隨著21世紀(jì)的到來(lái),計(jì)算機(jī)技術(shù),信息處理技術(shù),半導(dǎo)體技術(shù)和網(wǎng)絡(luò)技術(shù)不斷發(fā)展,人類社會(huì)進(jìn)入了信息化時(shí)代。與此同時(shí),無(wú)線視頻傳感器網(wǎng)絡(luò)也得到了突飛猛進(jìn)的發(fā)展,成為當(dāng)今國(guó)際上備受關(guān)注的熱點(diǎn)研究領(lǐng)域。無(wú)線視頻傳感器網(wǎng)絡(luò)有著很多的優(yōu)點(diǎn)和十分廣泛的應(yīng)用前景。在軍事,工業(yè),城市管理和監(jiān)控系統(tǒng)等重要領(lǐng)域都有潛在的使用價(jià)值。 無(wú)線視頻傳感器網(wǎng)絡(luò)有著顯著的特征,例如：網(wǎng)絡(luò)節(jié)點(diǎn)能源有限；網(wǎng)絡(luò)帶寬有限；對(duì)處理速度要求較高等。由此可見(jiàn),傳統(tǒng)的視頻編碼標(biāo)準(zhǔn)無(wú)法應(yīng)用于無(wú)線視頻傳感器網(wǎng)絡(luò)。MPEG-4,H.263,H.264等視頻編碼標(biāo)準(zhǔn),全是基于運(yùn)動(dòng)估計(jì)補(bǔ)償實(shí)現(xiàn)的,計(jì)算量十分巨大,在能量,存儲(chǔ)空間和處理能力均有限的節(jié)點(diǎn)難以實(shí)現(xiàn)這類高復(fù)雜度的編碼算法。 本文針對(duì)無(wú)線視頻傳感器網(wǎng)絡(luò)對(duì)視頻編碼算法的具體需求,提出一種基于運(yùn)動(dòng)檢測(cè)的低復(fù)雜度視頻編碼算法。該算法只對(duì)當(dāng)前編碼幀中的運(yùn)動(dòng)對(duì)象進(jìn)行編碼,并且以面向?qū)ο蟮慕Y(jié)構(gòu)輸出碼流。實(shí)驗(yàn)結(jié)果表明,與H.264全I(xiàn)幀編碼相比,本文提出的算法編碼速度提高了約3倍,編碼性能提高了約2dB。與H.264基本檔次相比,雖然編碼性能略有下降,但是編碼速度平均提高了8倍左右。因此,本文提出的算法可以在編碼效率和編碼速度之間獲得很好的折衷,在一定程度上可以滿足無(wú)線視頻傳感器網(wǎng)絡(luò)的需求。 本文選用ALDVK_270作為硬件實(shí)驗(yàn)平臺(tái)。在分析算法結(jié)構(gòu)的同時(shí),結(jié)合嵌入式系統(tǒng)的特點(diǎn),從算法,內(nèi)存,高級(jí)語(yǔ)言和匯編語(yǔ)言等幾個(gè)方面提出優(yōu)化方案,最終在ARM嵌入式平臺(tái)下實(shí)現(xiàn)了面向無(wú)線視頻傳感器網(wǎng)絡(luò)的低復(fù)雜度視頻編碼算法。測(cè)試結(jié)果表明,與優(yōu)化前相比,優(yōu)化后的編碼速度有了很大的提高,對(duì)于CIF格式的監(jiān)控視頻序列能夠滿足實(shí)時(shí)處理的要求。
標(biāo)簽：
ARM
無(wú)線視頻
傳感器網(wǎng)絡(luò)
復(fù)雜度
上傳時(shí)間：
2013-07-26
上傳用戶：小小小熊
嵌入式人臉識(shí)別系統(tǒng)建立在嵌入式操作系統(tǒng)和嵌入式硬件系統(tǒng)平臺(tái)之上,具有起點(diǎn)高、概念新、實(shí)用性強(qiáng)等特點(diǎn)。它涉及嵌入式硬件設(shè)計(jì)、嵌入式操作系統(tǒng)應(yīng)用開(kāi)發(fā)、人臉識(shí)別算法等領(lǐng)域的研究；嵌入式人臉識(shí)別系統(tǒng)攜帶方便、安裝快捷、機(jī)動(dòng)性強(qiáng),可廣泛應(yīng)用于各類門禁系統(tǒng)、戶外機(jī)動(dòng)布控的實(shí)時(shí)監(jiān)測(cè)等特殊場(chǎng)合,因此對(duì)嵌入式人臉識(shí)別的研究工作具有突出的理論意義和廣泛的應(yīng)用前景。 本文是上海市經(jīng)委創(chuàng)新研究項(xiàng)目《射頻識(shí)別RFID系統(tǒng)-自動(dòng)識(shí)別和記錄人群的身份》(編號(hào)：04-11-2)與上海市科委AM基金項(xiàng)目《基于ARM和RFID芯片的自組織安全監(jiān)控系統(tǒng)的研制》(編號(hào)：0512)的主要研究?jī)?nèi)容之一。論文從構(gòu)建自動(dòng)人臉識(shí)別系統(tǒng)所需解決的若干關(guān)鍵問(wèn)題入手,重點(diǎn)探討了基于嵌入式ARM微處理器的實(shí)時(shí)人臉檢測(cè)、關(guān)鍵特征定位、高效的人臉特征描述、魯棒的人臉識(shí)別分類器及自動(dòng)人臉識(shí)別系統(tǒng)設(shè)計(jì)等問(wèn)題的研究。論文的主要工作和創(chuàng)新點(diǎn)表現(xiàn)在以下方面： 1實(shí)現(xiàn)了結(jié)合膚色校驗(yàn)的Haar特征級(jí)聯(lián)分類器嵌入式實(shí)時(shí)人臉檢測(cè),提出了基于人臉約束的人眼Haar特征RSVM級(jí)聯(lián)分類器人眼檢測(cè)算法和基于遮罩掩磨與橢圓擬合的瞳孔定位算法。 復(fù)雜背景中的人臉檢測(cè)是自動(dòng)人臉識(shí)別系統(tǒng)首先要解決的關(guān)鍵問(wèn)題,通過(guò)對(duì)基于膚色模型和基于Haar特征級(jí)聯(lián)強(qiáng)分類器的人臉檢測(cè)算法的分析研究,綜合兩個(gè)算法的優(yōu)點(diǎn),提出了基于膚色模型校驗(yàn)和Haar特征級(jí)聯(lián)強(qiáng)分類器的嵌入式實(shí)時(shí)人臉檢測(cè)算法。實(shí)驗(yàn)結(jié)果表明,該算法不僅解決了復(fù)雜背景中的類膚色和類人臉結(jié)構(gòu)問(wèn)題,而且具有較高的檢測(cè)率和較快的檢測(cè)速度,同時(shí)對(duì)光照、尺度等變化條件下的人臉檢測(cè)也具有較強(qiáng)的魯棒性。 人眼檢測(cè)與瞳孔定位在人臉歸一化和有效人臉特征抽取等方面起著非常重要的作用,為了快速檢測(cè)人眼并精確定位人眼瞳孔中心,論文提出了基于人臉約束的人眼Haar特征RSVM級(jí)聯(lián)分類器人眼檢測(cè)算法和基于遮罩掩磨與橢圓擬合的瞳孔定位算法,首先利用人眼檢測(cè)分類器在人臉區(qū)域內(nèi)完成對(duì)人眼位置的檢測(cè),然后通過(guò)對(duì)檢測(cè)到的人眼進(jìn)行遮罩掩磨、簡(jiǎn)單圖像形態(tài)學(xué)變換及橢圓擬合實(shí)現(xiàn)瞳孔中心的精確定位。測(cè)試結(jié)果表明該算法只需幾百毫秒便能完成人眼檢測(cè)與瞳孔中心定位整個(gè)過(guò)程,在保證檢測(cè)速度較快的同時(shí),還能確保較高的定位精度。 2 針對(duì)傳統(tǒng)線性判別分析法存在的小樣本問(wèn)題(sss),通過(guò)調(diào)整Fisher判別準(zhǔn)則,實(shí)現(xiàn)了自適應(yīng)線性判別分析算法及相應(yīng)的人臉識(shí)別方法人臉識(shí)別中的小樣本問(wèn)題使線性判別分析算法的類內(nèi)散布矩陣發(fā)生嚴(yán)重退化,導(dǎo)致問(wèn)題無(wú)法求解。本文在人臉識(shí)別小樣本問(wèn)題的基礎(chǔ)上,通過(guò)調(diào)整Fisher判別準(zhǔn)則,利用類間散布矩陣的補(bǔ)空間巧妙地避開(kāi)類內(nèi)散布矩陣的求逆運(yùn)算,通過(guò)訓(xùn)練集每類樣本的樣本數(shù)信息自適應(yīng)改變調(diào)整參數(shù),實(shí)現(xiàn)了自適應(yīng)線性判別分析算法,實(shí)驗(yàn)結(jié)果表明,該算法能有效解決人臉識(shí)別中的小樣本問(wèn)題。 3 提出了基于有效人臉區(qū)域的Gabor特征抽取算法,有效地解決了Gabor特征抽取維數(shù)過(guò)高的問(wèn)題。 Gabor小波對(duì)圖像的光照、尺度變化具有較強(qiáng)魯棒性,是一種良好的人臉特征表征方法。但維數(shù)過(guò)高的Gabor特征造成應(yīng)用系統(tǒng)的維數(shù)災(zāi)難,為解決Gabor特征的維數(shù)災(zāi)難問(wèn)題,論文第四章提出了基于有效人臉區(qū)域的Gabor特征抽取算法,該算法不僅有效地降低了人臉特征向量維數(shù),縮小了人臉特征庫(kù)的規(guī)模,同時(shí)降低了核心算法的時(shí)間和空間復(fù)雜度,而且具有與傳統(tǒng)Gabor特征抽取算法同樣的魯棒性。 4 結(jié)合有效人臉區(qū)域的Gabor特征抽取、自適應(yīng)線性判別分析算法和基于支持向量機(jī)分類策略,提出并實(shí)現(xiàn)了基于支持向量機(jī)的嵌入式人臉識(shí)別和嵌入式人像比對(duì)系統(tǒng)支持向量機(jī)通過(guò)引入核技巧對(duì)訓(xùn)練樣本進(jìn)行學(xué)習(xí)構(gòu)造最小化錯(cuò)分風(fēng)險(xiǎn)的最優(yōu)分類超平面,不僅具有強(qiáng)大的非線性和高維處理能力,而且具有更強(qiáng)的泛化能力。本文研究了支持向量機(jī)的多類分類策略和訓(xùn)練方法,并結(jié)合論文中提出的基于有效人臉區(qū)域的Gabor特征提取算法、自適應(yīng)線性判別分析算法,首次在基于Windows CE操作系統(tǒng)的嵌入式ARM平臺(tái)中實(shí)現(xiàn)了具有較強(qiáng)魯棒性的嵌入式自動(dòng)人臉識(shí)別系統(tǒng)和嵌入式人像比對(duì)系統(tǒng)。 5 提出并初步實(shí)現(xiàn)了基于客戶機(jī)/服務(wù)器結(jié)構(gòu)無(wú)線網(wǎng)絡(luò)模型的遠(yuǎn)距離人臉識(shí)別方案為解決嵌入式人臉識(shí)別系統(tǒng)在海量人臉庫(kù)中進(jìn)行識(shí)別的難題,論文提出并初步實(shí)現(xiàn)了基于客戶機(jī)/服務(wù)器結(jié)構(gòu)無(wú)線網(wǎng)絡(luò)模型的嵌入式遠(yuǎn)距離人臉識(shí)別方案。 客戶機(jī)(嵌入式平臺(tái))完成對(duì)人臉圖像的檢測(cè)、歸一化處理和人臉特征提取,然后通過(guò)無(wú)線網(wǎng)絡(luò)將提取后的人臉特征數(shù)據(jù)傳輸?shù)椒?wù)器端,由服務(wù)器在海量人臉庫(kù)中完成人臉識(shí)別,并將識(shí)別后的結(jié)果通過(guò)無(wú)線網(wǎng)絡(luò)傳輸?shù)娇蛻魴C(jī)顯示輸出,從而實(shí)現(xiàn)基于客戶機(jī)/服務(wù)器無(wú)線網(wǎng)絡(luò)模型的嵌入式遠(yuǎn)距離人臉識(shí)別方案。 6 結(jié)合我們開(kāi)發(fā)的基于ARM的嵌入式自動(dòng)人臉識(shí)別系統(tǒng)和嵌入式人像比對(duì)系統(tǒng),從系統(tǒng)設(shè)計(jì)的角度探討了在嵌入式系統(tǒng)中進(jìn)行人臉識(shí)別應(yīng)用設(shè)計(jì)的思路及應(yīng)該注意的問(wèn)題雖然嵌入式人臉識(shí)別系統(tǒng)的性能很大程度上取決于高效的人臉特征描述和魯棒的人臉識(shí)別核心算法。但是,嵌入式系統(tǒng)的設(shè)計(jì)思想對(duì)嵌入式人臉識(shí)別系統(tǒng)的性能影響同樣值得重視。本文第六章重點(diǎn)闡述了嵌入式自動(dòng)人臉識(shí)別應(yīng)用系統(tǒng)的設(shè)計(jì)思路,并結(jié)合我們自主開(kāi)發(fā)的嵌入式自動(dòng)人臉識(shí)別系統(tǒng)和嵌入式人像比對(duì)系統(tǒng)從系統(tǒng)設(shè)計(jì)的角度探討了嵌入式人臉識(shí)別應(yīng)用系統(tǒng)設(shè)計(jì)中應(yīng)該注意的關(guān)鍵技術(shù)問(wèn)題。 結(jié)合本文提出的算法我們?cè)赑C上完成對(duì)人臉識(shí)別分類器的訓(xùn)練,然后在嵌入式ARM開(kāi)發(fā)平臺(tái)上實(shí)現(xiàn)了嵌入式自動(dòng)人臉識(shí)別、嵌入式人像比對(duì)兩個(gè)便攜式人員身份認(rèn)證系統(tǒng),經(jīng)測(cè)試運(yùn)行效果良好。所提出的人臉識(shí)別算法不僅具有一定的理論參考價(jià)值,而且對(duì)于嵌入式系統(tǒng)應(yīng)用開(kāi)發(fā)、AFR應(yīng)用系統(tǒng)開(kāi)發(fā)也具有一定的借鑒意義。
標(biāo)簽：
ARM
架構(gòu)
嵌入式
人臉識(shí)別
上傳時(shí)間：
2013-05-18
上傳用戶：我們的船長(zhǎng)
