基于arm的实时人眼定位系统

《基于arm的实时人眼定位系统》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、1绪论1.1课题的背景及意义随着我国社会和经济等各项事业的迅猛发展，许多行业对于快速和准确地识别有关人员身份的需求正日趋迫切。由于生物特征是人体的内在属性，具有很强的自身稳定性和个体差异性，所以人体的生物特征是进行身份识别最理想的依据。在这样的背景下，一门新的学科，即生物测定学引起了人们的研究热潮，生物测定学(Biometrics)是指通过计算机将人体固有的生理特征(如指纹、虹膜、面部、掌纹)或行为特征(如书写、声音等)收集并进行处理，来进行个人身份鉴定的技术。其中利用人脸的特征进行身份识别[1]具有直接、友好、主动的特点，成为身份识别最自然和最直

2、接的手段。眼睛作为人脸上最显著、最稳定的特征，可以被用于帮助定位人脸，提供人的注视信息，识别人脸动作(如表情变化)等。有资料表明，高速公路上发生的交通事故中有50％以上是由于长时间驾驶造成疲劳或由所见目标单调而形成注意力不集中，甚至打瞌睡等原因造成的，而驾驶员在车辆行驶过程中是否疲劳驾驶就可以从眼睛的状态反映出来。当驾驶员精神饱满时，眼皮张开程度及眨眼频率都有统计的正常值；当驾驶员精神萎靡不振时，眼皮张开程度明显变小，眨眼频率也明显降低。所以，利用驾驶员眼睛的状态信息来判断其疲劳状况是一种可行的方法。在车辆中安装驾驶员疲劳监测系统，利用摄像头对驾驶

3、员的驾驶行为进行监控，获取驾驶员脸部的一段连续图像，对每幅图像中的眼睛状态进行分析，综合每幅图像的数据来获得一个眨眼周期。由于正常的眨眼频率与疲劳状态下的眨眼频率有着明显的区别，从而可以判断出该图像序列获取时驾驶员韵精神状态，在判断驾驶员疲劳时由系统适时的给出警告信号以避免事故发生。因此，准确、快速的获得每幅图像中眼睛的精确位置，就成为实现驾驶员疲劳状态监控的关键。作为人眼定位的另外一个重要应用就是人脸识别。人脸识别不仅与模式识别、图像处理、计算机视觉和人工智能等多个学科相关，还与认知学、神经学、心理学等有紧密联系，在私法验证、安全监控、智能卡、档

4、案管理、视频会议、人机交互等方面有着广泛的应用。特别是，有专家提出要在北京2008年奥运会使用人脸识别系统。如果在奥运会中使用人脸识别系统，就可以有效地管理奥运区内敏感区域和高风险实验室的人员出入，辨别后勤、食品运送人员及其他工人是否经过登记授权，防止恐怖人员等影响社会稳定的人员进入奥运区，防止意外事件发生。随着后PC时代的来临，人们开始更多的关注这样一个全新的概念：嵌入式处理器。嵌入式处理器经过发展，已经由8位的单片机发展到32位的微处理器，已经能够满足图像处理等任务。ARM(AdvancedRISCMachines，高级精简指令集机器)作为嵌入

5、式技术中极其重要的一份子，发展极其迅猛[2]。采用ARM技术的设备已在各项领域中被广泛应用。在32位嵌入式微处理器市场上，基于ARM内核的微处理器在市场上处于绝对的领导地位，因此追踪ARM技术的发展趋势显得尤为重要[3]。而采用基于ARM技术来实现的人眼定位系统，具有体积小、低功耗、方便、快捷、经济等优点，很具有研究意义，工业应用广泛，有很好的发展前景。1.2国内外发展现状人脸检测与人眼定位的研究[4]最早可追溯到十九世纪法国人Alton的工作，现代的研究，始于60年代末70年代初，在90年代以来成为了研究热点。目前，国内外对人脸检测和人眼定位的研

6、究越来越热，国外比较著名的美国麻省理工学院，卡耐基梅隆大学等高校都建立了人脸检测实验室，其中著名的研究机构有Medialab，Human-ComputerInterfaceInstitute、DepartmentofEngineeringinUniversityofCambridge等。其它国家比如JAPAN、SINGAPO、KOREA等，在人脸检测方面也取得了相应的研究成果。文献[5]利用了人脸的几何、空间和灰度的度量特征，对人脸进行粗定位，然后利用人眼与嘴巴的三角关系来精确地定位人脸，人脸的检测率达到96.7%，器官特征的检测率达到90.0%。

7、文献[6-7]对人脸样本和非人脸样本采用了Kohonen自组织映射网络进行聚类。Samaria[8]等人提出了使用HMM模型进行人脸检测的算法。他们将隐马尔可夫模型的状态迁移的条件使用人脸区域的结构信息来表示，这种方法的鲁棒性较好，对不同角度和不同光照条件的人脸图像都可以取得较好的识别效果。国内开展人脸检测研究的主要单位有清华大学，哈尔滨工业大学，北京工业大学等，相对而言都取得了一定的成果。针对人脸检测环境的复杂性，文献[9-11]提出了一种利用肤色和支持向量机(SVM)的人脸检测方法，该方法可以有效地从复杂背景信息中检测出人脸。该方法是在统计学习

8、理论的基础上发展出的一种新的模式识别方法，它采取基于结构风险最小化原理的方法，在检测速度上取得了很好的效果。虽然经过国内外