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：特征论文; 南京论文; 算法论文; 工程学院论文; 图像论文; 监控系统论文; 多核论文; 《电力设备》2018年第23期论文;