摘 要

在当代社会高速发展的同时，科技也获得了很大的进步，智能设备已经逐渐普及，各种识别技术也被广泛应用于生活之中。其中，人脸识别技术涉及了多个专业领域，其实际应用也已经越来越广泛。因此本文旨在设计一个高效的人脸识别系统，从传统的PCA人脸识别算法出发，采用将FPGA与PC端相结合的方式，由FPGA完成摄像头驱动、图像采集和预处理，由PC端实现人脸识别算法，充分发挥FPGA并行处理与PC端在数学运算方面的优势。其中，预处理部分包括中值滤波、基于Sobel算子的边缘检测与形态学处理；人脸识别算法包括图像分割，基于人眼的人脸提取以及PCA人脸识别算法。FPGA与PC端之间通过串口完成数据传输，PC端的算法由MATLAB进行设计实现。通过测试表明，该人脸识别算法能够在降低计算量的同时保证良好的识别率。

关键词：PCA，人脸识别，FPGA，边缘检测，形态学处理

Design and implementation of face recognition system

ABSTRACT

Science and technology have made great progress. Smart devices have been gradually popularized, and various identification technologies is widely used. Among these technologies, face recognition technology involves many professional fields, such as computer vision field and pattern recognition field. It has important research significance and is highly valued, and its practical application has been more and more extensive. Therefore the purpose of this paper is to design an efficient face recognition system based on the traditional PCA face recognition algorithm,to adopt the way of combination of FPGA and PC. FPGA completes camera, image acquisition and preprocessing, and PC realizes face recognition algorithm, This system gives full play to the FPGA parallel processing and PC advantage in terms of mathematics. The preprocessing includes median filtering, edge detection based on Sobel operator and morphological processing. Face recognition algorithms include image segmentation, face extraction based on human eyes and PCA face recognition algorithm. Data transmission between FPGA and PC is completed through serial port, and the algorithm of PC is designed and implemented by MATLAB. The test results show that the algorithm can reduce the computational load and ensure a good recognition rate.

Key Words：PCA; Face recognition; FPGA; Edge detection; Morphological processing

目 录

第一章 绪论 1

1.1 课题来源与依据 1

1.2 国内外研究现状 2

1.3 本文主要研究内容 3

1.4 论文的章节安排 4

第二章 本文人脸识别相关技术基础 5

2.1人脸识别系统框架 5

2.2 人脸识别预处理技术 5

2.3.1图像增强 5

2.3.2 基于人眼的人脸定位 7

2.3 PCA技术 8

第三章 基于FPGA的图像采集与预处理实现 13

3.1 FPGA平台与摄像头型号选择 13

3.2系统框架设计思路分析 13

3.3 OV7725视频图像采集实现 14

3.3.1 OV7725的原理图及接口定义 14

3.3.2 OV7725 SCCB接口及寄存器介绍 15

3.3.3 OV7725视频时序分析与图像采集模块设计 17

3.4 图像预处理的FPGA实现 20

3.4.1 行缓冲line buffer的设计 20

3.4.2 中值滤波器的设计 21

3.4.3 Sobel边缘检测的FPGA实现 22

3.4.4 闭运算的FPGA实现 23

第四章 PCA人脸识别算法的软件实现 24

4.1 图像增强 24

4.1.1 人脸图像的读取 24

4.1.2 亮度增强、转灰度 25

4.2 人脸定位 26

4.2.1 矩形初步框选 26

4.2.2 矩阵筛选（寻找人眼） 27

4.3 PCA人脸识别 27

第五章 系统调试、分析与结果 30

5.1 图像采集及预处理部分测试结果（硬件） 30

5.1.1 图像采集系统测试 30

5.1.2 预处理部分测试 31

5.2 人脸识别算法测试（软件） 33

5.2.1 人脸定位 33

5.2.2 人脸识别测试 35

第六章 总结与展望 38

参考文献 39

附录 41

绪论

课题来源与依据

随着科技的进步，智能设备在生活中不断普及，信息安全变得尤为重要，因此各种识别技术也逐渐推广到日常生活的应用。传统的身份验证技术主要是基于证件或密码等，但证件容易遗忘丢失、而密码容易泄露和遗忘，因此传统的身份验证技术已经逐渐无法满足人们的需求，需要一种新的识别技术。而生物特征作为人体内在的特征，具有稳定、唯一且不易被复制的优势，在近年来得到了广泛关注。其中，人脸识别技术作为生物识别的一种，其人脸图像易于采集且无需接触，相比于其他识别技术具非常大的优势。目前，国家正在大力发展人脸识别技术，其对于安防以及公共安全具有非常重要的意义，是实现智能监控以及智能安保的基础。

在那么多的识别技术中，通常都是获取两个特征：一个是基于行为，另一个是基于生理。以准确率来说，声纹识别依赖于说话频率与波性差异辨别，但易受生理状况影响而造成声音改变，影响识别结果而降低准确率，签名识别与声纹识别存在类似的缺陷[1]。虹膜和指纹的识别准确率与其他生物特征相比是相对较高的，但是虹膜识别需要建构高解析摄影机，设备较为昂贵，而且距离摄取设备相当靠近，会使人感到抗拒，能被大众接受的程度有待调查[1]。指纹识别虽然是目前以技术层面来说最成熟的一种识别方法，但是在进行识别时，需要与识别器材直接接触，加上容易留与其他物体上，会增加有心人士盗用的机会，安全性有时也会受到质疑[1]。综上，面部识别无论是在学术方面还是在社会实用方面都有十分深远的意义。

相关图片展示：