基于STM32的人脸识别
基于STM32F407的人脸识别系统
第１０卷㊀第６期Ｖｏｌ．１０Ｎｏ．６㊀㊀智㊀能㊀计㊀算㊀机㊀与㊀应㊀用ＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｅｒａｎｄＡｐｐｌｉｃａｔｉｏｎｓ㊀㊀２０２０年６月㊀Ｊｕｎ．２０２０㊀㊀㊀㊀㊀㊀文章编号：２０９５－２１６３（２０２０）０６－０１５２－０３中图分类号：ＴＮ４１文献标志码：Ａ基于ＳＴＭ３２Ｆ４０７的人脸识别系统周㊀亮，薛㊀原，王㊀章，马晗旭，刘忠富（大连民族大学信息与通信工程学院，辽宁大连１１６６００）摘㊀要：随着人工智能㊁大数据等技术的快速发展，人们在生活中无时无刻地感受着技术为生活带来的便利㊂在安防备受重视的今天，生物识别技术快速发展，人脸识得到了广泛的应用，人脸识别是人工智能技术的应用之一㊂但是人脸识别也面临着许多的挑战，其中如何将人脸识别技术应用到单片机中已经成为需要解决的问题之一㊂本文以ＳＴＭ３２Ｆ４０７单片机为核心，利用ＯＶ７６７０摄像头模块采集人脸图像液晶显示，并通过特征脸识别等一系列算法加以处理，解决了便携式终端在人脸识别领域的一些问题，可以应用于学校㊁家庭等小规模场景下的安全防控㊂关键词：ＳＴＭ３２Ｆ４０７；液晶显示；ＯＶ７６７０；特征脸识别ＦａｃｅＲｅｃｏｇｎｉｔｉｏｎＳｙｓｔｅｍＢａｓｅｄＯｎＳＴＭ３２Ｆ４０７ＺＨＯＵＬｉａｎｇ，ＸＵＥＹｕａｎ，ＷＡＮＧＺｈａｎｇ，ＭＡＨａｎｘｕ，ＬＩＵＺｈｏｎｇｆｕ（Ｓｃｈｏｏｌｏｆｉｎｆｏｒｍａｔｉｏｎａｎｄｃｏｍｍｕｎｉｃａｔｉｏｎｅｎｇｉｎｅｅｒｉｎｇ，Ｄａｌｉａｎｎａｔｉｏｎａｌｉｔｉｅｓｕｎｉｖｅｒｓｉｔｙ，ＤａｌｉａｎＬｉａｏｎｉｎｇ１１６６００，Ｃｈｉｎａ）ʌＡｂｓｔｒａｃｔɔＷｉｔｈｔｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆｂｉｇｄａｔａｔｅｃｈｎｏｌｏｇｉｅｓｓｕｃｈａｓａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ，ｔｈｅｐｅｏｐｌｅａｌｌｔｈｅｔｉｍｅｉｎｙｏｕｒｌｉｆｅｔｏｆｅｅｌｔｈｅｔｅｃｈｎｏｌｏｇｙｂｒｉｎｇｓｔｈｅｃｏｎｖｅｎｉｅｎｃｅｆｏｒｌｉｆｅｉｎｔｏｄａｙ＇ｓｓｅｃｕｒｉｔｙｃｏｎｓｉｄｅｒａｔｉｏｎ，ｂｉｏｍｅｔｒｉｃｔｅｃｈｎｏｌｏｇｙｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔ，ｔｈｅｈｕｍａｎｆａｃｅｉｓｗｉｄｅｌｙｕｓｅｄ，ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｉｓｏｎｅｏｆｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅｔｅｃｈｎｏｌｏｇｙｂｕｔｆａｃｅｒｅｃｏｇｎｉｔｉｏｎａｒｅａｌｓｏｆａｃｉｎｇｍａｎｙｃｈａｌｌｅｎｇｅｓ，ｉｎｃｌｕｄｉｎｇｈｏｗｔｏｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｔｅｃｈｎｏｌｏｇｙｉｓａｐｐｌｉｅｄｔｏｔｈｅｓｉｎｇｌｅｃｈｉｐｍｉｃｒｏｃｏｍｐｕｔｅｒｈａｓｂｅｃｏｍｅｏｎｅｏｆｔｈｅｐｒｏｂｌｅｍｓｔｈａｔｎｅｅｄｔｏｂｅｓｏｌｖｅｄ．ＴｈｉｓｐａｐｅｒｔａｋｅｓＳＴＭ３２Ｆ４０７ＭＣＵａｓｔｈｅｃｏｒｅ，ＵＳＥＳＯＶ７６７０ｃａｍｅｒａｍｏｄｕｌｅｔｏｃｏｌｌｅｃｔｆａｃｅｉｍａｇｅＬＩＱＵＩＤｃｒｙｓｔａｌｄｉｓｐｌａｙ，ａｎｄｐｒｏｃｅｓｓｅｓｔｈｒｏｕｇｈａｓｅｒｉｅｓｏｆａｌｇｏｒｉｔｈｍｓｓｕｃｈａｓｆｅａｔｕｒｅｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｔｏｓｏｌｖｅｓｏｍｅｐｒｏｂｌｅｍｓｏｆｐｏｒｔａｂｌｅｔｅｒｍｉｎａｌｓｉｎｔｈｅｆｉｅｌｄｏｆｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ，ｗｈｉｃｈｃａｎｂｅａｐｐｌｉｅｄｔｏｓｅｃｕｒｉｔｙｐｒｅｖｅｎｔｉｏｎａｎｄｃｏｎｔｒｏｌｉｎｓｍａｌｌｓｃａｌｅｓｃｅｎｅｓｓｕｃｈａｓｓｃｈｏｏｌｓａｎｄｆａｍｉｌｉｅｓ．ʌＫｅｙｗｏｒｄｓɔＳＴＭ３２Ｆ４０７；ＬＣＤ；ＯＶ７６７０；ｆｅａｔｕｒｅｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ哈尔滨工业大学主办系统开发与应用●基金项目：大连民族大学大学生创新创业训练计划资助（２０１９１２０２６１６２）㊂作者简介：周㊀亮（１９９９－），男，本科生，主要研究方向：智能信息处理系统；薛㊀原（１９７７－），女，硕士，讲师，主要研究方向：硬件系统开发；王㊀章（１９９６－），本科生，主要研究方向：智能信息处理系统；马晗旭（１９９９－），男，本科生，主要研究方向：智能信息处理系统；刘忠富（１９７３－），男，硕士，副教授，主要研究方向：物联网技术㊂收稿日期：２０２０－０２－２２０㊀引㊀言随着人脸识别和单片机硬件技术的发展，单片机结合人工智能等技术也取得了很大的进步㊂本系统是以ＳＴＭ３２Ｆ４单片机作为核心控制器，通过ＯＶ７６７０和特征脸识别算法［１］开发的一套系统㊂现在大多数人脸识别系统都是基于大型的处理器进行图像处理，适用于人流量较大的场景㊂而面向小众群体，人脸识别的便携式机器在市场中的占有量却非常少，此项目具有非常重要的意义㊂在现实场景中人的角度不一定是完全正立的，使识别的准确度受到很大的影响，导致系统在识别时可能产生误判，能不能对人脸的位置进行正确的检测和定位成为衡量其性能的重要因素之一㊂１㊀系统总体方案设计基于ＳＴＭ３２Ｆ４０７人脸识别系统的整体设计分为硬件设计和软件设计两部分㊂系统硬件电路设计以ＳＴＭ３２Ｆ４０７单片机为核心，控制电路由显示模块，ＯＶ７６７０摄像头模块等电子元件组成㊂系统软件系统设计包括通过摄像头采集脸部图片，在上位机分析图片数据，通过程序控制图像的显示㊂硬件系统结构如图１所示㊂O V 7670T F T 显示特征脸识别人脸识别系统图１㊀系统总体设计框图Ｆｉｇ．１㊀Ｓｙｓｔｅｍｏｖｅｒａｌｌｄｅｓｉｇｎｄｉａｇｒａｍ２㊀系统硬件设计单片机又称微控制器㊂价格便宜，体积小，容易移植使之成为控制领域最佳选择㊂完整的单片机由ＬＣＤ显示器电路，微控制器电路，ＡＤＣ采集电路，时钟电路等电路组成㊂本系统的控制电路包括ＯＶ７６７０摄像头模块，晶振模块，２．８寸ＴＦＴＬＣＤ液晶触摸等模块㊂图２为ＳＴＭ３２Ｆ４０７单片机最小系统电路图㊂图２㊀ＳＴＭ３２Ｆ４０７最小系统电路图Ｆｉｇ．２㊀ＳＴＭ３２Ｆ４０７ｍｉｎｉｍｕｍｓｙｓｔｅｍｃｉｒｃｕｉｔｄｉａｇｒａｍ２．１㊀微控制器电路数据采集与控制器系统所采用的微控制器是ＳＴＭ３２Ｆ４０７ｚｇｔ６㊂该单片机容量大，芯片内嵌资源丰富含有１６个定时器，３个ＡＤＣ共２４个通道ＤＣＭＩ摄像头接口，百兆以太网端口，具备处理视频数据的能力㊂一块完整的单片机模块具有１４个电路，双路２３２通信电路，三极管串口通信电路，单路２３２通信电路，ＵＳＢ转２３２电路，ＳＰ７０６Ｓ复位电路，ＳＤ卡电路液晶模块电路，全双工ＲＳ４８５电路，ＲＳ４８５半双工通信电路，ＪＴＡＧ仿真电路，电源模块电路等㊂２．２㊀ＴＦＴＬＣＤ液晶显示电路。
基于STM32的人脸识别智能门禁系统设计
基于STM32的人脸识别智能门禁系统设计摘要宿舍的门禁系统在门禁终端和管理平台的互动中发挥了重要作用，既保证了学生的安全，又保证了校园和社会的安全。
目前，大学主要使用机械和电子门禁，随着计算机技术、通信技术、电子科学技术含量的发展，宿舍的智能门禁系统也越来越完善。
智能系统使用各种智能控制策略来确保门禁设备的安全。
这种有用的模式可以大大保护宿舍管理平台和门禁设备的安全，因此，开发一个易于使用、稳定可靠、符合宿舍门禁要求的嵌入式系统成为本研究的目的。
通过该系统，设计并实现了一种带有STM32控制核心的便携式智能门禁控制器，通过计算机和控制平台，以STM32微控制器为控制核心，完成通信、数据信息管理等功能。
并且该控制器选择STM32系列的低功耗、高性能微控制器。
体积小，成本低，便于携带；采用ARM内核的STM32单片机实现数据处理功能，同时采用LwIP协议，传输系统从计算机端接收图像信息，系统从计算机端接收软件，在相应的主机上安装，最终实现图像采集、显示、存储、传输和控制功能。
关键词：智能门禁；STM32嵌入式系统；视频传输；I吉林建筑科技学院电气信息工程学院一、系统整体方案设计在本文中，硬件配置主要分为四类：采集模块、处理模块、存储模块和数据传输模块。
第一个图像采集模块用于初始化整个系统，其任务是采集原始图像。
第二个模块是主要的图像采集模块，其主要任务是全面分析和处理采集的图像数据，并获取和传输图像。
第三个存储器是暂时储存从图像处理模块传输来的图像数据的地方。
第四传输系统的主要任务是与主系统进行通信，将采集到的图像数据传输到主计算机进行显示和存储；STM32控制器用于智能访问控制，使用各种通信协议实现外部控制。
显示器在屏幕上显示系统时间，同时提供屏幕上的系统菜单，供用户紧急配置。
记录功能：主要是存储用户的开启密码和开启日志，以便日后查阅文件。
外部开放模块主要是一个业务终端，从包括面部识别模块、读卡器模块和键盘模块。
stm32智能门人脸识别原理
stm32智能门人脸识别原理
智能门人脸识别基于STM32的原理如下：
1. 相机采集：STM32通过相机模块采集门口的人脸图像，可以选择使用CMOS或者其他类型的相机。
2. 图像处理：采集到的人脸图像通过STM32的图像处理模块进行预处理，包括去噪、增强对比度等操作，以便提取更准确的特征。
3. 特征提取：图像处理后，STM32通过人脸识别算法提取人脸图像中的关键特征点，比如眼睛、嘴巴的位置，形成一个特征向量。
4. 特征匹配：STM32会将当前提取到的特征向量与已知的人脸特征库中的特征向量进行匹配。
5. 结果判断：STM32根据匹配结果判断门口的人脸是否属于已知的人脸库中的人，如果存在匹配，则判断为有效人员，可以授权开门；如果匹配失败，则判断为陌生人或者非法人员，禁止开门。
需要注意的是，该方案需要事先建立一个人脸特征库，并将合法人员的人脸特征存储在该库中。
同时，算法的准确性和识别速度等性能也会受到STM32处理能力的限制。
基于STM32精准识别-万向运动无线智能小车云台
基于STM32精准识别-万向运动无线智能小车云台万向运动无线智能小车是一款集传输、控制、视频监控于一体的智能设备。
其核心部分是STM32单片机，可以实现高精度的运动控制和数据处理。
本文将介绍如何使用STM32实现精准识别功能，进一步提高小车的智能化水平。
一、识别技术的应用识别技术作为人工智能领域的重要组成部分，已经被广泛应用在各个领域。
在智能小车中，识别技术可以使其更加智能化，实现自主导航、人脸识别等功能。
例如，在小车的导航中，可以通过识别路标、障碍物等来进行路径规划和避障操作，从而实现小车的自动导航。
在视频监控中，可以通过识别人脸来进行身份识别，提高安全性和便利性。
二、基于STM32的识别技术实现STM32单片机作为智能小车的控制核心，具有高性能、低功耗等特点，适合于实现精准识别技术。
下面介绍两种实现方法：1.使用图像处理算法通过摄像头采集图像，利用图像处理算法对图像进行处理，从而实现目标识别。
常用的图像处理算法有边缘检测、模板匹配、颜色识别等。
例如，可以通过颜色识别算法实现对红色物体的识别，从而实现小车在追踪红球的过程中自主行走。
2.使用神经网络算法神经网络算法是一种模拟人脑神经元工作方式的算法，可以在处理大量数据的同时实现识别功能。
在小车的识别中，可以通过训练神经网络实现对目标的识别。
例如，在实现人脸识别功能时，可以利用神经网络算法训练模型，从而实现对人脸的识别和认证功能。
三、总结精准识别技术是实现智能小车的重要手段之一，可以帮助小车实现自主导航、人脸识别等功能。
在STM32的支持下，可以实现高精度的识别和控制操作，从而提高小车的智能化水平。
未来，随着人工智能技术的不断发展，精准识别技术将在更多领域发挥巨大的作用。
基于STM32的智能人脸识别门禁系统
基于STM32的智能人脸识别门禁系统发布时间：2021-11-10T07:55:16.824Z 来源：《科技新时代》2021年9期作者：任雪、程智、陈茹曦、钱赛、曾子昂、范晓龙、樊红莉[导读] 同时也带来卡片或密码丢失、遗忘，复制以及被盗用的隐患和成本高的问题。
湖北汽车工业学院摘要：人脸识别门禁系统基于先进的人脸识别技术，结合成熟的ID卡和指纹识别技术，创新推出的一款安全实用的生物识别门禁控制系统。
该系统采用分体式设计，人脸、指纹和ID卡信息的采集和生物信息识别及门禁控制内外分离，实用性高、安全可靠。
为了提高智能门禁的安全性和控制设计成本，本文提出了基于STM32的人脸识别门禁系统的设计方案。
本系统主要以STM32系列单片机作为微控制器，通过OLED显示屏显示信息，按键输入控制，人体红外检测判别人体存在，外设人脸识别模块进行人脸图像采集、识别，向控制器STM32传输识别信息，进而控制门禁的开关。
整个系统不需联网独立运行，减少安全隐患。
另外配有按键模块进行密码输入验证，指纹模块指纹验证，声音识别合成模块辅助验证。
关键词:STM32；人脸识别；智能门禁一．引言随着社会经济的高速发展，人们开始追求舒适、安全的生活环境。
智能建筑随之迅猛发展，门禁系统作为智能建筑中的重要单元越来越得到重视。
目前国内的门禁系统以卡类设备、指纹设备或密码设置为主。
这些识别方式都要求人员近距离操作，当使用者双手被占用时则显得极不方便，同时也带来卡片或密码丢失、遗忘，复制以及被盗用的隐患和成本高的问题。
近年来，随着生物识别技术的不断发展与成熟，其具有的便携性、非易失性、不会被遗忘、难盗用等优势也逐步应用到门禁系统中。
常见的生物识别技术有：指纹、虹膜、语音、人脸等多种识别方式[1]。
虽然人脸识别容易受到光照强度、采集角度等诸多因素的影响，但它具有非接触式、可在人們毫无察觉的情况下进行图像采集和不易被仿造、识别率较高的优势，具有广泛的应用价值和市场前景。
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STM32温度测量与身份识别控制系统设计
基于 STM32温度测量与身份识别控制系统设计摘要：本文是基于STM32温度测量与身份识别控制系统设计的研究，主要利用 MLX90614、OpenMV 等芯片与器件作为采集电路，基于STM32F103 的简易无接触温度测量与身份识别装置。
该系统利用温度测量器件与图像采集模块相互配合，通过接收、处理系统回传的数字信号等数据，最终系统可以实现测量人体体温以及识别是否佩戴口罩的防疫要求。
关键词：STM32F103；无接触温度测量；LBP算法；人脸识别1．研究背景在飞速发展的现代社会，我国在图像识别技术上越发的成熟，生活中很多地方都用到了人脸识别技术，比如人脸识别支付，人脸识别解锁，人脸识别定位等。
机器能“看”得出人员身份，就需要一个“视觉系统”，即图像识别，而将人脸识别与温度测量相结合制作出温度测量与身份识别系统则可以在疫情仍然未结束的今天以及未来有可能面临的疫情防控工作中起到至关重要的工作。
2．课题研究内容本次设计主要分为两个部分，第一个部分是无接触测温系统，第二个部分是身份识别（人脸识别）系统。
除此以外还有显示模块、报警模块用于显示相关信息与实施提醒。
3. 系统硬件设计本装置控制系统由核心控制器 STM32、GY-906-BCC 红外温度传感器、OpenMV 机器视觉模块、ALIENTEK 3.5 寸电阻液晶屏模块、LED 灯报警装置组成。
利用 I2C 总线建立 STM32 与GY-906-BCC 红外温度传感器通信，实现实时温度检测功能。
利用 STM32 的串口与 OpenMV 机器视觉模块建立通信，通过OpenMV摄像识别模块的人脸识别算法，完成对被测人身份识别和检测被测人员是否佩戴口罩的功能。
实时检测的温度、被测人员身份和是否佩戴口罩等信息通过液晶屏显示模块显示。
如果被测人员温度超过限定温度或者人员没有佩戴口罩， LED 亮，系统报警。
系统方案框图如图 1所示。
图1 系统方案框图3.1 单片机芯片的选择方案嵌入式入门级芯片STM32F103ZET6可实现功能。
基于STM32的人脸识别门禁系统设计
基于STM32的人脸识别门禁系统设计顾思远 郁汉琪 管宜朋（南京工程学院，江苏 南京 211167）摘 要：为解决传统人脸识别算法存在的识别速度慢、准确率低等问题，笔者提出一种采用深度学习人脸识别算法与在线计算的门禁系统解决方案。
根据方案设计将系统分为上位机与下位机两部分，下位机负责图像采集与传输，上位机负责人脸识别。
下位机选择STM32F407核心板作为微控制器模块，选择OV2640数字摄像头作为图像采集模块，选择ESP8266-01S 作为无线通信模块。
上位机人脸识别算法由两部分构成，第一部分使用MTCNN 卷积网络完成对人脸特征点的定位，第二部分使用FaceNet 卷积神经网络将人脸图片映射为512维的特征向量，以此实现人脸识别、身份认证的功能。
试验结果表明：该人脸识别门禁系统解决方案可实现人脸识别与身份认证的功能，达到辨别访客的目的。
关键词：人脸识别；深度学习；MTCNN；FaceNet中图分类号：TP391.41 文献标识码：A 文章编号：1003-9767（2020）10-075-04Design of Face Recognition Access Control System Based on STM32Gu Siyuan, Yu Hanqi, Guan Yipeng(Nanjing Institute of Engineering, Nanjing Jiangsu 211167, China)Abstract: In order to solve the problems of slow recognition speed and low accuracy of traditional face recognition algorithm,the author proposes a solution of access control system which adopts deep learning face recognition algorithm and online computing. According to the scheme design, the system is divided into two parts: the upper computer and the lower computer. The lower computer is responsible for image acquisition and transmission, and the upper computer is responsible for face recognition. The lower computer selects stm32f407 core board as the microcontroller module, ov2640 digital camera as the image acquisition module, and esp8266-01s as the wireless communication module. The upper computer face recognition algorithm consists of two parts. The first part uses mtcnn convolution network to locate the face feature points, and the second part uses facenet convolution neural network to map the face image into 512 dimensional feature vectors, so as to realize the function of face recognition and identity authentication. The experimental results show that the face recognition access control system solution can realize the functions of face recognition andidentity authentication, and achieve the purpose of identifying visitors.Key words: face recognition; deep learning; MTCNN; FaceNet作者简介：顾思远(1996—)，男，江苏启东人，硕士研究生。
- 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)。
STM32F407人脸识别系统基于有效人脸区域的Gabor特征抽取算法,有效地解决了Gabor特征抽取维数过高的问题。
Gabor小波对图像的光照、尺度变化具有较强鲁棒性,是一种良好的人脸特征表征方法。
但维数过高的Gabor特征造成应用系统的维数灾难,为解决Gabor 特征的维数灾难问题,论文第四章提出了基于有效人脸区域的Gabor 特征抽取算法,该算法不仅有效地降低了人脸特征向量维数,,缩小了人脸特征库的规模,同时降低了核心算法的时间和空间复杂度,而且具有与传统Gabor特征抽取算法同样的鲁棒性。
4结合有效人脸区域的Gabor特征抽取、自适应线性判别分析算法和基于支持向量机分类策略,提出并实现了基于支持向量机的STM32F407人脸识别和STM32F407人像比对系统支持向量机通过引入核技巧对训练样本进行学习构造最小化错分风险的最优分类超平面,不仅具有强大的非线性和高维处理能力,而且具有更强的泛化能力。
研究了支持向量机的多类分类策略和训练方法,并结合基于有效人脸区域的Gabor特征提取算法、自适应线性判别分析算法,首次在基于STM32F407ARM平台中实现了具有较强鲁棒性的STM32F407自动人脸识别系统和STM32F407人像比对系统。
5提出并初步实现了基于客户机/服务器结构无线网络模型的远距离人脸识别方案为解决STM32F407人脸识别系统在海量人脸库中进行识别的难题,论文提出并初步实现了基于客户机/服务器结构无线网络模型的STM32F407远距离人脸识别方案。
客户机(STM32F407平台)完成对人脸图像的检测、归一化处理和人脸特征提取,然后通过无线网络将提取后的人脸特征数据传输到服
务器端,由服务器在海量人脸库中完成人脸识别,并将识别后的结果通过无线网络传输到客户机显示输出,从而实现基于客户机/服务器无线网络模型的STM32F407远距离人脸识别方案。
6结合我们开发的基于ARM的STM32F407自动人脸识别系统和STM32F407人像比对系统,从系统设计的角度探讨了在STM32F407系统中进行人脸识别应用设计的思路及应该注意的问题虽然STM32F407人脸识别系统的性能很大程度上取决于高效的人脸特征描述和鲁棒的人脸识别核心算法。
但是,STM32F407系统的设计思想对STM32F407人脸识别系统的性能影响同样值得重视。
本文第六章重点阐述了STM32F407自动人脸识别应用系统的设计思路,并结合我们自主开发的STM32F407自动人脸识别系统和STM32F407人像比对系统从系统设计的角度探讨了STM32F407人脸识别应用系统设计中应该注意的关键技术问题。
结合本文提出的算法我们在PC上完成对人脸识别分类器的训练,然后在STM32F407ARM开发平台上实现了STM32F407自动人脸识别、STM32F407人像比对两个便携式人员身份认证系统,经测试运行效果良好。