開發低成本、小型化人臉識別系統在發展實際人臉識別應用中具有重要的意義。本系統采用ARM9作為系統控制芯片，達到了系統低成本、便攜化、小型化的要求。不同于運行在PC機的人臉識別算法，系統的識別算法必須更多地考慮算法的計算量和ARM的運行速度，使識別準確率和識別時間都達到可接受范圍。

1 硬件平臺

1．1 ARM9處理器
    本系統采用三星公司的ARM9系列S3C2410作為處理器，工作頻率可達到203 MHz，可滿足系統對計算速度的要求。該處理器內置2個USB HOST，本系統可用來掛載USB攝像頭。
1．2 液晶顯示屏
    為顯示攝像頭當前采集圖像的預覽，系統采用三星的320×240像素液晶屏，大小為106．68 cm。該液晶屏的每個像素深度為2 bit，采用RGB565色彩空間。
1．3 攝像頭
    攝像頭采用市場上常見的網眼2000攝像頭，內部是含CMOS傳感器的OV511+芯片。
    CMOS傳感器采用感光元件作為影像捕獲的基本手段，核心是1個感光二極管，該二極管在接受光線照射之后能夠產生輸出電流，而電流的強度則與光照的強度對應。相對CCD圖像傳感器，CMOS傳感器具有成本低廉的優點。該攝像頭通過USB接口與ARM9處理器通信。該攝像頭輸出格式yuv，在輸出至屏幕之前，需將數據格式轉化為RGB565格式。
1．4 存儲器
    系統采用64 MB的SDRAM，由兩片K4S561632芯片組成，工作在32位模式。另有64 MB的NANDFlash，采用K9F1208芯片。該芯片在系統中空間分配情況，如圖2所示。

    本系統的驅動程序主要用來驅動攝像頭、按鍵和指示燈。這3個驅動程序在操作系統啟動后，采用Linux特有的動態加載模塊方式加載至系統內核。攝像頭驅動程序可在Linux內核自帶的OV 51l驅動程序基礎上修改，使其兼容OV 511+芯片。指示燈驅動程序主要用來提示當前程序工作狀態。由于程序運行于Linux操作系統之上，應用程序無法直接控制硬件I／O口，需要先經過驅動程序對物理地址進行地址映射，才可通過映射的虛擬地址進行I／O操作。按鍵驅動程序采集用戶輸入，并通過硬件中斷傳至Linux內核空間，再由驅動程序通過Linux進程間通信方式之一的信號通信，傳至運行在Linux用戶空間的應用程序。

3 識別算法
3．1 PCA算法
    PCA方法(即特征臉方法)是M．Turk和A．Pentland在文獻中提出的，該方法的基本思想是：將圖像向量經過K-L變換后由高維向量轉換為
低維向量，并形成低維線性向量空間，即特征子空間，然后將人臉投影到該低維空間，用所得到的投影系數作為識別的特征向量。識別人臉時，只需將待識別樣本的投影系數與數據庫中目標樣本集的投影系數進行比對，以確定與哪一類最近。
    PCA算法分為兩步：核心臉數據庫生成階段，即訓練階段以及識別階段。

    5)計算AAT的特征向量μi；根據計算量保留j個最大特征向量組成特征子空間。
    6)將每張臉φ(減去均值后)表示成j個特征向量的線性組合，即為φ的特征臉。每張標準化訓練臉φi用Ω=(ω1i，ω2i，…，ωji)T，i=1，2，…，K表示。
    (2)識別階段。
    1)設要識別的未知人臉為T，先將T按列變化為一列向量xt。
    2)xt求與平均臉ψ得差值φ。再將φ向特征子空間投影，即

    
    3)將φ表示成
    
    4)最后計算兩個矩陣的歐氏距離
    
    若er<ξ，其中ξ為固定值，則該人臉被識別。
3．2 PGA算法的預處理
    雖然PcA算法在待識別圖像質量較好的情況下，有識別準確且計算量不大的優點，但在以下幾點情況下，存在缺陷。其一是待識別圖像和訓練圖像光照度差別較大。其二是人臉背景差別較大。為改進PCA算法，可對圖像做以下預處理：
    (1)刪除背景。要刪除背景就要找出人臉在圖像的位置。對此，本系統通過人臉膚色建模的方法找出人臉的位置，并進一步找出眼睛位置，然后根據兩個眼睛之間的距離計算出人臉大概范圍，通過對人臉范圍的適當調整，使其規格化。
    (2)調整每張人臉圖像的亮度。通過設定一固定值，調整圖像像素的灰度值，使圖像灰度平均值達到這一固定值。通過同態濾波，減少光照不均。

4 結束語
    采用了在ARM9控制下CMOS圖像傳感器進行圖像采集，并利用改進的PCA算法對圖像識別，提高了識別效率和系統的實用性。測試表明，臉部范圍在180×200像素時，設定閾值er為2×1015的情況下，系統的識別率為89．2％。