“天网行动”基于ZYNQ的人体特征识别

“天网行动”基于ZYNQ的人体特征识别

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（LocalBinaryPatterns，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1080P60fps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]HONGYINGMENG，MICHAELFREEMAN，NICKPEARS，etal.Real-timehumanactionrecognitiononanembedded，reconfigurablevideoprocessingarchitecture[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).