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(yīng)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(dá)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(jī)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(zhǔn)確率和識別時間都達(dá)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(dá)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(dāng)前采集圖像的預(yù)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(qiáng)度則與光照的強(qiáng)度對應(yīng),。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,。

    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(chǔ)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(dāng)前程序工作狀態(tài),。由于程序運行于Linux操作系統(tǒng)之上,，應(yīng)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(jìn)行地址映射,，才可通過映射的虛擬地址進(jìn)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(jìn)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(yīng)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(xiàn)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(biāo)樣本集的投影系數(shù)進(jìn)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(xùn)練階段以及識別階段,。

    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(biāo)準(zhǔn)化訓(xùn)練臉φi用Ω=(ω1i,，ω2i,，…，ωji)T,，i=1,，2,，…，K表示,。
    (2)識別階段,。
    1)設(shè)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(yù)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(zhǔn)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(xùn)練圖像光照度差別較大,。其二是人臉背景差別較大。為改進(jìn)PCA算法,，可對圖像做以下預(yù)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(jìn)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(dāng)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(shè)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(dá)到這一固定值,。通過同態(tài)濾波,，減少光照不均。

4 結(jié)束語
    采用了在ARM9控制下CMOS圖像傳感器進(jìn)行圖像采集,，并利用改進(jìn)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(shè)定閾值er為2×1015的情況下，系統(tǒng)的識別率為89．2％,。