[发明专利]一种基于FPGA的三摄像头人脸识别装置及方法

说明书

本发明公开了一种基于FPGA的三摄像头人脸识别装置及方法，该装置包括：三摄像头单元、摄像头安装盘、角度调节装置、FPGA单元、控制单元、电源单元、存储单元、通讯单元，方法包括如下步骤：S1,通过所述第一可见光摄像头、第二近景红外摄像头以及第三远景红外摄像头采集图像；S2，根据步骤S1拍摄到的图像输出图像P1；S3，对图像P1进行预处理，输出目标图像P2；S4，对图像P2进行特征融合和识别，得到识别结果；S5，输出、传递识别结果，本发明具有鲁棒性高、识别准确、测试距离远、暗光也能识别的优点，解决了当前人脸识别摄像头识别率低、系统复杂度高、识别速度慢的问题。

技术领域

本发明涉及摄像头技术领域，具体的说涉及一种基于FPGA的三摄像头人脸识别装置及方法。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

现有人脸识别设备一般采用双摄像头：一个是可见光摄像头，另一个是红外线摄像头。红外线摄像头几乎不受照明的影响，所以实际识别时使用的是红外线图像。而人脸识别设备屏幕上显示的不是红外线图像，而是可见光图像，因为红外线图像是无法在屏幕上显示的黑白图像。目前的人脸识别设备大多只根据黑白图像进行人脸识别，而忽略了可见光图像等彩色图像的识别作用，对图像资源是极大的浪费。同时，当人脸离摄像头距离较远时或非配合性人脸识别的情况下，运动导致面部图像模糊或摄像头对焦不正确都会严重影响面部识别的成功率。

与此同时，在人脸图像识别系统中，图像大小对系统的识别速度影响较大，因而在保留图像数据主要特征信息的情况下，将高维图像数据投影至低维特征空间，并采用特征降维的方法进行目标识别。目前，人脸图像特征提取和线性降维方法主要有主成分分析(Principal Component Analysis，PCA)和线性鉴别分析(Linear DiscriminantAnalysis，LDA)等方法。PCA是以图像数据K-L变换为基础的无监督特征提取方法，是在保证各维度数据方差最大的约束下，将原始数据投影到低维线性子空间，使原始数据在保留各维度分布特性的基础上信息损失量最少。PCA算法侧重于提取原始数据的特征信息，具有较高的识别率和识别速度，但PCA算法对光照和拍摄角度等敏感，未充分考虑图像已有的类别标签信息，因而所获得的特征并不是最有效的类别分辨特征。LDA算法是一种带有标签的有监督降维方法，LDA充分考虑同类之间和不同类别之间的特征信息，选择使得Fisher准则函数达到极值的向量作为最佳投影方向，从而使投影后不同类的样本离散度最大，而同类的样本离散度最小。LDA方法能从高维数据空间中提取出具有类别鉴别能力的低维特征，改善了光照不均匀时图像的识别率，但当训练样本数小于样本维数时，LDA的类内离散度矩阵S_W奇异，无法求解矩阵S _W^－1S_B的特征向量，导致小样本时的LDA性能较差。

发明内容

本发明的目的在于提供一种基于FPGA的三摄像头人脸识别装置及方法，用以克服上述问题，具有鲁棒性高、识别准确、测试距离远、暗光也能识别的优点，解决了当前人脸识别摄像头识别率低、系统复杂度高、识别速度慢的问题。

为实现上述目的，本发明采取的技术方案为：一种基于FPGA的三摄像头人脸识别方法，所述方法应用于终端，所述终端包括第一可见光摄像头、第二近景红外摄像头以及第三远景红外摄像头，所述方法包括以下步骤：

S1,通过所述第一可见光摄像头、第二近景红外摄像头以及第三远景红外摄像头采集图像；

S2，根据步骤S1拍摄到的图像输出图像，将第一可见光摄像头拍摄到的图像输出至监控显示器，输出第二近景红外摄像头或第三远景红外摄像头拍摄到的图像P1，等待预处理；

S3，对图像P1进行预处理，输出目标图像P2；