“天网行动”基于ZYNQ的人体特征识别论文_姚新科1,黄荣2,陈俊东3,岳天红4,王晨铮5

(1.南京工程学院 自动化学院 南京 211167;2.南京工程学院 通信工程学院 南京 211167;

3.南京工程学院 电力工程学院 南京 211167;4.南京工程学院 建筑工程学院 南京 211167;

5.重庆工商大学 机械工程学院 重庆 400067)

摘要: 随着视频监控系统的快速普及,众多视频监控应用迫切需要一种快速的,非接触式的身份识别技术,以求在远距离快速确认人员身份,实现访问授权控制,智能预警等功能。人脸识别技术无疑是最佳的选择,快速人脸检测技术可以从监控视频图像中实时查找人脸,并与人脸数据库进行比对,从而实现快速的身份识别。

关键词:民生安全;软硬件协同设计;特征识别

一、人脸识别算法之特征脸方法

1、原理介绍及数据收集

特征脸方法主要是基于PCA降维实现。OpenCV自带了丰富的人脸识别库,实现了人脸识别的三种经典算法:PCA(特征脸方法),LDA(线性判别分析),以及LBP(Local Binary Patterns,局部二值模式)方法。人脸数据集采用的是Yale的人脸数据库和att_faces人脸库,我们项目主要使用的是ORL人脸数据库,由剑桥大学AT&T实验室创建,包含40人共400张面部图像,部分志愿者的图像包括了姿态,表情和面部饰物的变化.该人脸库在人脸识别研究的早期经常被人们采用,但由于变化模式较少,多数系统的识别率均可以达到90%以上,因此进一步利用的价值已经不大。但是实验之初为证明项目可行性,特采用该数据库。

2、流程

●读人脸数据文件

●创建特征脸识别与训练

●识别人脸

●输出中间平均脸、特征脸、重建结果

3、相关图示

二、基于FPGA的图像处理

1、CPU和FPGA算法比较

在FPGA上运行相同的算法只需8ms即可完成。请记住,8ms的时间中包括将图像从CPU发送到FPGA的DMA传输时间,以及算法完成的时间。在某些应用中,可能需要将处理后的图像发回到CPU,以供应用中的其他部分使用。如果加上这个时间的话,整个过程也只需8.5ms。总的来说,FPGA执行这个算法要比CPU快20倍。

2、基于ZYNQ异构多核处理器的人体特征识别系统

以ZYNQ异构多核处理器为实现平台,采用HLS设计方法学对运动特征提取算法进行了FPGA硬件加速,达到了1080P 60 fps的计算能力.采用K-means对运动特征聚类,再生成高维向量,用SVM分类器进行分类和识别.最终,通过高效的系统结构和硬件加速电路实现了算法的加速.系统最终采用基于Linux和QT框架的人机交互方式,支持在线学习、创建动作库的功能。

三、设计快速反应智能安全监控系统的设计与实现

设计了一套快速反应嵌入式智能安防监控系统,实现对运动目标的跟踪、定位,快速捕获人脸图像。利用模式识别与图像处理技术对人脸特征进行分析,提取其特征量并与人脸库中的特征量进行匹配,判断是否为非法人员,若是则启动报警程序。

四、市场的普及及应用

据公安机关相关负责人介绍,“天网工程”建成后将实现对重点单位、公共复杂场所以及案件多发区域监控覆盖。公安部门不断强化技战法运用,加快实现高清视频监控系统建设成果向警务实战成果转化,使其在治安防控、侦查破案、公安管理等领域发挥了不可替代的作用。

参考文献

[1]HONGYING MENG, MICHAEL FREEMAN, NICK PEARS,et al. Real-time human action recognition on an embedded, reconfigurable video processing architecture[J]. 2008,3(3):163.

[2]祝长锋,肖铁军.基于FPGA的视频图像采集系统的设计[J].计算机工程与设计,2008,(17):4404-4407.

[3]刘京城,刘少华.基于OpenCV的视频监控追踪系统的设计与实现[J].城市勘测,2018,(1).

[4]王玮,齐保谦.基于运动检测的智能监控系统的设计与实现[J].电视技术,2010,(9).

论文作者:姚新科1,黄荣2,陈俊东3,岳天红4,王晨铮5

论文发表刊物:《电力设备》2018年第23期

论文发表时间:2019/1/2

标签:;  ;  ;  ;  ;  ;  ;  ;  

“天网行动”基于ZYNQ的人体特征识别论文_姚新科1,黄荣2,陈俊东3,岳天红4,王晨铮5
下载Doc文档

猜你喜欢