基于DSP人脸识别系统的设计与实现解剖.docx

基于DSP人脸识别系统的设计与实现 文章出处：电子科技 发布时间： 2011/09/04 | 2018 次阅读 每天新产品 时刻新体验一站式电子数码采购中心专业PCB打样工厂，24小时加急出货 　　随着计算机技术和模式识别等相关技术的飞速发展， 使运用当今先进技术来研制安全监测系统成为可能， 人脸识别是安全监测系统中身份识别的一种最方便、最直接的方法。传统的人脸图像识别系统是由大规模或超大规模集成电路来完成的， 图像采集依赖于较大型设备， 速度比较慢， 实时性较差， 在小范围内使用价格比较昂贵。随着数字信号处理器DSP的飞速发展， 它以其高速、准确的性能为图像获取带来了新的途径， 而且用硬件来实现人脸图像识别价格比较低廉。　　 　　DSP（digital?signal processor）是一种独特的微处理器，是以数字信号来处理大量信息的器件。其工作原理是接收模拟信号，转换为0或1的数字信号。再对数字信号进行修改、删除、强化，并在其他系统芯片中把数字数据解译回模拟数据或实际环境格式。它不仅具有可编程性，而且其实时运行速度可达每秒数以千万条复杂指令程序，远远超过通用微处理器，是数字化电子世界中日益重要的电脑芯片。它的强大数据处理能力和高运行速度，是最值得称道的两大特色。 　　1 人脸检测的算法 　　人脸检测系统可以分为人脸检测和人脸识别模块，这两大模块又进一步可划分为人脸检测与定位、规范化、特征提取和人脸识别4个模块。其详细结构，如图1所示。 　　1．1 人脸的定位 　　通过已获得的样本来判断人脸的位置，选取合适的人脸，截取出做样本是重要的步骤。首先确定人眼的坐标(x1，y1)和(x2，y2)，由此可间接得到正方形人脸的左上顶点和右下顶点的坐标，设其分别为(X1，Y1)和(X2，Y2)，计算方法如下： 　　式中，RH和RV均为经验常数，在设计过程中将其分别取值为2．0和3．5。如此可在原图中得到人脸的区域座标，其尺寸随眼距Widtheyes的大小而变化，作为PCA的输入，要求输入样本的维数相同，所以必须对图片进行归一化处理。 　　1．2 人脸特征提取 　　特征脸分类的方法是将一幅图像投影到一个特定“脸空间”的一个点。这个“脸空间”由一股互相正交的向量组成。这些向量便是表征各个人脸聚类的重要组成部分。不同人脸的图片在此空间的相差较远，相同人脸的不同图片在此空间上的投影相距较近。可以使用PCA的方法为整个人脸识别系统打下基础。 　　第一步，采集到N个样本用作训练集X，求出样本平均值m，如式(1)所示 　　其中，xi∈样本训练集X=(x1，x2，…，xN)。 　　第二步，求出散布矩阵S，如式(2)所示 　　根据PCA的基本原理，必须求出散布矩阵的特征值λi和对应的特征向量ei。其中，ei便是主分量，且其对应的特征值的大小代表它包含信息的多少。所以需要将特征值从大到小依次排列λ1，λ2，…。如图2所示，左边是由λ1对应的特征向量重建的人脸图像，右边是由λ100对应的特征向量重建的图像，如果将其应用到系统中，对识别是不利的。 　　假设取出p个值，λ1，λ2，…，λp可以确定出脸空间E=(e1，e2，…，eP)，在此脸空间上，训练样本X中，每个元素投影到该空间的点可以由式(3)得到： 　　由上式得到的是将原向量经过PCA降维后的p维向量，下一步将其输入KNN分类器进行分类。 　　1．3 KNN分类器的构建 　　KNN的实现分训练和识别两步。训练时，把每类样本降维后的结果作为KNN的输入。如图3所示，圆圈表示待识别数据所处的位置，选择K值为3时，选中实线圆中的3个数据，识别结果为三角形代表的类；选择K值为5时，选中虚线圆中的5个数据，识别结果为正方形代表的类。 　　2 系统硬件设计 　　系统设计时选用DSP6713，这是TI公司生产的C6000系列的浮点处理器，其采用了VLIW体系结构，指令运行的等效周期数较低，运行速度较快。数据暂存使用CPLD和SRAM实现。设计系统构成，如图4所示。 　　2．1?TVP5147芯片 　　系统上电时，DSP首先对TVP5147初始化，其通过I2C总线实现，DSP自带I2C总线控制器。芯片I2C地址是由芯片引脚I2CA的电平控制的，如该引脚接高电平，则I2C写地址为0xB8，否则为OxBB。 　　假如系统初始化为从Y[9．．O]端口输出10位的YUV混合视频数据，则可知道其输出符合以下时序，如图5所示。 　　图中第一行为DATACLK信号，其为TVP5147芯片提供的数据时钟信号，第二行为数据Y[9…0]，当每一行图像开始之前，会有4个SAV信号，如图5所示，数据是YCbCr格式，每个像素点的数据为4个数据组成，一次为Cb，Y，Cr，Y。而由图5中可以看出AVID信号为高电平时，表明当前的数据为有效数据。这为