曾 爽，應(yīng) 駿，王 健，曾維軍

(上海師范大學(xué)數(shù)字社區(qū)與智能家居研究中心，上海200234)

當(dāng)前，人臉檢測技術(shù)的應(yīng)用越來越廣泛，但是由于人臉圖像復(fù)雜度較高、相應(yīng)的圖像數(shù)據(jù)處理量也比較大，因此其應(yīng)用平臺(tái)大多是數(shù)據(jù)處理速度更快的PC機(jī)［1］。雖然能夠取得良好的效果，但是由于PC機(jī)體積比較大，因此使用起來就不夠方便。嵌入式系統(tǒng)具有簡單易用以及低功耗的特點(diǎn)［2］，隨著嵌入式系統(tǒng)性能的不斷提高，將人臉檢測技術(shù)運(yùn)用到嵌入式系統(tǒng)中將會(huì)變得更加具有實(shí)用價(jià)值。同時(shí)，在實(shí)現(xiàn)人臉檢測的過程中，檢測速度是評(píng)價(jià)人臉檢測性能的重要構(gòu)成［3］。因此，在追求人臉檢測準(zhǔn)確率的基礎(chǔ)上，檢測速度的提升越來越受到重視。

本文采用Xilinx公司的zedboard開發(fā)板是ARM+FPGA架構(gòu)的可編程 ZYNQ-7000 AP SoC平臺(tái)［4］。ZYNQ芯片將ARM處理器核心以硬核的方式集成到芯片內(nèi)，這樣就使得計(jì)算強(qiáng)度更大、存儲(chǔ)效率更復(fù)雜的算法的實(shí)現(xiàn)變得更加容易。同時(shí)，ZYNQ還集成了FPGA邏輯和一些關(guān)鍵外設(shè)，解決了使用FPGA片內(nèi)處理器的局限性［4］?；赯YNQ平臺(tái)的顯著優(yōu)勢，本文在PL(FPGA)端對(duì)人臉檢測前的圖片進(jìn)行預(yù)處理，減少噪聲干擾，在PS(ARM)端對(duì)來自PL端的圖片進(jìn)行背景減除，然后進(jìn)行人臉檢測。

1 本文算法

1．1 PL端的中值濾波算法

在進(jìn)行人臉圖像的采集過程中，噪聲的干擾往往會(huì)在圖像上留下一定的痕跡，如果不對(duì)噪聲進(jìn)行處理，就會(huì)影響到圖像的識(shí)別率。圖像濾波可以消除噪聲帶來的干擾，改善圖像的質(zhì)量，目前通常用于人臉圖像的濾波方法就是中值濾波。

中值濾波是一種非線性濾波的方法，其原理為對(duì)任一像素點(diǎn)，用一個(gè)含有若干個(gè)像素點(diǎn)的鄰域區(qū)域(一般選擇為3×3鄰域)，將該像素點(diǎn)的像素值替換為所選鄰域內(nèi)所有像素點(diǎn)像素值的中值［5］。中值濾波對(duì)圖像掃描噪聲和濾除脈沖干擾十分有效，而且在去除噪聲的基礎(chǔ)上能夠保留圖像的邊緣紋理輪廓，是經(jīng)典的濾波方法。對(duì)人臉圖像進(jìn)行中值濾波能夠大大提高人臉圖像的特征提取效率，從而提高人臉的識(shí)別率。

本文是在FPGA上實(shí)現(xiàn)中值濾波，這樣就利用了FPGA硬件加速［6］的特點(diǎn)實(shí)現(xiàn)中值濾波算法的加速，從而就能減少整個(gè)人臉檢測的時(shí)間。

圖1給出了中值濾波算法在FPGA上實(shí)現(xiàn)的仿真圖。

圖1 中值濾波FPGA仿真圖

1．2 背景減除法在人臉檢測中的應(yīng)用

1.2.1 背景減除法

背景減除又可以稱為前景提取，其原理是將當(dāng)前的圖像與背景圖像進(jìn)行減法運(yùn)算，進(jìn)而得到目標(biāo)區(qū)域。由于該方法能夠較好地識(shí)別和提取運(yùn)動(dòng)目標(biāo)，所以經(jīng)常用于解決運(yùn)動(dòng)問題。該方法首先需要構(gòu)建與真實(shí)背景較相近的背景模型，然后將待檢測幀與背景模型進(jìn)行差分運(yùn)算，找出其中有變化的區(qū)域作為運(yùn)動(dòng)目標(biāo)［7］。

以上是背景減除法的基本概念，通過這一概念可知，背景減除法一般是用于運(yùn)動(dòng)目標(biāo)的檢測。然而本文主要對(duì)靜態(tài)的人臉圖片進(jìn)行識(shí)別，所以，真正意義上的的背景減除法并不適用于本文的研究，本文利用的是背景減除法的一些思想，如將待檢測圖像和與事先拍攝的背景圖像相減。將兩幅圖像相減后，得到的前景圖像在保留人臉的基礎(chǔ)上具有更少的像素點(diǎn)，從而能夠提高人臉檢測的速度。

1.2.2 本文采用的背景減除法

本文結(jié)合背景減除法進(jìn)行人臉檢測，即先對(duì)被檢測圖片與背景圖相減得到前景圖，然后再對(duì)前景圖進(jìn)行人臉檢測。然而，在進(jìn)行背景減除的過程中，背景中某些灰度值比較高的干擾像素點(diǎn)不能夠完全去除，在對(duì)前景圖片進(jìn)行人臉檢測的時(shí)候會(huì)出現(xiàn)誤檢。因此，在本文采用的背景減除法中加入了閾值分割的方法，這樣能夠更大限度地排除背景的干擾，提升檢測速度和識(shí)別率。

所謂閾值分割，就是對(duì)進(jìn)行了背景減除后的圖片的各像素點(diǎn)設(shè)定一個(gè)閾值，使像素值大于該閾值的像素點(diǎn)輸出其本身的像素值，而像素值小于該閾值的像素點(diǎn)，像素值輸出為零。

圖2所示為結(jié)合背景減除法的人臉檢測方法。

圖2 結(jié)合背景減除法的人臉檢測方法

2 人臉檢測系統(tǒng)設(shè)計(jì)

2．1 系統(tǒng)簡介

本文采用opencv進(jìn)行人臉檢測，opencv是由Intel公司面向應(yīng)用程序開發(fā)者提供的一個(gè)開源的計(jì)算機(jī)視覺庫，采用C/C++編程，包含300多個(gè)處理函數(shù)［8-9］。其應(yīng)用十分廣泛，包括人機(jī)交互、物體識(shí)別、圖像分析、人臉識(shí)別、動(dòng)作識(shí)別、運(yùn)動(dòng)跟蹤分析等領(lǐng)域，因此其完全適用于本文的人臉檢測系統(tǒng)。

本文所設(shè)計(jì)的人臉檢測系統(tǒng)的實(shí)現(xiàn)過程如圖3所示。

圖3 人臉檢測實(shí)現(xiàn)過程

要實(shí)現(xiàn)本文的設(shè)計(jì)，除了算法的設(shè)計(jì)實(shí)現(xiàn)，搭建一個(gè)能成功實(shí)現(xiàn)本文算法的實(shí)驗(yàn)平臺(tái)也是關(guān)鍵的一步。下面將介紹怎樣實(shí)現(xiàn)PC與zedboard的交叉編譯以及PS與PL端怎樣進(jìn)行通信。

2．2 PC與zedboard交叉編譯環(huán)境的搭建

為了在zedboard上成功實(shí)現(xiàn)人臉檢測，就需要將PC端的人臉檢測代碼移植到zedboard上并成功運(yùn)行。本文采用搭建PC與zedboard的交叉編譯環(huán)境的辦法，也即搭建嵌入式Linux開發(fā)環(huán)境。Linux嵌入式開發(fā)環(huán)境的搭建在本系統(tǒng)中分為兩個(gè)部分，分別為宿主機(jī)和目標(biāo)機(jī)環(huán)境的搭建。這里，宿主機(jī)環(huán)境的搭建是指:在PC機(jī)上安裝Linux操作系統(tǒng)，主要用于軟件代碼的開發(fā)、編譯，生成可執(zhí)行的.o(二進(jìn)制)文件;而目標(biāo)機(jī)指的是本文的硬件平臺(tái)zedboard，其環(huán)境的搭建是指:在zedboard上搭建系統(tǒng)運(yùn)行的Linux操作系統(tǒng)，為.o文件的運(yùn)行、算法實(shí)現(xiàn)以及系統(tǒng)驗(yàn)證創(chuàng)建軟件平臺(tái)。

在本系統(tǒng)中，宿主機(jī)的Linux操作系統(tǒng)是在虛擬機(jī)下安裝的Ubuntu 12.04操作系統(tǒng)。并且在該操作系統(tǒng)下安裝并編譯了opencv庫，建立了交叉編譯環(huán)境，并且還制作生成了opencv庫的鏡像，使之能移植到zedboard，并在zedboard的Linux系統(tǒng)中成功運(yùn)行opencv算法。而對(duì)于目標(biāo)機(jī)上的Linux操作系統(tǒng)，本文采用的是其SD卡自帶的精簡的Linux操作系統(tǒng)。

2．3 PS與PL之間的交互

在本系統(tǒng)中，PL端主要用于對(duì)來自外部輸入的圖像進(jìn)行中值濾波。圖片經(jīng)過在PL端的預(yù)處理后，經(jīng)由一個(gè)在512 Mbyte片外存儲(chǔ)器(DDR3)上的幀緩存?zhèn)魉偷絇S端［10］。

圖4給出了PL端圖像數(shù)據(jù)處理過程。

PL與PS之間是通過ARM的高級(jí)可擴(kuò)展接口(AXI)總線，而來自PL端外部輸入的圖像數(shù)據(jù)信號(hào)主要是經(jīng)AXI-stream接口與PS端通信，因此從外部輸入的圖像數(shù)據(jù)要轉(zhuǎn)換成AXI-stream接口信號(hào)，而AXI-stream是不能直接與PS相連的。這樣，該信號(hào)就只能經(jīng)AXI-VDMA核轉(zhuǎn)換成AXI-HP接口來實(shí)現(xiàn)PL端圖像數(shù)據(jù)與PS的數(shù)據(jù)交換。此處的中值濾波是利用Xilinx公司提供的FPGA開發(fā)工具ISE設(shè)計(jì)的，并在第三方的仿真工具M(jìn)odelsim上進(jìn)行了仿真驗(yàn)證。

圖4 PL端數(shù)據(jù)處理過程

在ZYNQ的體系架構(gòu)中，VDMA經(jīng)由AXI的高性能(HP)接口與PS相連，這些高性能的接口對(duì)PS端的內(nèi)存控制器有專用的訪問，能夠支持與片外存儲(chǔ)器之間的高帶寬的數(shù)據(jù)傳輸。每一個(gè)VDMA控制一個(gè)幀緩存，而且?guī)彺嬉子趶腜S端的內(nèi)存中獲取。由于從外部輸入圖像數(shù)據(jù)是連續(xù)的，因此當(dāng)PS端從幀緩存中讀取數(shù)據(jù)時(shí)，幀緩存暫停，然后PS可以將讀取到的圖像數(shù)據(jù)轉(zhuǎn)換成位圖文件，并保存在zedboard的SD卡中，該操作完成后，幀緩存重新開始工作。

圖5給出了數(shù)據(jù)在PS端的存取過程。

圖5 PS端數(shù)據(jù)處理流程

如上所述，處理器端將從幀緩存里面讀取的數(shù)據(jù)轉(zhuǎn)換成位圖文件保存在了zedboard的SD卡中，這樣就能利用事先建立的PC上的Linux操作系統(tǒng)與zedboard的Linux操作系統(tǒng)間的交叉編譯環(huán)境對(duì)采集到的圖像進(jìn)行前景提取以及最終的人臉識(shí)別。

3 實(shí)驗(yàn)結(jié)果與分析

在系統(tǒng)驗(yàn)證過程中，PL端輸入大小為512×480帶有椒鹽噪聲的人臉圖片，經(jīng)過中值濾波后輸出的圖片肉眼幾乎看不到有噪聲的存在，圖像質(zhì)量得到極大改善，實(shí)驗(yàn)結(jié)果如圖6所示。

圖6 帶噪圖像和中值濾波后的圖像

而在PS端，用來進(jìn)行檢測的圖片都是經(jīng)PL端預(yù)處理后的圖片，并且保存在zedboard板卡的SD卡中。得到被檢圖片后，先對(duì)人臉圖進(jìn)行背景減除操作，得到前景圖以及背景減除的時(shí)間;然后對(duì)經(jīng)背景減除后的圖片進(jìn)行人臉檢測，得到檢測一幀圖片的檢測時(shí)間。同時(shí)，在PS端也同樣對(duì)沒有進(jìn)行背景減除的人臉圖片進(jìn)行人臉檢測，記錄下檢測一幀圖片的時(shí)間。背景減除效果如圖7所示，檢測時(shí)間如表1～表2所示。

圖7 背景減除法效果圖

表1 人臉檢測時(shí)間對(duì)比 ms

表2 背景減除時(shí)間 ms

如表1、表2所示，列出了對(duì)沒有背景減除的人臉圖、背景減除后的人臉圖以及進(jìn)行背景減除檢測的時(shí)間。從實(shí)驗(yàn)結(jié)果可以看出，第一次實(shí)驗(yàn)的時(shí)間與后面幾次試驗(yàn)的時(shí)間相差較大，因此可以不考慮第一次實(shí)驗(yàn)的檢測時(shí)間。而后面三次實(shí)驗(yàn)的結(jié)果表明經(jīng)過背景減除后，人臉檢測的時(shí)間明顯減少，也就是檢測效率明顯提高，平均在730 ms左右。

結(jié)合背景減除法的人臉檢測算法不僅在檢測效率上有了提高，而且在識(shí)別率上也是有明顯的提升，實(shí)驗(yàn)結(jié)果如圖8所示。

圖8 人臉檢測效果圖

從圖8可以看出，在無背景減除的人臉圖片中，不僅檢測出了兩個(gè)實(shí)際的人臉，而且還檢測出了背景圖片中的干擾項(xiàng)。而在經(jīng)過背景減除后，之前的干擾項(xiàng)被當(dāng)做背景去除，圖片中只檢測出了2個(gè)人臉，因此可以看出結(jié)合背景減除法的人臉檢測算法也實(shí)現(xiàn)了人臉識(shí)別率的提高。

4 總結(jié)

本文在ZYNQ平臺(tái)上，結(jié)合背景減除法進(jìn)行人臉檢測，實(shí)現(xiàn)了人臉檢測時(shí)間的優(yōu)化，背景減除后的檢測時(shí)間比沒有背景減除的檢測時(shí)間減少了730 ms左右，并且在識(shí)別率方面也有所提升。在整個(gè)系統(tǒng)中，利用了ZYNQ的ARM+FPGA的架構(gòu)特點(diǎn)，在PL(FPGA)端對(duì)圖像進(jìn)行了預(yù)處理(中值濾波)，在PS(ARM)端對(duì)來自PL端的圖像進(jìn)行背景減除以及人臉檢測。而且，本文采用的背景減除法還進(jìn)行了閾值操作，這樣就能夠更大限度地去除背景的干擾，從而實(shí)現(xiàn)人臉檢測速度的更大的提升。然而，本文采用的背景減除法對(duì)于光照變化比較大的情況下提取前景的效果明顯下降，導(dǎo)致識(shí)別率的下降，因此本文采用的背景減除算法的魯棒性有待進(jìn)一步提升。

［1］官志平.基于ARM9的Linux系統(tǒng)移植以及在電梯轎廂內(nèi)人數(shù)檢測的應(yīng)用［D］.廈門:廈門大學(xué)，2014.

［2］徐淑峰.基于FPGA的人臉檢測系統(tǒng)設(shè)計(jì)［D］.上海:上海交通大學(xué)，2008.

［3］趙麗紅，劉紀(jì)紅，徐心和.人臉檢測方法綜述［J］.計(jì)算機(jī)應(yīng)用研究，2004，9(12):73-77.

［4］王淑玲.基于ZYNQ實(shí)現(xiàn)實(shí)時(shí)人臉檢測技術(shù)的研究［D］.南京:南京理工大學(xué)，2014.

［5］ GONZALEZ R C，WOODSR E.Digital Image Processing［M］.3rd ed.Beijing:Electronic Industry Press，2011.

［6］陸佳華，江舟，馬岷.嵌入式系統(tǒng)軟硬件協(xié)同設(shè)計(jì)實(shí)戰(zhàn)指南基于Xilinx Zynq［M］.北京:機(jī)械工業(yè)出版社，2013.

［7］陳燕萍.基于背景減除的運(yùn)動(dòng)目標(biāo)檢測算法研究［D］.廈門:廈門大學(xué)，2008.

［8］ BRADSKI A，KAEBLER A. 學(xué)習(xí) OpenCV［M］.北京:清華大學(xué)出版社，2009.

［9］陳志恒，姜明新.基于openCV的人臉檢測系統(tǒng)的設(shè)計(jì)［J］.電子設(shè)計(jì)工程，2012，20(10):182-185.

［10］ RUSSELL M，F(xiàn)ISCHABER S.OpenCV based road sign recognition on ZYNQ［J］.IEEE，2013(7):596-601.