摘要:针对目前神经网络在人脸识别过程中复杂度高、运算量大、难以进行嵌
入式移植等问题,提出了一种基于嵌入式的人脸识别系统设计。硬件使用友善之
臂的 Tiny4412 开发板,使用 USB 摄像头进行人脸图像采集,利用 QT 开发人机交
互界面。对人脸识别系统进行了研究,重点研究了图像预处理,特征点提取、人
脸识别和人脸追踪等技术问题。测试结果表明,该系统能够实时准确迅速地是别
人脸。
关键词:嵌入式;Tiny4412;人脸识别;人脸追踪;
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。我们想要设计一种搭载在
Tiny4412 中的人脸检测方法,在 AdaBoost 人脸检测算法的基础上利用多任务级联卷积神经网
络进行人脸检测;采用 KCF 跟踪算法进行人脸追踪,最后将该系统成功移植到Tiny4412 开发
板上,测试结果表明该系统能够稳定运行,且具有极高的准确率。
嵌入式人脸识别技术是以嵌入式技术为基础,人脸识别算法为核心的综合性系统,因此
对人脸识别相关的算法进行详细分析是整个系统开发过程中的重要一环。本节将介绍人脸识
别相关的算法原理,包括图像预处理原理,如高斯滤波、灰度直方图均衡化等;结合基于
AdaBoost 的人脸检测算法和基于 KCF 的跟踪算法进行人脸检测,提高了人脸检测的准确率和
检测速度,同时提出了基于多任务级联的卷积神经网络的人脸检测算法确定脸部区域,提高
了人脸检测的准确度,降低了系统运行的耦合度。
在进行人脸检测前,需要先对图像进行预处理,包括高斯滤波、灰度直方图均衡化等。
高斯滤波器是一类根据高斯函数的形状来提供权值的线性平滑滤波器,一元的标准差为
的高斯函数定义为:
为了得到唯一的人脸位置和大小,需按照一定的准则将各个人脸窗口送入不同的子神经
网络及模块进行训练和处理,优化迭代的过程如下,网络结构如图2 所示。