行优化，以提高识别速度和准确性。
例如，采用级联分类器、深度学习等算法，实现快速的人脸检测和特征提取。
2. 模型压缩：为了降低功耗和存储空间，需要对深度学习模型进行压缩。
通过剪枝、量化等技术，减小模型的复杂度和计算量，使其能在嵌入式系统中高效运行。
3. 硬件加速：利用ARM架构的硬件特性，如SIMD指令集、NEON加速器等，对人脸识别算法进行硬件加速，进一步提高识别速度和效率。
五、应用领域及前景基于ARM架构的嵌入式人脸识别技术具有广泛的应用前景。
在智能家居领域，可以用于门禁系统、智能照明、智能空调等设备的控制；在安防监控领域，可以用于人脸识别门禁、视频监控等场景；在移动支付领域，可以实现快速、安全的身份验证。
基于ARM9 S3C2416的嵌入式人脸检测系统
基于ARM9 S3C2416的嵌入式人脸检测系统张维笑;叶学义;张静;贾天婕【期刊名称】《工业控制计算机》【年(卷),期】2014(000)012【摘要】设计了基于ARM9 S3C2416嵌入式人脸检测系统，实现了Adaboost 算法完成人脸检测，在对实际的监控视频数据进行测试的结果表明：该系统具有运算速度快、体积小、功耗低、成本低、检测率较高及误检率低等特点，可以推广到视频监控、视频目标跟踪、视频压缩存储等领域中。
%This paper designs an embedded face detection system based on ARM9 S3C2416,and a face detection algorithm based on AdaBoost is adopted to implement the system.The experimental results over the data of actual video surveil ance show that our system has some merits.lt not just has a high detection rate,a low false detection rate,and high operation speed but mains low power consumption,a smal size,and a low cost.The designed system is suitable for using in the areas such as the video surveil ance,the video target tracking,and the compressed video storage,etc.【总页数】3页(P25-26,28)【作者】张维笑;叶学义;张静;贾天婕【作者单位】杭州电子科技大学模式识别与信息安全实验室，浙江杭州 310018;杭州电子科技大学模式识别与信息安全实验室，浙江杭州 310018;杭州电子科技大学模式识别与信息安全实验室，浙江杭州 310018;杭州电子科技大学模式识别与信息安全实验室，浙江杭州 310018【正文语种】中文【相关文献】1.基于ARM9内核的嵌入式检测系统设计 [J], 缪兵2.基于嵌入式ARM9痕量毒气检测系统的研究 [J], 罗小刚;柏兴洪;李江杰;侯长军;霍丹群;汪德暖3.基于TINY-YOLO的嵌入式人脸检测系统设计 [J], 游忍;周春燕;刘明华;邵延华;展华益4.基于VPU加速的嵌入式实时人脸检测系统设计与实现 [J], 闫嘉;张跃麟;邓昌健5.基于ARM9的嵌入式电网参数实时检测系统的实现 [J], 李兵建;李正明;周俊华因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
嵌入式课程设计报告
学院信息电子技术
专业通信工程
班级
学号
姓名
指导教师
2017年07月01日
基于ARM9的人脸识别系统
一、引言
人脸识别背景和意义
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。
人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。
二、系统设计
1、硬件电路设计
（1）ARM9处理器
本系统所采用的硬件平台是天嵌公司的TQ2440开发板，该开发板的微处理器采用基于ARM920T内核的S3C2440芯片。
ARM9对比ARM7的优势：虽然ARM7和ARM9内核架构相同，但ARM7处理器采用3级流水线的冯·诺伊曼结构，而ARM9采用5级流水线的哈佛结构。
增加的流水线设计提高了时钟频率和并行处理能力。
5级流水线能够将每一个指令处理分配到5个时钟周期内，在每一个时钟周期内同时有5个指令在执行。
在常用的芯片生产工艺下，ARM7一般运行在100MHz左右，而ARM9则至少在200MHz 以上。
指令周期的改进对于处理器性能的提高有很大的帮助。
性能提高的幅度依赖于代码执行时指令的重叠，这实际上是程序本身的问题。
对于采用最高级的语言，一般来说，性能的提高在30%左右。
ARM7一般没有MMU(内存管理单元），（ARM720T有MMU）。
（2）液晶显示屏
为显示摄像头当前采集图像的预览，系统采用三星的320x240像素的液晶屏，大小为206.68cm。
该液晶显示屏的每个像素深度为2bit，采用RGB565色彩空间。
（3）摄像头
摄像头采用市场上常见的网眼2000摄像头,内部是含CMOS传感器的OV511+芯片。
CMOS传感器采用感光元件作为影像捕获的基本手段,核心是1个感光二极
管,该二极管在接受光线照射之后能够产生输出电流,而电流的强度则与光照的强度对应。
相对CCD图像传感器,CMOS传感器具有成本低廉的优点。
该摄像头通过USB接口与ARM9处理器通信。
该摄像头输出格式yuv,在输出至屏幕之前,需将数据格式转化为RGB565格式。
（4）存储器
系统采用64MB的SDRAM,由两片K4S561632芯片组成,工作在32位模式。
另有64MB的NANDFlash,采用K9F1208芯片。
该芯片在系统中空间分配情况。
系统电路原理框图（如图2-1）：
图2-1系统电路原理框图
2、程序设计
系统的软件设计主要有底层的操作系统，驱动程序以及应用程序组成。
操作系统采用Linux2.6.30.4内核（如图2-3 Linux操作系统）
（1）嵌入式Linux系统平台
Bootloader
始化硬件设备、建立内存空间映射图，从而将系统的软硬件环境带到一个合适状态，以便为最终调用操作系统内核准备好正确的环境。
在嵌入式系统中，通常并没有像BIOS那样的固件程序（注，有的嵌入式CPU也会内嵌一段短小的启动程序），因此整个系统的加载启动任务就完全由BootLoader来完成。
在一个基于ARM7TDMI core的嵌入式系统中，系统在上电或复位时通常都从地址0x00000000处开始执行，而在这个地址处安排的通常就是系统的BootLoader程序。
Bootloader启动的两个阶段：第一阶段主要包含依赖于CPU的体系结构硬件初始化的代码，通常都用汇编语言来实现。
这个阶段的任务有：基本的硬件设备初始化（屏蔽所有的中断、关闭处理器内部指令/数据Cache等）。
为第二阶段准备RAM空间。
嵌入式Linux内核的配置
在配置内核前的须做必要的设置，主要在内核原码中设置文件Makefile，用下列指令打开Makefile文件：$viMakefile在Makefile中主要设置两个地方：ARCH CROSSCOMPILE。
ARCH：=arm；表示目标板为arm。
CROSS COMPILE=交叉编译工具的地址；设置交叉编译工具的地址，例如CRoSSCOMPILE=lusr／10cal／arm／2．95．3、birdarm．1inux。
还要在脚本文件mkimage中把路径改为9200／bootldr／u-boot-1．0．O／tools。
(具体的路径和你的u-boot放的位置有关)然后按如下命令顺序进行内核编译即可：内核配置：Smake menuconfig 或makcxeon!ig内核编译：Smaketiean $make dep $make $．／mkimage；运行mkimage脚本文件。
在Linux下，用makemenuconfig或makexeontig进入配置界面。
在内核配置中，一般有四种选择：Y(选择)、N(不选)、M(模块)和数字，用户可以根据剪裁需要进行设置，最后配置完毕，选择是否对配置结果进行保存?保存为．eonfig文件。
图2-3 Linux操作系统
（2）USB摄像头驱动移植
在USB主机控制器的配置中，首先输入“make menuconfig”,按照如下配置单进行配置和保存。
（3）人脸识别过程
人脸识别的图像处理方法有图像的灰度化，直方图均衡化和中值滤波。
通过图像预处理增加了检测识别率并提高了整个过程的速度。
人脸检测用的是基于Adaboost 方法。
人脸识别程序框图（如图2-4）：
图2-4 人脸识别程序框图 检测到的人脸图像
提取人脸特征
对比人脸数据
可信度是否大于
阀值
是
显示人脸对应身份
否
是否继续人脸图像采集 继续人脸采集
本系统的驱动程序主要用来驱动摄像头、按键和指示灯。
这3个驱动程序在操作系统启动后,采用Linux特有的动态加载模块方式加载至系统内核。
摄像头驱动程序可在Linux内核自带的OV511驱动程序基础上修改,使其兼容OV511+芯片。
指示灯驱动程序主要用来提示当前程序工作状态。
由于程序运行于Linux操作系统之上,应用程序无法直接控制硬件I/O口,需要先经过驱动程序对物理地址进行地址映射,才可通过映射的虚拟地址进行I/O操作。
按键驱动程序采集用户输入,并通过硬件中断传至Linux内核空间,再由驱动程序通过Linux进程间通信方式之一的信号通信,传至运行在Linux用户空间的应用程序。
图2-5系统总框图
图2-5系统总框图
三、结论
嵌入式技术今年来发展迅猛，目前已经在很多领域得到应用。
本文结合人脸识别技术对嵌入式系统进行了研究和开发，对人脸识别的各个环节所用到的诉法进行了研究和探究，设计并完成了嵌入式平台的搭建和应用程序的开发，对系统的检测率，识别率、运行率等性能进行了测试，保证了系统不经能够体现ARM系统的便携性和医用性，还能有叫好的识别效果。
本设计深入研究了Adaboost对人脸识别上的算法，对人脸的检测的原理。
并且完成了嵌入式的系统搭建。
还完成了应用程序的开发。
活动已成为各国政府的共识，加强机场的安全防务十分重要。
美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。
四、参考文献
[1]《人脸识别——原理、方法与技术》作者:王映辉编著出版社:科学出版社出版时间:2010年2月
[2]《ARM9嵌入式系统设计--基于S3C2410与Linux（第3版）》作者:徐英慧等编著出版社:北京航空航天大学出版社出版时间:2015年5月
[3]《ARM9嵌入式系统设计与开发应用》作者:熊茂华，杨震伦编著出版社:清华大学出版社出版时间:2008年1月
[4]《基于全局与局部信息的人脸识别》作者:孔俊，易玉根，王建中出版社:科学出版社出版时间:2016年5月
[5]《精通Linux设备驱动程序开发》作者:[印]斯里克里斯汉·温卡特斯瓦兰（Sreekrishnan Venkateswa 出版社:人民邮电出版社出版时间:2016年4月。