摘要：介紹了一種硬件基于ARM9處理器，采用主成分分析法(PCA)的人臉識別系統(tǒng)。實現(xiàn)了脫離PC機進行人臉識別。系統(tǒng)采用通用USB攝像頭進行圖像采集。軟件基于Linux操作系統(tǒng)，可方便地進行網(wǎng)絡連接和圖像顯示。
關鍵詞：人臉識別；PCA；ARM9

    開發(fā)低成本、小型化人臉識別系統(tǒng)在發(fā)展實際人臉識別應用中具有重要的意義。本系統(tǒng)采用ARM9作為系統(tǒng)控制芯片，達到了系統(tǒng)低成本、便攜化、小型化的要求。不同于運行在PC機的人臉識別算法，系統(tǒng)的識別算法必須更多地考慮算法的計算量和ARM的運行速度，使識別準確率和識別時間都達到可接受范圍。

1 硬件平臺

1．1 ARM9處理器
    本系統(tǒng)采用三星公司的ARM9系列S3C2410作為處理器，工作頻率可達到203 MHz，可滿足系統(tǒng)對計算速度的要求。該處理器內(nèi)置2個USB HOST，本系統(tǒng)可用來掛載USB攝像頭。
1．2 液晶顯示屏
    為顯示攝像頭當前采集圖像的預覽，系統(tǒng)采用三星的320×240像素液晶屏，大小為106．68 cm。該液晶屏的每個像素深度為2 bit，采用RGB565色彩空間。
1．3 攝像頭
    攝像頭采用市場上常見的網(wǎng)眼2000攝像頭，內(nèi)部是含CMOS傳感器的OV511+芯片。
    CMOS傳感器采用感光元件作為影像捕獲的基本手段，核心是1個感光二極管，該二極管在接受光線照射之后能夠產(chǎn)生輸出電流，而電流的強度則與光照的強度對應。相對CCD圖像傳感器，CMOS傳感器具有成本低廉的優(yōu)點。該攝像頭通過USB接口與ARM9處理器通信。該攝像頭輸出格式y(tǒng)uv，在輸出至屏幕之前，需將數(shù)據(jù)格式轉(zhuǎn)化為RGB565格式。
1．4 存儲器
    系統(tǒng)采用64 MB的SDRAM，由兩片K4S561632芯片組成，工作在32位模式。另有64 MB的NANDFlash，采用K9F1208芯片。該芯片在系統(tǒng)中空間分配情況，如圖2所示。

2 軟件平臺
    系統(tǒng)的軟件設計主要由底層的操作系統(tǒng)，驅(qū)動程序以及應用程序組成。操作系統(tǒng)采用Linux 2．4內(nèi)核。通過對內(nèi)核的適當裁剪，刪除對本系統(tǒng)不需要的系統(tǒng)服務以及驅(qū)動程序。

    本系統(tǒng)的驅(qū)動程序主要用來驅(qū)動攝像頭、按鍵和指示燈。這3個驅(qū)動程序在操作系統(tǒng)啟動后，采用Linux特有的動態(tài)加載模塊方式加載至系統(tǒng)內(nèi)核。攝像頭驅(qū)動程序可在Linux內(nèi)核自帶的OV 51l驅(qū)動程序基礎上修改，使其兼容OV 511+芯片。指示燈驅(qū)動程序主要用來提示當前程序工作狀態(tài)。由于程序運行于Linux操作系統(tǒng)之上，應用程序無法直接控制硬件I／O口，需要先經(jīng)過驅(qū)動程序?qū)ξ锢淼刂愤M行地址映射，才可通過映射的虛擬地址進行I／O操作。按鍵驅(qū)動程序采集用戶輸入，并通過硬件中斷傳至Linux內(nèi)核空間，再由驅(qū)動程序通過Linux進程間通信方式之一的信號通信，傳至運行在Linux用戶空間的應用程序。

3 識別算法
3．1 PCA算法
    PCA方法(即特征臉方法)是M．Turk和A．Pentland在文獻中提出的，該方法的基本思想是：將圖像向量經(jīng)過K-L變換后由高維向量轉(zhuǎn)換為
低維向量，并形成低維線性向量空間，即特征子空間，然后將人臉投影到該低維空間，用所得到的投影系數(shù)作為識別的特征向量。識別人臉時，只需將待識別樣本的投影系數(shù)與數(shù)據(jù)庫中目標樣本集的投影系數(shù)進行比對，以確定與哪一類最近。
    PCA算法分為兩步：核心臉數(shù)據(jù)庫生成階段，即訓練階段以及識別階段。
    (1)核心臉數(shù)據(jù)庫生成階段。
    1)假設共有K張M×N大小的人臉圖像。先將每張圖像按列化為(M×N)×1的列向量，命名為xi，i=1，2，…，K。

    5)計算AAT的特征向量μi；根據(jù)計算量保留j個最大特征向量組成特征子空間。
    6)將每張臉φ(減去均值后)表示成j個特征向量的線性組合，即為φ的特征臉。每張標準化訓練臉φi用Ω=(ω1i，ω2i，…，ωji)T，i=1，2，…，K表示。
    (2)識別階段。
    1)設要識別的未知人臉為T，先將T按列變化為一列向量xt。
    2)xt求與平均臉ψ得差值φ。再將φ向特征子空間投影，即

    
    3)將φ表示成
    
    4)最后計算兩個矩陣的歐氏距離
    
    若er<ξ，其中ξ為固定值，則該人臉被識別。
3．2 PGA算法的預處理
    雖然PcA算法在待識別圖像質(zhì)量較好的情況下，有識別準確且計算量不大的優(yōu)點，但在以下幾點情況下，存在缺陷。其一是待識別圖像和訓練圖像光照度差別較大。其二是人臉背景差別較大。為改進PCA算法，可對圖像做以下預處理：
    (1)刪除背景。要刪除背景就要找出人臉在圖像的位置。對此，本系統(tǒng)通過人臉膚色建模的方法找出人臉的位置，并進一步找出眼睛位置，然后根據(jù)兩個眼睛之間的距離計算出人臉大概范圍，通過對人臉范圍的適當調(diào)整，使其規(guī)格化。
    (2)調(diào)整每張人臉圖像的亮度。通過設定一固定值，調(diào)整圖像像素的灰度值，使圖像灰度平均值達到這一固定值。通過同態(tài)濾波，減少光照不均。

4 結束語
    采用了在ARM9控制下CMOS圖像傳感器進行圖像采集，并利用改進的PCA算法對圖像識別，提高了識別效率和系統(tǒng)的實用性。測試表明，臉部范圍在180×200像素時，設定閾值er為2×1015的情況下，系統(tǒng)的識別率為89．2％。