随着计算机技术和模式识别等相关技术的飞速发展， 使运用当今先进技术来研制安全监测系统成为可能， 人脸识别是安全监测系统中身份识别的一种最方便、最直接的方法。传统的人脸图像识别系统是由大规模或超大规模集成电路来完成的， 图像采集依赖于较大型设备， 速度比较慢， 实时性较差， 在小范围内使用价格比较昂贵。随着数字信号处理器DSP的飞速发展， 它以其高速、准确的性能为图像获取带来了新的途径， 而且用硬件来实现人脸图像识别价格比较低廉。
DSP（digital signal processor）是一种独特的微处理器，是以数字信号来处理大量信息的器件。其工作原理是接收模拟信号，转换为0或1的数字信号。再对数字信号进行修改、删除、强化，并在其他系统芯片中把数字数据解译回模拟数据或实际环境格式。它不仅具有可编程性，而且其实时运行速度可达每秒数以千万条复杂指令程序，远远超过通用微处理器，是数字化电子世界中日益重要的电脑芯片。它的强大数据处理能力和高运行速度，是最值得称道的两大特色。
1 人脸检测的算法
人脸检测系统可以分为人脸检测和人脸识别模块，这两大模块又进一步可划分为人脸检测与定位、规范化、特征提取和人脸识别4个模块。其详细结构，如图1所示。
1．1 人脸的定位
通过已获得的样本来判断人脸的位置，选取合适的人脸，截取出做样本是重要的步骤。首先确定人眼的坐标(x1，y1)和(x2，y2)，由此可间接得到正方形人脸的左上顶点和右下顶点的坐标，设其分别为(X1，Y1)和(X2，Y2)，计算方法如下：
式中，RH和RV均为经验常数，在设计过程中将其分别取值为2．0和3．5。如此可在原图中得到人脸的区域座标，其尺寸随眼距Widtheyes的大小而变化，作为PCA的输入，要求输入样本的维数相同，所以必须对图片进行归一化处理。
1．2 人脸特征提取
特征脸分类的方法是将一幅图像投影到一个特定“脸空间”的一个点。这个“脸空间”由一股互相正交的向量组成。这些向量便是表征各个人脸聚类的重要组成部分。不同人脸的图片在此空间的相差较远，相同人脸的不同图片在此空间上的投影相距较近。可以使用PCA的方法为整个人脸识别系统打下基础。
第一步，采集到N个样本用作训练集X，求出样本平均值m，如式(1)所示
其中，xi∈样本训练集X=(x1，x2，…，xN)。
第二步，求出散布矩阵S，如式(2)所示
根据PCA的基本原理，必须求出散布矩阵的特征值λi和对应的特征向量ei。其中，ei便是主分量，且其对应的特征值的大小代表它包含信息的多少。所以需要将特征值从大到小依次排列λ1，λ2，…。如图2所示，左边是由λ1对应的特征向量重建的人脸图像，右边是由λ100对应的特征向量重建的图像，如果将其应用到系统中，对识别是不利的。
假设取出p个值，λ1，λ2，…，λp可以确定出脸空间E=(e1，e2，…，eP)，在此脸空间上，训练样本X中，每个元素投影到该空间的点可以由式(3)得到：
由上式得到的是将原向量经过PCA降维后的p维向量，下一步将其输入KNN分类器进行分类。
1．3 KNN分类器的构建
KNN的实现分训练和识别两步。训练时，把每类样本降维后的结果作为KNN的输入。如图3所示，圆圈表示待识别数据所处的位置，选择K值为3时，选中实线圆中的3个数据，识别结果为三角形代表的类；选择K值为5时，选中虚线圆中的5个数据，识别结果为正方形代表的类。
2 系统硬件设计
系统设计时选用DSP6713，这是TI公司生产的C6000系列的浮点处理器，其采用了VLIW体系结构，指令运行的等效周期数较低，运行速度较快。数据暂存使用CPLD和SRAM实现。设计系统构成，如图4所示。
2．1 TVP5147芯片
系统上电时，DSP首先对TVP5147初始化，其通过I2C总线实现，DSP自带I2C总线控制器。芯片I2C地址是由芯片引脚I2CA的电平控制的，如该引脚接高电平，则I2C写地址为0xB8，否则为OxBB。
假如系统初始化为从Y[9．．O]端口输出10位的YUV混合视频数据，则可知道其输出符合以下时序，如图5所示。
图中第一行为DATACLK信号，其为TVP5147芯片提供的数据时钟信号，第二行为数据Y[9…0]，当每一行图像开始之前，会有4个SAV信号，如图5所示，数据是YCbCr格式，每个像素点的数据为4个数据组成，一次为Cb，Y，Cr，Y。而由图5中可以看出AVID信号为高电平时，表明当前的数据为有效数据。这为CPLD采集有效数据提供了参考信号。同时TVP5147芯片还输出FID信号，该信号为奇偶场指示信号。
2．2 CPLD读写SRAM
存储器选择了DS1265AB，它是SRAM存储器，具有存储速度快的优点，并能够在系统掉电时保存数据10年。DS1265具有1 MB的容量，20根地址线，8根数据线，另有WE，OE，CE信号输入端。
CPLD选用EPM7128具有价格便宜、计数频率高等优点。将存储器SRAM接到CPLD的IO引脚上，配合时序便能达到对SRAM读写的要求，原理图，如图6所示。
编写CPLD程序使得输出时序满足SRAM的存储要求，当然对于设计的具体要求，利用两片SRAM分别存储奇偶场的数据，SRAM的切换是由奇偶场信号FID控制多片74HC245实现的，详细过程，如图7所示。当FID处于高电平时，此时M1和M4使能，此时CPLD将地址信号CPLDaddr输入SRAM1中，DSP将地址信号DSPaddr输入至SRAM2中，同时M6和M8使能，由图中可以看出，此时CPLD正向SRAM1写入数据，而DSP正从SRAM2中读取数据，同时M10使能，CPLD的信号CPLDctl控制SRAM1的读写，而DSP的信号DSPctl控制SRAM2的读写，当FID转为低电平时，正好将SRAM1和SRAM2实现了交换。所选择的SRAM数据位为8位，当放弃Y0和Y1位后，降低了图像数据的精度，但对识别效果的影响却很小，然后随着DATACLK每次上升沿的来临，CPLD将地址单元加1，这样实现每一场数据的写入。
2．3 图像输出系统的设计
系统设计时为了减轻负担，采用电视监控的方法，将小型电视机通过TI公司的视频编码芯片THS8135连接至DSP总线，将得到的YUV数据通过THS8135直接输出至电视AV的视频接收端，并且通过DSP可以将一些信息显示到电视屏幕上，这样使得识别的过程更加人性化。
3 系统软件设计
3．1 DSP的图像预处理
TVP5147芯片输出的图像数据并非RGB格式，而是以YUV格式输出的。需要通过DSP处理器转换成RGB格式，才能进行图像的预处理，转换公式如式(4)所示
DSP将图像数据读入内存空间，然后对其进行运算，将得到的RGB分别放到对应的存储单元，并算出灰度值Gray，运算公式如式(5)所示
将最后得到的灰度值存放到对应的数组当中。每张图片由两场图片构成，所以完整的图片分辨率为720×576。但是对于系统本身无需对其每一个像素都进行转换，所以截取其中320×240进行存储，这样每场的分辨率为320×120。
3．2 人脸判别流程
将得到的320×240的图片经过人脸的检测后，将截取人脸的部分作为人脸样本。设计时，人脸的所有样本都将在显示器上显示出来，降低了人脸错误检测的可能，一定程度上提高系统的准确性。
人脸的样本分辨率为24×24，作为576维的一维向量输入至PCA。图8(a)为计算PCA投影矩阵的流程图，图8(b)为KNN分类器的工作流程图，其中训练样本经过PCA投影后的数值，可以作为初始化时的计算，也可存储于掉电非易失介质中，如Flash存储器中，可以提高设备的运行效率，降低运算量。
如图8所示，KNN分类器可以判断最接近的分类，但是并不能拒绝分类，于是产生了任何人的脸都将被分到内置样本集的一类中。这样的分类方式是不可取的，所以必须加入是否拒绝的判定，流程图如图9所示。
如流程图中显示，当样本点经过PCA降维后，输送至KNN分类器进行分类，先求出待测点与K类标号的样本点的欧氏距离之和sum。定义两个阈值a和b，如果sum<a值则判定为第一类；如果sum>b值则判定为拒绝类；如果sum介于a和b值之间，则引入精度控制量accuracy，计算出sum与a的差值，如若小于精度控制量accuracy，则判定为第K类，否则拒绝分类。
4 试验结果
实验中，选定a的值为12 400，b的值为16 200，这两个值的确定需要进行大量的实验，从中找出规律。x的值的大小直接影响识别的效果，文中分别选取x=4和x=5进行了测试。
(1)x=4时：程序在测试可识别库中的分属12个人的36幅人脸图像时，正确识别出其中的33幅，其余3幅图像均被判否，0个判错。程序在测试不可识别库中的分属3个人的33幅人脸图像时，22幅图像被成功判否，11幅被误判；
(2)x=5时：程序在测试可识别库中的分属12个人的36幅人脸图像时，正确识别出其中的25幅，其余ll幅图像均被判否，O幅判错。程序在测试不可识别库中的分属3个人的33幅人脸图像时，28幅图像被成功判否，5幅被误判。
分析上面的实验数据可知，x=4时，可识别库的识别率为91．6％，不可识别库的判否率为66．7％。x=5时，可识别库的识别率为69．4-％，不可识别库的判否率为84．8％。应用于不同的场合时，应选择不同的x值，当要求尽可能拒绝外来人脸时，可选x值为5，当要求尽量识别已知人脸时，可选x值为4。
5 结束语
此人脸识别系统，没有采用USB摄像头作为图像采集设备，而以通用视频标准的模拟摄像头取而代之，因此用户在摄像头选择的时候更加自由。本系统经过了运行检验, 具有速度快, 成本低, 可靠性高, 扩展性好等优点, 具有很广的应用前景。
京公网安备 11010802033920号
