人臉識別會議簽到的嵌入式系統設計

2.2.2 Adaboost算法介紹

Adaboost算法主要思想：在給定有限的數據情況下，基于特征的檢測能夠編碼特定區域的狀態，而且基于特征的系統比基于像素的系統要快得多。矩形特征對一些簡單的圖形結構(比如邊緣、線段)比較敏感。但是其只能描述特定走向(水平、垂直、對角)的結構，因此比較粗略。臉部一些特征能夠由矩形特征簡單地描繪，例如：眼睛要比臉頰顏色更深;鼻梁兩側要比鼻梁顏色要深;嘴巴要比周圍顏色更深。

人臉檢測是人臉分析的第一步，對于任意一幅給定的圖像，采用一定的策略對其進行搜索以確定其中是否含有人臉，如果含有則返回人臉的位置、大小和姿態。本系統采用的是OpenCV庫中提供的Adaboost算法來實現人臉檢測，人臉檢測效果如圖4所示。

2.2.3 PCA算法介紹

PCA(主成分分析)算法是人臉識別中比較新的一種算法，該算法的優點是識別率高、識別速度快。OpenCV庫中cvEigenDecomposite()函數的作用是將人臉圖像通過Eigenface變換矩陣，投射到子空間中。子空間中的人臉向量是一個1×nEigens(nEigens由自己取得)的行向量，極大地降低了數據維度，便于下一步的聚類、識別。人臉識別成功后的效果如圖5所示。

2.2.4 系統測試

本軟件具有人臉檢測、人臉識別會議簽到等功能。首先需要通過人臉檢測存儲一定數量的與會者照片，經過訓練生成人臉特征數據保存在數據庫中。在實現會議簽到時，只要保持臉在攝像頭的正前方，軟件識別好后會在屏幕上顯示與會人員的姓名，并且把與會者的會議簽到信息通過ZigBee無線模塊，以單播的方式發送到上位機。系統首先采集5個人的人臉特征照片，經過訓練得到人臉特征數據并且存儲于數據庫中。然后開始對這5個人再進行人臉識別測試，經過測試得到的實驗結果如表1所列。

通過實驗結果可以得出：本系統的人臉識別率在82%以上，可以區分數據庫內外的人臉。

2.3 上位機軟件設計

QT是1991年奇趣科技公司開發的一個跨平臺的C++圖形用戶界面應用程序框架。它提供給應用程序開發者建立藝術級的圖形用戶界面所需的功能。本設計的上位機軟件正是用QT開發，選用的集成開發環境是QT Creator。上位機界面如圖6所示。

表2是上位機和人臉識別會議簽到終端之間數據傳輸所遵循的協議。下面分別對上位機和人臉識別會議簽到終端之間發送數據、接收數據、系統重啟、系統關機等操作的協議進行簡要的說明。

①上位機發送數據到部分下位機：上位機需要往部分下位機發送數據時，需要在待發送的數據前加上msd1～n，1～n代表某一臺下位機，如msd1代表數據發送到編號為1的下位機。

②上位機發送數據到所有下位機：上位機需要將數據發送到所有的下位機時，在待發送的數據前加上all標志。

③系統重啟：如果希望下位機重新啟動，發送數據rb即可以使下位機重新啟動。

④系統關機：如果希望下位機執行關機操作，發送數據ht即可以使下位機執行關機操作。

結語

本設計利用人臉識別的獨特性，設計了一種基于人臉識別的會議簽到系統。本系統在TQ210核心板的基礎上，利用OpenCV計算機視覺庫和QT圖形庫，通過普通的USB攝像頭實現了自動人臉識別，準確率較高，方便易用。