電子發(fā)燒友App
????? 為了人臉識別的相關(guān)算法能快速運行，選擇了TI公司的DSP處理器，另附加鍵盤模塊和PAL制式輸出模塊，可以脫離PC獨立對PAL視頻信號進行采集和處理，并獨立運行人臉的定位，特征抽取以及人臉的識別。硬件方面，系統(tǒng)采用了存儲器切換系統(tǒng)，使得圖像數(shù)據(jù)緩存和讀取分別由CPLD和DSP獨立且同時執(zhí)行，縮短了數(shù)據(jù)的處理周期，保證了系統(tǒng)的實時運行。軟件設(shè)計包括了：人臉定位、人眼定位、樣本存儲以及人臉識別。其中樣本由DSP自動選取，根據(jù)人眼定位和人臉標記方框的大小共同決定，選取一部分大小相等且眼距相同的圖片作為訓(xùn)練樣本以及待識別樣本。在主分量分析過程中，提取出主分量構(gòu)成特征臉空間，將原樣本投影到該空間內(nèi)一點，再輸送到KNN分類器中進行分類。該設(shè)備攜帶方便，功耗低并可通過軟件設(shè)計將其應(yīng)用到其他領(lǐng)域，如運動識別、動態(tài)跟蹤等。
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(jié)構(gòu)，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。人臉特征定位與特征提取質(zhì)量的好壞對于人臉圖像識別效果有直接的影響。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(shè)其分別為(X1，Y1)和(X2，Y2)，其詳細計算方法如下所示
?
式中，RH和RV均為經(jīng)驗常數(shù)，在設(shè)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，但是作為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。在設(shè)計中將所得人臉區(qū)域樣本均縮放至24×24。此外還需要對圖片進行對比度調(diào)節(jié)和直方圖均衡等操作，以提高識別的準確性。
?
1．2 人臉特征提取
?
在設(shè)計人臉識別分類器時，通常將一幅圖片看成一個一維向量。雖然這與傳統(tǒng)的將圖片看成矩陣形式有差別，但是卻能為采用主分量分析(PCA)進行特征臉提取創(chuàng)造有利條件。
?
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。因此可以使用PCA的方法為整個人臉識別系統(tǒng)打下基礎(chǔ)。
?
第一步，采集到N個樣本用作訓(xùn)練集X，求出樣本平均值m，如式(1)所示
其中，xi∈樣本訓(xùn)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(yīng)的特征向量ei。其中，ei便是主分量，且其對應(yīng)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(yīng)的特征向量重建的人臉圖像，基本能分辨出人臉的輪廓，右邊是由λ100對應(yīng)的特征向量重建的圖像，看起來更像是噪聲，如果將其應(yīng)用到系統(tǒng)中，對識別是不利的。
假設(shè)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(xùn)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，下一步便是將其輸入KNN分類器進行分類。
?
1．3 KNN分類器的構(gòu)建
KNN的實現(xiàn)分訓(xùn)練和識別兩步。訓(xùn)練時，把每類樣本降維后的結(jié)果作為KNN的輸入。K近鄰算法將一個測試點x分類為與它最接近的K個近鄰中出現(xiàn)最多的那個類別，從測試樣本點開始生長，不斷擴大區(qū)域，直到包含進K個訓(xùn)練樣本點為止，并且把測試樣本點的類別歸為這最近K個訓(xùn)練樣本點中出現(xiàn)頻率最大的類別。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(jié)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(jié)果為正方形代表的類。所以選取恰當(dāng)?shù)腒值對分類的結(jié)果有很大影響。如果K值選取過大時，可能能較正確地分類，但是同時犧牲了性能，提高了計算復(fù)雜度。如果K值選取過小，則大大降低了計算復(fù)雜度，但是可能會影響分類的準確性。
2 系統(tǒng)硬件設(shè)計
?
系統(tǒng)設(shè)計時選用TMS320C6713，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(jié)構(gòu)，指令運行的等效周期數(shù)較低，運行速度較快。圖像的采集采用了PAL制式輸出的普通攝像頭加上TI公司生產(chǎn)的圖像編碼芯片TVP5147，該芯片支持多種制式，多種接口輸入，并可以輸出YUV格式的視頻數(shù)據(jù)，同時提供行同步信號和垂直同步信號等。數(shù)據(jù)暫存使用CPLD和SRAM實現(xiàn)。設(shè)計系統(tǒng)構(gòu)成，如圖4所示。?
2．1 TVP5147芯片
?
系統(tǒng)上電時，TMS320C6713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。
圖中第一行為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(dāng)每一行圖像開始之前，會有4個SAV信號，同樣，結(jié)束之后也有4個EAV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，一次為Cb，Y，Cr，Y。而由圖5中可以看出AVID信號為高電平時，表明當(dāng)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(dāng)然對于設(shè)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(dāng)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(dāng)FID轉(zhuǎn)為低電平時，正好將SRAM1和SRAM2實現(xiàn)了交換。以這種方式構(gòu)建的系統(tǒng)，能同時將視頻的兩場數(shù)據(jù)同時記錄下來，實現(xiàn)了CPLD和DSP的有機結(jié)合。至此CPLD的任務(wù)就是將有效的圖像數(shù)據(jù)存儲到對應(yīng)的SRAM中，當(dāng)TVP5147芯片AVID引腳上升沿時，置地址為初始值00h，即從首地址依次往后寫入。每一個數(shù)據(jù)時鐘信號DATACLK上升沿時將TVP5147輸出的Y[9…2]存儲到當(dāng)前地址單元，Y0和Y1位舍棄，因為所選擇的SRAM數(shù)據(jù)位為8位，當(dāng)放棄Y0和Y1位后，降低了圖像數(shù)據(jù)的精度，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。當(dāng)切換至另一場數(shù)據(jù)時，執(zhí)行的過程相同，只是存儲的對象被74HC245強制更改，如此循環(huán)，便可將每場數(shù)據(jù)記錄下來。
2．3 圖像輸出系統(tǒng)的設(shè)計
?
系統(tǒng)設(shè)計時為了減輕負擔(dān)，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(shè)計
?
系統(tǒng)硬件調(diào)試成功后，需要提供一定的軟件算法等，以實現(xiàn)軟件和硬件的結(jié)合，在此設(shè)計中，SRAM是擴展在DSP處理器EMIF上的，DSP處理器通過讀信號的觸發(fā)將有效奇偶場數(shù)據(jù)分別存儲為兩個一維數(shù)組，以供處理。
?
3．1 DSP的圖像預(yù)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(zhuǎn)換成RGB格式，才能進行圖像的預(yù)處理，轉(zhuǎn)換公式如式(4)所示
DSP將圖像數(shù)據(jù)讀入內(nèi)存空間，然后對其進行運算，將得到的RGB分別放到對應(yīng)的存儲單元，并算出灰度值Gray，運算公式如式(5)所示
將最后得到的灰度值存放到對應(yīng)的數(shù)組當(dāng)中。每張圖片由兩場圖片構(gòu)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(zhuǎn)換，所以截取其中320×240進行存儲，這樣每場的分辨率為320×120，大大降低了由YUV到灰度圖像預(yù)處理和臉部定位的時間，提高了系統(tǒng)的性能。
?
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(shè)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(xùn)練樣本經(jīng)過PCA投影后的數(shù)值，不需要在每次識別中重新計算，可以作為初始化時的計算，也可存儲于掉電非易失介質(zhì)中，如Flash存儲器中，可以提高設(shè)備的運行效率，降低運算量。?
如圖8所示，KNN分類器可以判斷最接近的分類，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(nèi)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(dāng)樣本點經(jīng)過PCA降維后，輸送至KNN分類器進行分類，所得到的結(jié)果一定可以判定為第K類，此時不能急于定論，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sumb值則判定為拒絕類；如果sum介于a和b值之間，則引入精度控制量accuracy，計算出sum與a的差值，如若小于精度控制量accuracy，則判定為第K類，否則拒絕分類。由這樣的過程，間接解決了樣本錯分和無法判否的問題。
?
4 試驗結(jié)果
?
該實驗中，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％。因此，應(yīng)用于不同的場合時，應(yīng)選擇不同的x值，當(dāng)要求盡可能拒絕外來人臉時，可選x值為5，當(dāng)要求盡量識別已知人臉時，可選x值為4。
5 結(jié)束語
工商網(wǎng)監(jiān)
評論