基于人脸识别的嵌入式门禁系统：一份调查外文翻译资料

 2022-01-27 21:50:37

英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

基于人脸识别的嵌入式门禁系统：一份调查

卡西姆bull;艾尔舍贝尼， 普雷bull;马拉纳特， 彼得bull;比亚尔

伍伦贡大学电子计算机与电信工程学院，北伍伦贡，新南威尔士州2522 澳大利亚

电子邮箱：qas996@uowmail.edu.au

I. 简介

高效准确的嵌入式门禁系统对于许多安全应用来说都是非常重要的，例如自动取款机的授权识别和使用门禁系统的员工考勤。嵌入式门禁系统可以自动工作是基于多种成熟的识别技术其中之一。一般的识别技术可分为非生物识别技术和生物识别技术。非生物识别技术利用密码和门禁卡的方法来识别一个人，而生物识别技术使用指纹、虹膜或人脸识别方法来进行个人识别。由于非生物识别技术极易受到操纵和盗窃问题的影响，因此生物识别技术在人员识别方面更有效。众所周知，最有效的生物识别技术是人脸识别方法，因为它能够克服用户合作的需要。这种能力使人脸识别比虹膜和指纹生物识别技术在门禁系统中具有更重要的优势。一个使用人脸识别系统的门禁系统，主要工作是捕捉一个想要进入一扇锁着的门的人图像，然后使用人脸识别技术，只为授权人员打开那扇门。人脸识别系统在这一重要应用中的优势，使得研究者们进一步研究人脸识别系统的准确性及其在嵌入式硬件设备中的实现。

很少有研究实现了人脸识别系统在嵌入式设备的访问控制。发表在[1]上的一个研究就是这样一个例子，它涉及到一个由四个部分组成的系统:嵌入式系统板，利用Intel X Scale技术在Intel PXA255处理器上实现了人脸识别的主成分分析(PCA)算法； IP摄像头捕捉人脸图像；USB记忆棒存储人脸数据库和识别算法；以及通过串口COM连接的电子门锁。该系统的工作原理是，当检测到人脸并将其识别为授权人员时，门就会打开。在他们的研究中，采用了一个优化过程来减少PCA算法对人脸识别的大量计算分析，将慢浮点数计算替换为定点计算。然而，期望用户使用电子笔在图形用户界面(GUI)屏幕上从照片中定位眼睛的过程，使其在实时应用程序(如员工考勤)中不切实际。该系统的另一个问题是任何眼睛选择错误都会对系统产生重大影响。

在[2]中实现了另一种门禁控制系统，基于主成分分析(PCA)人脸识别技术，利用人工神经网络进行分类(识别)过程特征提取。该系统使用c ，基于Visual Basic的图形用户界面(GUI)实现，它由一个支架组成，以确保人的脸与摄像头的距离在40 - 60cm之间。该系统实现的识别准确率可达80%。然而,它需要一个专用的计算机，在工作时间用于监督安全访问系统，但实际门禁访问需要无监督。还有其他研究人员处理在硬件设备中实现人脸识别系统的问题，这将在第二节中讨论。

人们对人脸识别算法进行了大量的研究，其中大部分研究都是针对光照、姿态和面部表情变化等问题来提高人脸识别算法的准确性。然而，只有很少的研究集中于在嵌入式系统中实现这些人脸识别技术，用于实时应用，如门禁系统。之前的研究更倾向于在硬件设备上实现一种PCA人脸识别算法，其简单且降维。然而，由于PCA算法对特征值的依赖性，对图像的外观高度敏感，需要使用浮点运算，这在硬件上是昂贵而复杂的。此外，当前门禁系统无论是在监控下还是在非全自动状态下，都面临着计算时间长、功耗高等问题。硬件资源定制和实现的其他问题也在之前的一些研究中得到了解决。本文综述了目前人脸识别系统的硬件实现，并简要讨论了现有的人脸识别算法和硬件设备，这些硬件设备可用于开发准确、高效的门禁系统。本文的其余部分组织如下:常见的人脸识别系统及其算法将在第二部分中介绍。当前的硬件平台,特别是现场可编程门阵列器件(FPGA)将在第三部分提出。第四部分对人脸识别算法的硬件实现进行了回顾，最后在第五部分对本文进行了总结。

II. 人脸识别系统

门禁系统的成功与否取决于门禁系统中采用的人脸识别算法。一般使用的人脸识别系统分为三个阶段:人脸检测、特征提取和人脸识别(分类)。人脸检测阶段可以解释为应用于输入图像检测是否有人脸的过程。接下来，特征提取阶段提取人脸的一些特征数据，如嘴巴、鼻子和眼睛，为每个人建立一个独特的数据集，然后将这些数据分类并存储在数据库中，以便进一步识别。对输入图像重复相同的过程进行特征提取，在识别阶段，将提取的数据与数据库中的数据进行比较，检查是否匹配。然而，在一些应用中，特别是门禁系统中，人脸识别主要分为两个阶段:特征提取和识别阶段，并且能够获得较高的识别精度;人脸识别的特征提取算法多种多样，提取阶段的选择必须慎重。特征提取可分为整体、局部和混合算法，每一种算法都使用不同的特征提取技术。

采用基于整体的特征提取算法可以获得较好的识别精度。然而，整体方法在人脸识别中的局限性是需要控制光照，无法描述局部变化[8]。利用整体算法对图像的全局结构进行尖点定位，计算图像之间的相关性。主要的整体匹配技术有主成分分析(PCA)、线性识别分析(LDA)贝叶斯内/外个人分类器(BIC)、独立成分分析(ICA)和支持向量机(SVM)方法。研究人员利用基于局部的特征提取技术来克服基于整体特征提取技术的不足。然而，人脸识别系统的初始局部外观方法需要检测眼睛、鼻子和嘴巴等无声特征，这可能不是一项容易的任务，连续检测这些局部区域可能会导致性能精度下降[20]。不过新的基于局部特征的人脸识别方法将人脸划分为子区域，以减轻光照和表情变化等破坏性影响。然而，这些技术存在高维数的缺点，受人脸图像数据库大小的影响。人脸识别系统中使用最多的局部特征方法是:Gabor小波(即弹性串图匹配(EBGM))、局部特征分析(LFA)方法、局部二值模式(LBP)方法、、离散小波变换(DWT)方法和Gabor滤波器。

为了充分利用基于整体和局部的人脸识别技术，研究利用了这两种方法，创建了混合技术，避免了这两种方法的缺点。基于局部的特征提取技术具有高维数的缺点，但对光照问题具有较强的鲁棒性，表达变化是基于整体的特征提取技术存在的主要缺点，光照问题是基于局部的特征提取技术无法描述的。相比之下，整体特征提取方法在降维方面是成功的，因此将两种方法结合起来可以得到识别精度更高、环境约束最小的人脸识别系统的最佳解。通过对[27]、[28]、[29]、[30]、[31]的研究，提出了一种基于混合的特征提取算法。通过对上述三类人脸识别算法的比较，可以清楚地看到基于混合的人脸识别算法。

III. 硬件平台与现场可编程门阵列器件(FPGA)

除了人脸识别算法外，任何门禁系统的成功与否还取决于所选硬件设备的类型，这些设备可以从各种硬件平台中进行选择。这些硬件平台形式最近得到了改进，允许设计人员选择合适的设备来完成各种复杂的任务。最著名的硬件平台有:固定结构器件(CPU或DSP)、应用专用集成电路(ASIC)、现场可编程门阵列(FPGA)和复杂可编程逻辑器件(CPLD)。每个平台在功耗、成本、集成组件和设计工具等方面都有不同的特点。这些平台的基本组成部分是:存储数据库的内存;微处理器执行软件指令和执行任务;和逻辑单元，为不同的应用程序提供特定的功能，如数据通信，信号处理和控制操作，以帮助设计师选择这些平台中的任何一个。ASIC平台可以实现模拟电路和混合信号设计。它有几种低功耗技术，如功率门控或时钟门控，以实现功率目标。然而，它需要一个非经常性费用(NRE)，有时这是非常昂贵的，上市的时间耗费巨大。与之相反的是，CPLD具有相对较少(最多只有几百)的逻辑块，这些逻辑块具有触发器和具有关联逻辑(和/或矩阵)结构的组合逻辑寄存器。CPLD的构建块是宏单元，它包含逻辑实现和更专门化的逻辑操作。CPLD是基于EEPROM的，不需要启动ROM，但功耗高。相比之下，现场可编程门阵列(FPGA)平台比CPLD和ASIC平台具有更多的优势。FPGA设备的主要优点是:无需预付NRE费用，并且具有字段可重编程能力，允许远程上传任何新的位流(门控系统中的新人员)。如果FPGA存在任何设计错误，可以修改硬件描述语言(HDL)代码，它定义了设备的系统行为，并可以重新加载位流。嵌入式FPGA器件的尺寸允许设计人员实现其算法生成多个系统，其中一个重要的系统是门禁系统。FPGAs可以编程到所需的应用程序，允许设计人员在设计周期的任何时候灵活地更改设计，并远程完成升级过程。FPGA可以定义为围绕可配置逻辑块矩阵(CLB)并通过可编程互连进行连接的可编程半导体器件。它由逻辑块、I/O块和可编程路由三部分组成。CLB有两到四个片，每个片包含两个逻辑单元，这是FPGA的基本单元。逻辑单元包含一些查找表(LUT)、寄存器、时钟和时钟启用、设置和重置信号(S/R)以及乘法和累加单元(MAC)。它还拥有特殊的内置硬件，如块ram、DCM模块、MAC、嵌入式CPU、DSP、内存、ADC、IP核和微处理器核的硬件倍增器。请记住Xilinx公司的Power PC(硬核)和micro blaze(软核)以及Altera公司的ARM(硬核)和Nios(软核)。FPGA设备还具有时钟管理器和微控制器，这意味着它在处理许多复杂的任务时更先进，比如人脸识别系统中需要的那些任务.

固定结构是另一种硬件平台，在需要ARM、ZISC、DSP或PIC微处理器等低成本、低速度的设备时是理想的选择。然而，这些设备是不可重新编程的，这使得它们不切实际地用于实现门禁系统的人脸识别系统。相比之下，FPGA可以获得更高的性能。其原因是FPGA在需要并行的任务中工作得更好，在设计要求上比DSP更灵活，当设计需要使用C程序的可编程设备时可以使用DSP。因此，FPGAs提供了更多的逻辑灵活性，更加复杂，并为系统的动态重新配置提供了更多的机会。特别是，它有一些强大的帮助工具，即使对于没有太多硬件实现经验的人，这些工具也可以简化设计过程。例如，Xilinx公司提供包含产品数据表、用户指南和其他有用文档在内的的打印输出文档。

IV. 人脸识别系统的硬件实现

人脸识别算法的硬件实现在广泛的实时应用中具有重要意义，尤其是门禁系统。正如上一节所讨论的，各种硬件设备都可以用来实现任何人脸识别系统，如固定架构设备(CPU或DSP)、ASIC、FPGA和CPLD。然而，在人脸识别系统的实现中常用的硬件设备是固定结构和FPGA器件。本节将讨论这些硬件平台的兼容性以及它们对某些人脸识别算法的影响。同时指出了现有的各种人脸识别算法硬件实现的局限性。首先，固定架构设备是一个理想的选择，当需要一个便宜的和不是非常高速的设备。研究利用固定结构设备作为硬件设备，实现了PCA、Ada-boost、Gabor滤波和图像处理等一系列人脸识别技术。这些研究结果表明，使用固定架构的设备实现人脸识别算法存在一些局限性，如需要大量的计算时间，或者无法给出所获得的识别精度值。利用MagicARM2410单片机开发的嵌入式人脸识别系统就是固定结构设备设计的一个例子。本系统采用嵌入式Linux操作系统，由三个阶段组成:第一个阶段是使用Ad-boost算法进行人脸检测，该算法最初是为寻找人脸或非人脸分类过程的最佳Haar特征而开发的。第二阶段是特征提取。在这一阶段，由[39]提出的Gabor滤波器采用尺度拉伸和角度旋转操作。在第三阶段，利用PCA方法将采集到的图像与数据库中的条目进行比较，并使用一个显示最佳匹配的阈值来识别人脸。作者认为该系统记录了良好的结果。然而,他们不存在隐含的数据显示系统的识别准确率的问题使用PCA,PCA算法的硬件实现是依赖的特征值是高度敏感的形象出现,它需要使用昂贵和复杂的浮点操作的硬件。基于Gabor小波编码方案，开发了另一个人脸识别系统。该系统采用0.18 m CMOS技术和快速遗传算法(FGA)实现了单片VLSI芯片。该系统的识别精度达到了97.27%，具有较高的实时性。然而，遗传算法需要大量的计算时间，使用固定的结构器件可以增加算法的处理时间。这减少了在实时应用中使用这种系统的可能性，特别是门

全文共6848字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[339]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章