论文部分内容阅读
随着信息科学的发展,人们越来越倾向于利用具有高速计算能力的设备对信息进行处理,而视频图像的识别也会迈向智能化的处理方式。与此同时,人脸识别也是当今一个热门的研究方向。本文在广泛查阅相关资料前提下,对视频流人脸图像识别进行了深入研究。本文在Matlab软件上对识别系统进行了仿真和测试,其用到的训练样本和测试样本分别来自于ORL人脸库和自建的人脸库。自建人脸库的图像来自于已录制好的视频,本文将已制的视频处理成帧图像,提取视频的关键帧,并在利用肤色检测算法定位到人脸之后,提取出图像中只含有人脸的部分。最后灰度化、归一化提取出的图像,将处理后的人脸图像生成人脸数据库。仿真和测试的过程如下:首先运用PCA算法对人脸库中的图像进行降维;然后用改进的遗传算法对降维后的图像进行特征提取;最后用最近邻分类器和支持向量机分类器对测试样本进行分类。经测试,在ORL人脸库和自建的人脸库上利用最近邻分类器分类的识别率分别为86.67%和91.25%,利用支持向量机分类器分类的识别率分别为96.7%和96.25%。本文采用的微处理器为达芬奇系列的DSP,开发平台为ICETEK-DM6437-B。硬件实现主要利用CCS3.3进行调试,并通过仿真器建立电脑与硬件之间的通信。本文硬件实现的视频流人脸图像识别系统为经过软件仿真测试过的系统,并将软件上的识别功能移植到硬件开发板中。主要的过程如下:首先将Matlab仿真的语言编写成能在CCS3.3下运行的C语言,并用BIOS对DSP的相关环境参数及配置文件进行了设置;然后运行C语言程序,并根据识别要求进行了调试;最后将生成的可执行文件通过JTAG接口下载到开发板中,在显示屏上输出识别结果。经测试,本文设计的基于DSP硬件平台的视频流中人脸图像识别系统的平均识别率可达到90%以上。本文通过对识别系统的验证,表明该识别系统满足视频流人脸图像识别的要求,能够有效的识别出人脸。