如何降低藍牙裝置的功耗

　　(1)膚色判斷
　　可采用Anil K.Jain的Cb、Cr橢圓聚類(lèi)方法[7]進(jìn)行膚色分割，得到膚色區域在CbCr空間中近似于橢圓,可用如下公式表示：

　　若該值小于1，則表示落在橢圓內，是膚色,否則不為膚色。對確定的膚色區域進(jìn)行平滑、連通、合并處理，構成一個(gè)候選區域，待進(jìn)一步分析以判斷是否為人臉區域。
　　(2)區域分割與處理
　　在確定膚色區域之后，需要根據它們在色度上的相似性和空間上的相關(guān)性分割出可能的人臉區域，再利用區域的幾何特征或灰度特征進(jìn)行是否是人臉的驗證，以排除其他色彩類(lèi)似膚色的物體。本文采用Sobel算子[-1，-2，-1；0，0，0；1，2，1]來(lái)完成邊緣的檢測。經(jīng)過(guò)一系列處理分割出膚色區域，并進(jìn)行形態(tài)學(xué)開(kāi)、閉運算，以消除噪聲或空洞對特征分析的影響。
　　(3)特征分析
　　人臉候選區域分割完畢后，需對每一個(gè)區域進(jìn)行分析，以判斷該區域是否是人臉。為了提高檢測速度，可以忽略人臉的面部特征，而主要檢查人臉候選區域的形狀、結構、比例及灰度分布等。若符合人臉的這些特點(diǎn)，則認為該區域代表一個(gè)人臉。根據人臉的幾何規則及顏色聚類(lèi)的特點(diǎn)，如果一個(gè)區域滿(mǎn)足2個(gè)條件：(a)高度/寬度比例范圍介于1.2與2.0之間；(b)該區域內的像素平均灰度值與距該區域上部達10像素以上的區域的平均灰度值之差介于0.2～0.6之間。符合這兩個(gè)條件,則可認為該區域代表人臉。
　　(4)人臉區域驗證
　　對于初步檢測的人臉區域，還需要進(jìn)行驗證才能確定是否為真正的人臉。對于人臉的驗證，一般有3種方法：(1)基于先驗知識的方法；(2)基于局部特征的方法；(3)基于模板的人臉檢測方法?；谙闰炛R的方法識別率不高，如果圖像背景中存在類(lèi)人臉區域，則必然會(huì )導致誤檢測?；谀０宓姆椒〝祿窟\算大，不能滿(mǎn)足實(shí)時(shí)性要求。本系統采用的是基于局部特征的方法。
　　在人臉的特征中，最明顯的特征就是眼睛，因此可把人眼作為驗證的主要依據，同時(shí)配合嘴唇或鼻子進(jìn)行驗證。首先要找到眼睛的位置，在灰度圖像下，眼睛的特征最為明顯，通過(guò)設定適當的閾值很容易確定出人眼的可能區域。通過(guò)計算這兩個(gè)區域的中心距離D，在該距離中心點(diǎn)的位置下方找到嘴部位置，長(cháng)度為L(cháng)。當D/L滿(mǎn)足：1D/L2時(shí)，可判斷為人臉。人臉的檢測過(guò)程如圖5所示。

3.3 人臉識別
　　人臉的識別算法有多種，不同的算法各有優(yōu)缺點(diǎn)。本文主要借鑒彈性圖匹配技術(shù)來(lái)完成人臉的識別。彈性圖匹配是一種基于幾何特征和對灰度分布信息進(jìn)行小波紋理分析相結合的識別算法。由于該算法較好地利用了人臉的結構和灰度分布信息，而且還具有自動(dòng)精確定位面部特征點(diǎn)的功能，因而具有良好的識別效果。在FERET測試中，該技術(shù)的若干指標名列前茅。其缺點(diǎn)是運算量大，實(shí)現稍復雜。通過(guò)對該算法進(jìn)行改進(jìn)，配合一定的代碼優(yōu)化措施，可以滿(mǎn)足實(shí)時(shí)檢測要求。
　　在人臉識別時(shí)，首先要進(jìn)行人臉特征提取。主要采用恰當的小波分解，得到高頻分量和低頻分量，其中的高頻分量主要表示人臉的細節，低頻分量表示人臉的基本特征，對人臉的表情反應比較遲鈍，只提取低頻分量，這樣可以提高準確率和運算速度。對提取的人臉特征，利用支持向量機（SVM）分類(lèi)器識別人臉，和系統自建的人臉庫進(jìn)行匹配，以確定是否為非法入侵者，是否啟動(dòng)報警系統和通知小區監控中心。算法流程如圖6所示。

　　本文設計的人臉檢測系統，利用運動(dòng)目標檢測方法，大大緩解了硬盤(pán)數據存儲的壓力，同時(shí)提高了系統的智能化程度。利用膚色判斷與特征分析來(lái)確定人臉，可以提高系統的檢測速度。針對膚色判斷受光照影響很大的問(wèn)題，本系統在原有系統的基礎上增加了補光措施光，減少了光照的影響，提高了檢出的準確率。通過(guò)攝像頭輸入720×576的彩色圖片，檢出的人臉在擁有300人的自建人臉庫中識別，平均用時(shí)0.9 s，識別率達93%以上，可以滿(mǎn)足安防監控的要求，具有較高的實(shí)用價(jià)值。