[发明专利]一种嵌入式实时人脸识别方法

权利要求书

1.一种嵌入式实时人脸识别方法，其特征在于，该方法包括以下步骤：

步骤一：通过摄像头采集图片，采用基于Adaboost算法的人脸检测算法对采集的图片进行人脸检测，并将提取人脸区域，调用OpenCV库中相应的函数；

步骤二：利用基于局部二值模式LBP人脸识别算法，第一步，采集5张同一个人的正脸照片，通过步骤一中的算法对照片进行检测并提取人脸区域；将5张人脸区域统一缩放到80*80pixels大小，进行人脸识别训练部分，得到人脸模型与信息文件，第二步，利用得到的人脸模型与信息文件对待检测的人脸进行预测识别；

步骤三：步骤一和步骤二中的算法最终是在嵌入式上运行，选用基于Linux系统的ARM芯片，选用的National Instruments公司的myRIO-1900板卡，其核心芯片是Xilinx Zynq-7010，为双核ARM-Cortex-A9处理器，主频率为533MHz，DDR3内存为512MB；

步骤四：将OpenCV函数库的移植到嵌入式系统ARM上，在Ubuntu14.04系统上，利用arm-none-linux-gnueabi交叉编译工具对OpenCV的2.4.9版本库以及相应的第三方函数库进行交叉编译，生成可在ARM调用的OpenCV函数库文件，通过SSH协议访问ARM的嵌入式系统，并将交叉编译后的文件移植到嵌入式文件系统的/usr/local/lib文件中；

步骤五：在Ubuntu操作系统上，利用OpneCV函数库编写人脸检测和人脸识别算法，并将函数封装成LabVIEW可以识别的接口类型，然后利用交叉编译工具将人脸检测和人脸识别算法编译成动态链接库(.so文件)，移植到嵌入式系统上；

步骤六：在WINDOWS操作系统上，在同一局域网内，将PC与嵌入式通过WIFI链接，然后在LabVIEW中，调用步骤五中编译好动态链接库中的函数，编写辅助程序，并将程序下载到ARM芯片上，实时进行人脸识别；

步骤七：在LabVIEW中设计人脸识别界面，分为人脸识别的训练界面和人脸识别的预测界面(即用户界面)，训练界面功能，采集人脸照片，并进行人脸检测，显示人脸检测结果；采集人脸对应的身份信息，生成对应的人脸信息文件并存储在嵌入式文件系统对应的用户文件夹/lvuser中，预测界面功能，对待检测的图片进行人脸识别并显示识别结果。

2.根据权利要求1所述的嵌入式实时人脸识别方法，其特征在于，在步骤一中，主要调用OpenCV中的函数cvHaarDetectObjects，使用多次尝试法确定其参数，各参数最终调节为搜索窗口的比例系数scale_factor＝1.2，构成检测人脸相邻矩形的重叠个数min_neighbors＝2，检测窗口的最小尺寸min_size为30*30pixels。

3.根据权利要求1所述的嵌入式实时人脸识别方法，其特征在于，在步骤三中，ARM芯片的操作系统为Linux Real-Time，固件版本为3.2.35-rt52-1.0.0f1，系统语言环境为英语，该人脸识别方法中使用的图片是通过与嵌入式系统相连接的摄像头采集得到，采集的图片分辨率为320*240pixels，采集速率15帧/s。

4.根据权利要求1所述的嵌入式实时人脸识别方法，其特征在于，在步骤七中，对于分辨率为320*240pixels的图片，人脸检测和人脸识别模块在嵌入式的总运行时间为小于400ms，满足在实际使用中的实时性。