[发明专利]一种嵌入式实时人脸识别方法

说明书

技术领域

本发明涉及一种嵌入式实时人脸识别方法，属于计算机视觉应用领域。

背景技术

随着信息科技的不断发展以及社会信息化的普及，计算机和网络逐渐成为人们生活工作的必需品。嵌入式设备作为小型化的计算机在生活中的应用越来越广泛，包括小到手机，Pad，大到家电设备，汽车设备等。嵌入式系统作为嵌入式设备的核心，作为一种专用的计算机系统也得到了广泛的关注。嵌入式以应用为中心，以计算机技术为基础，软硬件可依实际增加和删除。嵌入式从最初的单片机处理系统，到现在的ARM、DSP处理系统，嵌入式技术得到了飞速的发展。本发明中选用的基于Linux系统的ARM嵌入式，较DSP相比其速度较快，丰富的外设接口，成本较低，最重要的Linux操作系统对ARM处理器的支持已经非常完善，这样极大方便了程序的开发移植，很容易将PC平台上实现过的人脸检测和人脸识别程序移植到嵌入式平台上，大大的降低了开发周期和开发成本。本发明选用的ARM Contex-A9系列的处理器，运算速度较快且浮点处理能力较强，适合用来实现在人脸识别系统。

现在社会安全有效的身份识别和认证成为人们日常生活中不可获取的组成部分，随着数字图像处理技术计算机视觉技术的不断进步，人脸检测和人脸识别技术不仅得到极大发展，而且也获得较好的市场。人脸检测精度越来越高，不在局限于非自然条件下人脸的检测，通过参阅大量文献，基于Adaboost人脸检测算法不仅能够检测自然条件下的人脸，而且能够达到实时检测，是现阶段较为成熟的人脸检测方法。人脸识别算法以基于局部二值模式的算法较为经典。

基于嵌入式的人脸识别系统越来越多的在社会生活中出现，人脸识别系统中采集的人脸图片为非接触式的，所以具有直接、友好、方便、隐蔽性的特点。因此有巨大的应用价值，主要应用场合如下：门禁系统，防盗系统，身份认证系统，摄影等。

发明内容

本发明的目的是提出一种嵌入式实时人脸识别方法。首先搭建嵌入式机器视觉平台，移植OpenCV函数库，并在WINDOWS通过LabVIEW与C/C++混合编程，实现人脸识别。该方法能够实时进行人脸检测与人脸识别，并将识别结果通过WIFI实时地在PC端进行显示。

本发明提出嵌入式实时人脸识别方法，包括以下步骤：

步骤一：通过摄像头采集图片，采用基于Adaboost算法的人脸检测算法对采集的图片进行人脸检测，并将提取人脸区域，调用OpenCV库中相应的函数；

步骤二：利用基于局部二值模式(LBP)人脸识别算法，第一步，采集5张同一个人的正脸照片，通过步骤一中的算法对照片进行检测并提取人脸区域；将5张人脸区域统一缩放到80*80pixels大小，进行人脸识别训练部分，得到人脸模型与信息文件，第二步，利用得到的人脸模型与信息文件对待检测的人脸进行预测识别；

步骤三：步骤一和步骤二中的算法最终是在嵌入式上运行，选用基于Linux系统的ARM芯片，选用的National Instruments公司的myRIO-1900板卡，其核心芯片是Xilinx Zynq-7010，为双核ARM-Cortex-A9处理器，主频率为533MHz，DDR3内存为512MB；

步骤四：将OpenCV函数库的移植到嵌入式系统ARM上，在Ubuntu14.04系统上，利用arm-none-linux-gnueabi交叉编译工具对OpenCV的2.4.9版本库以及相应的第三方函数库进行交叉编译，生成可在ARM调用的OpenCV函数库文件。通过SSH协议访问ARM的嵌入式系统，并将交叉编译后的文件移植到嵌入式文件系统的/usr/local/lib文件中；

步骤五：在Ubuntu操作系统上，利用OpneCV函数库编写人脸检测和人脸识别算法，并将函数封装成LabVIEW可以识别的接口类型，然后利用交叉编译工具将人脸检测和人脸识别算法编译成动态链接库(.so文件)，移植到嵌入式系统上；

步骤六：在WINDOWS操作系统上，在同一局域网内，将PC与嵌入式通过WIFI链接，然后在LabVIEW中，调用步骤五中编译好动态链接库中的函数，编写辅助程序，并将程序下载到ARM芯片上，实时进行人脸识别；

步骤七：在LabVIEW中设计人脸识别界面，分为人脸识别的训练界面和人脸识别的预测界面(即用户界面)。训练界面功能，采集人脸照片，并进行人脸检测，显示人脸检测结果；采集人脸对应的身份信息，生成对应的人脸信息文件并存储在嵌入式文件系统对应的用户文件夹/lvuser中。预测界面功能，对待检测的图片进行人脸识别并显示识别结果。