人臉識別技術作為生物識別技術之一，是模式識別在圖像領域中的具體運用，其應用前景非常廣闊，可以應用到身份證件的鑒別、自動門禁控制系統、銀行取款機、家庭安全，圖片檢索等領域。 人臉識別系統主要分為人臉檢測定位，特征提取和人臉分類三部分。人臉的檢測和定位，即從輸入的圖像中找到人臉及人臉存在的位置，并將人臉從背景中分離出來。在特征提取部分，先對原始人臉數據進行特征提取，之后原始數據由維數較少的有效特征數據表示并存儲在數據庫中，接下來進行人臉分類，在識別待測人臉圖像時，將待測圖像的特征數據與數據庫中存儲數據相比對，判斷是否為庫中的某一人，從而實現自動識別人臉的目的。 在過去的十年里，人臉識別技術一直是圖像處理領域里具有挑戰性的課題，隨著研究的深入，許多人臉檢測及識別算法被提出來。其中基于主成分分析的Eigenface的算法及其變形已經成為測試人臉識別系統性能的基準算法；同時Adaboost人臉檢測算法，在PC上基本可以達到實時，在嵌入式產品廣泛應用的今天，只有讓人臉識別算法在嵌入式平臺上實現，才能獲得更廣闊的應用，本文研究了在嵌入式平臺上Adaboost人臉檢測算法的性能。 嵌入式是后PC時代的一個亮點，目前已經應用在社會生活的方方面面。嵌入式產品的開發平臺分為包括很多，如：DSP，ARM，PowerPC等等。本文采用的ARM9作為嵌入式開發平臺，研究人臉識別在ARM平臺的性能，為實用的嵌入式人臉識別系統的設計提供參考。 本文從PC平臺的軟件實現入手，分別實現了PC平臺下的AdaBoost人臉檢測算法和PCA人臉識別算法,分析了現象及結果，接下來搭建了基于ARM嵌入式系統的硬件平臺，對AdaBoost人臉檢測算法進行了硬件平臺的移植，并得出相應實驗效果。

點擊標簽查看更多相關資源：