基于ARM9的人脸识别系统 嵌入式报告 课程设计

-嵌入式课程设计报告学院信息电子技术专业通信工程班级**指导教师2021年07月01日. z.基于ARM9的人脸识别系统一、引言人脸识别背景和意义人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的开展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统〞集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。

人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人发觉，从而更有可能被伪装欺骗。

二、系统设计1、硬件电路设计〔1〕ARM9处理器本系统所采用的硬件平台是天嵌公司的TQ2440开发板，该开发板的微处理器采用基于ARM920T内核的S3C2440芯片。

ARM9比照ARM7的优势：虽然ARM7和ARM9内核架构一样，但ARM7处理器采用3级流水线的冯·诺伊曼构造，而ARM9采用5级流水线的哈佛构造。

增加的流水线设计提高了时钟频率和并行处理能力。

5级流水线能够将每一个指令处理分配到5个时钟周期内，在每一个时钟周期内同时有5个指令在执行。

在常用的芯片生产工艺下，ARM7一般运行在100MHz左右，而ARM9则至少在200MHz以上。

指令周期的改良对于处理器性能的提高有很大的帮助。

性能提高的幅度依赖于代码执行时指令的重叠，这实际上是程序本身的问题。

对于采用最高级的语言，一般来说，性能的提高在30%左右。

一、实训背景随着科技的飞速发展，人工智能技术在我国得到了广泛的应用。

其中，人脸识别技术凭借其高精度、高效率、非接触式识别等优势，在安防、支付、智能家居等领域具有广阔的应用前景。

为了让学生更好地了解和掌握嵌入式人脸识别技术，我们开展了为期一个月的实训课程。

二、实训目标1. 熟悉嵌入式系统基础知识，了解嵌入式人脸识别系统的基本原理；2. 掌握人脸检测、人脸识别算法的实现方法；3. 能够独立完成嵌入式人脸识别系统的设计与开发；4. 培养团队合作精神，提高实际动手能力。

三、实训内容1. 嵌入式系统基础知识实训期间，我们学习了嵌入式系统的基本概念、硬件平台、软件平台和开发工具。

主要内容包括：处理器、存储器、外设、嵌入式操作系统、开发环境等。

2. 人脸检测人脸检测是人脸识别系统的第一步，其目的是从图像中定位出人脸的位置。

实训中，我们学习了Haar特征分类器、基于深度学习的卷积神经网络（CNN）等人脸检测算法，并使用OpenCV库实现了人脸检测功能。

3. 人脸识别人脸识别是指通过分析人脸图像，提取人脸特征，并将提取的特征与数据库中的人脸特征进行比对，从而实现身份认证。

实训中，我们学习了基于特征脸、基于神经网络的人脸识别算法，并使用OpenCV库实现了人脸识别功能。

4. 嵌入式人脸识别系统设计与开发结合实训内容，我们以STM32微控制器为硬件平台，设计并开发了一个嵌入式人脸识别系统。

系统主要包括以下模块：（1）图像采集模块：使用摄像头采集人脸图像，并将图像数据传输到微控制器。

（2）图像处理模块：对人脸图像进行预处理，包括人脸检测、人脸对齐、特征提取等。

（3）人脸识别模块：将提取的人脸特征与数据库中的人脸特征进行比对，实现身份认证。

（4）用户界面模块：通过液晶显示屏显示系统状态、人脸识别结果等信息。

5. 系统测试与优化在系统设计与开发完成后，我们对系统进行了测试与优化。

主要测试内容包括：人脸检测速度、人脸识别准确率、系统稳定性等。

一、引言随着人工智能技术的飞速发展，人脸识别技术作为生物识别技术的一种，因其高准确性、非接触性和易用性等优点，在安防、金融、医疗、教育等领域得到了广泛应用。

为了深入了解人脸识别技术，我们进行了人脸识别嵌入式实训，通过实际操作，掌握了人脸识别系统的设计与实现方法。

二、实训目的1. 熟悉人脸识别技术的原理和流程。

2. 掌握人脸识别嵌入式系统的设计与实现方法。

3. 培养动手能力和团队协作精神。

三、实训内容1. 人脸检测人脸检测是人脸识别系统的第一步，主要目的是从图像中检测出人脸区域。

实训中，我们使用了OpenCV库中的人脸检测算法，通过Haar级联分类器进行人脸检测。

2. 人脸特征提取人脸特征提取是将人脸图像转换为可用于识别的特征向量。

实训中，我们使用了Local Binary Patterns Histograms (LBPH) 算法进行人脸特征提取。

3. 人脸识别人脸识别是将提取的特征向量与数据库中的人脸特征进行比较，从而识别出目标人脸。

实训中，我们使用了Nearest Neighbor (NN) 算法进行人脸识别。

4. 嵌入式系统设计我们选择了STM32微控制器作为嵌入式系统平台，利用其丰富的片上资源，实现了人脸识别系统的硬件设计。

主要包括以下模块：- 图像采集模块：采用OV7670摄像头模块进行图像采集。

- 图像处理模块：使用STM32的片上资源进行图像预处理、人脸检测和特征提取。

- 存储模块：使用SD卡存储人脸特征数据库。

- 显示模块：使用TFT LCD显示屏显示识别结果。

5. 软件设计软件设计主要包括以下部分：- 图像处理程序：使用OpenCV库进行图像处理，包括人脸检测和特征提取。

- 识别程序：使用NN算法进行人脸识别。

- 用户界面程序：使用Qt库开发跨平台用户界面，实现系统功能。

四、实训结果通过实训，我们成功设计并实现了一个基于STM32的人脸识别嵌入式系统。

系统能够实时检测人脸、提取特征并进行识别，识别准确率达到90%以上。

基于ARM9处理器的嵌入式指纹识别系统设计摘要：为了适应指纹采集传感器件和指纹识别系统向着小型化和嵌入式方向发展的需要，文中提出了一种基于ARM9处理器架构的CPU芯片S3C2440A的嵌入式指纹识别系统（指纹识别系统是一个典型的模式识别系统，包括指纹图像获取、处理、特征提取和比对等模块。

）设计方案，同时对该指纹识别系统的硬件架构进行了说明。

该方案具有结构简单、可扩展性和移植性强等诸多优点。

0 引言指纹鉴定是人身识别最重要的手段之一，指纹自动识别系统给指纹鉴定工作提供了一个新的平台，并使指纹自动识别系统在身份认证方面具有更广阔的前景。

目前，自动指纹识别系统一般都是联机的，大多数系统都选用指纹传感器来采集，并以计算机(PC)作为主机来处理，从而对指纹进行匹配。

而本文提出的基于ARM9的嵌入式指纹识别系统则是把采集和处理集于一身的独立系统，因而可以做得很小，比较适合用于高档汽车门、防盗门以及公*勤系统等场合。

嵌入式系统是指以应用为中心，以计算机技术为基础，软硬件可裁剪，其应用系统对功能、可靠性、成本、体积和功耗等要求都比较严格的专用计算机系统。

本文选用SAMSUNG的S3C2440A作为嵌入式指纹系统的主处理芯片，提出了系统的软硬件设计方案。

1 嵌入式指纹识别系统的硬件设计图1所示是本嵌入式指纹识别系统的硬件框图。

从图1中可以看到，本系统主要由指纹数据采集模块、微处理器模块、数据存储模块和通讯模块等四个模块组成。

本系统以ARM9处理器为核心来驱动指纹传感器采集指纹，并将指纹数据放入存储器中，此数据可以被PC通过串口获取，也可以保存在数据存储器中。

指纹数据采集模块可利用软件方式来判断是否进行指纹的采集。

当进行指纹采集时，指纹传感芯片将按照设定的参数来采集指纹，并将模拟图像转换成数字图像，然后在ARM的控制下，将数据存储在外部数据空间，以等待下一步的处理。

图1 指纹识别系统的硬件框图微处理器模块以ARM和数据存储器为核心，可对采集到的指纹图像进行相应的预处理，并通过对发光二极管的控制来显示指纹预处理结果。

基于ARM架构的嵌入式人脸识别技术研究人脸识别技术是近年来快速发展的一项重要技术，在安全领域、金融行业、智能手机领域及社交媒体等方面得到了广泛应用。

然而，传统的人脸识别技术一般需要使用高性能的计算机与复杂的算法才能实现。

随着嵌入式技术的不断成熟，基于ARM架构的嵌入式人脸识别技术逐渐受到关注，并在实际应用中显示出了巨大的潜力。

嵌入式系统是一个集成了有限资源的计算系统，具有体积小、功耗低、功能强大等特点，广泛应用于手机、平板电脑、智能家居等领域。

基于ARM架构的嵌入式系统以其高性能、低功耗的特点成为了人脸识别技术的一种理想解决方案。

本文将从硬件平台、算法优化以及实际应用三个方面，对基于ARM架构的嵌入式人脸识别技术进行研究。

首先，针对硬件平台，在选择ARM架构的芯片时需要考虑处理器性能、内存容量、功耗等因素。

ARM Cortex系列的处理器由于其高性能与低功耗的特点成为了常用的选择。

除此之外，还需要考虑图像传感器、摄像头、接口等硬件组件的选择与配置。

合理的硬件平台设计可以提供强大的计算性能和数据处理能力，为嵌入式人脸识别技术的实现提供有力支持。

其次，算法优化是实现基于ARM架构的嵌入式人脸识别的关键。

传统的人脸识别算法中常用的方法包括特征提取、特征匹配等。

然而，由于嵌入式设备的性能限制，需要对算法进行优化，以提高识别速度和准确度。

一种常用的优化方法是采用快速人脸检测算法，通过减少识别的搜索范围来降低计算复杂度。

此外，还可以使用图像压缩、图像分辨率降低、特征降维等方法来减小数据规模，进一步提高算法的运行效率。

算法优化是实现基于ARM架构的嵌入式人脸识别的重要手段，可以有效解决嵌入式设备的计算资源不足的问题。

最后，实际应用是基于ARM架构的嵌入式人脸识别技术的重要体现。

嵌入式人脸识别技术可以应用于智能手机的解锁、金融领域的身份认证、智能家居的人脸检测等多个领域。

例如，在智能手机领域，基于ARM架构的嵌入式人脸识别技术可以应用于人脸解锁功能，提供更加方便和安全的解锁方式。

The University of South China嵌入式系统课程设计题目基于ARM 嵌入式系统的拟人机器人控制器的设计学院名称电气工程学院指导教师黄智伟教授班级电子071 班学号20074470114学生姓名王仁茂2010年11月30日摘要为满足低成本、高性能的要求, 提出在拟人机器人控制器的设计中引入基于ARM 处理器和RTO S (Real2timeO S) 的嵌入式系统。

使用ARM 9 处理器S3C2410 和RT2Linux构建小型拟人机器人控制器的系统架构, 以拟人机器人的行走控制为例, 从硬件和软件上介绍了控制器的实现方法。

硬件选用高集成度的嵌入式处理器并采用模块化设计; 软件开发中使用Petri 网建模并利用Linux 良好的驱动程序框架,降低了开发难度, 提高了系统的可扩展性。

最后给出了在机器人避障中的应用, 验证了控制器方案的可行性, 为拟人机器人的进一步研究提供了平台。

关键词: 拟人机器人; 舵机; 嵌入式系统; Petri 网; 设备驱动。

AbstractA low cost, high performance humanoid robot controller was developed based on the ARM processor and the RTOS( real2time OS). The controller system architecture consists of aS3C2410 chip with the ARM 9 co re running RT2Linux. The implementation including hardware and software is illustrated by a robot walking example. The hardware platform uses a modular design with a highly inter grated embedded CPU.A Petri net is used to model the control flow. The software is based on the Linux device driver frame with simplifies the system and improves the expansibility. The control system successfully enabled the robot to evade obstacles and provides a platform for further development of humanoid robots.Key words: humanoid robot; servo; embedded system; Petri net; device driver；目录1.设计简介 (4)1. 1 嵌入式系统简介 (4)1. 2 拟人机器人简介 (5)1. 3 嵌入式系统设计简介 (7)2．拟人机器人系统架构 (10)2. 1 拟人机器人机械结构设计 (10)2. 2拟人机器人控制器硬件设计 (11)2. 3 拟人机器人控制器软件设计 (13)3 拟人机器人步行控制方案 (14)4 应用实例 (18)5 心得与体会 (19)6参考文献 (20)1 设计简介1.1嵌入式简介根据国际电气和电子工程师协会（IEEE）的定义，嵌入式系统是“控制、监视或者辅助设备、机器和车间运行的装置”，原文为devices used to control,monitor,or assist the operation of equipment,machinery or plants.目前，国内普遍认同的定义是：以应用为中心，以计算机技术为基础，软硬件可裁剪，适应应用系统对功能、可靠性、成本、体积、功耗严格要求的专用计算机系统。

嵌入式人脸检测课程设计一、教学目标本课程的教学目标是使学生掌握嵌入式系统的基本原理，了解人脸检测的基本算法，并能够使用相关开发工具进行嵌入式人脸检测系统的开发。

1.掌握嵌入式系统的基本原理和组成。

2.了解人脸检测的基本算法和原理。

3.熟悉嵌入式人脸检测系统的开发流程。

4.能够使用相关开发工具进行嵌入式系统开发。

5.能够实现人脸检测算法并进行嵌入式人脸检测系统的开发。

情感态度价值观目标：1.培养学生的创新意识和团队协作精神。

2.培养学生对嵌入式技术和人脸检测技术的兴趣，提高学生对领域的认识和关注。

二、教学内容本课程的教学内容主要包括四个部分：嵌入式系统基础知识、人脸检测算法、嵌入式人脸检测系统开发和实际应用案例分析。

1.嵌入式系统基础知识：介绍嵌入式系统的基本原理、组成和开发方法。

2.人脸检测算法：介绍人脸检测的基本算法和原理，包括Haar级联分类器、LBP特征分类器等。

3.嵌入式人脸检测系统开发：介绍嵌入式人脸检测系统的开发流程，包括硬件选择、软件开发和系统集成。

4.实际应用案例分析：分析嵌入式人脸检测系统在实际应用中的案例，如人脸识别门禁系统、人脸识别监控系统等。

三、教学方法为了激发学生的学习兴趣和主动性，本课程将采用多种教学方法相结合的方式进行教学。

1.讲授法：通过讲解嵌入式系统和人脸检测算法的相关理论知识，使学生掌握基本概念和原理。

2.案例分析法：通过分析实际应用案例，使学生了解嵌入式人脸检测系统的应用场景和开发过程。

3.实验法：安排实验课程，使学生能够动手实践，加深对嵌入式人脸检测系统的理解和掌握。

4.讨论法：学生进行分组讨论，促进学生之间的交流与合作，培养学生的团队协作能力。

四、教学资源为了支持教学内容和教学方法的实施，丰富学生的学习体验，我们将选择和准备以下教学资源：1.教材：选用权威、实用的嵌入式系统和人脸检测相关教材，为学生提供系统的理论知识学习。

2.参考书：提供相关的参考书籍，为学生提供更多的学习资料和拓展知识。

东北师范大学硕士学位论文基于ARM的人脸识别系统设计与实现姓名：塔娜申请学位级别：硕士专业：计算机应用技术指导教师：马志强20090501摘要人脸识别技术作为生物识别技术之一，是模式识别在图像领域中的具体运用，其应用前景非常广阔，可以应用到身份证件的鉴别、自动门禁控制系统、银行取款机、家庭安全，图片检索等领域。

人脸识别系统主要分为人脸检测定位，特征提取和人脸分类三部分。

人脸的检测和定位，即从输入的图像中找到人脸及入脸存在的位置，并将人脸从背景中分离出来。

在特征提取部分，先对原始人脸数据进行特征提取，之后原始数据由维数较少的有效特征数据表示并存储在数据库中，接下来进行人脸分类，在识别待测人脸图像时，将待测图像的特征数据与数据库中存储数据相比对，判断是否为库中的某一人，．从而实现自动识别人脸的目的。

在过去的十年里，人脸识别技术一直是图像处理领域里具有挑战性的课题，随着研究的深入，许多人脸检测及识别算法被提出来。

其中基于主成分分析的Ｅｉｇｅｎｆａｃｅ的算法及其变形已经成为测试人脸识别系统性能的基准算法；同时Ａｄａｂｏｏｓｔ人脸检测算法，在ＰＣ上基本可以达到实时，在嵌入式产品广泛应用的今天，只有让人脸识别算法在嵌入式平台上实现，才能获得更广阔的应用，本文研究了在嵌入式平台上Ａｄａｂｏｏｓｔ人脸检测算法的性能。

嵌入式是后ＰＣ时代的一个亮点，目前已经应用在社会生活的方方面面。

嵌入式产品的开发平台分为包括很多，如：ＤＳＰ，ＡＲＭ，ＰｏｗｅｒＰＣ等等。

本文采用的ＡＲＭ９作为嵌入式开发平台，研究人脸识别在ＡＲＭ平台的性能，为实用的嵌入式人脸识别系统的设计提供参考。

本文从ＰＣ平台的软件实现入手，分别实现了ＰＣ平台下的ＡｄａＢｏｏｓｔ人脸检测算法和ＰＣＡ人脸识别算法；分析了现象及结果，接下来搭建了基于ＡＲＭ嵌入式系统的硬件平台，对ＡｄａＢｏｏｓｔ人脸检测算法进行了硬件平台的移植，并得出相应实验效果。

人脸识别；人脸检测；ＡＲＭ；ＡｄａＢｏｏｓｔ；ＰＣＡ关键词：ＡｂｓｔｒａｃｔＦａｃｅｒｅｃｏｇｎｉｔｉｏｎａｓａｂｉｏｌｏｇｙｒｅｃｏｇｎｉｔｉｏｎｔｅｃｈｎｏｌｏｇｙ，ｉｔｉｓａｐａｒｔｉｃｕｌａｒｕｓｅａｐｐｌｉｃａｔｉｏｎｏｆｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｉｎｉｍａｇｅｆｉｌｅｄ．ＦａｃｅｒｅｃｏｇｎｉｔｉｏｎｕｓｕａｌｌｙｖｅｒｉｔｉｆｉｃａｔｉｏｎｆｏｒＰｅｒｓｏｎａｌｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｇａｔｅｗａｙｓｔＯｉｎｌｉｍｉｔｅｄａｃｃｅｓｓａｒｅａｓ，ａｕｔｈｅｎｔｉｆｉｃａｔｉｏｎｆｏｒｂａｎｋａｎｄｆａｍｉｌｙｓｅｃｕｒｉｔｙ，ｅｔｃ．ｎｌｅｈｕｍａｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍｉｎｃｌｕｄｅｓｆａｃｅｄｅｔｅｃｔｉｏｎ，ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｎｄｆａｃｅｃｌａｓｓｉｆｉｃａｔｉｏｎ。

基于ARM的人脸识别系统的设计1硬件平台1.1ARM处理器系统采用的处理器是三星公司的ARM9系列S3C2440，工作主频率达到了400 MHz，可以达到系统对运算速度的要求。

处理器内置有2个USB HOST用来挂载USB摄像头。

1.2液晶显示屏系统采用三星的320*240液晶显示屏，显示USB摄像头采集的当前图像。

液晶屏的像素深度为2bit，使用RGB565色彩空间。

1.3摄像头摄像头采用常见的USB摄像头，内部是OV511 PLUS芯片，CMOS光电传感器。

1.4存储系统系统采用64MB的NAND Flash，采用一片K9F1208芯片。

采用由两片K4S561632芯片组成64 MB的SDRAM。

2软件平台系统的软件设计主要任务在操作系统的底层的驱动程序，用户层的应用程序设计。

操作系统采用最新的Linux 2.6内核，并对内核进行裁剪，删除对本系统不需要的驱动以及系统服务程序。

本系统的驱动程序用来驱动指示灯、摄像头和按键。

这几个驱动程序在操作系统启动后，采用Linux的动态加载模块加载到系统内核。

指示灯驱动程序是用来指示当前程序工作状态。

摄像头的驱动程序可以在kernel自带的OV511驱动程序上稍加修改，来兼容OV511 PLUS芯片。

由于应用程序运行于Linux操作系统用户层之上，应用程序则无法直接对系统底层的接口进行控制，必须先通过驱动程序对物理地址进行地址映射，才可以由映射的虚拟地址进行I/O进行读写操作。

按键驱动程序主要是用来采集用户输入信息，并通过硬中断传至kernel空间，再由驱动程序通过进程间通信，把信息传至用户空间的应用程序。

3系统应用程序设计3.1系统工作流程本系统的工作模式：注册和匹配。

选择注册时要求用户输入身份信息，然后系统获取人脸特征并同身份信息一起烧入FLASH中。

匹配时则提取虹膜的特征点与FLASH中已经记录的人脸特征信息进行比较，然后在LED上显示出匹配结果和用户对应ID。

基于ARM智能视频监控人脸识别系统设计随着人脸识别技术的发展，智能视频监控系统在安防领域的应用越来越广泛。

本文基于ARM芯片设计了一种智能视频监控人脸识别系统，实现了人脸识别、人脸比对和报警功能。

一、系统概述本系统包括前端视频采集设备、后端服务器和人脸识别算法模块。

前端采集设备包括摄像头和嵌入式Linux系统，后端服务器用于存储和处理数据，人脸识别算法模块采用深度学习算法进行人脸识别和比对，并根据识别结果发出报警。

二、系统设计1. 前端视频采集设备前端采集设备采用ARM平台，使用了嵌入式Linux系统，通过摄像头实时采集图像，并发送到后端服务器进行处理。

同时，前端设备还具备本地存储功能，可以将采集到的图像存储到本地，以备后续分析和处理。

2. 后端服务器后端服务器采用云计算技术，可以实现数据的集中管理和处理。

服务器使用了大容量磁盘和高速网卡，以保证数据传输的稳定和快速。

在服务器端，还需要编写相应的程序，对接前端设备和人脸识别算法模块。

3. 人脸识别算法模块人脸识别算法模块采用深度学习技术，包括了卷积神经网络和循环神经网络两种结构，以及softmax分类器和欧式距离比对器。

识别流程如下：（1）图像预处理：对采集的图像进行预处理，包括图像增强、人脸检测、人脸对齐、图像归一化等步骤。

（2）特征提取：采用卷积神经网络和循环神经网络结合的方法提取人脸的特征信息，生成一个128维的特征向量。

（3）人脸比对：将两张人脸的特征向量输入到欧式距离比对器中，计算它们之间的欧式距离，根据预设的阈值判定是否属于同一人。

（4）报警：如果欧式距离小于阈值，说明两张人脸属于同一人，会将识别结果发送到后端服务器，并进行报警。

三、系统实现本系统采用了C++和Python作为主要编程语言，使用了OpenCV、Tensorflow、Pytorch等第三方框架。

在软件开发过程中，还需要对硬件进行相应的配置和调试。

四、系统效果本系统在安防领域的实际应用效果非常显著，可以快速准确地识别出人脸，并进行比对和报警。