[發明專利]一種基于嵌入式平臺的人臉識別方法

在審

• 申請號: 201610094964.6
• 申請日: 2016-02-20
• 公開（公告）號: CN105787443A
• 公開（公告）日: 2016-07-20
• 發明（設計）人: 楊新武;馬壯;袁順
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

技術領域

本發明屬于模式識別技術領域，具體涉及一種基于嵌入式平臺的人臉 識別方法，是一種利用計算機技術、數字圖象處理技術、模式識別等實現 人臉的自動分析與判別的方法，是生物特征識別領域中關于人臉特征提取 與識別的算法。

背景技術

生物特征識別技術是指利用人類本身所擁有的、能夠標識其身份的生 理特征或行為特征進行身份驗證的技術。與傳統的身份驗證技術相比，生 物特征識別技術從根本上杜絕了偽造和竊取，具有更高的可靠性、安全性， 已經越來越廣泛的應用于一些安全系統的身份認證。

與其他生物特征識別技術相比，人臉識別技術對圖像采集設備沒有過 高的要求，使用者更容易接受。研究人臉識別的目的就是找到一種快速有 效的分類識別方法，能夠快速的判斷輸入圖像中是否存在人臉圖像，如果 存在就對其進行快速歸類。隨著社會對人臉識別的迫切需求，越來越多的 研究者投入到了人臉識別中，旨在找到一種快速、有效，并且能夠應用到 實際中的人臉識別方法。

目前實用的人臉識別系統中，基于PC平臺的人臉識別系統占了大多 數。但是隨著電子技術的發展及社會的需求變化，硬件處理平臺朝著微型 化、低功耗、便攜式的方向發展，并且PC平臺具有體積大、功耗高、便 攜性差等缺點，限制了人臉識別的廣泛應用與普及。隨著技術的發展，嵌 入式平臺的運算速度越來越快，體積越來越小，功耗和成本越來越低，使 得在開發便攜式的人臉識別系統有了充分的硬件支持。因此，開發具有更 廣闊應用領域的嵌入式人臉識別系統成為可能。

許多人臉識別算法都在PC平臺上取得了較好的效果，但是鑒于嵌入式 平臺與PC平臺在性能上的差距，許多算法不能夠在嵌入式平臺使用。當前 在嵌入式平臺所使用的算法，多為簡單的特征提取及人臉識別算法，識別 率較低，更為關鍵的是其誤識率較高。在嵌入式平臺的應用場景中，誤識 率多為一個重要的參考因素，例如在門禁的應用場景中，若發生拒識，人 員可通過刷卡等方式進入。若發生誤識，則可能為沒有權限進入的人員開 門，造成損失。因此，提高算法的識別率的同時要盡可能的降低算法的誤 識率。

在人臉識別過程中，比較常用的特征提取方法主要有PCA、LDA、LBP 等方法。PCA是一種基本的多維數據描述方法，它早在20年前就應用于 人臉識別，并發展成基于特征臉的一類人臉識別算法。該算法主要目的是 通過尋找一組最具代表性的主元，并用它們的線性組合來重構該庫樣本， 并使得重構樣本與原樣本之間均方誤差最小，從而來實現人臉識別。LDA 是一種有監督的線性鑒別方法，利用了不同類別之間的標簽信息，因此 LDA希望提取的特征能夠具有這種特點：即同一類別的特征間距盡可能地 緊湊，而不同類別間的特征間距盡可能地分開。它們之間的聚散程度可以 通過散射矩陣來衡量。LBP方法是一種基于灰度范圍內的紋理描述統計方 法。該方法具有計算復雜度低、平移和旋轉不變性等優點，對光照變化有 較強的魯棒性。由于紋理是圖像的本質屬性，而該方法能夠較好地實現對 圖像紋理的描述。

PCA與LDA的特征提取方法更關注圖像的整體特征，LBP的特征提 取方法更關注圖像的局部特征。在嵌入式平臺中，我們使用PCA、LDA、 LBP三種特征提取方法，獨立進行特征提取及人臉識別，并對其結果進行 集成投票，綜合完成人臉識別過程。通過此方法，可綜合人臉圖像的整體 特征與局部特征，大大降低了人臉識別方法的誤識率。同時，由于嵌入式 平臺已向多核心發展，由于算法的可并行化，加快了算法的運行速度，平 均了各個cpu的負載。

發明內容

在嵌入式平臺上，使用效果較好但復雜度較高的特征提取方法和分類 方法不可行，若使用簡單的特征提取方法和分類方法則可能造成識別率的 下降和誤識率的上升。基于集成學習的思想，我們分別計算PCA、LDA、 LBP三種方法特征提取后的分類結果，綜合投票得出最終的分類結果。其 人臉識別方法算法具體流程如下：

步驟一：圖像預處理

(1)對人臉原始圖像進行顏色及大小歸一化處理。

(2)對人臉圖像進行直方圖均衡化

步驟二：特征提取

創建3個線程，并行完成(1)、(2)、(3)。

(1)利用PCA方法計算特征矩陣得到訓練集的整體特征W_pca。

利用W_pca對各個樣本進行降維。