基于嵌入式平臺(tái)的人臉識(shí)別關(guān)鍵算法研究.pdf

1、近年來(lái),人臉識(shí)別的應(yīng)用領(lǐng)域逐漸出現(xiàn)了移動(dòng)化的要求,靈活便攜的可移動(dòng)人臉識(shí)別機(jī)器已經(jīng)成為一個(gè)研究熱點(diǎn)。人臉識(shí)別技術(shù)經(jīng)過(guò)近五十年的發(fā)展已經(jīng)取得了不少研究成果,但要想在系統(tǒng)資源相對(duì)缺乏的嵌入式系統(tǒng)中建立一個(gè)有效、準(zhǔn)確、實(shí)時(shí)的人臉識(shí)別系統(tǒng),仍有一系列關(guān)鍵技術(shù)需要解決。
　　 本文從構(gòu)建嵌入式環(huán)境下人臉識(shí)別系統(tǒng)所需解決的關(guān)鍵問(wèn)題入手,對(duì)人臉識(shí)別的基本理論和關(guān)鍵技術(shù)進(jìn)行深入研究,詳細(xì)分析人臉識(shí)別和嵌入式技術(shù)的特點(diǎn),研究了在嵌入式環(huán)境下人臉識(shí)

2、別系統(tǒng)所涉及的關(guān)鍵算法。首先,對(duì)目前人臉檢測(cè)識(shí)別的主要算法進(jìn)行歸納分析,選取適合在資源緊張的嵌入式環(huán)境下運(yùn)行的AdaBoost人臉檢測(cè)算法進(jìn)行深入研究。其次,在分析AdaBoost不足的基礎(chǔ)上提出GA-AdaBoost算法用于選取更加有效的弱分類器。AdaBoost算法采用貪婪搜索策略,雖然每次迭代選擇的弱分類器是局部最優(yōu),但最終構(gòu)成強(qiáng)分類器的弱分類器及其系數(shù)并不是最優(yōu)。GA-AdaBoost算法在用AdaBoost算法選取特征弱分類器

3、的基礎(chǔ)上,用遺傳算法消除冗余弱分類器,并學(xué)習(xí)相應(yīng)的權(quán)值,形成最終的強(qiáng)分類器。實(shí)驗(yàn)結(jié)果表明,采用GA-AdaBoost算法訓(xùn)練的人臉檢測(cè)器在Haar-like特征的數(shù)目、檢測(cè)率及檢測(cè)速度等方面的性能都得到了改善。最后,在基于ARM9的S3C2410X嵌入式平臺(tái)上,以嵌入式Linux為操作系統(tǒng)的軟硬件環(huán)境中實(shí)現(xiàn)人臉識(shí)別的原型系統(tǒng),并以此介紹在嵌入式環(huán)境中人臉識(shí)別系統(tǒng)的應(yīng)用需求及開(kāi)發(fā)流程,同時(shí)對(duì)本文提出的GA-AdaBoost算法在嵌入式平臺(tái)