打开文本图片集

摘要：人脸识别是计算机视觉和图像处理中最重要和最具挑战性的问题之一。近年来，随着计算性能的提高和深度学习的发展，深度学习算法解决学习问题得到广泛关注。深度神经网络的特征提取策略对图像处理和计算机视觉问题非常有用。深度神经网络在人脸识别中的应用已经进行了许多研究，并取得许多成功。因对人脸识别对使用场景功耗与计算速度的需要，本文提出了一种基于嵌入式ARM的人脸识别系统。

关键词：人脸识别；边缘计算；神经网络

0 引言

人脸识别系统和图像分类算法的准确性高度依赖于提取特征的质量。深度神经网络提供了良好的特征学习，而不是手工制作的特征提取。深度神经网络通过神经网络层之间的非线性变换，进行良好的特征学习。近年来，深度神经网络在解决图像分类、自然语言处理和模式识别等学习问题上引起了广泛关注。降维和学习算法主要是用于人脸识别的方法。主成分分析、独立成分分析和线性判别分析作为降维方法已应用于面部识别。

嵌入式系统比通用PC系统占用系统资源少 ，功耗低相对较低、体积可设计的较小、集成度高且成本低 ，稳定可靠，可以开发基于ARM平台的人脸识别系统，可以实现快速且准确的面部识别，满足边缘计算的需要。

1 相关技术简介

1.1 特征提取技术

特征提取方法必须与基于特征或形状的识别方法相结合，以便构建健壮且可扩展到真实环境的系统。因为许多成像变化（照明，比例，方向等）当它们很小时具有近似线性效应，线性方法可以工作，但在非常有限的域中。特征识别不是一种通用的识别方法，而是在实际的边缘计算中应用和评估众多工具中最方便快捷的一种。

1.2 人脸检测技术

人脸检测是基于人工智能的计算机技术，用于从数字图像中提取和识别人脸。当与生物识别安全系统（特别是面部识别系统）集成时，这种技术可以实时监控和跟踪人员。在使用面部跟踪、分析和识别的应用程序中，人脸检测通常作为第一步，并对应用程序内的顺序操作的执行方式产生重大影响。对于面部识别系统，面部检测数据包含在系统的算法中。面部检测有助于确定需要视频或图像的哪些部分来生成面部指纹，多年来，其已经从缓慢且速度较慢的计算机视觉技术发展到先进的人工神经网络。人脸检测在人脸分析、跟踪和识别中起着关键作用。

2人脸识别系统的设计与实现

2.1 基于主成分分析的人脸检测方法

因为人脸具有全局属性。与单纯基于面部特征的识别方法不同，整个面部区域的识别无需使用来自面部不同区域的不同特征点。通常，整体方法在不检测任何面部特征的情况下，对面部的像素矩阵进行编码。与基于几何特征的方法相比，这种人脸特征提取方法更快速，更容易实现，因为不需要检测几何的人脸特征。整体方法依赖于将图像转换为具有更高识别能力的低维特征空间的技术。这是因为对于高维特征空间，从给定测量到其最近和最远邻居的距离可能变得无法区分。使用基于外观的算法包括主成分分析与离散余弦变换方法。将两种算法结合起来形成一种混合方法。提高检测系统的识别率。

2.2 基于卷积神经网络的人脸识别方法

卷积神经网络（CNN）是一种人工神经网络，具有一个或多个卷积层，主要用于图像处理，分类，分割以及其他自动相关数据。其可以通过图像数据中逐步提取特征来识别图像中的物体。为了识别图像中的人脸，使用深度学习框架训练CNN。使用 CNN 的优势是其能够充分提取二维图像的内部特征数据。令模型学习图像中人脸的特征数据。在训练CNN后，其能够识别图像中的人脸，可以有效地使用卷积神经网络来获取图像数据进行对比，获得较好的比对结果。 使用深度学习方法进行面部识别方面取得重大进展，在各种计算机视觉任务中取得显着成功。

2.3 基于面部特征对比的数据库系统

进行面部匹配是人脸识别的最后一步。深度学习算法将由神经网络提取的面部数据特征与存储在数据库中的其他面部节点进行比较。比较的次数取决于数据库的大小。每当有匹配时，面部检测应用程序将显示匹配与其他相关信息，如检测对象的姓名、出生日期、地址等。

2.4 基于嵌入式平台的硬件系统

在人脸识别算法设计的基础上，人脸识别系统的开发与设计，采用嵌入式ARM平台， 开发基于ARM平台的人脸识别系统，可以实现快速且准确的面部识别，满足边缘计算的需要，利用rtsp流摄像头采集人脸图像， 对实时的图像进行采集并进行对数据库中的人脸数据进行对比，把比对的结果进行输出。

3 结语

本文提出了一种改进的人脸识别系统，人脸识别系统的开发是在ARM上进行的嵌入式平台。完成人脸识别的优化设计系统。

参考文献：

[1]低分辨人脸识别综述[J]. 张凯兵，郑冬冬，景军锋.  计算机工程与应用. 2019（22）凌菁，刘大铭，朱瑜红.基于物联网的烟草防伪与质量溯源系统[J].食品工业，2014，35（12）：247-250.

[2]基于人脸识别的高校学生考勤管理系统[J]. 代闯.  自动化与仪器仪表. 2019（09）李伟. 复杂畸变PDF417条码定位与识别的研究和实现[D].南京航空航天大学，2016.

作者简介：杜忠凯（1998—），男（汉），硕士在读，主要研究方向为边缘计算，计算机视觉，深度学习。

通讯作者：覃锐（1998-），女（壮族），广西南宁人，硕士在读，主要研究方向为计算机视觉，深度学习，数据分析。

基金项目： 2021年重庆科技学院硕士研究生创新计划项目（编号：YKJCX2120820）

2022年遂宁市高金食品有限公司、四川省科技计划项目“基于数字孪生技术的猪肉智慧生产多尺度协同智能分析平台研发与示范”（编号：2022YFG0046）