CN108376256A - 一种基于arm处理平台动态处理人脸识别系统及其设备 - Google Patents
一种基于arm处理平台动态处理人脸识别系统及其设备 Download PDFInfo
- Publication number
- CN108376256A CN108376256A CN201810434138.0A CN201810434138A CN108376256A CN 108376256 A CN108376256 A CN 108376256A CN 201810434138 A CN201810434138 A CN 201810434138A CN 108376256 A CN108376256 A CN 108376256A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- module
- database
- recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 25
- 230000001815 facial effect Effects 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000013461 design Methods 0.000 claims abstract description 6
- 230000001105 regulatory effect Effects 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 239000003463 adsorbent Substances 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 241000405217 Viola <butterfly> Species 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 7
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于ARM处理平台动态处理人脸识别系统及其设备,该系统包括硬件平台、图像采集模块、图像预处理模块、人脸检测模块、特征提取模块、人脸识别模块、数据库模块和视频显示模块;首先选择相应硬件平台,设计动态人脸识别系统;人脸识别系统通过图像采集模块进行图像信息采集操作,采集好的图像通过图像预处理模块对图像预处理工作;之后信息由人脸检测模块进行人脸检测工作,截取人脸图像;最后,利用特征提取模块提取的特征通过人脸识别模块进行人脸识别,采集和识别的信息均存储于数据库模块中;为用户在系统中方便管理人脸数据库,系统中利用MySQL数据库研发了数据库管理功能。
Description
技术领域
本发明属于模式识别技术领域,是一种利用嵌入式开发技术、模式识别等实现人脸动态识别系统,具体涉及一种基于ARM处理平台动态处理人脸识别系统及其设备。
背景技术
人脸识别是指采用机器对人脸图像进行分析处理,提取有效人脸识别信息,达到身份识别的目的。该技术在视频监控、信息安全、身份认证等方面已有广泛的应用。
近几年嵌入式行业发展迅速,使得用户对电子设备或终端的需求越来越多。现有的人脸识别算法都是以PC为平台,构成的系统具有体积庞大、不方便使用的问题。随着电子技术的发展及社会的需求变化,硬件处理平台朝着微型化、低功耗、便携式的方向发展,而且PC平台限制了人脸识别的广泛应用与普及。
现实生活中,在人们对现有技术的众多要求中,人脸识别技术是普遍而且实用价值较高的需求之一。现有的较高端的人脸识别技术已经应用到了生活的各个方面了。
目前主流的嵌入式硬件平台有ARM、DSP等。在ARM系列处理器中,Cortex-A9多核处理器技术成熟、应用广泛、数据处理与运算能力较强,具有快速处理人脸识别算法的性能,同时价格便宜,有利于嵌入式人脸识别系统的普及化。
发明内容
本发明目的在于解决上述问题并提供积小巧、操作简单、识别精度高的一种基于多核ARM的动态人脸识别系统。
该系统包括硬件平台、图像采集模块、图像预处理模块、人脸检测模块、特征提取模块、人脸识别模块、数据库模块和视频显示模块;首先选择相应硬件平台,设计动态人脸识别系统;人脸识别系统通过图像采集模块进行图像信息采集操作,采集好的图像通过图像预处理模块对图像预处理工作;之后信息由人脸检测模块进行人脸检测工作,截取人脸图像;最后,利用特征提取模块提取的特征通过人脸识别模块进行人脸识别,采集和识别的信息均存储于数据库模块中;为用户在系统中方便管理人脸数据库,系统中利用MySQL数据库研发了数据库管理功能。
硬件平台设计:
平台应选用多核ARM架构的CPU,需配备1GB内存,4GB存储空间,保证系统的流畅运行;平台需扩展多种接口,至少提供显示接口、USB、SD卡等接口连接屏幕设备及摄像采集设备。
硬件平台设计参考图1系统硬件结构示意图
优先的;动态人脸识别系统具体流程如下:
步骤一:图像采集
a摄像头抓取图像,以每秒1帧的速度采集图像;
步骤二:加载训练好的人脸库
步骤三:图像预处理
a对人脸图像采用灰度变换,以便系统运算流畅;
b对变换后的人脸图像进行直方图均衡化和归一化处理;
步骤四:人脸检测
a对人脸图像采用人脸检测
利用Harr特征,对步骤二得到的图像进行人脸检测;
b截取目标人脸区域图像,并自动的统一人脸图像尺寸为高×宽=80×80像素;
步骤五:特征提取
a利用Gabor小波提取多方向、多尺度的局部图像特征,然后将这些特征串联到人脸空间;
步骤六:人脸识别
a应用圆形LBP算子对人脸空间编码,然后对LBP直方图统计,以获取最终人脸识别特征;
b人脸特征匹配
人脸的分类识别是通过匹配LBPH直方图序列的相似度来实现分类的。故选用最近分类器对LBPH提取的人脸特征进行分类,用LBPH特征相似度方差描述两个样本之间的相似程度,方差越小,说明两个样本越相似;
c显示识别结果
判断人脸特征距离是否大于阈值,如果大于阈值则当前人脸图像不属于人脸数据库;若小于阈值,就将人脸数据库中距离测试人脸图像最近的人脸图像作为识别结果;
步骤七:数据库管理
a添加人脸图像
在步骤六后,可输入当前人员人脸信息及编号保存至MySQL数据库,并将目标人脸图像保存至人脸数据库;
b训练人脸数据库
添加人脸图像后,需对人脸数据库重新进行训练。
优选的,其步骤四中a小步的人脸检测的步骤为:
S1,使用Harr-like特征表示人脸;
S2,利用Adaboost算法构造人脸检测强分类器,将训练得到的若干强分类器串联组成一个级联结构的层叠分类器检测人脸,设定采集到人脸的次数;
S3,判定,若达到采集人脸的次数则进行如下操作,若达不到则返回到步骤一重新抓取图像,以便检测人脸。
优选的,人脸检测强分类器是由Viola和Jones提出的基于机器学习的人脸检测算法。
优选的;所述的设备主体表面上部设置有显示屏,设备主体内部设置有ARM处理器和存储器,设备主体表面设置有USB插口和键盘接口;设备主体两侧开有对称的凹槽,凹槽内安装有调节臂,调节臂端部开设有空腔,空腔内部固定有红外摄像头;所述的调节臂为中空结构,所述的吸附装置安装在设备主体的背面;所述的红外摄像头、USB插口、键盘接口和存储器均与ARM处理器电性连接。
有益效果:本装置结构小巧,模仿人类眼睛结构,采用双摄像头,能更好的全方位的采集到人脸图像;采用体积小巧、操作简单、识别精度高的ARM处理器以及稳定的的动态人脸识别系统,来更精确的进行人脸识别,提高识别效率和正确率;利用Harr特征进行人脸检测;利用Gabor小波提取多方向、多尺度的局部图像特征,应用圆形LBP算子对人脸空间编码,然后对LBP直方图统计,以获取最终人脸识别特征,能够减少差值,提高速度,让于嵌入式人脸识别系统普及化。
附图说明
图1为本发明的硬件结构示意图;
图2为本发明的系统界面示意图;
图3为本发明的识别算法及人脸识别过程;
图4为本发明的装置正面结构图;
图5为本发明的装置调节臂打开的侧面结构图。
1、设备本体;2、USB插口;3、键盘接口;4、凹槽;5、红外摄像头;6、调节臂;7、存储器;8、ARM处理器;9、显示屏;10、吸附装置。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
一种基于ARM处理平台动态处理人脸识别系统,该系统包括硬件平台、图像采集模块、图像预处理模块、人脸检测模块、特征提取模块、人脸识别模块、数据库模块和视频显示模块;首先选择相应硬件平台,设计动态人脸识别系统;人脸识别系统通过图像采集模块进行图像信息采集操作,采集好的图像通过图像预处理模块对图像预处理工作;之后信息由人脸检测模块进行人脸检测工作,截取人脸图像;最后,利用特征提取模块提取的特征通过人脸识别模块进行人脸识别,采集和识别的信息均存储于数据库模块中;为用户在系统中方便管理人脸数据库,系统中利用MySQL数据库研发了数据库管理功能。
硬件平台选取:
平台选用Exynos4412CPU采用32nm制程,四核1.4GHz主频;Exynos4412平台配备1GB内存,256k iROM,4GB固态硬盘EMMC存储,配备S5M8767电源管理芯片,另外该系统扩展多种接口,其中包括摄像头、USB、I2C等接口;系统运算速度满足了人脸识别运算的基本要求,而且为嵌入式动态人脸识别系统的实时提供了保证。
系统选用4.3寸触摸LCD液晶显示屏幕,用于系统显示与用户交互。
步骤一:图像采集过程如下:
采用普通摄像头作为图像传感器,通过USB接口与Exynos4412平台相连接,通过摄像头以每秒采集1幅图像,采集图像尺寸为宽×高=320×240像素的彩色图像。
步骤二:加载训练好的人脸库
步骤三:图像预处理
a对人脸图像采用灰度变换,以便系统运算流畅;
b对变换后的人脸图像进行直方图均衡化和归一化处理;
步骤四:人脸检测
a对人脸图像采用人脸检测
本系统使用人脸分类器是由Viola和Jones提出的基于机器学习的人脸检测算法,
其可以分为下三部分:使用Harr-like特征表示人脸,利用Adaboost算法构造人脸检测强分类器,将训练得到的若干强分类器串联组成一个级联结构的层叠分类器检测人脸,设定采集到人脸的次数,若达到采集人脸的次数则进行如下操作,若达不到则返回到步骤一重新抓取图像,以便检测人脸;
b截取目标人脸区域图像,并自动调整人脸图像尺寸为高×宽=80×80像素;
步骤五:特征提取
研究发现,Gabor小波在频率和方向上对图像的表示特性与人类视觉系统的有关性很相似;因此,Gabor小波适宜于图像纹理的表示和判断,能更好地提取人脸特性;我们将人脸灰度图像记为I,与二维的Gabor核函数做卷积运算,得到人脸图像的Gabor特征表示为:
式中:*表示卷积,wk(z)为Gabor小波人脸。其中wk(z)可以表示为 Ak和分别是wk(z)的幅值和相位。本文提取wk(z)幅值特征Ak(5个尺度,8个方向),并将Ak调整为32×32,得到40960个浮点特征向量。
步骤六:人脸识别
a应用圆形LBP算子对人脸空间编码,然后对LBP直方图统计,以获取最终人脸识别特征。
本系统利用Gabor小波提取的幅值特征图像共有40个,我们将这40副图像串联到人脸特征空间形成一幅图像。然后,在人脸特征空间,以每个像素点gc为中心,使用半径为R=1,数量为P=8的圆形的LBP采样,判断采样点gp与中心像素点gc差值,再编码人脸特征空间。gp由二值线性差值获得,其与gc差值由下式获得。
十进制转换得到LBP编码值,由下面式子获得。
最后,将人脸特征空间分为64个子空间,每个子空间的浮点特征向量值为20。设人脸特征子空间fz(x,y),z∈{0,1,…63},直方图为Hμ,v,其中μ∈{0,1...7},ν∈{0,1...7}。每个特征向量的LPBH直方图值为hi:
hi=∑I{fz(x,y)=i},i=0,1......255
其中,i为LBP算子值。因此Hμ,v={h1,h2...h255},串联每个
Hμ,v得到整个人脸空间的直方图H={H0,0,H0,1...H7,7}。
b人脸特征匹配
人脸的分类识别是通过匹配LBPH直方图序列的相似度来实现分类的。故选用最近分类器对LBPH提取的人脸特征进行分类,用LBPH特征相似度方差描述两个样本之间的相似程度,方差越小,说明两个样本越相似。设训练样本集Ti中的样本x与测试样本集Te中的样本y,其中LBPH特征分类分别为Hi和Hy二者的相似度定义如下:
其中,a为特征向量的长度,上式中的d2为相似度方差,d取值越小,则两个人脸样本越相似。按照上式计算测试样本LBPH特征和训练样本LBPH特征之间的相似度方差之后,测试样本应归为对应方差值最小的那一类当中。
c显示识别结果
判断人脸特征距离是否大于阈值,若大于阈值则当前人脸图像不属于人脸数据库;若小于阈值,就将人脸数据库中距离测试人脸图像最近的人脸图像作为识别结果;
步骤七:数据库管理
a添加人脸图像
在步骤六后,若识别人脸失败,管理者可将人脸信息及编号输入文本框里,保存至MySQL数据库里并将人脸添加至人脸库里。
b训练人脸数据库
添加人脸图像后,需对人脸数据库重新进行训练。
具体实施例
设备主体1表面上部设置有显示屏9,设备主体1内部设置有ARM处理器8和存储器7,设备主体1表面设置有USB插口2和键盘接口3;设备主体1两侧开有对称的凹槽4,凹槽内安装有调节臂6,调节臂端6部开设有空腔,空腔内部固定有红外摄像头5;所述的调节臂为中空结构,所述的吸附装置10安装在设备主体的背面;所述的红外摄像头5、USB插口2、键盘接口3和存储器7、显示屏9均与ARM处理器8电性连接。
调节臂6能够旋转、折叠,能根据不同人的身高和脸部情况进行调节,且采用双红外摄像头5,模仿人类的眼睛,能更好更全面的采集到人类脸部特征;采集到的图像传输到ARM处理器8中,对图像进行录入和识别,识别后存储到存储器7中,并在图像能够在显示屏9上显示出来;且通过键盘接口3外接键盘能够录入信息,通过USB插口2能够提取数据和对接数据,设备主体1背部设置有吸附装置10,能够对设备主体1进行各种环境下的安装,可以吸附在墙面,也可以吸附在桌面等。
调节臂6包括第一调节臂、第二调节臂和第三调节臂,其中第一调节臂一端通过连接结构a固定在凹槽4中,第一调节臂另一端通过连接结构b与第二调节臂活动连接,第二调节臂通过连接结构c与第三调节臂活动连接,红外摄像头5安装在第三调节臂的空腔内;连接结构a包括基座、转轴A、轴承A和连接座A,基座上设置有槽A,槽A内安装有轴承A,转轴A一端外套轴承A,转轴A另一端固定有连接座A,连接座A上设置有通孔;第二调节臂上一端活动连接有转轴B,转轴B设置在通孔内;连接结构b和连接结构c与连接结构a结构相同,区别在于连接结构b的基座设置在第二调节臂上,连接结构c的基座设置在第三调节臂上;通过转动可以使调节臂6能多角度全方位的调节,以满足不同人群的需求。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于ARM处理平台动态处理人脸识别系统,其特征在于:该系统包括硬件平台、图像采集模块、图像预处理模块、人脸检测模块、特征提取模块、人脸识别模块、数据库模块和视频显示模块;首先选择相应硬件平台,设计动态人脸识别系统;人脸识别系统通过图像采集模块进行图像信息采集操作,采集好的图像通过图像预处理模块对图像预处理工作;之后信息由人脸检测模块进行人脸检测工作,截取人脸图像;最后,利用特征提取模块提取的特征通过人脸识别模块进行人脸识别,采集和识别的信息均存储于数据库模块中;为用户在系统中方便管理人脸数据库,系统中利用MySQL数据库研发了数据库管理功能。
2.根据权利要求1所述的一种基于ARM处理平台动态处理人脸识别系统,其特征在于:
人脸识别系统具体实施过程:
步骤一:图像采集
a摄像头抓取图像;
步骤二:加载训练好的人脸库
步骤三:图像预处理
a对人脸图像采用灰度变换,以便系统运算流畅;
b对变换后的人脸图像进行直方图均衡化和归一化处理;
步骤四:人脸检测
a对人脸图像采用人脸检测
利用Harr特征,对步骤二得到的图像进行人脸检测;
b截取目标人脸区域图像,并自动的统一人脸图像尺寸为高×宽=80×80像素;
步骤五:特征提取
a利用Gabor 小波提取多方向、多尺度的局部图像特征,然后将这些特征串联到人脸空间;
步骤六:人脸识别
a应用圆形LBP算子对人脸空间编码,然后对LBP直方图统计,以获取最终人脸识别特征;
b人脸特征匹配
人脸的分类识别是通过匹配LBPH直方图序列的相似度来实现分类的;故选用最近分类器对LBPH提取的人脸特征进行分类,用LBPH特征相似度方差描述两个样本之间的相似程度,方差越小,说明两个样本越相似;
c显示识别结果
判断人脸特征距离是否大于阈值,如果大于阈值则当前人脸图像不属于人脸数据库;若小于阈值,就将人脸数据库中距离测试人脸图像最近的人脸图像作为识别结果;
步骤七:数据库管理
a添加人脸图像
在步骤四后,可输入当前人员人脸信息及编号,并将目标人脸图像保存至人脸数据库;
b训练人脸数据库
添加人脸图像后,需对人脸数据库重新进行训练。
3.根据权利要求2所述的一种基于ARM处理平台动态处理人脸识别系统,其特征在于:其步骤四中a小步的人脸检测的步骤为:
S1,使用Harr-like 特征表示人脸;
S2,利用Adaboost算法构造人脸检测强分类器,将训练得到的若干强分类器串联组成一个级联结构的层叠分类器检测人脸,设定采集到人脸的次数;
S3,判定,若达到采集人脸的次数则进行如下操作,若达不到则返回到步骤一重新抓取图像,以便检测人脸。
4.根据权利要求3所述的一种基于ARM处理平台动态处理人脸识别系统,其特征在于:人脸检测强分类器是由Viola 和Jones提出的基于机器学习的人脸检测算法。
5.一种基于ARM处理平台动态处理人脸识别设备,包括设备主体,其特征在于,所述的设备主体表面上部设置有显示屏,设备主体内部设置有ARM处理器和存储器,设备主体表面设置有USB插口和键盘接口;设备主体两侧开有对称的凹槽,凹槽内安装有调节臂,调节臂端部开设有空腔,空腔内部固定有红外摄像头;所述的调节臂为中空结构,所述的吸附装置安装在设备主体的背面;所述的红外摄像头、USB插口、键盘接口和存储器均与ARM处理器电性连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810434138.0A CN108376256A (zh) | 2018-05-08 | 2018-05-08 | 一种基于arm处理平台动态处理人脸识别系统及其设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810434138.0A CN108376256A (zh) | 2018-05-08 | 2018-05-08 | 一种基于arm处理平台动态处理人脸识别系统及其设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108376256A true CN108376256A (zh) | 2018-08-07 |
Family
ID=63033128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810434138.0A Pending CN108376256A (zh) | 2018-05-08 | 2018-05-08 | 一种基于arm处理平台动态处理人脸识别系统及其设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108376256A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214358A (zh) * | 2018-09-30 | 2019-01-15 | 天津天地伟业电子工业制造有限公司 | 一种通过usb摄像头进行图像采集检测的方法 |
CN109376713A (zh) * | 2018-12-11 | 2019-02-22 | 天地伟业技术有限公司 | 一种嵌入式人脸检测设备 |
CN109784167A (zh) * | 2018-12-13 | 2019-05-21 | 南京邮电大学 | 一种基于计算机视觉的家庭安全检测系统 |
CN110008965A (zh) * | 2019-04-02 | 2019-07-12 | 杭州嘉楠耘智信息科技有限公司 | 目标物识别方法及识别系统 |
CN110096992A (zh) * | 2019-04-26 | 2019-08-06 | 兰州大学 | 一种基于协同表示非线性融合巴氏系数的人脸识别方法 |
CN110348325A (zh) * | 2019-06-20 | 2019-10-18 | 镇江畅行交通科技有限公司 | 一种基于人脸识别技术的公交充值与乘车方法 |
CN110738176A (zh) * | 2019-10-17 | 2020-01-31 | 湖北云阶信息技术有限公司 | 一种公安人脸识别智能匹配个人信息系统 |
CN110781800A (zh) * | 2019-10-23 | 2020-02-11 | 北京远舢智能科技有限公司 | 一种图像识别系统 |
CN113343001A (zh) * | 2021-05-27 | 2021-09-03 | 武汉楚冠信息科技有限公司 | 一种人脸识别终端的数据存储系统 |
CN114937320A (zh) * | 2022-02-15 | 2022-08-23 | 百廿科技(北京)有限公司 | 一种具有人脸识别和测温功能的门锁系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102370333A (zh) * | 2010-08-25 | 2012-03-14 | 张岳松 | 网络远程教学电脑桌 |
CN203883914U (zh) * | 2014-05-27 | 2014-10-15 | 深圳市时尚德源文化传播有限公司 | 一种多功能折叠旋转摄像头 |
CN204836338U (zh) * | 2015-08-07 | 2015-12-02 | 吉林工商学院 | 一种高画质的点阵红外摄像头 |
CN105809125A (zh) * | 2016-03-06 | 2016-07-27 | 北京工业大学 | 基于多核心arm平台的人脸识别系统 |
CN206490734U (zh) * | 2016-12-23 | 2017-09-12 | 广州市锐星信息科技有限公司 | 一种多角度拍摄智能微录仪 |
-
2018
- 2018-05-08 CN CN201810434138.0A patent/CN108376256A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102370333A (zh) * | 2010-08-25 | 2012-03-14 | 张岳松 | 网络远程教学电脑桌 |
CN203883914U (zh) * | 2014-05-27 | 2014-10-15 | 深圳市时尚德源文化传播有限公司 | 一种多功能折叠旋转摄像头 |
CN204836338U (zh) * | 2015-08-07 | 2015-12-02 | 吉林工商学院 | 一种高画质的点阵红外摄像头 |
CN105809125A (zh) * | 2016-03-06 | 2016-07-27 | 北京工业大学 | 基于多核心arm平台的人脸识别系统 |
CN206490734U (zh) * | 2016-12-23 | 2017-09-12 | 广州市锐星信息科技有限公司 | 一种多角度拍摄智能微录仪 |
Non-Patent Citations (3)
Title |
---|
WENCHAO ZHANG 等: "Local Gabor Binary Pattern Histogram Sequence (LGBPHS): A Novel Non-Statistical Model for Face Representation and Recognition", 《TENTH IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION》 * |
刘华鹏: "《互联网+营销:移动互联网时代的营销新玩法》", 中国经济出版社 * |
赵怀勋 等: "基于多尺度LBP的人脸识别", 《计算机应用与软件》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214358A (zh) * | 2018-09-30 | 2019-01-15 | 天津天地伟业电子工业制造有限公司 | 一种通过usb摄像头进行图像采集检测的方法 |
CN109376713A (zh) * | 2018-12-11 | 2019-02-22 | 天地伟业技术有限公司 | 一种嵌入式人脸检测设备 |
CN109784167B (zh) * | 2018-12-13 | 2022-08-26 | 南京邮电大学 | 一种基于计算机视觉的家庭安全检测系统 |
CN109784167A (zh) * | 2018-12-13 | 2019-05-21 | 南京邮电大学 | 一种基于计算机视觉的家庭安全检测系统 |
CN110008965A (zh) * | 2019-04-02 | 2019-07-12 | 杭州嘉楠耘智信息科技有限公司 | 目标物识别方法及识别系统 |
CN110096992A (zh) * | 2019-04-26 | 2019-08-06 | 兰州大学 | 一种基于协同表示非线性融合巴氏系数的人脸识别方法 |
CN110096992B (zh) * | 2019-04-26 | 2022-12-16 | 兰州大学 | 一种基于协同表示非线性融合巴氏系数的人脸识别方法 |
CN110348325A (zh) * | 2019-06-20 | 2019-10-18 | 镇江畅行交通科技有限公司 | 一种基于人脸识别技术的公交充值与乘车方法 |
CN110738176A (zh) * | 2019-10-17 | 2020-01-31 | 湖北云阶信息技术有限公司 | 一种公安人脸识别智能匹配个人信息系统 |
CN110781800A (zh) * | 2019-10-23 | 2020-02-11 | 北京远舢智能科技有限公司 | 一种图像识别系统 |
CN113343001A (zh) * | 2021-05-27 | 2021-09-03 | 武汉楚冠信息科技有限公司 | 一种人脸识别终端的数据存储系统 |
CN113343001B (zh) * | 2021-05-27 | 2024-05-07 | 武汉楚冠信息科技有限公司 | 一种人脸识别终端的数据存储系统 |
CN114937320A (zh) * | 2022-02-15 | 2022-08-23 | 百廿科技(北京)有限公司 | 一种具有人脸识别和测温功能的门锁系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108376256A (zh) | 一种基于arm处理平台动态处理人脸识别系统及其设备 | |
CN107358180B (zh) | 一种人脸表情的疼痛评估方法 | |
US10853633B2 (en) | Gait recognition system to identify walking subject | |
Sellahewa et al. | Image-quality-based adaptive face recognition | |
Faraji et al. | Face recognition under varying illuminations using logarithmic fractal dimension-based complete eight local directional patterns | |
CN109101871A (zh) | 一种基于深度和近红外信息的活体检测装置、检测方法及其应用 | |
CN105809125A (zh) | 基于多核心arm平台的人脸识别系统 | |
Yang et al. | Estimating heart rate and rhythm via 3D motion tracking in depth video | |
JP2003517910A (ja) | 心臓磁気共鳴画像において学習ベースでオブジェクトを検出する方法 | |
CN108268850A (zh) | 一种基于图像的大数据处理方法 | |
US11521473B2 (en) | Audio/video electronic device | |
CN109190456B (zh) | 基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法 | |
Lee et al. | Face detection and recognition using PCA | |
CN109359577A (zh) | 一种基于机器学习的复杂背景下人数检测系统 | |
CN106407966B (zh) | 一种应用于考勤的人脸识别方法 | |
Rukhiran et al. | Effecting of environmental conditions to accuracy rates of face recognition based on IoT solution | |
CN109325472A (zh) | 一种基于深度信息的人脸活体检测方法 | |
Pauca et al. | Challenging ocular image recognition | |
CN114119489A (zh) | 一种电连接器多余物及缩针倒针缺陷自动化检测方法 | |
CN109815353B (zh) | 一种基于类中心的人脸检索方法及系统 | |
Wasnik et al. | Improved fingerphoto verification system using multi-scale second order local structures | |
CN208077194U (zh) | 基于大规模图像数据的物体特征提取、识别装置 | |
Zhao et al. | A strategy to abstract WCE video clips based on LDA | |
Madooei et al. | 2 A Bioinspired Color Representation for Dermoscopy Analysis | |
Tandon et al. | An efficient age-invariant face recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20191106 Address after: 730000 Gansu Province Chengguan District of Lanzhou city of Tianshui Road No. 222 Applicant after: LANZHOU University Applicant after: CERNET Co.,Ltd. Address before: 730000 Gansu Province Chengguan District of Lanzhou city of Tianshui Road No. 222 Applicant before: Lanzhou University |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180807 |