论文研究-非负矩阵因子及在人脸表情识别中的应用.pdf

所需积分/C币:5 2019-09-13 04:50:37 556KB .PDF
8
收藏 收藏
举报

目前μCGUI的高清显示存在较多问题,根源在于嵌入式操作系统资源有限,从而导致μCGUI无法很好地显示滑动显示图形。针对此问题,提出一种基于图像自适应滑动窗口算法与内存管理的μCGUI高清显示技术,大大降低了系统级的处理时间与内存消耗;并付诸实现在工程项目中,提升了基于嵌入式μCLinux操作系统的图形滑动显示的效果。
1862010,46(26) Computer Engineering and Applications计算机工程与应用 cost(TDPsw)=cost(()+ 表中。 分配、失效管理算法简单描述如下,图3为其工作流程: cost(Bun +cost( (3) (1)从空闲内存双向链表中根据连续最优原则取D。大小 的内存空间加入已使用内存双向铚表中,并将数据读入内存。 4内存的使用与管理 (2)滑动窗∏向右滑动,每滑动过一个内存单元,就将该 图形滑动显示所需内存,将在功能启动后在图形内存中内存单元从已使用的双向链表中朋除。 分配出所需的滑动显示内存容量M。这种分配原则远远优于 (3)将从已使用的双向链表中删除的内存单元按照索引 将图形内存全部占用后进行滑动显示的分配原则。由于在滑域值插入到空闲内存双向链表的顺序位置上。 动显示的过程中,仍可能出现突发图片显示情况,如显示提示 框等此类图片如果此时将图形内存全部占用,将无法正常读5实验结果验证 入图片数据至内存中。因此对于嵌入式系统的图形显示层的 从实殓上验证了该算法的可行性,并将该算法用到实际 内存分配与失效管理尤为重要。 图片的滑动显示中。下面为从系统级时间消耗、系统空闲内 定义3(内存容量):定义分配给图形滑动显示的内存容量存、视觉效果三个方面出发对原始算法与DPSW算法的具体 M应大于D与D之和;定义剩余内存容量应大丁预取数据对比情况 块所需内存,否则需要启动内存管理进行失效回收。 (1)系统级时间消耗 内存容量M应大于D与D,之和,可以保证内存中同时 表2为图片滑动显示时原始算法与本文介绍的DPSW算 法在系统级所耗的时间差异。山于设定一张图片滚动时间为 存在两个数据块内容,是窗口滑动的初始条件。而剩余内存6s,因此表2中所得的时间为总时间减去总滚动时间的值,如 容量应大于预取数据块所需内存M-∑Dm≥D,才能保公式(4)所示,其中7额为系统所耗时间,∈0,1,2,…,n 证下一数据的正常读入。由于这些严格的限制条件使得必须 额外 =6*n+∑T (4) 对内存的分配,失效管理做详细的规划 (1)滑动图形内存的分配管理 表2图片滑动显示原始算法与DPSW算法 滑动图形内存管理模块分配内存容量为M的连续内存空 系统级所耗时阃差异对比表 旧用于滑动图形显示。将该内存以128B为单元建立包含索引 显示图片累计图片 所耗时间 大小M原始算法DPSW算法 城与指针域的空闲内存双向链表,并按照读入数据的先后顺 数目 4.6 3.78 3.61 序建立已使用内存双向链表。当有数据读入时,该单元将从空 闲内存双向链表中删除,而当数据失效后又将被按照萦引域 10 9.53 值重新加入空闲的内存双向链表中,以保证内存的连续性。 47.9 42.12 18.81 由于已使用内存的双向链表是按照读入数据的先后顺序 30 71.7 65.36 27.58 建立的,因此完全可以满足窗口滑动的需要。而空闲内存双 从表2的数值上可以看出DPSW算法在系统级上所消耗 向链表是按照索引域值的顺序建立的,因此可以最大限度的的时间要远低于原始算法,而且这种差异会随着图片数量的 保证内存的连续性。在分配空闲内存时尽量选取连续内存进增加越来越明显。这种明显的时间差异主要表现在文件预读以 行分配。 及等待空闲内存上。而DPSW算法充分利用了嵌入式系统的 (2)滑动图形内存的失效管理 并行处理能力,在显示效果的实现上也比原始算法更加流畅。 对于滑动图形内存的失效管理,这里采用移出失效原则。 (2)系统空闲内存情况 由丁滑动窗口头指针* head始终指向心使用内存双向链 表3为图片滑动显示时原始算法与DPSW算法在系统空 表,这里的滑动窗口可以认为是在已使用内存双向链表中以闲内存上的情况对比。这里直接使用 Linux的 cat /proc/mne 自适应的频率和步长自行移动。因此当滑动窗口头指针minf命令来查看系统空内存情况。 head移出内存单元时,立刻将该单元从已使用内存双向链 从表3的数值上可以看出原始算法在2-3张图片的显示 表中删除,并按照该单元的索引或值加入到空闲内存双向链中系统的空闲内存情况要优于DPWS算法,当时随着图片数 革元 滑动俊口 已使用内存双向链表飞 spead 按索引域值插入 0· 空闲内存双向链表 图3内存分配与失效管理双向链表 吴丽彬,王劲木,胡建良,等:嵌入式μCGUI图像自适应滑动窗口的实现 2010,46(26 187 表3图片滑动显示原始算法与DPSW算法系统 空闲内存差异对比表 显示图片累计图片 系统空闲内存 数目 大小M原始算法DPSW算法 (a)原始算法的显示视觉效果 22.4 47.9 14.7 (b)采用了DPSW算法后的显示视觉效果 30 3.0 14.9 图4图片滑动显示原始算法与DPSW算法显示效果对比 目的增大原始算法中系统空闲的内存越来越少,而DPwS算法改进的方向与优势原因,从实验上验证了该算法的可 法的系统空闲内存基本保持在15M上下。这是由于PSw性。目前该算法已经用到实际嵌入式数字多媒体智能终端的 算法固定分配内存给图片的滑动显示模块,而且有自己的内图片滑动显示功能中,大大提高图片解析速度也美化了显示 存管理机制,其空闲內存的小范围波动主要是系统级并行处 理所造成的。原始算法的系统内存直线下降,如果在显示30 效果,得到了一致好评。 张图片是在并行处理显示用户提示框图片是系统就会因为内 存不足而彻底崩溃。 参考文献: (3)视觉效果对比 ]孙晓辉,陈晓基于μcGUI的图形系统在机顶盒中的应用[小中国有 图4中的(a)图为原始算法的显示视觉效果,红框内为肉 线电视,2007(9/10):909912 眼看到的画面,图(b)为采用了DPSW算法后的显示视觉效[2]梁俊,周武,陈川,等基于滑动窗口法的遥感图像纹理统计信息提 果。从图中可以看出两种算法的明显区别在于原始算法在两 取研究叮安徽农业科学,2008,36(15):6426-6428 幅图片交替的过程衔接非常不紧凑,而且其间隔大小往往取[3]郭振宇,桑楠,杨霞一种嵌入式系统内存管理的延迟合并伙伴机 决于下一幅图片的大小。而DPSW算法则没有这种问题,两 制叮电子科技大学学报,2007,36(3):5558 幅图的交汇处非常紧凑 [4]张为嵌入式系统的自适应内存管理方案的算法实现小湖南工业 大学学报,2008,22(6):91-93 6结束语 [S]哈渭涛,罗琪嵌入式操作系统内存管理机制及内存保护分析[ 对所提出的DPSW算法,从理论上阐述了其相对原始算 渭南师范学院学报:综合版,2007,22(2):63-65. (上接183页) 结合NMF进行表情特征提取。与NMF等不同,2DNMF充分 表2 JAFFE数据库上各表情识别率 (%) 利用利用表情图像矩阵中的行向量间的信息和列向量间的信 生气厌恶恐惧高兴中性悲伤惊讶 息,尽可能地保留了原始的表情信息。基于CED-WYU(1.0) A75.7072.8274.3184.1395.080.7575.70 和 JAFFE两个表情数据库的实验也证实了该方法的有效性。 2DPCA750074.3275.7186.6798.0082.1379.21 NMF74.257732824584.5094.3080.7581.50 参考文 2DNMF77.567880849285.7097.3082.7083.3 献: [1 Turk M, Pentland A. Eigenfaccs for rccognition[J]. Cognitive Ncu 高出2DPCA2.02%,说明NMF也适用于表情识别;而2DNMF roscience,1991,3(1):71-86 在两个表情数据库上对7种基本表情的识别率均要高于PCA、[2]LeDD, Seung h s. Learning the parts of objects by non-nega 2DPCA和NMF,如 JAFFE数据厍上的恐惧表情,2DNMF高出 tive matrix factorization[J]. Nature, 1999, 401(10): 788-791 PCA10.61%,高出2DPCA921%,高出NMF247%。实验证明3]LeDD, Seung H S. Algorithms for non-negative matrix factor 基于非负矩阵因子的NMF、2DNMF提取的表情特征更优,识 ization[ C] /Proc of Advances in Neural Information Processing 别率更高,而且2DNMF的识別率提高幅度更大。其原因是 TS 1.: MIT Press, 2001 2DNMF利用了表情图像矩阵中的行向量间的信息,也利用列4] Buciu, Pitas L Application of non-negative and local non-negative 向量间的信息,避免了在矩阵转换为向量过程中一些隐藏的 matrix factorization to facial expression recognition([C]/CPR 结构信息的丢失,尽可能地保留了原始表情信息。 [6] Buciu I Non-negative matrix factorization, a new tool for feature extraction: Theory and applications[c/Proceedings of ICCcc 5结束语 提出了一种基于2维非负矩阵因子的人脸表情识别方法[6黄勇基于多种主元分析与信息融合的人脸表情识别D]广东江 2DNMF,该算法直接将2维人脸表情图像矩阵作为2维矩阵并 ]:五邑大学,2007

...展开详情
试读 4P 论文研究-非负矩阵因子及在人脸表情识别中的应用.pdf
立即下载 身份认证后 购VIP低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-非负矩阵因子及在人脸表情识别中的应用.pdf 5积分/C币 立即下载
1/4
论文研究-非负矩阵因子及在人脸表情识别中的应用.pdf第1页

试读结束, 可继续读1页

5积分/C币 立即下载