基于ARM9的便攜式人臉識別系統

5)計算AAT的特征向量μi；根據計算量保留j個最大特征向量組成特征子空間。
6)將每張臉φ(減去均值后)表示成j個特征向量的線性組合，即為φ的特征臉。每張標準化訓練臉φi用Ω=(ω1i，ω2i，…，ωji)T，i=1，2，…，K表示。
(2)識別階段。
1)設要識別的未知人臉為T，先將T按列變化為一列向量xt。
2)xt求與平均臉ψ得差值φ。再將φ向特征子空間投影，即

3)將φ表示成

4)最后計算兩個矩陣的歐氏距離

若erξ，其中ξ為固定值，則該人臉被識別。
3．2 PGA算法的預處理
雖然PcA算法在待識別圖像質量較好的情況下，有識別準確且計算量不大的優點，但在以下幾點情況下，存在缺陷。其一是待識別圖像和訓練圖像光照度差別較大。其二是人臉背景差別較大。為改進PCA算法，可對圖像做以下預處理：
(1)刪除背景。要刪除背景就要找出人臉在圖像的位置。對此，本系統通過人臉膚色建模的方法找出人臉的位置，并進一步找出眼睛位置，然后根據兩個眼睛之間的距離計算出人臉大概范圍，通過對人臉范圍的適當調整，使其規格化。
(2)調整每張人臉圖像的亮度。通過設定一固定值，調整圖像像素的灰度值，使圖像灰度平均值達到這一固定值。通過同態濾波，減少光照不均。

4 結束語
采用了在ARM9控制下CMOS圖像傳感器進行圖像采集，并利用改進的PCA算法對圖像識別，提高了識別效率和系統的實用性。測試表明，臉部范圍在180×200像素時，設定閾值er為2×1015的情況下，系統的識別率為89．2％。