隨著計算機技術和模式識別等相關技術的飛速發(fā)展， 使運用當今先進技術來研制安全監(jiān)測系統(tǒng)成為可能， 人臉識別是安全監(jiān)測系統(tǒng)中身份識別的一種方便、直接的方法。傳統(tǒng)的人臉圖像識別系統(tǒng)是由大規(guī)模或超大規(guī)模集成電路來完成的， 圖像采集依賴于較大型設備， 速度比較慢， 實時性較差， 在小范圍內使用價格比較昂貴。隨著數(shù)字信號處理器DSP的飛速發(fā)展， 它以其高速、準確的性能為圖像獲取帶來了新的途徑， 而且用硬件來實現(xiàn)人臉圖像識別價格比較低廉。　　

　　DSP（digital signal processor）是一種獨特的微處理器，是以數(shù)字信號來處理大量信息的器件。其工作原理是接收模擬信號，轉換為0或1的數(shù)字信號。再對數(shù)字信號進行修改、刪除、強化，并在其他系統(tǒng)芯片中把數(shù)字數(shù)據(jù)解譯回模擬數(shù)據(jù)或實際環(huán)境格式。它不僅具有可編程性，而且其實時運行速度可達每秒數(shù)以千萬條復雜指令程序，遠遠超過通用微處理器，是數(shù)字化電子世界中日益重要的電腦芯片。它的強大數(shù)據(jù)處理能力和高運行速度，是值得稱道的兩大特色。

　　1 人臉檢測的算法

　　人臉檢測系統(tǒng)可以分為人臉檢測和人臉識別模塊，這兩大模塊又進一步可劃分為人臉檢測與定位、規(guī)范化、特征提取和人臉識別4個模塊。其詳細結構，如圖1所示。

　　1．1 人臉的定位

　　通過已獲得的樣本來判斷人臉的位置，選取合適的人臉，截取出做樣本是重要的步驟。首先確定人眼的坐標(x1，y1)和(x2，y2)，由此可間接得到正方形人臉的左上頂點和右下頂點的坐標，設其分別為(X1，Y1)和(X2，Y2)，計算方法如下：

　　式中，RH和RV均為經(jīng)驗常數(shù)，在設計過程中將其分別取值為2．0和3．5。如此可在原圖中得到人臉的區(qū)域座標，其尺寸隨眼距Widtheyes的大小而變化，作為PCA的輸入，要求輸入樣本的維數(shù)相同，所以必須對圖片進行歸一化處理。

　　1．2 人臉特征提取

　　特征臉分類的方法是將一幅圖像投影到一個特定“臉空間”的一個點。這個“臉空間”由一股互相正交的向量組成。這些向量便是表征各個人臉聚類的重要組成部分。不同人臉的圖片在此空間的相差較遠，相同人臉的不同圖片在此空間上的投影相距較近。可以使用PCA的方法為整個人臉識別系統(tǒng)打下基礎。

　　步，采集到N個樣本用作訓練集X，求出樣本平均值m，如式(1)所示

　　其中，xi∈樣本訓練集X=(x1，x2，…，xN)。

　　第二步，求出散布矩陣S，如式(2)所示

　　根據(jù)PCA的基本原理，必須求出散布矩陣的特征值λi和對應的特征向量ei。其中，ei便是主分量，且其對應的特征值的大小代表它包含信息的多少。所以需要將特征值從大到小依次排列λ1，λ2，…。如圖2所示，左邊是由λ1對應的特征向量重建的人臉圖像，右邊是由λ100對應的特征向量重建的圖像，如果將其應用到系統(tǒng)中，對識別是不利的。

　　假設取出p個值，λ1，λ2，…，λp可以確定出臉空間E=(e1，e2，…，eP)，在此臉空間上，訓練樣本X中，每個元素投影到該空間的點可以由式(3)得到：

　　由上式得到的是將原向量經(jīng)過PCA降維后的p維向量，下一步將其輸入KNN分類器進行分類。

　　1．3 KNN分類器的構建

　　KNN的實現(xiàn)分訓練和識別兩步。訓練時，把每類樣本降維后的結果作為KNN的輸入。如圖3所示，圓圈表示待識別數(shù)據(jù)所處的位置，選擇K值為3時，選中實線圓中的3個數(shù)據(jù)，識別結果為三角形代表的類；選擇K值為5時，選中虛線圓中的5個數(shù)據(jù)，識別結果為正方形代表的類。

　　2 系統(tǒng)硬件設計

　　系統(tǒng)設計時選用DSP6713，這是TI公司生產(chǎn)的C6000系列的浮點處理器，其采用了VLIW體系結構，指令運行的等效周期數(shù)較低，運行速度較快。數(shù)據(jù)暫存使用CPLD和SRAM實現(xiàn)。設計系統(tǒng)構成，如圖4所示。

　　2．1 TVP5147芯片

　　系統(tǒng)上電時，DSP首先對TVP5147初始化，其通過I2C總線實現(xiàn)，DSP自帶I2C總線控制器。芯片I2C地址是由芯片引腳I2CA的電平控制的，如該引腳接高電平，則I2C寫地址為0xB8，否則為OxBB。

　　假如系統(tǒng)初始化為從Y[9．．O]端口輸出10位的YUV混合視頻數(shù)據(jù)，則可知道其輸出符合以下時序，如圖5所示。

　　圖中行為DATACLK信號，其為TVP5147芯片提供的數(shù)據(jù)時鐘信號，第二行為數(shù)據(jù)Y[9…0]，當每一行圖像開始之前，會有4個SAV信號，如圖5所示，數(shù)據(jù)是YCbCr格式，每個像素點的數(shù)據(jù)為4個數(shù)據(jù)組成，為Cb，Y，Cr，Y。而由圖5中可以看出AVID信號為高電平時，表明當前的數(shù)據(jù)為有效數(shù)據(jù)。這為CPLD采集有效數(shù)據(jù)提供了參考信號。同時TVP5147芯片還輸出FID信號，該信號為奇偶場指示信號。

　　2．2 CPLD讀寫SRAM

　　存儲器選擇了DS1265AB，它是SRAM存儲器，具有存儲速度快的優(yōu)點，并能夠在系統(tǒng)掉電時保存數(shù)據(jù)10年。DS1265具有1 MB的容量，20根地址線，8根數(shù)據(jù)線，另有WE，OE，CE信號輸入端。

　　CPLD選用EPM7128具有價格便宜、計數(shù)頻率高等優(yōu)點。將存儲器SRAM接到CPLD的IO引腳上，配合時序便能達到對SRAM讀寫的要求，原理圖，如圖6所示。

　　編寫CPLD程序使得輸出時序滿足SRAM的存儲要求，當然對于設計的具體要求，利用兩片SRAM分別存儲奇偶場的數(shù)據(jù)，SRAM的切換是由奇偶場信號FID控制多片74HC245實現(xiàn)的，詳細過程，如圖7所示。當FID處于高電平時，此時M1和M4使能，此時CPLD將地址信號CPLDaddr輸入SRAM1中，DSP將地址信號DSPaddr輸入至SRAM2中，同時M6和M8使能，由圖中可以看出，此時CPLD正向SRAM1寫入數(shù)據(jù)，而DSP正從SRAM2中讀取數(shù)據(jù)，同時M10使能，CPLD的信號CPLDctl控制SRAM1的讀寫，而DSP的信號DSPctl控制SRAM2的讀寫，當FID轉為低電平時，正好將SRAM1和SRAM2實現(xiàn)了交換。所選擇的SRAM數(shù)據(jù)位為8位，當放棄Y0和Y1位后，降低了圖像數(shù)據(jù)的，但對識別效果的影響卻很小，然后隨著DATACLK每次上升沿的來臨，CPLD將地址單元加1，這樣實現(xiàn)每一場數(shù)據(jù)的寫入。

　　2．3 圖像輸出系統(tǒng)的設計

　　系統(tǒng)設計時為了減輕負擔，采用電視監(jiān)控的方法，將小型電視機通過TI公司的視頻編碼芯片THS8135連接至DSP總線，將得到的YUV數(shù)據(jù)通過THS8135直接輸出至電視AV的視頻接收端，并且通過DSP可以將一些信息顯示到電視屏幕上，這樣使得識別的過程更加人性化。

　　3 系統(tǒng)軟件設計

　　3．1 DSP的圖像預處理

　　TVP5147芯片輸出的圖像數(shù)據(jù)并非RGB格式，而是以YUV格式輸出的。需要通過DSP處理器轉換成RGB格式，才能進行圖像的預處理，轉換公式如式(4)所示

　　DSP將圖像數(shù)據(jù)讀入內存空間，然后對其進行運算，將得到的RGB分別放到對應的存儲單元，并算出灰度值Gray，運算公式如式(5)所示

　　將得到的灰度值存放到對應的數(shù)組當中。每張圖片由兩場圖片構成，所以完整的圖片分辨率為720×576。但是對于系統(tǒng)本身無需對其每一個像素都進行轉換，所以截取其中320×240進行存儲，這樣每場的分辨率為320×120。

　　3．2 人臉判別流程

　　將得到的320×240的圖片經(jīng)過人臉的檢測后，將截取人臉的部分作為人臉樣本。設計時，人臉的所有樣本都將在顯示器上顯示出來，降低了人臉錯誤檢測的可能，一定程度上提高系統(tǒng)的準確性。

　　人臉的樣本分辨率為24×24，作為576維的一維向量輸入至PCA。圖8(a)為計算PCA投影矩陣的流程圖，圖8(b)為KNN分類器的工作流程圖，其中訓練樣本經(jīng)過PCA投影后的數(shù)值，可以作為初始化時的計算，也可存儲于掉電非易失介質中，如Flash存儲器中，可以提高設備的運行效率，降低運算量。

　　如圖8所示，KNN分類器可以判斷接近的分類，但是并不能拒絕分類，于是產(chǎn)生了任何人的臉都將被分到內置樣本集的一類中。這樣的分類方式是不可取的，所以必須加入是否拒絕的判定，流程圖如圖9所示。

　　如流程圖中顯示，當樣本點經(jīng)過PCA降維后，輸送至KNN分類器進行分類，先求出待測點與K類標號的樣本點的歐氏距離之和sum。定義兩個閾值a和b，如果sum<a值則判定為類；如果sum>b值則判定為拒絕類；如果sum介于a和b值之間，則引入控制量accuracy，計算出sum與a的差值，如若小于控制量accuracy，則判定為第K類，否則拒絕分類。

　　4 試驗結果

　　實驗中，選定a的值為12 400，b的值為16 200，這兩個值的確定需要進行大量的實驗，從中找出規(guī)律。x的值的大小直接影響識別的效果，文中分別選取x=4和x=5進行了測試。

　　(1)x=4時：程序在測試可識別庫中的分屬12個人的36幅人臉圖像時，正確識別出其中的33幅，其余3幅圖像均被判否，0個判錯。程序在測試不可識別庫中的分屬3個人的33幅人臉圖像時，22幅圖像被成功判否，11幅被誤判；

　　(2)x=5時：程序在測試可識別庫中的分屬12個人的36幅人臉圖像時，正確識別出其中的25幅，其余l(xiāng)l幅圖像均被判否，O幅判錯。程序在測試不可識別庫中的分屬3個人的33幅人臉圖像時，28幅圖像被成功判否，5幅被誤判。

　　分析上面的實驗數(shù)據(jù)可知，x=4時，可識別庫的識別率為91．6％，不可識別庫的判否率為66．7％。x=5時，可識別庫的識別率為69．4-％，不可識別庫的判否率為84．8％。應用于不同的場合時，應選擇不同的x值，當要求盡可能拒絕外來人臉時，可選x值為5，當要求盡量識別已知人臉時，可選x值為4。

　　5 結束語

　　此人臉識別系統(tǒng)，沒有采用USB攝像頭作為圖像采集設備，而以通用視頻標準的模擬攝像頭取而代之，因此用戶在攝像頭選擇的時候更加自由。本系統(tǒng)經(jīng)過了運行檢驗, 具有速度快, 成本低, 可靠性高, 擴展性好等優(yōu)點, 具有很廣的應用前景。