4。4  人脸识别代码的嵌入式实现 16

4。5  人脸图像获取的嵌入式实现 18

4。6  本章小结 20

5  实验结果及分析 21

5。1  UI功能介绍 21

5。2  人脸识别实验结果比对 21

5。3  本章小结 24

总结与展望 25

致  谢 26

参 考 文 献 27

图2。 1  哈尔特征中的四种矩形特征 4

图3。 1  人脸识别步骤 6

图3。 2  降维示意图 8

图3。 3  人脸识别初始化流程 8

图3。 4  人脸识别训练流程 9

图3。 5  光照归一化流程 11

图3。 6  人脸识别的识别阶段流程 13

图4。 1  添加versions 的qmake 16

图4。 2  选择源文件和要编译的文件目录 16

图4。 3  获取图像人脸识别流程 18

图4。 4  图像获取流程图 20

图5。 1  UI界面 21

图5。 2  不同光照亮度下比较 22

图5。 3  正脸人像和侧脸对比 23

图5。 4  有无遮挡对比 24

表4。 1  嵌入式操作系统对比 14

表4。 2  主要函数表 17

表4。 3  图像获取主要实现函数 18

表4。 4  图像获取主要数据结构 19

1  引言

1。1  研究背景与意义

当传统的身份验证方式逐渐不能满足人们日益增长的信息安全需要，当计算机主流技术的发展使得人工智能技术渐渐兴起，生物识别技术进入了人们的视野。生物识别的验证方法依赖于人的身体特征。人体特征的不可复制性、稳定性、差异性,使身份验证的安全性大大提高。目前已经开发出指纹识别、虹膜识别、声音识别、DNA识别等多种生物识别技术。与以上生物识别技术相比，人脸识别拥有自然性、友好性、不易被被测个体发觉、设备简单价格便宜、符合人的认知规律等不可替代的优点。因此，人脸识别成为了自动身份验证的新秀，并得到了广泛的研究。

人脸识别因其隐蔽性的特点已经成为安全防范和刑事侦察的重要手段。方便用于刑事破案、证件验证、档案管理、视频监控、入口控制、表情分析等方面。此外，使用人脸识别技术还在还能够对识别结果作详细分析，得到很多额外有用信息，扩展了人脸识别的应用前景。目前，已有很多商用人脸识别软件投入金融、保险、安检以及法律等需要身份认证的领域，如TrueFace、Face-It、Technology Recognition Systems等，并且获得相当大的成功[1]。然而，大多数高性能的人脸识别系统通常应用于PC平台，因此缺乏良好的便携性和易用性。令人欣慰的是，随着嵌入式技术的蓬勃发展，为构建嵌入式人脸识别系统提供了实现平台。