專利名稱：一種基于dsp的人臉檢測方法
技術(shù)領(lǐng)域：
發(fā)明涉及一種基于DSP平臺的人臉檢測方法可以應(yīng)用到人臉識別、安全訪問和視 頻監(jiān)控等領(lǐng)域，本發(fā)明通過對動態(tài)視頻截取圖像，并利用圖像處理手段，以模型整體屬性為 主，考慮人臉整體與各部分之間的拓?fù)潢P(guān)系，提取并利用關(guān)鍵信息來尋找特征點來完成人 臉檢測。
背景技術(shù)：
人臉檢測的問題最初來源于人臉識別，人臉自動識別的研究最早可以追溯到20 世紀(jì)60 70年代。經(jīng)多幾十年的曲折發(fā)展，人臉的自動識別已經(jīng)有了較為成功的方法，目 前正日趨成熟。一個完整的人臉自動識別系統(tǒng)應(yīng)該包括人臉檢測、特征提取、匹配識別三大 基本過程。人臉檢測問題很長一段時間并未受到重視是因為早期的人臉識別的研究主要針 對具有強(qiáng)約束條件的人臉圖像(如無背景或背景簡單的圖像)，往往假設(shè)人臉位置已知或 很容易獲得。進(jìn)入20世紀(jì)90年代以后，隨著網(wǎng)絡(luò)安全和電子商務(wù)等應(yīng)用需要的劇增，人 臉識別成為最有潛力的生物身份鑒別方式，出現(xiàn)了實際的人臉識別系統(tǒng)和商用產(chǎn)品，這種 應(yīng)用背景要求自動識別系統(tǒng)能夠?qū)σ话悱h(huán)境圖像具有一定的適應(yīng)能力，由此所面臨的問題 使得人們對人臉檢測的各個重要方面引起了極大的研究興趣，從而成為一個專門的研究方 向。目前國外對人臉檢測問題的研究很多，比較著名的有美國麻省理工大學(xué)(MIT)的 媒體實驗室和人工智能實驗室、卡內(nèi)基梅隆大學(xué)(CMU)的機(jī)器人研究所、Illinois大學(xué) 的Beckman研究所；國內(nèi)的清華大學(xué)、北京工業(yè)大學(xué)、南京理工大學(xué)、四川大學(xué)、上海交通大 學(xué)、中國科學(xué)院計算技術(shù)研究所和中國科學(xué)院自動化研究所。MPEG7標(biāo)準(zhǔn)組織已經(jīng)建立了人 臉檢測算法草案小。關(guān)于人臉檢測研究的文章如IEEE 的 FG (IEEE International Conference onAutomatic Face and Gesture Recognition)、CVPR(IEEE Computer SocietyConference on Computer Vision and Pattern Recognition)、ICPI (IEEEInternational Conference on Image Processing)、ICPR(IEEE InternationalConference on Pattern Recognition).目前人臉檢測的方法有基于特征的人臉檢測方法即主要是利用人臉的明顯特征， 如幾何特征、膚色、紋理等，將人臉的圖像視為一個高維向量，從而將人臉檢測的問題轉(zhuǎn)化 為高維空間中分布信號的檢測問題，人臉特征主要包括人臉輪廓特征、灰度分布特征、器官 特征、模板特征、紋理特征、顏色特征，然后利用特征搜索算法完成人臉檢測?；趫D像的人臉檢測方法基本思想是把人臉檢測的問題視為一個廣義的模式識 別問題，從而通過訓(xùn)練過程將樣本分為人臉和非人臉兩類。這類方法主要包括線性子空間 方法、神經(jīng)網(wǎng)絡(luò)方法和其他統(tǒng)計方法?；诨顒虞喞偷膯稳四槞z測方法，活動輪廓模型是求解曲線進(jìn)化的一種重要的數(shù)學(xué)工具，它是定義在圖像域上的曲線或曲面，相對于剛性模型而言，活動輪廓模型能使自 己發(fā)生變形以匹配到顯著的圖像特征，通過保持模型的平滑，以及綜合其他諸如目標(biāo)形狀 等先驗信息，活動輪廓模型主要分為參數(shù)活動輪廓模型和幾何活動輪廓模型兩種。目前國內(nèi)外生產(chǎn)的人臉檢測的產(chǎn)品主要作為人臉識別系統(tǒng)一個重要組成一個 部分，國外的主要有德國Cognitec Systems公司的Face VACS人臉識別系統(tǒng)，德國 HumanScan公司的BioID身份識別系統(tǒng)，美國Identix公司的FaceIt人臉識別系統(tǒng)，加拿 大Imagis公司的ID-2000面部識別軟件，美國Viisage公司的FaceTools人臉識別系統(tǒng)， 國內(nèi)的主要有上海銀晨智能識別科技有限公司開發(fā)的人臉檢測音視頻壓縮卡，廣州超越 公司的BioFace系統(tǒng)。以上敘述的人臉側(cè)方法及產(chǎn)品均主要依賴PC機(jī)無法實現(xiàn)自主人臉檢測，這很大 程度上限制了人臉檢測的應(yīng)用前景。因此基于DSP的人臉檢測方法可以克服上述的缺點， 自主實現(xiàn)人臉檢測。而且，目前公知的人臉檢測技術(shù)的研究多依賴于PC機(jī)，這就造成人臉檢測技術(shù)不 能方便、快捷的應(yīng)用到其他領(lǐng)域，而且一般的檢測方法只使用單一的膚色或者邊緣特征，誤 檢率比較高，檢測精度也有限。本發(fā)明可以完全脫離PC機(jī)自主實現(xiàn)人臉檢測即基于DSP建 立人臉檢測系統(tǒng)，且檢測精度高。目前，在國內(nèi)沒有查到基于DSP的人臉檢測方法的專利。

發(fā)明內(nèi)容
為了克服現(xiàn)有的人臉檢測技術(shù)產(chǎn)品多依賴于PC機(jī)，本發(fā)明提供一種基于DSP的人 臉檢測方法，該方法既可以與PC機(jī)相連也可以完全脫離PC機(jī)自主實現(xiàn)人臉檢測。本發(fā)明以DSP平臺為載體，通過采用帶紅外攝像功能的C⑶攝像頭進(jìn)行視頻采集， 并對視頻進(jìn)行靜態(tài)圖像截取，通過對圖像進(jìn)行處理以確定其中是否含有人臉，如果是則返 回人臉的位置、大小和姿態(tài)。人臉檢測主要的難點有兩方面，一方面是由于人臉內(nèi)在的變化 所引起(1)人臉具有相當(dāng)復(fù)雜的細(xì)節(jié)變化，不同的外貌如臉形、膚色等，不同的表情如眼、 嘴的開與閉等；(2)人臉的遮擋，如眼鏡、頭發(fā)和頭部飾物以及其他外部物體等。另一方面 由于外在條件變化所引起(1)由于成像角度的不同造成人臉的多姿態(tài)，如平面內(nèi)旋轉(zhuǎn)、平 面外旋轉(zhuǎn)以及上下旋轉(zhuǎn)，其中平面外旋轉(zhuǎn)影響較大；(2)光照的影響，如圖像中的亮度、對 比度的變化和陰影等。(3)圖像的成像條件，如攝像設(shè)備的焦距、成像距離，圖像獲得的途徑 等等。這些困難都為解決人臉檢測問題造成了難度。本發(fā)明的DSP平臺系統(tǒng)可以有效的解 決上述的遇到的難點。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是系統(tǒng)硬件部分由以下三部分組成 前端圖像采集部分采用帶紅外攝像功能的CCD攝像頭；信息處理部分采用BF533處理器； 后端將電視與DSP平臺相連接直接顯示人臉檢測結(jié)果。軟件部分采用Visual DSP++開發(fā) 環(huán)境進(jìn)行編程實現(xiàn)數(shù)據(jù)搜集、處理、輸出控制。這對于視頻監(jiān)控、身份識別領(lǐng)域有著廣闊的 應(yīng)用前景，對開展人臉檢測的研究具有重大意義。本產(chǎn)品通過對動態(tài)視頻截取圖像，并利用 圖像處理手段，以模型整體屬性為主，考慮人臉整體與各部分之間的拓?fù)潢P(guān)系，提取并利用 關(guān)鍵信息來尋找特征點，從而完成整體人臉檢測。本發(fā)明的有益效果是，可以在DSP平臺上自主實現(xiàn)人臉檢測，結(jié)構(gòu)簡單，可以方便、快捷的應(yīng)用到其他領(lǐng)域，與同類產(chǎn)品相比價格便宜。


下面結(jié)合附圖和實施例對本實用新型進(jìn)一步說明。圖1是系統(tǒng)硬件框架圖。圖2是系統(tǒng)軟件框圖。圖3是系統(tǒng)結(jié)構(gòu)框圖。圖中包括部件攝像頭、DSP平臺、顯示屏、報警系統(tǒng)、智能檢測軟件系統(tǒng)、PC機(jī)、存 儲器。
具體實施例方式在圖1中該智能檢測平臺系統(tǒng)將監(jiān)測區(qū)域通過攝像頭攝取進(jìn)來，同時對攝取到的 視頻序列進(jìn)行圖像處理以確定其中是否含有人臉，如果是則返回人臉的位置、大小和姿態(tài)， 并將處理的結(jié)果在顯示屏上進(jìn)行實時顯示，報警系統(tǒng)可以實現(xiàn)人臉提示功能，PC機(jī)與存儲 器可以擴(kuò)充該產(chǎn)品的功能，智能檢測軟件系統(tǒng)在算法上可以實現(xiàn)對人臉的檢測及處理。在圖2中是在DSP實驗平臺基礎(chǔ)上開發(fā)了相應(yīng)的程序，主要完成圖像增強(qiáng)、圖像分 割、特征選擇圖像增強(qiáng)、特征壓縮等環(huán)節(jié)的多種算法，最終采用灰度形態(tài)學(xué)圖像平滑、相對 熵閾值法圖像分割、幾何歸一化和灰度歸一化進(jìn)行圖像的人臉目標(biāo)檢測、特征壓縮以及對 動態(tài)目標(biāo)的自動跟蹤等功能。在圖3中智能檢測平臺中的32Mbytes的SDRAM配置SAMSUNG-K4S5616320，一片 4Mbytes的NOR Flash (AMD-29LV320BT)，通過CPLD中的邏輯擴(kuò)展，占據(jù)BF533異步存儲區(qū) 0 3. 75Mbytes地址空間。CPLD為訪問和控制外部總線接口上的各種設(shè)備提供了寄存器和 邏輯的擴(kuò)展。CPLD將Flash映射到0x2000，0000 0x203B，F(xiàn)FFF3. 75MB的地址上，將其他設(shè) 備的擴(kuò)展寄存器映射到0x203C，0000 0x2040,00000. 25MB的地址上，EBIU連接外部存儲 設(shè)備到處理器，它包括一個16位的數(shù)據(jù)總線、一個地址總線以及一個控制總線。JTAG調(diào)試 接口通過仿真器與PC相連，PPI視頻設(shè)備接口，端口配置為輸入并與SAA7113連接，SAA7113 為視頻解碼器實現(xiàn)把輸入的模擬視頻信號解碼成符合標(biāo)準(zhǔn)的數(shù)字視頻信號，GD6829為視頻 編碼器實現(xiàn)把輸入的數(shù)字視頻信號編碼成符合標(biāo)準(zhǔn)的模擬視頻信號。其工作流程如下(1)攝像頭獲取原始圖像后，需要對圖像進(jìn)行平滑、增強(qiáng)等預(yù)處理。(2)利用相對熵閾值的圖像分割技術(shù)獲取最佳的全局閾值，以利于后續(xù)的特征提 取和識別。(3)圖像分割后得到的人臉可能含有孤立點噪聲，需要對其進(jìn)行濾波處理。(4)通過深入研究人臉的顏色及形態(tài)學(xué)特征，針對處理后的圖像，提取出面積、周 長、復(fù)雜度、紋理等特征作為人臉原始特征，對人臉進(jìn)行檢測。(5)顯示屏可實時顯示出人臉圖像。在對圖像的處理上利用的算法1是采用Sobel算子，Sobel算子是一種梯度幅值 計算方法，通過對數(shù)字圖像f(x，y)的每個像素，考察它上、下、左、右相鄰點灰度的加權(quán)差， 與之接近的相鄰點的加權(quán)值大小。Sobel梯度算子是先做成加權(quán)平均，再微分，然后求梯度即定義Sobel算子s (x, y) = I Δ xf (χ, y) + Ayf (χ, y)Sobel算子的核心是兩個3X3的卷積核，通過這兩個小區(qū)域模板在圖像中的移 動，完成圖像中每個像素點同這兩個卷積核的卷積運算。Sobel算子實現(xiàn)對圖像灰度的檢測 把圖像邊緣提取出來。算法2是利用拉普拉斯算子，拉普拉斯算子的定義是
權(quán)利要求
一種基于DSP平臺的人臉檢測方法，其特征在于該DSP平臺前端與攝像頭及智能檢測軟件系統(tǒng)相連接，末端與顯示屏及報警系統(tǒng)相連接，且該DSP平臺能夠與PC機(jī)、存儲器及其他外部控制輸入設(shè)備相連接。所述的人臉檢測方法以DSP平臺為載體，通過采用帶紅外攝像CCD攝像頭進(jìn)行視頻采集，然后智能檢測軟件系統(tǒng)對圖像進(jìn)行處理以確定其中是否含有人臉并對人臉進(jìn)行檢測。最后通過高清顯示屏顯示出人臉檢測的結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于DSP平臺的人臉檢測方法，其特征在于所述智能檢測軟件系統(tǒng)以Visual DSP++開發(fā)環(huán)境進(jìn)行編程實現(xiàn)數(shù)據(jù)搜集、處理、輸出 控制。
3.根據(jù)權(quán)利要求2所述的基于DSP平臺的人臉檢測方法，其特征在于所述智能檢測軟件系統(tǒng)對攝像頭采集的視頻序列進(jìn)行人臉圖像預(yù)處理、圖像分割、特 征提取。所述的人臉圖像預(yù)處理采用一個圖像屏蔽模板來屏蔽人臉圖像邊緣的噪聲、亮度、陰影。所述的人臉圖像分割將人臉圖像劃分成若干個互不相交的小區(qū)域，即人臉?biāo)嫉膱D像 區(qū)域、前景所占的圖像區(qū)域。所述的人臉特征提取進(jìn)行人臉灰度特征提取、人臉紋理特征提取、人臉顏色特征提取。
4.根據(jù)權(quán)利要求3所述的基于DSP平臺的人臉檢測方法，其特征在于所述的人臉圖像預(yù)處理采用的圖像屏蔽模板即利用高斯平滑與sobel算子相結(jié)合再 利用高斯微分與sobel算子相結(jié)合進(jìn)行邊緣提取，然后再用拉普拉斯算子對圖像進(jìn)行平滑 運算，最后利用canny算子進(jìn)行邊緣檢測，實現(xiàn)屏蔽人臉圖像邊緣的噪聲、亮度、陰影。所述的人臉圖像分割就是利用金字塔方法及相對熵閾值的圖像分割技術(shù)將人臉區(qū)域 與背景區(qū)域分割開，圖像分割后得到的人臉如果含有孤立點噪聲，則對其進(jìn)行濾波處理。所述的人臉特征提取就是利用sobel算子提取人臉輪廓，再利用Floodfill算法進(jìn)行 圖像域填充提取人臉灰度特征，再通過人臉的顏色及形態(tài)學(xué)特征，針對人臉圖像分割處理 后的圖像，提取出面積、周長、復(fù)雜度、紋理等特征作為人臉原始特征。
5.一種基于DSP平臺進(jìn)行人臉檢測的DSP平臺，其特征在于具有對人臉圖像處理的功能，并能與智能檢測軟件系統(tǒng)相結(jié)合實現(xiàn)對人臉圖像的檢 測，同時通過顯示屏顯示人臉檢測的結(jié)果。所述的DSP平臺以ADSP-BF533處理器為主芯片通過EBIU把SDRAM和Flash存儲器連 接到存儲器接口上，然后使用CPLD為控制外部總線接口上的設(shè)備提供了寄存器和邏輯的 擴(kuò)展，再通過處理器上的JTAG調(diào)試接口通過仿真器與PC相連實現(xiàn)JTAG的硬件調(diào)試功能， 再通過PPI接口與視頻解碼器、視頻編碼器、LCD、傳感器相連接實現(xiàn)視頻的輸出。
6.一種用于人臉檢測的DSP平臺，其特征在于包括DSP智能檢測平臺系統(tǒng)，該系統(tǒng)以DSP平臺為載體，該平臺前端與攝像頭及智能檢測軟 件系統(tǒng)相連接，末端與顯示屏及報警系統(tǒng)相連接，且該DSP平臺以ADSP-BF533處理器為主 芯片通過EBIU把SDRAM和Flash存儲器連接到存儲器接口上，然后使用CPLD為控制外部總 線接口上的設(shè)備提供了寄存器和邏輯的擴(kuò)展，再通過處理器上的JTAG調(diào)試接口通過仿真 器與PC相連實現(xiàn)JTAG的硬件調(diào)試功能，再通過PPI接口與視頻解碼器、視頻編碼器、IXD、傳感器相連接實現(xiàn)視頻的輸出。智能檢測軟件系統(tǒng)，以Visual DSP++為軟件開發(fā)環(huán)境實現(xiàn)對圖像的處理及檢測。 攝像頭，采用帶紅外攝像的CCD。
7.根據(jù)權(quán)利要求5所述的DSP平臺，其特征在于所述的ADSP-533處理器能接收智能檢測軟件系統(tǒng)對人臉圖像處理的結(jié)果，同時能對 此結(jié)果進(jìn)行再處理。
8.根據(jù)權(quán)利要求1所述的基于DSP平臺的人臉檢測方法，其特征在于 所述的顯示屏可實時顯示人臉圖像，并顯示檢測結(jié)果。所述的報警系統(tǒng)能對檢測到的人臉實時報警。
全文摘要
一種基于DSP平臺的人臉檢測方法。此方法通過對動態(tài)視頻截取圖像，并利用圖像處理手段，以模型整體屬性為主，考慮人臉整體與各部分之間的拓?fù)潢P(guān)系，提取并利用關(guān)鍵信息來尋找特征點，從而完成整體人臉檢測。系統(tǒng)硬件部分由以下三部分組成前端圖像采集部分采用帶紅外攝像功能的CCD攝像頭；信息處理部分采用BF533處理器；后端將電視與DSP平臺相連接直接顯示人臉檢測結(jié)果。軟件部分采用Visual DSP++開發(fā)環(huán)境進(jìn)行編程實現(xiàn)數(shù)據(jù)搜集、處理、輸出控制。
文檔編號G06K9/00GK101957909SQ20091001684
公開日2011年1月26日 申請日期2009年7月15日 優(yōu)先權(quán)日2009年7月15日
發(fā)明者曹海青, 楊貞, 趙文倉 申請人:青島科技大學(xué)