基于DSP平台的多视角人脸检测系统设计

为满足嵌入式领域多视角人脸检测的需要,在DSP(TMS320DM642)平台上实现了基于Real Adaboost算法的多视角人脸检测系统,并分别在算法级与平台级对其进行优化,最终达到了18fps的检测速度.实验证明,与传统的基于Discrete Adaboost算法的系统相比,该系统更加适合多视角人脸检测,极大地拓展了人脸检测技术的应用范围.     

Android平台实时人脸检测和性别识别的研究与实现

提出一种基于开源计算机视觉库OpenCV(Open Source Computer Vision Library)实现Android平台中实时人脸检测和性别识别的方法,阐述了在运行Android系统的嵌入式平台中采用AdaBoost算法实现人脸检测以及FisherFace算法实现性别识别的原因和具体实现方法,并分别在基于ARM和X86构架的两个嵌入式平台中进行了大量实验和测试数据对比。实验结果表明Android平台中能够实时地进行人脸检测和性别识别,且获得96.35%的人脸检测准确率和82.64%的性别识别准确率。     

基于网络摄像头的活体人脸识别系统设计

针对当前监控系统平台体积大、功能单一、造价高等问题,文中基于海思3518E平台设计了一套在线活体人脸识别系统。该系统包含图像预处理、图像获取、人脸检测、人脸活体检测、人脸识别共5个部分,并针对传统算法在嵌入式平台的不足进行了改进与优化。系统通过摄像头采集的人脸图像对图像做预处理,为后续图像特征提取提供保障,利用扩展Haar特征训练分类器,并使用Adaboost算法级联分类器进行人脸检测,将检测到的人脸利用HSV和Ycbcr多色彩空间下提取的COALBP和LPQ融合特征训练SVM模型,并进行活体人脸检测。最后,对人脸图像分块提取LBP特征进行人脸识别,将识别结果通过微信小程序显示。实验结果表明,基于海思网络摄像头人脸识别系统的可行性,具有一定的实用价值。     

人脸识别算法在OMAP-L138平台上的研究与实现

针对人脸识别技术在嵌入式门禁系统中的应用,提出了以OMAP-L138微处理器为核心的嵌入式系统,该系统能够很好地保证实时性和可靠性。通过Adaboost人脸检测算法,以及基于Gabor的人脸识别算法实现了嵌入式门禁系统。相应的实验结果表明,该算法在嵌入式平台得到了优化,嵌入式系统的高可靠性和实时性问题得以解决。     

基于嵌入式Linux系统的人脸检测系统设计

采用处理器为S3C6410的OK6410开发板和嵌入式Linux操作系统,采用Qt/Embedded在嵌入式Linu x系统下开发出友好的G U I界面,使用4.3寸液晶显示识别结果。文章主要将一个基于(开源)发行的跨平台计算机视觉库OpenCV移植到ARM嵌入式平台,并调用OpenCV库中的人脸检测算法实现动态检测人脸的功能。     

基于Android平台的实时人脸检测与跟踪

针对Android智能手机自带人脸检测功能效率低、错误率高的问题,提出了一种将OpenCV移植到Android平台的方法,在运行Android系统的嵌入式平台中使用改进的AdaBoost算法,并结合OpenCV库来实现实时人脸检测与跟踪。实验取得了高达9505%的人脸检测准确率和5013 ms的平均检测速率,在保证检测速度的同时比Android自带的人脸检测更具高效性和实用性。     

一种基于AdaBoost人脸检测算法在Android平台的实现

针对Android系统自带的人脸检测算法不能精确地检测人脸,尤其是带眼镜后,根本无法检测到人脸.本文研究了一种基于Android系统下的AdaBoost人脸检测算法.首先介绍了Android平台下的人脸检测体系结构,然后对AdaBoost人脸检测模块,包括特征值与特征值的计算、AdaBoost分类器、开发环境搭建分别进行了说明.最后通过样本创建,以及训练好的分类器进行人脸检测.实验结果表明：由于充分利用AdaBoost人脸检测方法实时性比较强、检测率高,该方法完全满足Android平台下人脸检测的需要.     

嵌入式人脸识别系统设计与实现

本文是基于S5PV210嵌入式平台设计实现的人脸识别系统.在嵌入式设备上设计人脸识别系统不仅需要考虑识别的准确率,还需要考虑设备周围的环境变化对人脸识别的干扰.系统中采用Adaboost算法依据人眼部的haar特征检测人脸.通过LBP纹理特征提取结合SVM识别分类的方法识别人脸.经过系统测试,系统的识别率以及对光照变化的鲁棒性满足了一般的人脸识别身份认证的需求.     

基于嵌入式视频监控的人脸检测系统设计

针对视频监控系统智能化的要求,提出了一种基于嵌入式视频监控的人脸检测设计方案。采用在ARM-Linux操作平台上建立Servfox流媒体服务器,实现USB摄像头的视频采集和传输。在客户端首先采用帧间差分更新背景模型的改进算法获取运动目标,减少视频中运动目标对背景模型的影响,且为人脸目标的检测缩小了范围。在运动目标区域内,通过Ada-Boost人脸检测算法,最终获得人脸位置。结果表明,系统对人脸检测效果良好,准确率可达95.2%,检测时间22～27 ms/frame,满足视频监控的实时性要求。     

基于嵌入式人脸表情识别技术系统研究

基于ARM-Linux嵌入式系统作为平台,通过建立统一的隐马尔可夫模型(HMM)来完成基于视觉的人脸特征提取和面部表情识别系统。系统选用基于V4L的方法编写程序,实现图像处理、人脸检测和表情识别。选用S3C6410处理器作为硬件核心,选用OV7640+OV511的结构实现图像信息采集。文章对浮点算法进行了改进,极大地提高了ARM处理器上图像预处理的速度。该系统实现在安检系统中人脸识别,视屏处理,人脸追踪侦测等方面的功能。     

人脸识别算法在嵌入式系统中的研究与实现

针对人脸识别技术在嵌入式门禁系统中的研究,为了验证嵌入式人脸识别门禁系统的可靠和实时功能,提出了以Hi3515微处理器为核心的嵌入式系统。通过ORL人脸库实验,基于TV+L’模型和Gabor 特征的人脸识别算法在嵌入式系统中得到实现。相应的实验结果表明,该算法在嵌入式平台得到了优化,嵌入式系统的高可靠性和实时性问题得以解决。     

基于PCA和AdaBoost的改进人脸识别算法研究

利用人脸作为特征的生物识别系统是近年来模式识别和图像处理领域的研究热点之一.介绍了一种改进的人脸识别算法.算法以主成分分析(PCA)算法作为主体,以AdaBoost算法作为辅助,把以投影后人脸特征空间中的欧式距离作为识别的主要评判依据.与传统人脸识别系统相比,新算法可以避免系统在识别前进行人脸检测的巨大运算量,并有效区分人脸和非人脸图像,提高运算效率和识别精度.仿真结果表明,这种改进的算法硬件资源占用少,运算时间短,更适合在嵌入式平台上实现.     

基于DM642的实时人脸检测系统的实现

人脸检测作为人脸分析的首要环节,在计算机视觉、模式识别、多媒体技术研究等领域中占有日益重要的地位。为了在嵌入式系统中实现人脸的实时检测,研究了基于TMS320DM642的人脸检测设计方案。提出了一种基于简化Gabor小波特征和层次型支持向量机的人脸检测算法,针对该算法与TMS320DM642的结合进行了系统设计和代码移植,阐述了算法性能的优化方案。优化后的检测算法满足了实时性要求,为实际应用奠定了基础。     

人脸检测跟踪与特征点定位系统

实现的人脸检测跟踪与特征点定位系统,基于VC++6.0开发平台,使用opencv作为开发工具,有效缩短了系统的开发时间。首先,本系统采用adaboost算法进行人脸检测,通过合理的特征模板的选择实现了人脸的实时检测;其次,人脸跟踪模块选用camshift算法,利用人脸检测模块生成的人脸坐标传递给跟踪模块,实现人脸的自动实时跟踪,同时建立多个camshift跟踪器对多人脸进行跟踪,并有效地解决了人脸遮挡的问题;最后,通过ASM(active shapemodel)算法实现了实时人脸特征点定位。实验结果表明该系统实现的人脸实时检测跟踪及特征点定位,效果明显,可以作为表情分析和情感计算、视频人脸识别开发的基础。     

基于NiosⅡ的人脸检测系统设计

基于FPGA内嵌的NiosⅡ处理器,设计了一个实时人脸检测系统。介绍了基于Haar 特征的AdaBoost人脸检测算法,描述了依据AdaBoost算法的人脸检测软件实现过程,最后在以Altera公司CycloneⅡ系列EP2C70为核心芯片的DE-2 开发平台上,对检测系统进行了整体设计。测试结果表明,系统有较高的检测率,可以满足实时人脸检测的要求。     

人脸特征提取的快速算法实现

近年来,随着计算机技术的发展,人脸识别研究引起了学术界越来越多的关注。而在众多研究方向中,研究最多的是关于人脸正面模式的研究,本文介绍根据人脸的肤色特征以及相应的边缘检测技术来实现一种提取人脸器官的算法,这种算法对于嵌入式系统中有关人脸相关的应用具有一定的价值。     

基于Boosting算法的实时人脸监控系统设计

设计实现了基于Boosting算法的实时人脸监控系统,以AdaBoost算法为人脸检测基础,以粒子滤波器算法为人脸跟踪基础,通过两者的结合提高了检测的速度.通过分析AdaBoost训练和检测的过程,指出影响AdaBoost检测速度的要素,并提出了通过区域生长等预处理方式对待检测图像进行区域合并,降低背景的复杂度,从而提高检测的速度;并增加了侧面人脸级联分类器,采用串并联结构将正面人脸和侧面人脸的检测综合起来,扩大了系统对人脸的检测范围.同时将跟踪结果作为人脸检测模块的反馈信号,增强了检测系统的目标捕获和目标校正能力.     

AdaBoost算法的人脸检测系统的SoC软硬件设计

AdaBoost人脸检测算法计算量大,难以在嵌入式平台上用纯软件实时实现.文中对AdaBoost检测算法进行了性能分析,设计了合适的软硬件划分方案.算法的大部分计算都转移到硬件加速器中,大大提高了检测的速度.文中描述了整个系统的周期精确模型.仿真显示,SoC方案的速度是纯软件的11倍,在200MHz的主频下可以以28帧/秒的速度检测384*288的图像.     

基于EHMM结合DWT与DCT的人脸识别

人脸识别系统可分为人脸检测,图像特征提取,人脸训练和人脸识别等部分,其中图像特征提取与人脸训练为主要组成部分,决定着系统的识别速度与准确性。人脸训练可为给定某人建立嵌入式隐马尔可夫模型来作为进行人脸图像识别的分类标准。人脸图像特征提取则运用离散小波分析来减少图像数据量,然后计算DCT变换系数矩阵,从而取得模型训练和识别中所需的图像特征。     

基于HMM的嵌入式人脸识别系统研究

系统采用S3C6410芯片作为硬件开发平台,Linux操作系统作为软件开发平台,图像的采集使用OV7640搭配OV511的结构实现,采用VIDEO4LINUX的方法实现视频处理、目标检测和识别程序,完成了准确并快速识别人脸的功能;并对所涉及浮点算法进行了适当优化,较大地提高了嵌入式ARM芯片上视频处理的性能。通过使用基于隐马尔可夫模型(HMM)的方法,优化了面部检测和人脸识别的过程。