文献标识码: A
文章编号： 0258-7998(2012)11-0150-03
人脸识别通过通用计算机或者ARM（Advanced RISC Machines）处理器实现,需要的时间较长，实时性较差。利用DSP快速处理器进行识别，时延将大大减少。几何矩是由Hu在1961年提出的，具有平移、旋转、尺度不变性，不变矩是描述区域的方法之一。矩不变量具有不随图像的位置、大小和方向而变化的特点，对于提取图像中的形态特征，是一个非常有效的工具[1]。
1 硬件实验系统
本系统采用达芬奇处理器TMS320DM6437作为核心处理器，DM6437是TI公司新一代高性能的数字媒体处理器，工作频率达 600 MHz，拥有以下出色性能：短1.67 ns的指令周期，每个时钟周期可并行执行8个32 bitC64x+指令，性能高达4 800 MIPS， 功能丰富的视频处理子系统[2]。
DM6437处理系统的前端子系统支持CCD和CMOS图像传感器接口，实时图像处理预览引擎，实现对通用视频解码器的无缝接口，具有自动曝光、自动白平衡和自动对焦模块，缩放模块；后端子系统支持硬件在屏幕显示4个54 MHz的DAC，支持复合NTSC/PAL视频、S-Video输出和YPbPr及RGB分量输出，8/16位YUV和24位RGB数字视频输出，HD分辨率,支持2个视频窗口[2]。
2 算法设计
2.1 人脸提取
图像都是基于RGB空间，但是在RGB空间里人脸的肤色受亮度影响相当大，肤色点很难从非肤色点中分离出来。在此空间经过处理后，肤色点是离散的点，中间嵌有很多非肤色，为肤色区域标定带来了难题。如果将RGB转为YCrCb空间，可以忽略亮度(Y)的影响，因为该空间受亮度影响很小，肤色会产生很好的类聚。这样可将三维的空间降为二维的CrCb,肤色点会形成一定的形状。根据经验,若某点的CrCb值满足：133≤Cr≤173，77≤Cb≤127，那么该点被认为是肤色点，其他的点为非肤色点。在实际操作时这个范围可以稍微放大，具体值可以通过实验学习得到。RGB空间转换到YCrCb空间见式(1)[3]：
3 实验结果与分析
实验采用仿真器仿真的方式，仿真器选用北京瑞泰公司的ICETEK-XDS560U-PLUS，实验结果可在CCS3.3软件中查看，通过打开View菜单下Graph子菜单、设置Image，运行程序后可以看到图片。
首先在CCS3.3中加载工程，载入开发板需要的各种初始化程序，工程中算法编成的函数随时供主程序调用。拍摄后的图像存放到系统识别处理的缓冲区，由DM6437从缓冲区中取出加以处理。
实验选用南京农业大学某学生头像进行处理，并提取原图像及三种变换的不变矩特征值。首先在Image中显示原RGB彩色图像，并且用肤色提取人脸，最后进行二值化，结果如图1所示。对图中提取的人脸二值化的图像进行Hu矩计算特征值，采用CCS中Watch Window软件可以查看运算结果，如图2所示。
对原RGB彩色图像做平移运算，并灰度化。通过肤色提取人脸，最后进行二值化，结果如图3所示。对图中提取人脸二值化的图像进行Hu矩计算特征值，采用CCS中Watch Window可以查看运算结果，如图4所示。
对原RGB彩色图像做缩小运算，并灰度化。通过肤色提取人脸，最后进行二值化，结果如图5所示。对图中提取的人脸二值化的图像进行Hu矩计算特征值，采用CCS Watch Window软件可以查看运算结果,如图6所示。
对原RGB彩色图像做旋转运算，并进行灰度化。通过肤色提取人脸，最后进行二值化，结果如图7所示。对图中提取的人脸二值化的图像进行Hu矩计算特征值,采用CCS Watch Window可以查看运算结果,如图8所示。
本文比较Hu矩所提取的人脸不变矩特征值，平移和旋转运算后得到的特征值与原图像相比误差在1%以下，缩小运算后得到的特征值误差相对大一些，达到4%左右。经过反复实验得出的结论是实验时采用的图像分辨率如果不高，平移和旋转运算将不会受影响，但是缩小运算会使图像损失一些像素值，从而导致运算后得到的特征值误差相对较大。本文通过提高图像的分辨率，解决了缩小运算后提取特征值误差较大的问题，使图像经过缩小运算后提取的Hu矩特征值与原图提取的特征值相比误差控制在1%以内，从而保证Hu矩在人脸识别中的正确率。
参考文献
[1] KUEI H M. Visual pattern recognition by moment invariants[J].IRE Transactions on Information Theory，1962，IT-8(2):179-187．
[2] 苑玮琦，贾琦.基于DM6437的驾驶员疲劳检测系统[J].仪表技术与传感器，2010(5):51-53,55．
[3] 邱鹏瑞.基于肤色模型与灰度复杂度的人脸检测研究[D].昆明：云南师范大学，2008.
[4] 晏开华，苏真伟，黄明飞.支持向量机在机械零件识别中的应用[J].电子技术应用,2008,34(11):108-110.