基于嵌入式人脸识别算法的研究与实现

发布时间：2020-12-04 00:28

　　目前前沿的深度学习人脸识别系统对于硬件要求比较高,不适用低配的嵌入式设备。而嵌入式技术的应用,算法的改进研究,有利于嵌入式人脸识别系统的高效和灵活的利用。本文主要工作如下:1.深入探讨在嵌入式设备上实现人脸检测和人脸识别部分常用算法的研究。人脸检测中重点分析了两个主要的分类器,Haar分类器和LBP分类器的原理以及最终选取级联强分类器来进行人脸检测。人脸识别中除了分析PCA算法、LDA算法、LBP算法外,使用改进LBP算子思想,即用旋转不变的LBP算子和分块加权的LBP算子相结合来完成人脸识别系统。2.对于人脸识别系统硬件的选取以及软件环境的搭建进行重点介绍,这些软硬件环境是人脸识别系统的设计的基础,是完成该项目的重要保障。硬件选取的是ARM系列的Cortex-A9架构的开发板,软件开发环境的搭建,完成了交叉编译、Opencv移植和QT移植等。3.着重分析了嵌入式平台上人脸检测和识别的原理与方法以及软硬件的设计。在嵌入式软件系统设计上主要分为四个模块。它们分别是基于QT图形用户界面的开发、基于V4L视频的采集与实现、利用Haar+Adaboost级联分类器进行人脸检测和利用局部融合的L... 

【文章来源】：福州大学福建省 211工程院校

【文章页数】：71 页

【学位级别】：硕士

【图文】：

图２－１特征板??

原始图像?

１１１?３６９??图２－２原始图像数据?图２－３积分图像数据??Ａ?Ｂ???ｒ一２??Ｃ?Ｄ??３?４??图２－４特征值计算??总结以上，计算矩阵特征值的结果，其积分图取决于其此特征矩形的端点，??只要遍历以此样本图像就可以快速求解出所有区域像素和这样省去了后期的??很多计算量，大大提高其计算速度。??使用Ａｄａｂｏｏｓｔ算法［４４］在两个不同的样本集，即人脸样本集和非人脸样本集，??分别训练弱学习算法，迭代构建强学习算法。其算法就是选取有效Ｈａａｒ特征，??以此组建检测器。单个弱分类器的公式可以定义如下（２－３）：??公式（２－３）??式（２－３）中，弱分类器的值用／ｚ，（ｘ）来表征，有人脸的特征用１表征，否则??用０表征。八表征方向，特征值为／，（ｘ），６＞，是认为设置的阈值。??（１）训练样本中的人脸图像有ｎ张，则训练的数据集表示为??｛（々


本文编号：2896714