面向嵌入式系統(tǒng)的人臉識別算法性能優(yōu)化研究.pdf

1、近幾年來，人臉識別技術(shù)廣泛應(yīng)用于人們生活的各個領(lǐng)域，是一種極為有效的生物識別技術(shù)。由于人臉識別算法計(jì)算復(fù)雜度非常高，而且對存儲空間的要求較大，因此人臉識別在嵌入式系統(tǒng)中的廣泛應(yīng)用一直難以實(shí)現(xiàn)。但是隨著嵌入式系統(tǒng)硬件性能的提高，人臉識別在嵌入式系統(tǒng)中的應(yīng)用也有了飛快發(fā)展。本文針對嵌入式系統(tǒng)的特殊應(yīng)用環(huán)境，對人臉識別算法進(jìn)行了改進(jìn)。
　　 本文首先對基于AdaBoost算法的快速人臉檢測方法進(jìn)行了改進(jìn)，在AdaBoost級聯(lián)分類器結(jié)

2、構(gòu)中引入加權(quán)判決函數(shù)，對其中相互獨(dú)立的級聯(lián)分類器進(jìn)行信息融合，不增加級聯(lián)強(qiáng)分類器的個數(shù)，提高檢測率和檢測速度。當(dāng)樣本被當(dāng)前級AdaBoost分類器判為假后，再使用該級的加權(quán)判別函數(shù)對其進(jìn)行判決。如果加權(quán)判別函數(shù)判決為真，則仍然使樣本輸入到下一級的分類器中，反之，則拒絕該樣本。最后采用擴(kuò)展的Haar-Like特征在MIT+CMU人臉庫上進(jìn)行了實(shí)驗(yàn)，取得了較好的效果。
　　 其次，是對單訓(xùn)練樣本人臉識別模型的優(yōu)化。單訓(xùn)練樣本人臉識別

3、問題，每個人都只有一幅人臉樣本圖像，因?yàn)闆]有充分具有代表性數(shù)量的訓(xùn)練樣本，一些常用方法識別率將明顯下降，有的甚至不適用。針對這一問題，在單樣本人臉識別中，本文一方面引進(jìn)一些幾何變換增加虛擬樣本數(shù)量：另一方面使用二維主成分分析，抽取更利于分類的特征，大大提高了單訓(xùn)練樣本人臉識別問題的識別率。該方法較適合嵌入式應(yīng)用環(huán)境下的小類別識別。
　　 最后本文針對嵌入式系統(tǒng)的特點(diǎn)，對改進(jìn)的算法進(jìn)行了進(jìn)一步的優(yōu)化。設(shè)計(jì)了一個基于S3C2440A