基于FPGA平臺的人臉識別系統的實現

摘 要：本項目從基于PCA算法的人臉識別出發，采用了FPGA和Android智能終端結合構建了人臉識別的測試平臺。選用Android終端來采集人臉圖像數據，FPGA作為后臺算法處理平臺測試和驗證算法。測試結果識別率準確，效果良好。

關鍵詞：FPGA；PCA；人臉識別；特征臉

一、引言

傳統類似身份證或磁卡的人員識別方法，易遺失，易于偽造，無獨特性。所以現演化成虹膜、人臉、指紋以及聲紋等識別方式，這些生物特征不易遺失，安全性更高。其中人臉識別的過程速度快[1]，而且有非接觸性，屬于非侵犯性的識別方法。透過以上比較各種識別方式，本項目將選用人臉識別來進行研究。

二、基于PCA的人臉識別方法

PCA（Principal Component Analysis））：主要用于數據處理過程中降低資料的維度，并使得原始數據所表達的信息得以保留。這被有效的運用于人臉識別中的特征提取[2]。基于PCA的人臉識別算法的工作過程包含多個步驟，各步驟的作用如下：

（一）創建數據庫

創建數據庫過程包括圖像灰度化和降維。

1、讀入人臉數據

進行人臉的灰度化，如圖1所示。

2、人臉圖像降維處理

人臉圖像通常以二維方式進行存儲，為提升識別效率，需進行降維處理，將其由二維轉換成一維，過程如下：先獲得人臉圖像的大小，然后進行行轉置處理，在此以列為對象獲得灰度值，從而可得到對應的一維向量[3]。

（二）計算特征臉

獲得特征臉時，對降維之后的人臉矩陣規范化，如圖2所示。其次進行協方差計算，從而得到特征向量形成特征臉。

（三）人臉識別過程

人臉識別需要對待測圖像進行分析、識別，以此獲得特征向量，然后將其與特征庫中特征進行投影，目的在于計算各特征之間的距離值，該值是選擇識別結果的基礎，一般選擇值最小的人臉圖像作為識別結果。

三、基于FPGA的人臉識別過程

本項目采用Android智能終端和FPGA相結合的方式實現基于FPGA的人臉識別，如圖3所示。

由圖4可知人臉識別流程，說明如下：

（1）由Android終端進行人臉數據采集，FPGA作為PCA算法處理平臺測試和驗證算法。

（2）在FPGA平臺上將對人臉圖像進行預處理，包括二值化、腐蝕和膨脹處理。

（3）從預處理后的人臉圖像中提取人臉特征，形成特征臉向量。

（4）通過AXI總線協議將特征向量傳輸到ARM，由ARM進行人臉對比。

（5）在RAM中通過與人臉庫的對比獲得匹配結果，結果由Android終端顯示。

四、人臉識別系統應用

為了實現人臉圖像采集的方便性和識別結果顯示的直觀性，本項目采用了Android終端作為了圖像抓取終端和顯示終端。

現將該應用的功能介紹如下：

（一）人臉數據注冊

利用Android終端的攝像頭進行人臉圖像抓取并注冊，目的是將待測人臉加入人臉庫中，同時錄入人臉的對應姓名，用于識別成功后的顯示，也是啟動人臉識別的基礎。若沒有注冊人臉，將無法進行識別。

（二）人臉識別

通過人臉識別界面的start按鈕，啟動人臉識別。將Android讀取的待測人臉轉換為FPGA可讀取的信息，傳輸到FPGA板以啟動人臉識別。

（三）識別結果的顯示

在識別完成后，FPGA把結果傳輸到Android進行顯示。若識別成功，將顯示人臉注冊時的姓名，如圖4（a）所示顯示待測人臉的姓名為“程遙”；若識別失敗，則顯示“查無此人”。

為驗證人臉識別算法的有效性，以及基于FPGA系統的能否正常運行，本項目設置了多個測試策略，以下對各測試策略進行詳細說明。

將待測人臉進行注冊之后，現將進行非正常情況下的測試，例如側面角度和遮擋人臉部分特征情況下測試能否識別成功，其測試結果如圖4（b）（c）所示，與預期結果一致。

（a） Android終端界面 （b）有遮擋時識別結果顯示 （c）側臉時識別結果顯示

五、總結

（1）當人臉圖像未注冊而直接進行識別時，界面顯示查無此人，結果正確。

（2）當待測人臉注冊后進行識別，識別成功后會再界面顯示人臉對應的姓名，同時在對人臉特征有部分遮蓋的情況下，識別結果也正確。

（3）在進行了人臉識別速度進行了測試，人臉識別速度與人臉圖像庫中人臉數量成正比關系。本項目測試了200張人臉圖像，其識別平均速度為0.932秒。

參考文獻：

[1]章毓晉.圖像處理[M].北京：清華大學出版社，2007：87-89

[2]程自龍，雷秀玉.基于K-L變換（PCA）的特征臉人臉識別方法綜述[J].中國圖像圖形學報，2010，20（22）：15-18.

[3]倪世貴，白寶剛.基于PCA的人臉識別研究[J].現代計算機，2011，23（42）：20-22

作者簡介：

程遙（1983-），女，漢，四川成都人，講師，研究生，主要研究方向為電子信息技術。