《便携式人脸识别设备平台.docx》由会员分享，可在线阅读，更多相关《便携式人脸识别设备平台.docx（9页珍藏版）》请在三一文库上搜索。
1、项目名称：便携式人脸识别设备 / 平台一、项目计划研究依据1、该项目国内外发展概况和最新发展趋势 经过几十年的发展和进步，人脸识别技术目前已经取得了长足进 步。尤其在一定范围环境变化条件下， 目前的人脸识别技术可以达到 较高的识别准确率。基于 PC/Windows 的人脸识别系统也已经在门 禁、考勤、公安照片比对和通关等实际案例中得到广泛应用。目前正 在快速发展的视频监控系统也开始考虑把人脸识别集成近来。因此， 人脸识别对于社会安全、反恐和打击犯罪具有非常重要的作用。相对基于 PC 的人脸识别系统的发展和应用，基于嵌入式系统的 人脸识别系统目前正在处于起步阶段。受嵌入式环境中 CPU 运算速
2、度、内存等资源限制， 很多准确的识别算法不能移植到嵌入式环境中 来，从而大大限制了嵌入式人脸识别系统的准确性和应用。因此，如 何在嵌入式环境中开发快速、 准确地人脸识别系统是对该领域的最新 挑战，也是人脸识别的最新发展趋势。二、项目计划研究内容1、该项目具体研究开发内容和要重点解决的关键技术问题 该项目主要研究开发基于嵌入式系统和 DSP 芯片的便携式、手持 人脸识别设备，该设备可以独立存在，也可以嵌入到摄像头、警用随 身设备等使用，或者和 IP 摄像头结合，搭建具有人脸识别功能的智 能视频监控平台。该项目要重点解决的关键技术问题如下：1）准确而快速的人脸识别算法。相对于 PC 机丰富的资源来
3、说， 嵌入式系统的内存、 CPU 等资源要少的多，因而该系统运行 的人脸识别算法必须在准确识别人脸的同时， 具有较小的运算 和存储需求。因此，如何开发快速而准确的人脸识别算法，是 该项目研究的首要技术问题。2）算法在 DSP 芯片上的优化。该项目将通过 TI DSP 芯片提供 的强大处理能力来提高算法的运行效率。为达到此目的，必须 将算法通过 DSP 提供的并行处理、特定函数库等来实现，并 进行相应的优化。3）ARM 和 DSP 的协调、 通信。除了将算法通过 DSP 芯片进行 优化以达到高效执行的目的外，该系统还将通过 ARM 芯片对 诸如摄像头、键盘等系统外设进行控制， 以及和用户进行交互
4、。 因此 ARM 如何调用 DSP 的算法以及得到算法执行结果，是 该项目需要解决的另一个关键问题。4）人脸数据库管理和更新。由于嵌入式平台上数据库平台和资 源的缺乏，项目需要对人脸和信息的管理设计相应的模块，并 能够通过网络进行诸如信息和人脸图片的更新。2、该项目的特色和创新之处该项目提出了便携式人脸识别设备的概念， 首先是应用上的创新。 相对于目前流行的基于 PC 机的人脸识别系统， 嵌入式的人脸识别系 统携带方便、需要的资源小、成本低，能够方便的和其他姓关设备结 合，在市场上具有广泛的需求。其次，该项目率先将 ARM 和 DSP 芯片相结合并应用于人脸识别， 通过DSP实现算法、ARM实
5、现外围设备的控制等分工充分利用各种 CPU 的特点，能够实现快速而准确的人脸识别系统。最后，该项目将提供 ARM 和 DSP 协调工作、互相通信、调用的 全面解决方案，为类似的模式识别应用提供了先例和经验。3、要达到的主要技术、经济指标及社会、经济效益 人脸识别系统准确率 95% ，识别时间 1 秒，达到每年上千套销 量，从而创造数百万利润。产品在反恐、打击犯罪中起到广泛作用，从而造成较大社会影响力。三、研究试验方法、技术路线以及工艺流程 项目针对关键问题所提出的方法和技术路线如下：1）人脸检测和识别算法人脸检测是人脸识别的前提， 准确的人脸检测有助于提高人脸识 别率。本项目将采用类 Haar
6、 特征和 Boosting 分类器的方法检测人脸。 首先，利用样本的 Haar 特征进行分类器训练，最后得到一个级联的 boosting 分类器。通过训练的分类器， 可以对输入图像的感兴趣区域 （与训练样本相同的尺寸） 进行目标检测。 为了搜索不同大小的人脸 目标，分类器的搜索窗口被设计为可按一定比例缩放的多尺度窗口。 由于使用了积分图像以及基于简单矩形的 Haar 特征，基于 Haar 特 征和 Boosting 分类器的人脸检测算法可以达到非常快速的检测速度。在识别算法上，项目将采用基于 Gabor 小波抽取特征的方法。 由于 Gabor 小波可以同时在空间域和频域获得最佳的分辨率，并且
7、能够很好地模拟哺乳动物视觉神经简单细胞的激励模型， 是目前主流 的人脸描述方法之一， 特别适合特征表示和判别。 由于抽取的 Gabor 特征维数较长，主成分分析等降维手段将用来减少该特征对运算量和 存储的需求，从而达到高效识别人脸的目的。2）算法在 DSP 平台上的优化算法参数调整本系统使用的基于灰度图像中弱特征目标检测算法中，先对待检 测图像做预处理， 其中使用缩放系数改变待检测图像的大小， 缩放系 数越小，被处理的图像越大，检测正确率越高，但运算量也越大。在 检测函数中，扫描窗口的比例系数决定了检测完一副给定大小图像所 需的扫描次数，扫描次数越小，运算量就越小，但同时也会影响检测 正确率。
8、这三个参数共同作用于检测算法， 决定运算量和检测准确率。 项目将对这些参数根据实际运行情况进行测试、组合以获得最佳效 果。 Gabor特征抽取的优化在用 Gabor 小波滤波器抽取特征时，要将一幅待识别图像与 Gabor 小波滤波器进行 40 次卷积，共需处理 10240 点的 FFT 计算。 因此 ，项 目将 使用 TI 提 供的 TMS320C64xDSP Library 中 的 DSP_fft32x32 ，DSP_ifft32x32 和 DSP_mul32 函数实现该功能。这 些函数已经经过线性汇编优化，能够大大提高 FFT 的计算速度。 C 程序优化项目将通过 TI C6000 的编译
9、工具可以对代码进行各种优化，以 提高代码的执行速度， 并减小代码尺寸。 这些优化选项包括 -O3 、-ms 、 -pm 、-mt、-mv6400+ ，用来简化循环，软件流水，语句和表达式的 顺序重排和分配变量到寄存器等等。 同时设定优化选项后编译器会自 动使用软件流水等技术对循环做优化，但是如果循环中使用判断语 句、跳转语句和非正常终止语句（ break ）会严重破坏软件流水，通 过对程序分析及调整，尽可能的将循环中的判断及跳转语句去除。3）ARM 和 DSP 的协调通信据算法的特点，项目将采用如下图的分配策略：人脸检测算法中有大量循环迭代运算且人脸识别算法中用 40个Gabor小波滤波器提
10、取特征，这些都具有并行计算特点，适合 DSP软件流水，所以将它 们移植到DSP上；而人脸识别算法中除Gabor特征抽取和降维的其 他部分，if、switch判断语句多，且所需的人脸特征文件存放在 ARM 端的文件系统上而DSP不能访问，所以将算法其余部分移植到ARM 上运行。Codec EngineCodec EngineII用户控制与视频米集数据显示f- t=r 符合xDM的与显示人脸识别算法1人脸识别算法Mon taVista Li nuxk DSP/BIOSARMVDSPARM端对DSP端算法的调用将借鉴TI达芬奇软件框架进行。达 芬奇平台软件框架分为应用层和信号处理层。应用层运行在DM
11、6446 的ARM端Linux系统上，信号处理层运行在 DM6446的DSP端 DSP/BIOS 内核上，两者通过 Codec Engine 交互。Codec Engine 由一组软件模块构成，处于应用层和信号处理层之间。它向应用层提 供四类接口函数，分别是 Video，Imaging，Speech，Audio，简称 VISA。同样，Codec Engine对信号处理层算法也提供了统一的接口 xDAIS-xDM。xDAIS是TI提出的DSP算法接口标准，它将算法对 硬件的需求（例如内存，DMA ）抽取出来，使算法不直接操作硬件， 增强算法在不同平台间的可移植性，而硬件资源的分配由特定软件框 架
12、完成。四、工作基础和条件1、拥有知识产权状况目前拥有自主开发的快速、准确的人脸识别核心算法，一个基于PC机的人脸识别系统的软件和一个基于TI达芬奇芯片的嵌入式人脸识别系统软件。2、该项目现有的研究工作基础 (包括与该计划研究有关的主要论 文、专著情况，小试或中试成果情况)本项目相关的论文：1) Linlin Shen and Li Bai. 3D Gabor wavelets for evaluating SPM normalization algorithm. Medical Image Analysis, 2008 ， Vol.12 (3), pp 375-383.(SCI/EI ，影响因
13、子 : 3.5).2) Linlin Shen, Li Bai and Michael Fairhurst. Gabor wavelets and general discr iminant analysis for face identification and verification. Image and Vision C omputing, Vol 25(5), pp.553-563, 2007.(SCI/EI)3) Linlin Shen and Li Bai. A review on Gabor wavelets for face recognition.Pa ttern Anal
14、ysis and Applications, Vol 9 (2), pp. 273-292，2006. (SCI/EI)4) Linlin Shen and Li Bai. MutualBoost learning for selecting Gabor features f or face recognition. Pattern Recognition Letters, Vol 27 (15), pp.1758-1767 , 2006. (SCI/EI)5) Linlin Shen and Li Bai. Information theory for Gabor feature selec
15、tion for fa ce recognition. EURASIP Journal on Advancesin Signal ProcessingVol 2006 (1), pp.1-11. (SCI/EI)6) Shen Linlin and Ji Zhen. Object recognition based on optimized Gabor features and SVM. Proceedings of the First Chinese Conference on Pattern Recognition (CCPR 2007), 11-12 Dec. 2007, Beijing
16、, China, pp. 105-112.7) Linlin Shen, Dorothee Auer and Li Bai. 3D Gabor wavelets for evaluating m edical image registr-ation algorithms. International Workshop on Medical Im aging and Augmented Reality,Proceedings Lecture Notes in Computer Scien ce 4091, pp.261-268, 2006.(SCI/EI)8) Li Bai, Linlin Sh
17、en, Yan Wang, A novel eye location algorithm based on radi al symmetry transfo-rm, Proceedings of the 18th International Conference o n Pattern Recognition (ICPR06), pp. 511-514, 2006 (.EI)9) Linlin Shen and Li Bai, etc. Gabor feature selection for face recognition using improved AdaBo-ost learning,
18、 Advances in Biometric Person Authenticati on, Proceedings Lecture Notes in Computer Scienc3e781, pp.39-49, 2005. (SCI/EI)10) Li Bai and Linlin Shen. InfoBoost for selecting discriminative Gabor features. Computer Analysis of Image and Patterns, Proceedings Lecture Notes in Computer Science3691: pp.
19、 423-432, 2005.(SCI/EI)11) Li Bai and Linlin Shen. A fast and robust Gabor feature based method for fac e recognition. The IEE International Symposium on Imaging for Crime De tection and Prevention(Best Papers), The IEE Savoy Place, London, 2005. (EI)12) Linlin Shen and Li Bai. Combining Gabor featu
20、re and Kernel Direct Discrim inant Analysis for f-ace recognition. Proc. of the 17th International Conferen ce on Pattern Recognition, Cambridge, UK, 2004. (EI)13) Linlin Shen, Li Bai and P., Picton. Facial recognition/verification using Gabor wavelets and kernel methods.Proc. of the IEEE Internal C
21、onference on Image Processing, Singapore, 2004.(EI)14) Linlin Shen and Li Bai. Gabor feature based face recognition using Kernel m ethods.Proc. of the IEEE 6th International Conference on Automatic Face a nd Gesture Recognition, Soel, Korea, 2004.(EI)15) Linlin Shen, Alex Kot. Quality measures of fi
22、ngerprint images, Audio and Video-based Biometric Person Authentication,Proceedings Lecture Notes in Computer Science2091: pp.266-271, 2001.(SCI)3、创新人才以往承担各类科技计划项目完成情况 (立项年度、 项 目编号、项目名称、计划类别、完成时间、完成效果)1) “融合人脸和掌纹的生物特征识别”，深港创新圈项目 ( CXQ )，2008.8-2010.8 ，项目主持人为沈琳琳。2) “基于电子指纹的钞票跟踪”，广州广电运通金融股份有限公司横向项目， 2
23、007.10-2008.12 ，项目主持人为沈琳琳。3) “基于图像的摄像头质量检测”，南太电子(深圳)有限公司横向项目， 2008.2-2010.12 ，项目主持人为沈琳琳。4) “基于优化 Gabor 特征和支持向量机的模式识别系统研究” ，深 圳大学科研项目（），2007.03-2007.12，项目主持人为沈琳 琳，结题优。5）“基于Gabor小波的人脸识别算法及其在达芬奇平台上的实 现”深圳大学-德州仪器DSPs实验室科研项目， 2007.9-2008.4，项目主持人为沈琳琳，获得2008德州仪器 DSP大赛三等奖。4、该项目实施已具备的人才及科研条件该项目目前拥有算法研究人员一名，高
24、级软件系统开发人员一名， 软件开发人员2-3名，硬件系统设计人员一名，DSP相关硬件开发 人员2-3名。设备上拥有达芬奇开发套件一套，Dell PC机5台，以及嵌入式开发套件等。5、该项目实施可能对环境的影响及预防治理方案。该项目实施不会对环境造成任何影响。五、创新项目计划实施需具备的条件（人才队伍、实验设施、设备及经费）六、创新项目计划研究预期成果及效益（重点是能提交的具有自主知识产权的创新性成果、高新技术产品、新样机、新设备、新品种、 计算机软件、技术标准，以及在成果转化中可能产生的效益等）七、计划进度安排与考核指标工作进度（按半年度分）主要工作内容该计划兀成后主要考核指标：包括主要技术指标：如形成的专利、新技术、 新产品、新装置、论文专著等数量、指标及其水平等；主要经济指标：技术及 产品应用所形成的市场规模、效益等；项目实施中形成的示范基地、中试线、 生产线及其规模等；其它应考核的指标。