《嵌入式平台下戴口罩的人脸识别研究》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

嵌入式平台下戴口罩的人脸识别研究

范文

吴振

摘要：随着疫情的到来，人们的生活受到了严重影响，出行不得不佩戴口罩，这使得原有的一些人脸识别系统已经不能够满足人们当前的需求，比如门禁系统在戴口罩的情况下不能被识别。针对这个问题，本文设计了一个基于Eaidk-310 嵌入式平台的戴口罩人脸识别系统。本文设计的思路，是借助opencv库中传统的人脸识别算法来实现戴口罩的人脸识别。经过测试，该系统可以部署在小区、学校等小型门禁场景中。能够识别戴口罩的人脸，从而方便人们的出行，减少疫情发生的可能性。

关键词：嵌入式系统;eaidk-310;opencv;人脸识别

中图分类号： TP311? ? ? ? 文献标识码：A

文章编号：1009-3044（2020）30-0228-02

Abstract：With the arrival of the epidemic， people's life has been seriously affected， so people have to wear masks when they travel， which makes some of the original face recognition systems can not meet the current needs of people， such as the access control system can not be recognized when wearing masks. To solve this problem， this paper designs a face recognition system based on eaidk-310 embedded platform. The idea of this paper is to use the traditional face recognition algorithm in opencv library to realize the face recognition of wearing masks. After testing， the system can be deployed in small access control scenes such as communities， schools， etc. And it can recognize faces wearing masks， so as to facilitate people's travel and reduce the possibility of epidemic.

Keywords： embedded system;eaidk-310;opencv; face recognition

引言

2020年经历了疫情的人都能体会到它的可怕，为了预防疫情，出行必须佩戴口罩。但当佩戴口罩出入门禁时会发现无法被识别，这是由于口罩不透明性，摄像头在采集图像时无法获取鼻子、嘴巴等重要特征信息，使得摄像头采集的实时人脸与原有的人脸数据库不匹配，从而导致人脸识别无法通过。为了减少不必要的传染，显然不可能去掉口罩进行识别。

所以，如何在佩戴口罩的情形下还能够被准确识别，已经成为如今人脸识别领域的热门话题，像百度、商汤科技等公司都纷纷开展相关的研究，并取得了一定的成果。比如在人的眼睛与眉毛上提取更多的特征信息以及通过确定遮挡位置来去除遮挡物重构人脸图像的方法，来增加戴口罩人脸识别的正确率[1]。

而本文提出的戴口罩人脸识别系统，是借助opencv中的人脸识别算法设计的。主要思路就是通过调用opencv库中的人脸训练模型将戴口罩的人脸数据训练生成戴口罩的人脸模型，将采集的实时人脸与训练好的戴口罩人脸模型比对，从而达到戴口罩人脸识别的目的[2]。与传统的人脸识别系统不同的是，本文选择了由open ai lab 开发的Eaidk-310平台。它是一种嵌入式人工智能开发平台，相比传统的嵌入式平台实时性高，运算储存能力更强，更能体现边缘计算的特点。使用该平台设计的戴口罩的人脸识别系统，将会给人们带来更大的便利和安全保障。从而减少疫情发生的可能性，达到控制疫情的目的。

1 嵌入式系统和嵌入式人工智能概述

嵌入式系统由软件和硬件组成，它强调以应用为中心，并且在现代计算机为基础的条件下，对用户特定的需求可以进行软硬件裁剪，它大多运用于实时性和可靠性要求较高的场景中。

而嵌入式人工智能就是在嵌入式系统的基础上发展而来的，跟传统的嵌入式系统将算法部署在云台不同，它将人工智能算法部署在嵌入式终端上[3]。与传统的嵌入式系统相比，它的实时性更高而且对网络通信的压力更小，在一些像无人驾驶对实时性要求比较高的领域中尤为适用。当然它的这种部署方式，使得它对嵌入式终端的要求比以往更高。但只要嵌入式终端的计算、存储等性能跟得上，在未来嵌入式人工智能将无处不在，人们的生活也越来越方便。

2 人脸识别技术

人脸识别技术是属于生物识别技术的一种，它是通过特定的算法提取人的脸部特征信息，构建人脸模型，将采集的人脸与人脸模型进行比对从而达到身份识别的目的，相比于传统的用户密码身份识别，更加方便可靠[4]。人脸识别技术最先从国外开始，国内起步较晚，但是近些年在人脸识别领域也取得很大的成果，人脸识别技术也被广泛运用，比如门禁系统、人脸支付、网络监控等。但是由于人脸采集过程中往往会伴随着一些光照、角度、遮挡和年龄等影响因素，导致人脸识别领域仍然有诸多难题，不过正是这些难题才能够推动技术的不断发展与进步。

3 嵌入式系统设计原理

3.1 系统硬件设计

一个嵌入式系统的搭建离不开硬件设备的支持，本系统硬件由以下几个模块组成：⑴主控模块：主芯片采用具备主流性能 Arm SoC 的 RK3228H，搭载 OPEN AI LAB 嵌入式 AI 开发平台 AID（包含支持异构计算库 HCL、嵌入式深度学习框架Tengine以及轻量级嵌入式计算机视觉加速库BladeCV），控制整个系统的运行;⑵人脸采集模块：使用Usb摄像头设备采集戴口罩的人脸数据;⑶网络通信模块：通过网口使嵌入式平台与PC机能够通信，以便调试应用程序;⑷顯示模块：使用HDMI接口的触摸屏来显示人脸图像;⑸外部存储模块：在TF卡槽中插入TF卡来扩展存储空间。该系统的硬件结构图如图1所示。

3.2 系统软件设计

嵌入式系统软件设计一般包括环境搭建和程序设计两个部分。其中，环境搭建主要内容是加载引导程序U-Boot、烧写Linux内核以及根文件系统，自己搭建的话比较麻烦，而且很容易出错，所以本文使用了官方打包好的Linux系统 Fedora 28。

而程序设计根据需求有以下几个过程：首先，是戴口罩的人脸采集，它使用了V4L2接口以及UVC协议来控制摄像头采集的规格，并且调用函数打开Usb摄像头进行图像采集;然后，是人脸检测，它采用Adaboost检测算法对戴口罩的人脸进行定位;之后，是戴口罩的人脸模型训练，将采集到的人脸进行预处理，并且在用户人脸数据上进行标记用来训练人脸模型;最后，是戴口罩的人脸识别，将采集到的实时人脸同样使用Adboost算法定位人脸，进行预处理，再调用人脸识别算法，即可识别出是不是戴口罩的本人。

4 嵌入式系统中相关算法研究

4.1 人脸检测算法

当前运用比较广泛的人脸检测方法大多是以Harr+Adaboost的方式实现的。其中harr特征由黑白两种矩形组成特征模板，并且定义特征值为白色矩形像素和减黑色矩形像素和，所以Harr特征值反映了图像的灰度变化[5]。而Adaboost是一种迭代算法，它可以通过大量的Harr特征来训练很多个弱分类器，最后再将这些弱分类器集合在一起构成一个强分类器，使用强分类器来区分是不是人脸，达到人脸检测的目的。

4.2 人脸识别算法

Opencv中分别有Eigenface、Fisherface以及LBPH三种人脸识别算法。其中Eigenface就是特征脸的意思，是一种从主成分分析（PCA）中导出的人脸识别和描述技术。特征脸方法的主要思路就是将输入的人脸图像看作一个个矩阵，通过在人脸空间中一组正交向量，并选择最重要的正交向量，作为“主成分”来描述原来的人脸空间。Fisheerface主要是结合了PCA降维以及LDA特征提取的优点，将多维的人脸投影在一维的特征空间上，从而得到一组特征向量来代表人脸的特征[6]。而LBPH主要是通过LBP提取人脸特征的方式来实现人脸的识别[7]。

5 系统测试

戴口罩的人脸数据还没有像ORL、YaLe那样大规模的人脸库，所以本次测试从网上找了一些小的戴口罩的人脸库，从中选取了10个不同戴口罩的人，每个人有40张戴口罩的人脸。其中，每个人抽取20张作为训练模型的样本，剩余20张作为测试样本。并且分别使用了opencv中的三种人脸识别算法进行测试，测试结果表明Eigenface的戴口罩人脸识别率为79.25%，Fisherface算法的戴口罩人脸识别率为84.56%，LBPH算法的戴口罩人脸识别率为82.78%。结果表明该系统是可以识别戴口罩的人脸，但明显比不戴口罩的人脸识别率低，为了能够提高戴口罩的人脸识别率，后期还会着重于有遮挡的人脸识别算法研究。

6 结束语

嵌入式人脸识别系统在过去的几十年里已经发展得很成熟了，但是由于人脸识别过程中容易受到光照、姿势、表情、年龄等因素的影响，导致人脸识别系统的不完善。除此之外，嵌入式硬件的发展也达到了瓶颈。

嵌入式人脸识别系统想要再一次发展，一方面就是解决人脸识别中的影响因素，另一方面就是发展新型的嵌入式人工智能平台，它不仅能够促进嵌入式系统硬件的发展，更可以满足一些实时性高的场景中，比如无人驾驶。而本文使用Eaidk-310这一款嵌入式人工智能平台，有很大的原因就是为了将人脸识别系统运用在新型的嵌入式平台上。

参考文献：

[1] 董艳花，张树美，赵俊莉.有遮挡人脸识别方法综述[J].计算机工程与应用，2020，56（9）：1-12.

[2] 陆畅，陈东焰，俞浩.基于OpenCV视觉库和树莓派的人脸识别门禁系统[J].科技创新导报，2019，16（2）：152-154，156.

[3] 毕盛.嵌入式人工智能技术开发及应用[J].电子产品世界，2019，26（5）：14-16，25.

[4] 左腾.人脸识别技术综述[J].软件导刊，2017，16（2）：182-185.

[5] 李昌湘，白创.嵌入式人脸识别系统设计与实现[J].智能计算机与应用，2018，8（3）：115-117，121.

[6] 陈潇.基于PCA的人脸识别方法设计与实现[J].数字技术与应用，2019（10）：156-157，159.

[7] 付波，徐超，赵熙临，等.基于最值平均的人脸识别LBP算法[J].計算机应用与软件，2019，36（9）：209-213.

【通联编辑：唐一东】

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。