基于HMM的嵌入式人臉識別系統(tǒng)研究

摘要：系統(tǒng)選用S3C2410A處理器作為硬件平臺，Linux操作系統(tǒng)作為軟件平臺，采用OV7640+OV511的結(jié)構(gòu)實現(xiàn)圖像信息采集，使用基于V4L的方法編寫圖像處理、檢測和識別程序，實現(xiàn)了快速、準確識別人臉的功能；并對相關(guān)浮點算法進行了改進，極大地提高了ARM處理器上圖像預(yù)處理的速度。采用基于隱馬爾可夫模型(HMM)的方法，簡化了人臉檢測和識別的過程。
關(guān)鍵詞：嵌入式系統(tǒng)；HMM；ARM；人臉識別

0 引言
    嵌入式人臉識別系統(tǒng)與傳統(tǒng)鑒別身份的系統(tǒng)相比具有很強的優(yōu)勢，無需特殊的采集設(shè)備，成本低廉，使用簡單；同時，人臉識別不干擾使用者，不侵犯使用者的隱私，屬于非侵犯的主動識別，易于為用戶所接受。
    本文以嵌入式ARM9系統(tǒng)開發(fā)為主線，以HMM模型為理論基礎(chǔ)，展示了完成圖像采集、人臉檢測與識別等功能相對應(yīng)的硬件平臺和軟件模塊的設(shè)計及實現(xiàn)過程；并對圖像預(yù)處理的浮點算法做了優(yōu)化，極大提高了嵌入式系統(tǒng)的速度。
    本系統(tǒng)軟件部分可直接應(yīng)用于帶有Linux操作系統(tǒng)的智能手機中，利用手機以及內(nèi)置的攝像頭，即可進行個人面部特征數(shù)據(jù)分析，然后對比最初存儲的人臉信息庫，完成身份識別功能。

1 系統(tǒng)架構(gòu)及其設(shè)計方案
    本系統(tǒng)采用了Samsung推出的以ARM 920T RISC為內(nèi)核的處理器——S3C2410A。其優(yōu)秀的處理性能理所當然地成為便攜式設(shè)備開發(fā)的首選。同時為適應(yīng)智能手機對視頻圖像采集的需求，系統(tǒng)采用了基于USB總線的視頻采集模塊，與串行傳輸相比極大地提高了數(shù)據(jù)的采集速率。本系統(tǒng)涉及到數(shù)字圖像的采集、處理、存儲、傳輸和HMM算法等多種技術(shù)。其系統(tǒng)架構(gòu)如圖1所示。

2 圖像采集硬件設(shè)計
    鑒于傳統(tǒng)CCD圖像傳感器昂貴的成本、相對復(fù)雜的附加電路和較高的功耗，本系統(tǒng)采用OmniVision公司的OV7640 CMOS芯片作為圖像傳感器。OV7640是一款低電壓(2．5 V)、高靈敏度的CMOS圖像傳感器。
    實時采集存儲系統(tǒng)需要高速的數(shù)據(jù)傳輸，對系統(tǒng)硬件之問的配合提出較高的要求。本系統(tǒng)設(shè)計中，在采集部分和傳輸部分之間配有相應(yīng)的緩存區(qū)。實際中，采用OV7640及配套的芯片OV511擴展DRAM起緩存作用，實現(xiàn)將數(shù)字視頻圖像通過高速USB送入ARM處理器。OV511是一個專用的數(shù)字攝像IC的USB接口芯片。

3 圖像采集程序
    本系統(tǒng)采用Linux做為操作系統(tǒng)平臺，操作系統(tǒng)的移植在此不做過多介紹。
    Video4 Linux(簡稱V4L)是Linux中關(guān)于視頻設(shè)備的內(nèi)核驅(qū)動，它為針對視頻設(shè)備的應(yīng)用程序編程提供一系列接口函數(shù)，這些視頻設(shè)備包括現(xiàn)今市場上流行的TV卡、視頻捕捉卡和USB攝像頭等。Linux內(nèi)核提供Video4Linux應(yīng)用程序接口，在程序開發(fā)時，首先是基于Video4Linux API函數(shù)來設(shè)計程序。[!--empirenews.page--]
    基于Video4Linux圖像采集的程序流程如圖2所示。

4 圖像預(yù)處理與人臉識別算法及實現(xiàn)
    人臉識別過程首先判斷輸入的人臉圖像或者視頻中是否存在人臉，如果存在，則進一步給出每個人臉的位置、大小和各個主要面部器官的位置信息，并依據(jù)這些信息，進一步提取每個人臉中所蘊含的身份特征，將其與已有人臉庫中的人臉進行對比，從而識別人的身份。
    人臉識別的過程可以分為圖像預(yù)處理、人臉檢測和人臉識別三部分。
    人臉檢測是指從待識別矩陣中定位人臉區(qū)域中各特征區(qū)域，并將各個區(qū)域分割開。人臉識別是根據(jù)已有的人臉數(shù)據(jù)庫，輸出待測人臉對應(yīng)在人臉庫中的對象標號。二者互為前提和目的。由于HMM既可完成人臉檢測，又可完成人臉識別，因此我們將人臉檢測與識別同時處理。
4．1 隱馬爾可夫模型(HMM)基本概念
    HMM是一組用于特征化信號的統(tǒng)計特性的模型，它包含兩個相關(guān)的過程：一個是隱含的、不可見的有限狀態(tài)馬爾可夫鏈，它具有初始狀態(tài)概率分布函數(shù)和狀態(tài)轉(zhuǎn)移概率矩陣，另外是一組與狀態(tài)有關(guān)的概率密度函數(shù)。
    一個HMM的構(gòu)成元素如下：

    一個HMM可以簡記為λ={A，B，∏}，由于其輸入為有限字符集V={v1，v2，… vm}，因此稱其為離散隱馬爾可夫模型。[!--empirenews.page--]
4．2 用于人臉識別的HMM模型
    根據(jù)狀態(tài)轉(zhuǎn)移的類型，HMM可分為遍歷的(ergodic)和從左到右的(left-right)。前者表示狀態(tài)轉(zhuǎn)移是任意的，可以到本身和其他所有狀態(tài)，后者狀態(tài)轉(zhuǎn)移只限于本身和下一個狀態(tài)。人臉垂直方向由上至下和水平方向從左至右各個區(qū)域具有自然不變的順序，可以用1D-HMM來模擬人臉，如圖3所示。

4．3 人臉圖像特征提取
    設(shè)每一個人臉圖像寬度為W，高度為H，被劃分為互相重疊的塊。塊的高度為L，重疊深度為P。因此，從人臉圖像抽取的總分塊數(shù)為觀察矢量數(shù)T，且T=(H-L)／(L-P)+1。參數(shù)L和P的選擇將影響系統(tǒng)的識別率，大的重疊深度值P增加了垂直特征向量的數(shù)量，使系統(tǒng)的識別率提高。L的選擇比較微妙，較小的L使觀察矢量不能有效鑒別；而大的L使剪切相交特征概率增加。當P大時，系統(tǒng)識別率對L的變化不敏感。分割算法流程如圖4所示。

4．4 人臉HMM模型的訓(xùn)練
    為人臉圖像庫中每一個人臉建立一個HMM模型，用同一個人的5張不同人臉照片進行訓(xùn)練。按照子塊劃分方法，得到的2D-DCT變換系數(shù)矢量形成觀察矢量序列。用觀察矢量序列O={o1，o2，…，oT}進行訓(xùn)練，得到HMM模型參數(shù)。
    首先對HMM模型λ={A，B，∏}進行初始化，通過自上而下均勻分割人臉圖像得到訓(xùn)練數(shù)據(jù)。模型狀態(tài)數(shù)N=6，與每一個狀態(tài)有關(guān)的觀察矢量序列用于得到觀察概率矩陣B的初始估計，A和∏的初始值按人臉模型自左到右的結(jié)構(gòu)給出。然后利用最大似然估計算法(Baum-Welch估計算法)重新估計模型參數(shù)，檢測P(O|λ)的收斂條件。
    如果滿足式(3)條件，則模型已收斂，結(jié)束訓(xùn)練迭代過程；否則繼續(xù)進行下一次訓(xùn)練。
   
    此處，C為預(yù)先給定的閾值。
4．5 人臉圖像識別
    被識別的人臉圖像用于訓(xùn)練過程相同的方法提取觀察矢量序列，觀察矢量序列的概率由人臉圖像HMM模型計算出，即：
   
    當滿足式(4)時，被識別人臉對應(yīng)人臉圖像庫中第k個人的人臉被識別出。
    實驗證明，此算法易于實現(xiàn)實時處理，不受臉部表情變化的影響，抗噪聲能力強，魯棒性好。但在人臉識別中的光照問題和姿態(tài)問題方面還有待于進一步的研究。

5 結(jié)論
    基于嵌入式ARM9和HMM算法的人臉識別系統(tǒng)具有體積小，計算量小，運算速度快，性能穩(wěn)定等特點，能夠滿足人們對識別設(shè)備小型化的需求。相信在不久的將來，基于嵌入式的人臉識別系統(tǒng)會在安檢、身份驗證、門禁系統(tǒng)、智能考勤等方面得到廣泛應(yīng)用。
    本文作者創(chuàng)新點：
    人臉識別是生物特征識別中一個重要的研究方向，是間接、無侵犯式身份識別的主要方法。在嵌入式系統(tǒng)進行人臉識別，能夠?qū)崿F(xiàn)人臉識別設(shè)備的便攜化，將會極大地拓展識別設(shè)備的使用范圍。識別使用HMM算法，有效地降低了識別算法的空間和時間復(fù)雜度，為實時識別提供了可能。