基于ARM9的人脸识别系统嵌入式报告课程设计
基于ARM9 S3C2416的嵌入式人脸检测系统
基于ARM9 S3C2416的嵌入式人脸检测系统张维笑;叶学义;张静;贾天婕【期刊名称】《工业控制计算机》【年(卷),期】2014(000)012【摘要】设计了基于ARM9 S3C2416嵌入式人脸检测系统，实现了Adaboost 算法完成人脸检测，在对实际的监控视频数据进行测试的结果表明：该系统具有运算速度快、体积小、功耗低、成本低、检测率较高及误检率低等特点，可以推广到视频监控、视频目标跟踪、视频压缩存储等领域中。
%This paper designs an embedded face detection system based on ARM9 S3C2416,and a face detection algorithm based on AdaBoost is adopted to implement the system.The experimental results over the data of actual video surveil ance show that our system has some merits.lt not just has a high detection rate,a low false detection rate,and high operation speed but mains low power consumption,a smal size,and a low cost.The designed system is suitable for using in the areas such as the video surveil ance,the video target tracking,and the compressed video storage,etc.【总页数】3页(P25-26,28)【作者】张维笑;叶学义;张静;贾天婕【作者单位】杭州电子科技大学模式识别与信息安全实验室，浙江杭州 310018;杭州电子科技大学模式识别与信息安全实验室，浙江杭州 310018;杭州电子科技大学模式识别与信息安全实验室，浙江杭州 310018;杭州电子科技大学模式识别与信息安全实验室，浙江杭州 310018【正文语种】中文【相关文献】1.基于ARM9内核的嵌入式检测系统设计 [J], 缪兵2.基于嵌入式ARM9痕量毒气检测系统的研究 [J], 罗小刚;柏兴洪;李江杰;侯长军;霍丹群;汪德暖3.基于TINY-YOLO的嵌入式人脸检测系统设计 [J], 游忍;周春燕;刘明华;邵延华;展华益4.基于VPU加速的嵌入式实时人脸检测系统设计与实现 [J], 闫嘉;张跃麟;邓昌健5.基于ARM9的嵌入式电网参数实时检测系统的实现 [J], 李兵建;李正明;周俊华因版权原因，仅展示原文概要，查看原文内容请购买。
基于ARM智能视频监控人脸识别系统设计
基于ARM智能视频监控人脸识别系统设计一、系统概述基于ARM的智能视频监控人脸识别系统是利用ARM处理器和相应的人脸识别算法来实现对视频监控画面中人脸的自动识别与分析，并对识别结果进行相应的处理与响应。
该系统的应用范围非常广泛，可以用于各种场所的安防监控、人脸考勤、门禁系统等。
二、系统构架基于ARM的智能视频监控人脸识别系统的整体构架分为硬件平台和软件平台两部分。
硬件平台包括ARM处理器、摄像头、显示器、存储设备等组成。
ARM处理器作为系统的核心部件，负责视频信号的处理和人脸特征的提取；摄像头用于采集监控画面，传输到ARM处理器进行处理；显示器用于显示监控画面和识别结果；存储设备用于存储监控数据和识别结果。
软件平台包括操作系统、人脸识别算法和用户界面。
操作系统一般选择Linux或者Android，并在其基础上进行开发；人脸识别算法是系统的核心，包括人脸检测、特征提取、特征匹配等模块；用户界面主要用于操作系统的交互，并显示视频监控画面和识别结果。
三、硬件平台设计1. ARM处理器选择ARM处理器是基于ARM架构设计的一类微处理器，具有低功耗、高性能和丰富的外设接口等优点。
在智能视频监控人脸识别系统中，选择一款适合的ARM处理器至关重要。
一般建议选择性能强劲、功耗低、价格适中的ARM Cortex系列处理器，如Cortex-A72、Cortex-A53等。
2. 摄像头选择摄像头是视频监控系统的输入设备，质量的好坏直接关系到系统对画面的采集质量。
在人脸识别系统中，要选择一款画质清晰、对光线适应能力强的摄像头，以保证人脸特征的准确识别。
3. 显示器选择显示器作为系统的输出设备，一般选择分辨率高、色彩还原度好的显示器，能够清晰地显示监控画面和识别结果。
4. 存储设备选择存储设备一般选择高速、大容量的存储卡或者固态硬盘，以满足系统对监控数据和识别结果的存储需求。
1. 操作系统选择对于基于ARM的智能视频监控人脸识别系统，操作系统的选择决定了系统的稳定性和扩展性。
嵌入式人脸识别实训报告
一、实训背景随着科技的飞速发展，人工智能技术在我国得到了广泛的应用。
其中，人脸识别技术凭借其高精度、高效率、非接触式识别等优势，在安防、支付、智能家居等领域具有广阔的应用前景。
为了让学生更好地了解和掌握嵌入式人脸识别技术，我们开展了为期一个月的实训课程。
二、实训目标1. 熟悉嵌入式系统基础知识，了解嵌入式人脸识别系统的基本原理；2. 掌握人脸检测、人脸识别算法的实现方法；3. 能够独立完成嵌入式人脸识别系统的设计与开发；4. 培养团队合作精神，提高实际动手能力。
三、实训内容1. 嵌入式系统基础知识实训期间，我们学习了嵌入式系统的基本概念、硬件平台、软件平台和开发工具。
主要内容包括：处理器、存储器、外设、嵌入式操作系统、开发环境等。
2. 人脸检测人脸检测是人脸识别系统的第一步，其目的是从图像中定位出人脸的位置。
实训中，我们学习了Haar特征分类器、基于深度学习的卷积神经网络（CNN）等人脸检测算法，并使用OpenCV库实现了人脸检测功能。
3. 人脸识别人脸识别是指通过分析人脸图像，提取人脸特征，并将提取的特征与数据库中的人脸特征进行比对，从而实现身份认证。
实训中，我们学习了基于特征脸、基于神经网络的人脸识别算法，并使用OpenCV库实现了人脸识别功能。
4. 嵌入式人脸识别系统设计与开发结合实训内容，我们以STM32微控制器为硬件平台，设计并开发了一个嵌入式人脸识别系统。
系统主要包括以下模块：（1）图像采集模块：使用摄像头采集人脸图像，并将图像数据传输到微控制器。
（2）图像处理模块：对人脸图像进行预处理，包括人脸检测、人脸对齐、特征提取等。
（3）人脸识别模块：将提取的人脸特征与数据库中的人脸特征进行比对，实现身份认证。
（4）用户界面模块：通过液晶显示屏显示系统状态、人脸识别结果等信息。
5. 系统测试与优化在系统设计与开发完成后，我们对系统进行了测试与优化。
主要测试内容包括：人脸检测速度、人脸识别准确率、系统稳定性等。
基于ARM智能视频监控人脸识别系统设计
基于ARM智能视频监控人脸识别系统设计一、系统概述基于ARM智能视频监控人脸识别系统，是一种利用ARM架构的高性能处理器作为核心，集成摄像头、人脸识别算法及存储设备等硬件，并通过软件实现智能监控和识别的系统。
该系统可以实时监测指定区域的视频画面，对其中出现的人脸进行识别，并自动进行告警或存储相关信息。
其结合了实时性、准确性和自动化的特点，成为了当前智能安防系统中的重要部分。
二、硬件设计1. ARM处理器：作为系统的核心，选择一款性能强劲的ARM处理器，如Cortex-A系列的处理器，能够提供充足的计算资源，支持复杂的人脸识别算法。
2. 摄像头：选择一款高清晰度的摄像头模块，能够捕捉清晰的视频画面，并具有良好的低光环境适应能力。
3. 存储设备：内置一定容量的存储设备，用于存储监控视频和识别结果信息。
4. 其他外设：如传感器、网络模块等，用于系统的辅助功能，如声音采集、网络连接等。
1. 操作系统：选择一款精简的嵌入式操作系统，如Linux嵌入式系统或基于RTOS的系统，能够满足系统的实时性要求，并具有良好的稳定性和可扩展性。
2. 视频采集：设计视频采集模块，能够实时从摄像头获取视频画面，并对其进行预处理。
3. 人脸检测与识别算法：引入成熟的人脸检测与识别算法，能够快速准确地对视频画面中的人脸进行检测和识别。
4. 告警处理：设计告警处理模块，能够及时响应识别结果，并进行告警处理，如向相关人员发送告警信息、触发声光告警装置等。
5. 数据存储与管理：设计数据存储与管理模块，能够对监控视频和识别结果信息进行管理和存储，便于后续的查询和分析。
6. 用户界面设计：设计用户界面模块，能够实现对系统的可视化管理和操作，如实时监控画面、识别结果查看等功能。
四、系统工作流程5. 用户界面展示：将监控视频和识别结果信息以可视化的方式展示给用户，便于用户对系统进行管理和操作。
五、系统优势1. 高性能：利用ARM处理器的高性能计算能力，能够支持复杂的人脸识别算法，实现快速准确的识别。
《2024年基于ARM架构的嵌入式人脸识别技术研究》范文
《基于ARM架构的嵌入式人脸识别技术研究》篇一一、引言随着科技的不断进步，人脸识别技术已成为现代安全领域和人工智能领域的重要组成部分。
基于ARM架构的嵌入式人脸识别技术以其高效率、低功耗等优势，在各种应用场景中发挥着重要作用。
本文将详细探讨基于ARM架构的嵌入式人脸识别技术的原理、应用及研究进展。
二、ARM架构概述ARM架构是一种广泛应用于嵌入式系统的精简指令集架构（RISC），具有低功耗、高性能、低成本等优点。
在嵌入式人脸识别系统中，ARM架构因其强大的计算能力和良好的功耗控制能力，成为首选的硬件平台。
三、嵌入式人脸识别技术原理嵌入式人脸识别技术主要涉及图像处理、机器学习、模式识别等领域。
其基本原理是通过摄像头捕捉人脸图像，然后通过图像处理技术提取人脸特征，再利用机器学习算法进行人脸识别。
在ARM架构的嵌入式系统中，这些技术得以高效实现。
四、嵌入式人脸识别技术研究进展1. 图像处理技术：在ARM架构的嵌入式系统中，通过优化算法和硬件加速，实现了图像的高速处理和实时性。
同时，采用深度学习等技术进一步提高了图像处理的精度。
2. 机器学习算法：在人脸识别中，机器学习算法是实现高精度识别的关键。
基于ARM架构的嵌入式系统，采用轻量级的机器学习算法，如深度神经网络等，以降低系统功耗和计算复杂度。
3. 人脸特征提取：人脸特征提取是人脸识别的核心步骤。
在ARM架构的嵌入式系统中，通过优化算法和硬件加速，实现了高效的人脸特征提取。
同时，结合深度学习等技术，提高了特征提取的准确性和鲁棒性。
五、应用领域基于ARM架构的嵌入式人脸识别技术广泛应用于多个领域，如安防监控、智能门禁、移动支付等。
在安防监控领域，该技术可用于实现实时监控和预警；在智能门禁领域，该技术可用于实现无接触式身份验证；在移动支付领域，该技术可用于实现快速、安全的支付过程。
六、挑战与展望尽管基于ARM架构的嵌入式人脸识别技术取得了显著成果，但仍面临一些挑战。
人脸识别嵌入式实训报告
一、引言随着人工智能技术的飞速发展，人脸识别技术作为生物识别技术的一种，因其高准确性、非接触性和易用性等优点，在安防、金融、医疗、教育等领域得到了广泛应用。
为了深入了解人脸识别技术，我们进行了人脸识别嵌入式实训，通过实际操作，掌握了人脸识别系统的设计与实现方法。
二、实训目的1. 熟悉人脸识别技术的原理和流程。
2. 掌握人脸识别嵌入式系统的设计与实现方法。
3. 培养动手能力和团队协作精神。
三、实训内容1. 人脸检测人脸检测是人脸识别系统的第一步，主要目的是从图像中检测出人脸区域。
实训中，我们使用了OpenCV库中的人脸检测算法，通过Haar级联分类器进行人脸检测。
2. 人脸特征提取人脸特征提取是将人脸图像转换为可用于识别的特征向量。
实训中，我们使用了Local Binary Patterns Histograms (LBPH) 算法进行人脸特征提取。
3. 人脸识别人脸识别是将提取的特征向量与数据库中的人脸特征进行比较，从而识别出目标人脸。
实训中，我们使用了Nearest Neighbor (NN) 算法进行人脸识别。
4. 嵌入式系统设计我们选择了STM32微控制器作为嵌入式系统平台，利用其丰富的片上资源，实现了人脸识别系统的硬件设计。
主要包括以下模块：- 图像采集模块：采用OV7670摄像头模块进行图像采集。
- 图像处理模块：使用STM32的片上资源进行图像预处理、人脸检测和特征提取。
- 存储模块：使用SD卡存储人脸特征数据库。
- 显示模块：使用TFT LCD显示屏显示识别结果。
5. 软件设计软件设计主要包括以下部分：- 图像处理程序：使用OpenCV库进行图像处理，包括人脸检测和特征提取。
- 识别程序：使用NN算法进行人脸识别。
- 用户界面程序：使用Qt库开发跨平台用户界面，实现系统功能。
四、实训结果通过实训，我们成功设计并实现了一个基于STM32的人脸识别嵌入式系统。
系统能够实时检测人脸、提取特征并进行识别，识别准确率达到90%以上。
基于ARM9处理器的嵌入式指纹识别系统设计
基于ARM9处理器的嵌入式指纹识别系统设计摘要：为了适应指纹采集传感器件和指纹识别系统向着小型化和嵌入式方向发展的需要，文中提出了一种基于ARM9处理器架构的CPU芯片S3C2440A的嵌入式指纹识别系统（指纹识别系统是一个典型的模式识别系统，包括指纹图像获取、处理、特征提取和比对等模块。
）设计方案，同时对该指纹识别系统的硬件架构进行了说明。
该方案具有结构简单、可扩展性和移植性强等诸多优点。
0 引言指纹鉴定是人身识别最重要的手段之一，指纹自动识别系统给指纹鉴定工作提供了一个新的平台，并使指纹自动识别系统在身份认证方面具有更广阔的前景。
目前，自动指纹识别系统一般都是联机的，大多数系统都选用指纹传感器来采集，并以计算机(PC)作为主机来处理，从而对指纹进行匹配。
而本文提出的基于ARM9的嵌入式指纹识别系统则是把采集和处理集于一身的独立系统，因而可以做得很小，比较适合用于高档汽车门、防盗门以及公*勤系统等场合。
嵌入式系统是指以应用为中心，以计算机技术为基础，软硬件可裁剪，其应用系统对功能、可靠性、成本、体积和功耗等要求都比较严格的专用计算机系统。
本文选用SAMSUNG的S3C2440A作为嵌入式指纹系统的主处理芯片，提出了系统的软硬件设计方案。
1 嵌入式指纹识别系统的硬件设计图1所示是本嵌入式指纹识别系统的硬件框图。
从图1中可以看到，本系统主要由指纹数据采集模块、微处理器模块、数据存储模块和通讯模块等四个模块组成。
本系统以ARM9处理器为核心来驱动指纹传感器采集指纹，并将指纹数据放入存储器中，此数据可以被PC通过串口获取，也可以保存在数据存储器中。
指纹数据采集模块可利用软件方式来判断是否进行指纹的采集。
当进行指纹采集时，指纹传感芯片将按照设定的参数来采集指纹，并将模拟图像转换成数字图像，然后在ARM的控制下，将数据存储在外部数据空间，以等待下一步的处理。
图1 指纹识别系统的硬件框图微处理器模块以ARM和数据存储器为核心，可对采集到的指纹图像进行相应的预处理，并通过对发光二极管的控制来显示指纹预处理结果。
基于ARM架构的嵌入式人脸识别技术研究
基于ARM架构的嵌入式人脸识别技术研究人脸识别技术是近年来快速发展的一项重要技术，在安全领域、金融行业、智能手机领域及社交媒体等方面得到了广泛应用。
然而，传统的人脸识别技术一般需要使用高性能的计算机与复杂的算法才能实现。
随着嵌入式技术的不断成熟，基于ARM架构的嵌入式人脸识别技术逐渐受到关注，并在实际应用中显示出了巨大的潜力。
嵌入式系统是一个集成了有限资源的计算系统，具有体积小、功耗低、功能强大等特点，广泛应用于手机、平板电脑、智能家居等领域。
基于ARM架构的嵌入式系统以其高性能、低功耗的特点成为了人脸识别技术的一种理想解决方案。
本文将从硬件平台、算法优化以及实际应用三个方面，对基于ARM架构的嵌入式人脸识别技术进行研究。
首先，针对硬件平台，在选择ARM架构的芯片时需要考虑处理器性能、内存容量、功耗等因素。
ARM Cortex系列的处理器由于其高性能与低功耗的特点成为了常用的选择。
除此之外，还需要考虑图像传感器、摄像头、接口等硬件组件的选择与配置。
合理的硬件平台设计可以提供强大的计算性能和数据处理能力，为嵌入式人脸识别技术的实现提供有力支持。
其次，算法优化是实现基于ARM架构的嵌入式人脸识别的关键。
传统的人脸识别算法中常用的方法包括特征提取、特征匹配等。
然而，由于嵌入式设备的性能限制，需要对算法进行优化，以提高识别速度和准确度。
一种常用的优化方法是采用快速人脸检测算法，通过减少识别的搜索范围来降低计算复杂度。
此外，还可以使用图像压缩、图像分辨率降低、特征降维等方法来减小数据规模，进一步提高算法的运行效率。
算法优化是实现基于ARM架构的嵌入式人脸识别的重要手段，可以有效解决嵌入式设备的计算资源不足的问题。
最后，实际应用是基于ARM架构的嵌入式人脸识别技术的重要体现。
嵌入式人脸识别技术可以应用于智能手机的解锁、金融领域的身份认证、智能家居的人脸检测等多个领域。
例如，在智能手机领域，基于ARM架构的嵌入式人脸识别技术可以应用于人脸解锁功能，提供更加方便和安全的解锁方式。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
嵌入式课程设计报告
学院信息电子技术
专业通信工程
班级
学号
指导教师
2017年07月01日
基于ARM9的人脸识别系统
一、引言
人脸识别背景和意义
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。
人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。
二、系统设计
1、硬件电路设计
（1）ARM9处理器
本系统所采用的硬件平台是天嵌公司的TQ2440开发板，该开发板的微处理器采用基于ARM920T内核的S3C2440芯片。
ARM9对比ARM7的优势：虽然ARM7和ARM9内核架构相同，但ARM7处理器采用3级流水线的冯·诺伊曼结构，而ARM9采用5级流水线的哈佛结构。
增加的流水线设计提高了时钟频率和并行处理能力。
5级流水线能够将每一个指令处理分配到5个时钟周期内，在每一个时钟周期内同时有5个指令在执行。
在常用的芯片生产工艺下，ARM7一般运行在100MHz左右，而ARM9则至少在200MHz以上。
指令周期的改进对于处理器性能的提高有很大的帮助。
性能提高的幅度依赖于代码执行时指令的重叠，这实际上是程序本身的问题。
对于采用最高级的语言，一般来说，性能的提高在30%左右。
ARM7一般没有MMU(内存管理单元），（ARM720T有MMU）。
（2）液晶显示屏
为显示摄像头当前采集图像的预览，系统采用三星的320x240像素的液晶屏，大小为206.68cm。
该液晶显示屏的每个像素深度为2bit，采用RGB565色彩空间。
（3）摄像头
摄像头采用市场上常见的网眼2000摄像头,内部是含CMOS传感器的OV511+芯片。
CMOS传感器采用感光元件作为影像捕获的基本手段,核心是1个感光二极
管,该二极管在接受光线照射之后能够产生输出电流,而电流的强度则与光照的强度对应。
相对CCD图像传感器,CMOS传感器具有成本低廉的优点。
该摄像头通过USB接口与ARM9处理器通信。
该摄像头输出格式yuv,在输出至屏幕之前,需将数据格式转化为RGB565格式。
（4）存储器
系统采用64MB的SDRAM,由两片K4S561632芯片组成,工作在32位模式。
另有64MB的NANDFlash,采用K9F1208芯片。
该芯片在系统中空间分配情况。
系统电路原理框图（如图2-1）：
图2-1系统电路原理框图
2、程序设计
系统的软件设计主要有底层的操作系统，驱动程序以及应用程序组成。
操作系统采用Linux2.6.30.4内核（如图2-3 Linux操作系统）
（1）嵌入式Linux系统平台
Bootloader
在嵌入式操作系统中，BootLoader是在操作系统内核运行之前运行。
可以初始化硬件设备、建立内存空间映射图，从而将系统的软硬件环境带到一个合适状态，以便为最终调用操作系统内核准备好正确的环境。
在嵌入式系统中，通常并没有像BIOS那样的固件程序（注，有的嵌入式CPU也会内嵌一段短小的启动程序），因此整个系统的加载启动任务就完全由BootLoader来完成。
在一个基于ARM7TDMI core的嵌入式系统中，系统在上电或复位时通常都从地址0x00000000处开始执行，而在这个地址处安排的通常就是系统的BootLoader程序。
Bootloader启动的两个阶段：第一阶段主要包含依赖于CPU的体系结构硬件初始化的代码，通常都用汇编语言来实现。
这个阶段的任务有：基本的硬件设备初始化（屏蔽所有的中断、关闭处理器内部指令/数据Cache等）。
为第二阶段准备RAM空间。
嵌入式Linux内核的配置
在配置内核前的须做必要的设置，主要在内核原码中设置文件Makefile，用下列指令打开Makefile文件：$viMakefile在Makefile中主要设置两个地方：ARCH CROSSCOMPILE。
ARCH：=arm；表示目标板为arm。
CROSS COMPILE=交叉编译工具的地址；设置交叉编译工具的地址，例如CRoSSCOMPILE=lusr／10cal／arm／2．95．3、birdarm．1inux。
还要在脚本文件mkimage中把路径改为9200／bootldr ／u-boot-1．0．O／tools。
(具体的路径和你的u-boot放的位置有关)然后按如下命令顺序进行内核编译即可：内核配置：Smake menuconfig 或makcxeon!ig内核编译：Smaketiean $make dep $make $．／mkimage；运行mkimage脚本文件。
在Linux下，用makemenuconfig或makexeontig进入配置界面。
在内核配置中，一般有四种选择：Y(选择)、N(不选)、M(模块)和数字，用户可以根据剪裁需要进行设置，最后配置完毕，选择是否对配置结果进行保存?保存为．eonfig文件。
图2-3 Linux操作系统
（2）USB摄像头驱动移植
在USB主机控制器的配置中，首先输入“make menuconfig”,按照如下配置单进行配置和保存。
（3）人脸识别过程
人脸识别的图像处理方法有图像的灰度化，直方图均衡化和中值滤波。
通过图像预处理增加了检测识别率并提高了整个过程的速度。
人脸检测用的是基于Adaboost 方法。
人脸识别程序框图（如图2-4）：
图2-4 人脸识别程序框图
检测到的人脸图像
提取人脸特征
对比人脸数据
可信度是否大于
阀值
是
显示人脸对应身份
否
是否继续人脸图像采集 继续人脸采集
本系统的驱动程序主要用来驱动摄像头、按键和指示灯。
这3个驱动程序在操作系统启动后,采用Linux特有的动态加载模块方式加载至系统内核。
摄像头驱动程序可在Linux内核自带的OV511驱动程序基础上修改,使其兼容OV511+芯片。
指示灯驱动程序主要用来提示当前程序工作状态。
由于程序运行于Linux操作系统之上,应用程序无法直接控制硬件I/O口,需要先经过驱动程序对物理地址进行地址映射,才可通过映射的虚拟地址进行I/O操作。
按键驱动程序采集用户输入,并通过硬件中断传至Linux内核空间,再由驱动程序通过Linux进程间通信方式之一的信号通信,传至运行在Linux用户空间的应用程序。
图2-5系统总框图
图2-5系统总框图
三、结论
嵌入式技术今年来发展迅猛，目前已经在很多领域得到应用。
本文结合人脸识别技术对嵌入式系统进行了研究和开发，对人脸识别的各个环节所用到的诉法进行了研究和探究，设计并完成了嵌入式平台的搭建和应用程序的开发，对系统的检测率，识别率、运行率等性能进行了测试，保证了系统不经能够体现ARM系统的便携性和医用性，还能有叫好的识别效果。
本设计深入研究了Adaboost对人脸识别上的算法，对人脸的检测的原理。
并且完成了嵌入式的系统搭建。
还完成了应用程序的开发。
人脸识别技术的前景：生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。
例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。
这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。
而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。
此外，美国“9.11”事件后，反恐怖
活动已成为各国政府的共识，加强机场的安全防务十分重要。
美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。
四、参考文献
[1]《人脸识别——原理、方法与技术》作者:王映辉编著:科学出版社出版时间:2010年2月
[2]《ARM9嵌入式系统设计--基于S3C2410与Linux（第3版）》作者:徐英慧等编著:北京航空航天大学出版社出版时间:2015年5月
[3]《ARM9嵌入式系统设计与开发应用》作者:熊茂华，杨震伦编著:清华大学出版社出版时间:2008年1月
[4]《基于全局与局部信息的人脸识别》作者:孔俊，易玉根，王建中:科学出版社出版时间:2016年5月
[5]《精通Linux设备驱动程序开发》作者:[印]斯里克里斯汉·温卡特斯瓦兰（Sreekrishnan Venkateswa :人民邮电出版社出版时间:2016年4月。