基于ARM9的便携式人脸识别系统

5)计算AAT的特征向量μi；根据计算量保留j个最大特征向量组成特征子空间。
6)将每张脸φ(减去均值后)表示成j个特征向量的线性组合，即为φ的特征脸。每张标准化训练脸φi用Ω=(ω1i，ω2i，…，ωji)T，i=1，2，…，K表示。
(2)识别阶段。
1)设要识别的未知人脸为T，先将T按列变化为一列向量xt。
2)xt求与平均脸ψ得差值φ。再将φ向特征子空间投影，即

3)将φ表示成

4)最后计算两个矩阵的欧氏距离

若erξ，其中ξ为固定值，则该人脸被识别。
3．2 PGA算法的预处理
虽然PcA算法在待识别图像质量较好的情况下，有识别准确且计算量不大的优点，但在以下几点情况下，存在缺陷。其一是待识别图像和训练图像光照度差别较大。其二是人脸背景差别较大。为改进PCA算法，可对图像做以下预处理：
(1)删除背景。要删除背景就要找出人脸在图像的位置。对此，本系统通过人脸肤色建模的方法找出人脸的位置，并进一步找出眼睛位置，然后根据两个眼睛之间的距离计算出人脸大概范围，通过对人脸范围的适当调整，使其规格化。
(2)调整每张人脸图像的亮度。通过设定一固定值，调整图像像素的灰度值，使图像灰度平均值达到这一固定值。通过同态滤波，减少光照不均。

4 结束语
采用了在ARM9控制下CMOS图像传感器进行图像采集，并利用改进的PCA算法对图像识别，提高了识别效率和系统的实用性。测试表明，脸部范围在180×200像素时，设定阈值er为2×1015的情况下，系统的识别率为89．2％。