利用Gabor特征与SVM分类器在嵌入式系统上实现人脸识别算法

摘 要：随着信息处理技术的发展，人脸识别技术在嵌入式平台上的应用越来越广泛。本文描述了如何基于OpenCV视觉库在嵌入式平台利用Gabor特征和SVM分类器实现人脸识别系统，并讨论如何在嵌入式平台上优化算法。

关键词：Gabor特征；SVM；嵌入式系统

中图分类号：TP311 文献标识码：A DoI: 10.3969/j.issn.1003-6970.2012.05.0010

人脸识别一直是目标识别领域当中最有挑战性的工作之一，它在监控、安全、通信、人机交互等方面均有着日益广泛的应用。自911事件后，各国对安保系统越发重视，自动人脸识别系统的研发亦显得尤为重要。随着嵌入式技术的突飞猛进，基于嵌入式平台的人脸识别系统有着越来越广泛的应用前景，可用于家居门禁系统，安全检测等场合。

同时，经过对人脸识别技术的多年研究，利用基于Gabor特征和支持向量机(Support Vector Machine)进行人脸识别的技术已经相对比较成熟[5,6]，而嵌入式Linux系统以其自身的独特优势，已经成为了开发嵌入式人脸识别系统的良好平台，近年来对嵌入式平台上的人脸识别算法的研究也越来越多[4]。本文将基于OpenCV视觉库讨论在嵌入式平台上实现人脸识别算法。

高，可采用主成分分析(Principle Component Analysis)进行降维[3]。图3和图4分别为图2经过Gabor滤波以后的实部响应和幅值响应。

本实验选择ARM构架的PXA270微处理器。PXA270微处理器是奔腾公司生产的高性能、低功耗的微处理器，其CPU支持多种设备，支持双指令和多种嵌入式操作系统。PXA270微处理主要包括核心板和底板两大部分。核心板包括PXA270微处理器、PXA2700G图形加速卡、64MSDRAM、32M闪存、CPLD和底板实现连接的扩展接口；底板主要包括触摸屏、网口、USB口、串口、音频、MMC/SD电源与电池管理

等接口[7]。

OpenCV（Open Source Computer Vision Library）是由英特尔公司发起并参与开发的一个跨平台的计算机视觉库，可以在商业和研究领域中免费使用。在嵌入式系统上实现人脸识别算法，涉及把OpenCV视觉库的部分模块移植到嵌入式平台上的问题，其中涉及到要去除highgui模块，并在X86平台下进行交叉编译[8]等。

同时，Intel OpenCV是基于X86平台优化的，这种优化不一定适用于嵌入式系统，因而需要针对性地重新优化。由于嵌入式系统上的资源相对于通用PC要少得多，因此算法的编程实现虽然更多注意内存的使用与算法的时间复杂度。Gabor滤波过程实质是一个卷积的过程，因而需要使用高效的算法以避免速度太慢；滤波过程涉及多次高斯函数的计算，利用查表等方法能有效提升速度。

2.3 实验效果

本实验使用FERET人脸数据库，基于Gabor特征与SVM分类器人脸识别算法在ARM构架的PXA270微处理器上实现后，平均识别率可达到92.3%，但识别时间较长。

基于Gabor特征与SVM分类器的人脸识别算法在嵌入式设备上能达到较高的识别率，同时，嵌入式人脸识别设备具有携带方便、成本低等优点，具有良好的市场前景。