基于DM3730的人臉識別系統(tǒng)設計.pdf

1、人臉識別是計算機視覺和人工智能領域最富挑戰(zhàn)性的研究課題之一，它屬于生物特征識別技術，以生物個體的本身生物特征來區(qū)分識別。人臉識別由于其自身的直接性、方便性、唯一性等優(yōu)點，在信息安全、公共安全等領域有著廣泛的應用。
　　 人臉識別技術包含了人臉檢測和人臉識別兩個部分，人臉檢測是從靜止圖像或者視頻中檢測出入臉并提取面部特征的過程，識別過程則是從包含若干已知身份的人臉庫中識別出待檢測者的身份。
　　 本文對基于AdaBoost

2、的人臉檢測算法進行了詳細研究，分析了分類器訓練、Haar特征設計、積分圖計算等。針對本論文應用，設計實現了一個基于22級的級聯(lián)分類器，在保證檢測精度的同時，檢測速度能滿足實時性的要求。在EHMM的基礎上，考慮到眉毛和上嘴唇在人臉面部特征中的重要性，設計了一種增強型的人臉隱馬爾可夫模型，將人臉分為了7個超狀態(tài),36個子狀態(tài)。在VisualStudio平臺上實現了人臉檢測和人臉識別的仿真，基于擴展YaleB人臉庫進行了性能檢測，結果表明，在

3、正常光照條件下，識別率達到了95％以上。
　　 同時，以TI公司的TMS320DM3730為主處理器，設計了一個嵌入式人臉識別平臺，平臺實現了模塊化的設計，主要包括視頻采集模塊、數據存儲模塊、顯示輸出模塊、數據傳輸模塊、人機交互模塊、電源管理模塊等。最后對設計的人臉檢測和人臉識別算法進行了定點化設計和DSP移植。
　　 測試結果表明，在320*240像素的檢測空間內，實現一次人臉檢測需要的計算量約為60M時鐘周期，進行一