啊髑擞穗 矿 ｉ ＃ｏ匹ｎ ｉ ｒｉｎｇ ｌｐ ＡＲＴＳ＆ ＡＰ显 应Ｐ ＬｌＣＡＴＩ ＯＮ用Ｓ Ｗ疆＿● ＡＰ【本文献信息】孟南南，王正彦．基于Ｎｉｏｓ ＩＩ的人脸识别系统设计［Ｊ］．电视技术，２０１３，３７（５） 基于Ｎｉｏｓ ＩＩ的人脸识别系统设计 孟南南，王正彦 （青岛大学自动化工程学院，山东青岛２６６０７１） 【摘要】本设计实现了基于Ｎｉｏｓ ＩＩ的人脸识别系统，利用Ｑｕａｒｔｕｓ ＩＩ软件的ＳＯＰＣ Ｂｕｉｌｄｅｒ搭建了一个ＳＯＰＣ系统，基于Ｖｅｒｉｌｏｇ 语言设计了硬件电路，基于Ｃ语言设计了应用程序，识别算法采用经典的主成分分析方法，测试结果显示该系统具有较高的识 别准确率，有利于人脸识别系统的大规模推广和应用。 【关键词】Ｎｉｏｓ ＩＩ；人脸识别；ＳＯＰＣ；ＦＰＧＡ；主成分分析 【中图分类号】ＴＮ４９２ 【文献标志码】Ａ Ｄｅｓｉｇｎ ｏｆ Ｆａｃｅ Ｒｅｃｏｇｎｉｔｉｏｎ Ｓｙｓｔｅｍ Ｂａｓｅｄ ｏｎ Ｎｉｏｓ ＩＩ ＭＥＮＧ Ｎａｎｎａｎ，ＷＡＮＧ Ｚｈｅｎｇｙａｎ （Ｃｏｌｌｅｇｅ ｏｆＡｕｔｏｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｑｉｎｇｄａｏ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｄｏｎｇ Ｑｉｇｄｎ￣ｏ ２６６０７１，Ｃｈｉｎａ） 【Ａｂｓｔｒａｃｔ】Ｔｈｅ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ Ｎｉｏｓ ＩＩ ｉｓ ｄｅｓｉｇｎｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ．Ｉｔ ｕｓｅｓ ＳＯＰＣ Ｂｕｉｌｄｅｒ ｏｆ Ｑｕａｒｔｕｓ ＩＩ ｔｏ ｅｓｔａｂｌｉｓｈ ａ ＳＯＰＣ ｓｙｓｔｅｍ． Ａｎｄ ｔｈｅ ｈａｒｄｗａｒｅ ｃｉｒｃｕｉｔ ｉｓ ｄｅｓｉｇｎｅｄ ｂｙ ｔｈｅ Ｖｅｒｉｌｏｇ ＨＤＬ．Ｃ ｌａｎｇｕａｇｅ ｉｓ ｕｓｅｄ ｔｏ ｄｅｓｉｇｎ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｇｒａｍ．Ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｉｓ ｔｈｅ ｃｌａｓ— ｓｉｃａｌ Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ．Ｔｈｅ ｔｅｓｔ ｒｅｓｕｌｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｉｓ ｓｙｓｔｅｍ ｈａｓ ｈｉｇｈｅｒ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ，ａｎｄ ｍａｋｅｓ ｆｏｒ ｔｈｅ ｌａｒｇｅ－ｓｃａｌｅ ｓｐｒｅａｄ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ． 【Ｋｅｙ ｗｏｒｄｓ】Ｎｉｏｓ ＩＩ；ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ；ＳＯＰＣ；ＦＰＧＡ；ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ 人脸识别技术是目前比较热门的生物特征识别技术， 路搭建，最终在Ｎｉｏｓ ＩＩ软核中应用主成分分析算法实现 是比较分析人脸视觉特征信息、进行身份鉴别的计算机技 了人脸识别。 术，此项技术多用于身份识别方面。不同个体之间存在较 大差异而对于同一个体其特征则比较稳定，这是能够进行 人脸识别的主要依据。人脸识别具有广泛的应用前景，在 １ 系统硬件设计 本系统所使用的硬件设备是友晶公司的ＤＥ２—７０开 发板、ＴＲＤＢ—ＬＴＭ液晶显示屏和ＴＲＤＢ—Ｄ５Ｍ摄像头模 智能门禁、公共安全等领域都将发挥重要的作用…。 基于ＰＣ机的人脸识别系统成本较高，且占用大量的 块，开发板上集成了系统所需的ＳＳＲＡＭ芯片和ＳＤＲＡＭ 空间资源，本设计是基于Ｎｉｏｓ ＩＩ的人脸识别系统，可将整 芯片，还有若干控制按键等，图１为本系统总体设计框图。 个系统合理的放置在一片ＦＰＧＡ芯片中，通过添加适当的 外围电路，就可以完全实现整个识别过程，因此选择芯片 ＦＰＧＡ ！ｊ６ ：：：：：：：：：：：：：…ＮＩＯＳ ｌｌＳＳＲＡＭ控制器 …一一 程序 工 ＳＳＲＡ 和外围设备的最佳组合可使其成本大大降低，并能够充分 利用资源，同时系统可集中在一块电路板上，体积小，能够 节省大量空间资源。 ＰＩｏ控制器 芯片 人脸识别主要包括基于统计特征的方法、基于相关 匹配的方法、基于神经网络的方法、基于几何特征的方法。 主成分分析（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ，ＰＣＡ）是一种掌 握事物主要特征的统计分析方法，它可以从多元事物中解 曝光设 ：Ｉ 数据采集控制器ｌ 笠撞毽 ＳＤＲＡＭ ＣＭｏＳ 芯片 摄像头 模块 析出主要影响因素，揭示事物本质、简化复杂问题。主成 分分析方法可以有效地找出数据中“最主要”的元素和结 簇． 液Ｕ晶Ｍ屏 图１ 系统总体框图 构，去除噪声和冗余，将原有的复杂数据降维，揭示隐藏在 复杂数据背后的简单结构。其优点是简单，而且无参数限 正交变换，被认为是最成功的鉴别分析方法之一＿２ Ｊ。 Ｉ２ Ｃ配置器用来调整ＣＭＯＳ摄像头模块的参数，使之 来控制摄像头的图像摄取；格式转换模块用来将摄像头拍 制，可应用于各个场合。该算法是图像压缩中的一种最优 能够按照设定的分辨率和尺寸拍摄图片；数据采集模块用 本系统利用ＦＰＧＡ开发板实现了人脸识别的硬件电 摄到的ＲＡＷ格式的图像数据转换为ＲＧＢ格式，以便进 投稿网址ｈ￣ｐ：／／ｗｗｗ．ＶｉｄｅｏＥ．ｃｎｌ《电视技术》第３７卷第５期（总第４０６期） ７１ ＰＡ ＆ＡＰ莲 一穗鞠擞黛 ｔｄｅ ｏ吐ｎ ４ｔ ｎｔ ｅｆ｜ 步处理；ＳＤＲＡＭ控制器用来控制ＳＤＲＡＭ中数据的读 量。求出 Ａ的特征值Ａ 和正交归一化特征向量 ，根 写。ＳＯＰＣ模块设置有Ｎｉｏｓ ＩＩ、ＳＳＲＡＭ控制器、ＰＩＯ控制 据特征值的贡献率选取前Ｐ个最大特征值及其对应的特 器、数据采集控制器 ］，其中数据采集控制器是用户自 征向量。贡献率是指选取的特征值的和与所有特征值的 定义组件，用来控制数据采集模块，通过其发出ｓｔａｒｔ和 和之比，即 ｓｔｏｐ信号来控制图像数据的采集。ＳＳＲＡＭ控制器用来控 制程序存储器ＳＳＲＡＭ芯片中数据的读写。系统设置 ＳＷ９键控制图像数据的流向，当ＳＷ９键打到ＯＮ时，ＬＴＭ ．Ｐ ．Ａ ＝ Ａ ≥０ （５） 控制器发出的读数据信号送给ＲＤ１，图像数据会由 一ＳＤＲＡＭ芯片输出，通过ＳＤＲＡＭ控制器和ＬＴＭ控制器在 ＬＴＭ显示屏上显示出来，当ＳＷ９键打到ＯＦＦ时，Ｎｉｏｓ ＩＩ 般取ｏ＝９９％，也就是使训练样本在前Ｐ个特征 向量集上的投影有９９％的能量。 求出原协方差矩阵的特征向量 １ 控制数据采集控制器发出读数据信号送给ＲＤ２，图像数据 就会由ＳＤＲＡＭ芯片输出，通过ＳＤＲＡＭ控制器传人ＳＯＰＣ Ｈ ＝ √Ａ ｌ， ，ｉ＝１，２，…，Ｐ （６） 系统进行识别处理，另外每次拨动ＳＷ９键时，会产生复位 脉冲，使硬件电路部分复位，避免拍摄图像割裂，这样就可 以看到待识别的图像原貌 ］。 则“特征脸”空间为 ｗ＝（ ｌ，ｌｆ２，…，Ｈ ） （７） 第六步：将每一副人脸与平均脸的差值矢量投影到 “特征脸”空间，即 ＝Ｗ ｄｉ，ｉ：１，２，…，１００ ２．２识别阶段 （８） ２ 系统软件设计 ＰＣＡ算法在人脸识别系统中的应用原理主要包括训 练阶段和识别阶段［８ ］。 ２．１训练阶段 第一步：将待识别的人脸图像Ｊ１与平均脸的差值投 影到特征脸空间，得到其特征向量表示 ＝Ｗ （Ｆ一 ） （９） 第一步：假设有１００个训练样本，且全部为灰度图，每 个样本大小为Ｍ Ｘ Ｎ（Ｍ、Ｎ为行列数）。 写出训练样本矩阵 ＝第二步：采用欧氏距离来计算 与每个人脸的距离 ＝（ ｌ， ２，…， ） ，ｉ＝１，２，…，１００ （１） ，ｌＩ 一 ｌＩ ， ＝１，２，…，１００ （１０） 其中，向量 为第ｉ个图像的每一列向量堆叠成的一个 Ｍ ｘＮ维列向量，也就是把矩阵向量化，如第ｉ个图像矩 第三步：本设计中是通过比较欧氏距离得出最小的 而对应的 也就是样本库中的图像序号，即识别结果。 基于上述原理，本系统的软件设计流程图如图２所 示。由于硬件系统中ＳＳＲＡＭ容量有限，无法在Ｎｉｏｓ ＩＩ的 『１ ２ ３］ 阵为ｌｌ ４ ５ ６ ｌ，则 为［１ ４ ７ ２ ５ ８ ３ ６ ９］～。 ７ ８ ９Ｊ 应用程序中进行大量样本处理过程，采用了如下处理方 法：用ＭＡＴＬＡＢ编程实现基于ＰＣＡ算法的样本图像训练 过程，并将提取到的特征数据输出到文本中，在Ｎｉｏｓ ＩＩ应 第二步：计算平均脸。 志 １ １ ００ ｄ ＝ 一 ，ｉ＝１，２，…，１００ （２） 用程序中以头文件方式调用此数据。 凄人样本数据 ＮＡ＇ＩＬＡＢ 生成样本数据矩阵 第三步：计算差值脸，计算每一张人脸与平均脸的差值。 （３） 、 读人待测人脸数据 识矧 数据类型转换 第四步：构建协方差矩阵。 １ １００ １ 计算平均脸和差值脸 ‘ ｌ 计算差值脸 Ｃ 志 ｄ７ 其中：Ａ＝（ｄ１，ｄ ，…，ｄ１０ｏ）。 征脸空间。 （４） 生成协方差矩阵 并求特征值和特征向量 训练得到特征脸空间 将样本投影得到参考矩阵 输出样本处理数据到文本 Ｉ ｌ 差值脸对特征脸空间投影 计算与各样本投影的距离 判断最小距离 第五步：求协方差矩阵的特征值和特征向量，构造特 协方差矩阵的维数为（Ｍ ＸⅣ）Ｘ（Ｍ ＸＮ），其维数比 』 识别结果输出 较大，计算量很大，所以采用奇异值分解定理，通过求解 Ａ Ａ的特征值和特征向量来获得ＡＡ 的特征值和特征向 图２人脸识别系统流程图 ７２ 《电视技术》第３７卷第５期（总第４ｏ６期）Ｉ投稿网址ｈｔｔｐ：／／ｗｗｗ．ＶｉｄｅｏＥ．ｃａ 嘲稠魏嘲 ｔｄｔ ｏ ｎＢｉ ｜｜ｒｉ ｇ ＡＲＴＳ＆ＡＰ＆ＡＰ霞 ＰＬｌＣＡＴｌＯＮＳ 耱● 实现训练功能的ＭＡＴＬＡＢ主要语句为： ｉｍｇｍｅａｎ＝ｍｅａｎ（ｉｍｇｄａｔａ，２）；／／计算平均脸 ｛ ｓｕｍｔｅｍｐ［ｉ］＋＝（Ｏｂｊｅｃｔ［ｊ］一ｒｅｆｅｒｅｎｃｅ［ｊ Ｍｎｕｍ＋ｉ］） ｆｏｒｉ＝１：４ ｛（０ｂｊｅｃｔ［ｊ］一ｒｅｆｅｒｅｎｃｅ［ｊ Ｍｎｕｍ＋ｉ］）； ｍｉｎｕｓ（：，ｉ）＝ｉｍｇｄａｔａ（：，ｉ）一ｉｍｇｍｅａｎ；／／计算差值脸 ｝ ｅｎｄ ｓｕｍｔｅｍｐ［ｉ］＝ｓｑｒｔ（ｓｕｍｔｅｍｐ［ｉ］）； ／／求欧氏距离 ＣＯＷＸ＝ｍｉｎｕｓ ｍｉｎｕｓ； ／／计算协方差矩阵 ｉｆ（ｓｕｍｔｅｍｐ［ｉ］＜ｄｉｓｔｎａｃｅ） ［ｖ ｄ］＝ｅｉｇ（ＣＯＶＸ）； ／／求Ａ Ａ的特征值和特征向量 ｛ ｄｌ＝ｄｉａｇ（ｄ）； ｗｈｉｃｈ：ｉ： ｄｓｏｒｔ：ｆｌｉｐｕｄ（ｄ１）； ｄｉｓｔａｎｃｅ＝ｓｕｍｔｅｍｐ［ｉ］； ｖｓ０ｒ【＝ｆｌｉｐｌｒ（ｖ．／４）； ｝ ｄｓｕｍ＝ｓｕｍ（ｄｓｏｒｔ）； ｝ ｄｓｕｍ—ｅｘｔｒａｃｔ＝０； ｉｆ（ｗｈｉｃｈ＝＝Ｏ１ Ｐ＝０； 一 （”与目标匹配的是：１号＼ｎ”）； ｗｈｉｌｅ（ｄｓｕｍ＿ｅｘｔｒａｃｔ／ｄｓｕｍ＜０．９９） ｅｌｓｅ ｉｆ（ｗｈｉｃｈ＝＝１、 Ｐ＝Ｐ＋１； ／／求Ｐ值 ｐｒｉｎｆｆ（”与目标匹配的是：２号＼ｎ”）； ｄｓｕｍ ｅｘｔｒａｃｔ＝ｓｕｍ（ｄｓｏａ（１：Ｐ））； ｅｌｓｅ ｉｆ（ｗｈｉｃｈ＝＝２） ｅｎｄ ｐｒｉｎｆｆ（”与目标匹配的是：３号＼ｎ”）； ｂａｓｅ＝ｍｉｎｕｓ ｖｓ０ｒｔ（：，１：ｐ）￥ｄｉａｇ（ｄｓｏｒｔ（１：ｐ）． （一１／２））； ｅｌｓｅ ｉｆ（ｗｈｉｃｈ＝＝３） ／／求Ａ Ａ的特征向量 ｐｒｉｎｆｆ（”与目标匹配的是：４号＼ｎ”）； ｒｅｆｅｒｅｎｃｅ＝ｂａｓｅ ｍｉｎｕｓ；／／求样本库中每一副人脸图像与平均脸 ｐｒｉｎｔｆ（” ￥ ｛ ＼ｎ”）； 的差值到特征脸空间的投影 ｒｅｔｕｒｎ ０； ｉｒｄ＝ｆｏｐｅｎ（ Ｄ：＼ｔｅｘｔ＼ｓａｍ４１１．ｄｏｅ ， Ｗ ）； ｝ ｆｐｒｉｎｆｆ（ｆｉｄ， ％ｆ， ，ｉｍｇｍｅａｎ ）； ／／输出平均脸空间数据到 文本 ３ 系统测试及结果分析 ｓｔａ＝ｆｃｌｏｓｅ（ｒｉｄ）： ３．１硬件平台 ｉｆｄｌ＝ｆｏｐｅｎ（ Ｄ：＼ｔｅｘｔ＼ｂａｓｅ４１１．ｄｏｃ ， Ｗ，）； ｆｐｒｉｎｆｆ（ｆｉｄｌ， ％ｆ， ，ｂａｓｅ ）； ／／输出特征脸空间数据到文本 图３为本系统硬件平台，图中标明了所用到的３大 ｓｔａｌ＝ｆｃｌｏｓｅ（ｆｉｄ１）： 模块。 ｉｒｄ２＝ｆｏｐｅｎ（ Ｄ：＼ｔｅｘｔ＼ｒｅｆ４１１．ｄｏｅ ， Ｗ ）； ｆｐｒｉｎｆｆ（ｒｉｄ２， ％ｆ， ，ｒｅｆｅｒｅｎｃｅ ）； ／／输出投影数据到文本 ｓｔａ２＝ｆｃｌｏｓｅ（ｒｉｄ２）； 实现识别功能的ｃ程序主要语句： ｉｎｔ ｃａｌｃｕｌａｔｅ（ａｌｔ＿ｕ８ Ｍａｔｉｒｘ） ／／人脸识别算法 ｃｏｎｓｔ ｉｎｔ Ｍｎｕｍ＝４，Ｎｓｉｚｅ＝１９２００； ｉｎｔ ｉ，ｊ，Ｐ＝３，ｗｈｉｃｈ＝９９； ｄｏｕｂｌｅ ｄｉｓｔａｎｃｅ＝６０ＯＯＯ，ｉｍｇＯｂｊｅｃｔ［Ｎｓｉｚｅ］，Ｏｂｊｅｃｔ［３］； ｆｏｒ（ｉ＝０；ｉ＜Ｎｓｉｚｅ；ｉ＋＋） 图３硬件平台 ｛ ３．２人脸识别测试 ｉｍｇＯｂｊｅｃｔ［ｉ］＝（ｄｏｕｂｌｅ）Ｍａｔｉｒｘ［ｉ］； 测试方法：上电后将硬件电路下载至ＦＰＧＡ中，ＬＴＭ ｆｏｒ（ｉ＝０；ｉ＜Ｎｓｉｚｅ；ｉ＋＋） 显示器上出现摄像头拍摄到的图像，用ＳＷ９键来控制取 ｉｍｇＯｂｊｅｃｔ［ｉ］一＝ｍｅａｎＶｅｃｔｏｒ［ｉ］； 像。当取像时ＬＴＭ显示器上不显示任何图像，同时取像 ｍｕｌｔｉＭａｔｒｉｘ（ｉｍｇＯｂｊｅｃｔ，ｂａｓｅ，１，Ｎｓｉｚｅ，Ｐ，Ｏｂｊｅｃｔ）； ／／求投影 数据与样本比较将结果输出到Ｎｉｏｓ ＩＩ的显示窗口。在程 ｐｒｉｎｔｆ（” ）； 序中需要设定一个距离阈值，当光照的强度不一样时这个 ｐｆｉｎｔｆ（”水牛术｝｝女 水牛 ￥｝｝＼ｎ”）； 值是不一样的，且变化比较大。当实验条件（拍照时的光 ｏｆｒ（ｉ＝Ｏ；ｉ＜Ｍｎｕｍ；ｉ＋＋） 照和角度）与程序运行的参数比较接近的时候，图像的识 ｛ ｄｏｕｂｌｅ ｓｕｍｔｅｍｐ［４］：｛０．０，０．０，０．０，０．０｝； 别准确率较高；反之浮动较大。 ｏｆｒ（ｊ＝Ｏ；ｊ＜Ｐ；ｊ＋＋） 由于硬件资源有限，这里只加入了４副样本图片进行 系统测试，系统测试所用到的图像如图４所示，编号分别 投稿网址ｈｔｔｐ：／／ｗｗｗ．ＶｉｄｅｏＥ．ｃｎＩ《电视技术》第３７卷第５期（总第４０６期） ７３