基于DSP的人脸轮廓识别门禁系统设计.ppt

LOGO,单击此处编辑母版文本样式,第二级,第三级,第四级,Page,*,单击此处编辑母版标题样式,LOGO,LOGO,单击此处编辑母版文本样式,第二级,第三级,第四级,单击此处编辑母版标题样式,基于,DSP,的人脸轮廓识别的门禁系统,Page,1,设计概述,2,选题背景及意义,1,硬件设计,3,工作流程,4,图像预处理,5,主成分分析,6,Page,2,选题背景及意义,社会经济快速发展，人口的流动性增大，导致社会各界对门禁系统的要求越来越严格,。,传统的防盗锁等设备存在易遭破译等缺点。生物识别技术为门禁系统的发展提供 了新的方向。,DSP,是专门为实现快速实时信号处理而开发的微处理器，与其它微处理器相比，,DSP,在数字信号处理和运算能力上有显著的优势。,本设计的目的是设计一款基于,DSP,、采用,人脸轮廓识别,技术的门禁系统，为社会安全提出一种可行的解决方案。,设计概述,Page,3,TMS320VC5509A DSP,简,介,TVP5150A,简介,IS42S16400A,简介,TMS320VC5509A DSP,是,TI,公司的一款高性能低功耗定点,DSP,产品，主要有以下特点：,1,、,性能：（,1,）最高,200MHz,时钟频率；（,2,）每周期执行一或二条指令；（,3,）可达,400MMACS,；（,4,）两个算数逻辑单元（,ALU,）；（,5,）三组内部数据读总线和两组内部数据写总线。,2,、,存储空间：（,1,）,128K,16bit,片上,RAM,，其中包括,64KB DARAM,和,192KB SARAM,；（,2,）,64KB,片上,ROM,；（,3,）,8M,16bit,最大可寻址外部存储空间（同步,DRAM,）。,3,、,外部接口：（,1,）,16bit,外部存储接口，兼容,GPIO,，支持对异步,SRAM,、异步,EPRAM,、同步,DRAM,的无缝连接；（,2,）,16bit,并行增强型主机接口。,4,、,片上外设：（,1,）两个,20,位定时计数器（,TIMER,）；（,2,）,6,通道直接存储器访问控制器（,DMA,）；（,3,）,USB,控制器；（,4,）可编程锁相环时钟发生器。,TVP5150A,是由美国,TI,公司开发生产的一款低功耗视频解码芯片，可以将输入的,NTSC,，,PAL,，和,SECAM,视频信号转换成,8,位的,ITU-R BT.656,格式的数字码流，同时还能输出分离的视频同步信号。,TVP5150A,解码芯片的主要功能：同步检测能力强，,AD,转换器具有模拟处理功能，亮度、彩色信号分别采用,4,行的梳状滤波器处理，亮度处理，色度处理，视频时序处理和低功耗模式，多种输出格式控制，,I,C,总线接口，,VBI,数据处理，复合视频和,S,端子输入。,IS42S16400A,是,ISSI,公司生产的一种高速,SDRAM,芯片，其存储量高达,64Mbit,，即,4M*16bit,。,IS42S16400A,与,C5509,的工作电压都为,3.3V,，数据线宽度相同，都为,16,位，存储时间也同步，故,C5509,与,IS42S16400A,可直接接口，用到的外存接口为,CE0,和,CE1,。,芯片选择,硬件设计,Page,6,图像采集部分,硬件设计,Page,7,存储部分,硬件设计,Page,8,门锁及报警部分,工作流程,Page,9,光电扫描枪的分辨率,单击添加,光学部分,硬件部分,主程序流程图,工作流程,Page,10,识别子程序流程图,工作流程,训练子程序流程图,Page,11,图像预处理,Page,12,图像归一化是通过,某种,变换，将原始图像转换成唯一标准形式,，以,保证后续步骤的准确性。采集角度距离等,因素的不同,，,使,采集到的图像,存在各种姿态,，,因此只有将图像进行归一化才能避免,后续,过程出现偏差。,直方图均衡增强技术就是通过调整图像部分或整体对比度来实现增强图像的技术。采集到的图像存在灰度值不平衡，高低不一的现象，可采用直方图均衡对这些像素灰度进行处理，使处理后的图像在整个灰度范围内按一定规律分布。,图像去噪,图像归一化,直方图均衡,图像去噪是消除图像中随机离散孤立的像素点，即图像噪声。,图像噪声通常与周围的像素明显不同，对图像的后续分析处理造成很大影响，,因此要予以消除。,主成分分析,Page,13,主成分分析简称,PCA,，是一种常用的基于变量协方差矩阵对信息进行处理、压缩和抽取的有效方法。,PCA,方法的基本原理：利用,K-L,变换抽取人脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别。,主成分分析,Page,14,第一，假设共有,M,张像素为,I,J,的人脸样本图像，将每张图像的像素进行变化，按列转化为（,I,J,）,1,的列向量，定义为,h,i,，其中,i=1,2,3,，,，,m,第二，计算,m,个向量的平均值,U,：,第三，计算每张人脸图像与平均值的差值,V,i,：,第四，计算协方差矩阵,G,，,其中,矩阵,Z,由,V,i,元素组成：,第五，计算,的特征向量,u,i,：考虑计算量和精准度保留,j,个最大特征向量组成的特征子空间。,第六，将,差值,V,表示成,j,个特征向量的线性组合，,定义,，（,i=1,2,3,，,m,），表示每张训练的人脸,V,i,。,后台数据库建立过程,主成分分析,第一，设待识别的人脸为,L,，将,L,进行列变化，化为列向量,l,t,，并计算,l,t,与平均值,U,的差值,V,，将,V,向特征子空间映射：,其中,。,将,V,表示成,第二，计算这两个矩阵的欧氏距离，公式为：,如果,d,，其中为固定门限值，则人脸可认为被识别。,人脸识别过程,Page,15,主成分分析,右侧上图为待测试图像，下图为训练图像，,待测试图像与,左下,图像,是,同一人，,与右下图不是,同,一,人。,进行识别测试后，,可,计算得到,上图,与,下,图,的欧氏距离,。,上图与左下图,的欧氏距离为,0.6786e+007,，与,右下图,的欧氏距离为,1.2040e+007,。对比可知，,上图与左下图更为接近,，事实上也是如此。,选择合适的门限值后即可判定,左下图是上图,匹配图像，,从而,实现人脸识别的目的。,Page,16,仿真结果,结束,谢谢观赏,