基于TMS320C6713的人臉識別系統設計

　　如圖8所示，KNN分類(lèi)器可以判斷最接近的分類(lèi)，但是并不能拒絕分類(lèi)，于是產(chǎn)生了任何人的臉都將被分到內置樣本集的一類(lèi)中。這樣的分類(lèi)方式是不可取的，所以必須加入是否拒絕的判定，流程圖如圖9所示。

　　如流程圖中顯示，當樣本點(diǎn)經(jīng)過(guò)PCA降維后，輸送至KNN分類(lèi)器進(jìn)行分類(lèi)，所得到的結果一定可以判定為第K類(lèi)，此時(shí)不能急于定論，先求出待測點(diǎn)與K類(lèi)標號的樣本點(diǎn)的歐氏距離之和sum。定義兩個(gè)閾值a和b，如果suma值則判定為第一類(lèi)；如果sum>b值則判定為拒絕類(lèi)；如果sum介于a和b值之間，則引入精度控制量accuracy，計算出sum與a的差值，如若小于精度控制量accuracy，則判定為第K類(lèi)，否則拒絕分類(lèi)。由這樣的過(guò)程，間接解決了樣本錯分和無(wú)法判否的問(wèn)題。
　　4 試驗結果
　　該實(shí)驗中，選定a的值為12 400，b的值為16 200，這兩個(gè)值的確定需要進(jìn)行大量的實(shí)驗，從中找出規律。x的值的大小直接影響識別的效果，文中分別選取x=4和x=5進(jìn)行了測試。
　　(1)x=4時(shí)：程序在測試可識別庫中的分屬12個(gè)人的36幅人臉圖像時(shí)，正確識別出其中的33幅，其余3幅圖像均被判否，0個(gè)判錯。程序在測試不可識別庫中的分屬3個(gè)人的33幅人臉圖像時(shí)，22幅圖像被成功判否，11幅被誤判；
　　(2)x=5時(shí)：程序在測試可識別庫中的分屬12個(gè)人的36幅人臉圖像時(shí)，正確識別出其中的25幅，其余ll幅圖像均被判否，O幅判錯。程序在測試不可識別庫中的分屬3個(gè)人的33幅人臉圖像時(shí)，28幅圖像被成功判否，5幅被誤判。
　　分析上面的實(shí)驗數據可知，x=4時(shí)，可識別庫的識別率為91．6％，不可識別庫的判否率為66．7％。x=5時(shí)，可識別庫的識別率為69．4-％，不可識別庫的判否率為84．8％。因此，應用于不同的場(chǎng)合時(shí)，應選擇不同的x值，當要求盡可能拒絕外來(lái)人臉時(shí)，可選x值為5，當要求盡量識別已知人臉時(shí)，可選x值為4。
　　5 結束語(yǔ)
　　此人臉識別系統的構建，充分考慮了其推廣性，未采用USB攝像頭作為圖像采集設備，而以通用視頻標準的模擬攝像頭取而代之，因此用戶(hù)在攝像頭選擇的時(shí)候，可以更加自由。同時(shí)該設備支持多種接口輸入，除了普通的R-jack口之外，還提供了Svideo，YPbPr和RGB等輸入方式。該設備的識別精度可達90％以上，基本滿(mǎn)足了識別要求。系統實(shí)時(shí)性好、攜帶方便，可以通過(guò)程序的修改推廣到動(dòng)態(tài)圖像跟蹤、運動(dòng)檢測等領(lǐng)域。