基于嵌入式平台的运动人脸捕捉系统设计及实现

针对现有智能监控系统难以同时满足清晰、准确、实时、可靠等要求的缺点,提出了一种基于嵌入式视频监控的实时人脸捕捉系统。在ARM Linux操作平台上建立流媒体服务器,实现CCD摄像头的视频采集和传输,采用背景差分法与相邻帧差相结合的方法来实现运动目标的分割与精确定位,提出了一种基于肤色模型的人脸区域分割算法,缩小了运动区域的人脸检测范围,在此区域内,通过Adaboost算法实现了运动目标的实时人脸捕捉。采用ARM1176JZF-S内核的Samsung S3C6410处理器,以Linux2.6.28作为系统的软件开发平台,在基于开源计算机视觉库OpenCV软件工具基础上进行系统开发与测试。结果表明,该系统实现了运动目标的检测以及人脸捕捉,并具有很好的清晰度,从其统计的检测率和运行时间看,有很好的鲁棒性和实时性。     

嵌入式人脸识别系统的开发

人脸识别过程中需要处理大量图像特征数据和进行复杂的计算,很难直接在处理能力较弱的嵌入式平台上实现。在Tiny6410嵌入式平台采用OpenCV人脸类Haar特征进行人脸区域检测,PCA降维算法快速提取人脸特征,欧氏距离进行人脸识别,减少了人脸识别过程中的数据量和计算,在嵌入式平台上开发了一套人脸识别系统。识别结果显示:该系统运行稳定,识别率高。     

基于达芬奇平台的人脸检测研究

基于TI公司的达芬奇平台,研究了人脸检测算法.对OpenCV中的Adaboost算法进行了移植,使其在TI公司的TMS320DM6467运行,实现了人脸的自动检测.运行结果表明该方法具有较高的精度和较快的速度,适合于身份验证和视频监控等领域的实时应用.     

人脸自动追踪与识别系统的设计与实现

为快速和准确地识别有关人员的身份，开发了一个具有5个自由度的人脸自动追踪与识别系统．该系统采用人脸肤色模型结合相似度及人脸轮廓来检测和定位人脸，并利用嵌入式隐Markov模型对人脸的特征进行提取和识别．实验结果表明，该系统不仅能自动追踪、定位和识别人脸，而且能实时地将识别结果与人脸数据库进行比对，从而迅速地获得被识别人员的有关身份信息．该系统可用于建筑物入口的监控和刑事侦察等场合．     

基于OpenCV的人脸检测系统设计与实现

本文介绍了OpenCV函数库的基本用法,阐述了目前做人脸检测研究中所使用的常用检测算法,并利用OpenCV设计和实现了图像中人脸的检测,试验结果表明利用OpenCV开发人脸检测系统效率高,识别效果好。     

基于SX52的嵌入式web服务器远程监控技术的实现

介绍了一种基于嵌入式web服务器的远程监控系统,该系统采用嵌入式Internet技术、计算机网络技术,实现在局域网乃至Internet网上对远程设备的实时监控。     

嵌入式网络实时视频监控系统的设计

基于目前视频监控系统的现状,提出了一个基于嵌入式系统的网络实时视频监控系统.其服务端以S3C2410嵌入式平台为核心、IME6400及附属电路为扩展功能,并采用了嵌入式Linux操作系统.在Linux设备驱动中设计和实现了零拷贝技术,保证了压缩编码后的视频流数据在系统内存中只存在1份实体而无其他的拷贝,这样就提高了系统内存的使用效率,并且减少了CPU的资源消耗.依照RTP协议进行实时视频流传输,同时采用嵌入式Web方式,并且支持ActiveX,用户只需使用IE浏览器就可以完成实时监控.该嵌入式视频监控系统构建灵活,占用资源少,系统效率高,有较高的可靠性和安全性,因此具有较大的市场潜力.     

基于人脸检测与跟踪的智能监控系统

针对现有视频监控系统的缺陷,提出一种新的基于人脸检测与跟踪的智能监控系统.利用对称差分算法,自动检测场景中的运动区域,限制搜索范围;然后利用BP神经网络对肤色进行识别,获得候选人脸区域,该方法比固定阈值肤色检测方法具有更强的环境适应能力;经过人脸验证,最终定位图像中的人脸;对检测出的人脸,提出了新的基于肤色信息和维护运动人脸缓冲池的方法,主动跟踪目标人脸.依据检测出的人脸信息和当前的日期、时间,建立相应的监控信息标注数据库,以供后期查询.实验表明,该系统能够实时可靠地检测、跟踪运动人脸,满足特定的监控要求.     

基于PaddleHub的人脸口罩识别系统

新冠病毒的传播方式主要是通过呼吸道传染,人们佩戴口罩进行防护是最有效的预防 感染的途径之一,而人脸口罩自动化识别可以有效监督人们是否佩戴口罩。文章设计了基于 PaddleHub的人脸口罩识别系统,利用PyramidBox单阶段人脸检测器和FaceBoxes主干网络分别对 目标区域进行人脸检测和口罩识别。此外,为扩展该系统的功能,还增加了嵌入式人体测温和视 频监控识别的核心功能,以及增加了分类人数统计、实时语音报警和实时截图的特色功能。该系 统采用了网页端的形式进行了各功能的效果展示,并且在全天候自然场景下进行了实地测试达到 了显著的检测效果。     

基于Windows CE智能钻井监控系统

针对国内外现存的油田钻井监控系统的现状,提出了一种适用于离散井群的监控系统,该系统以 Windows CE 嵌入式操作系统为核心,利用串口及 FF 总线与底层 I/O 节点进行数据通信,并实现对下层设备的实时监控。主控制台可以直接联入 Internet,应用嵌入式系统中的网络功能,将系统信息向维修中心的服务器传递,实现远程数据的采集与监控功能。     

基于OpenCV的人脸检测与跟踪方法实现

人脸是视频内容中的重要信息,对人脸的检测与跟踪是智能视频分析的一个重要分支。实现了基于OpenCV的人脸检测与跟踪方法。首先计算视频图像的Haar-like特征,然后利用AdaBoost级联分类器进行人脸检测,最后使用基于颜色的Camshift算法实现人脸跟踪。在VS 2010开发平台上调用OpenCV函数库进行C++编程;并使用MFC框架实现了人脸检测与跟踪方法。仿真实验结果证明方法思路合理、计算复杂度较低、鲁棒性较好。     

嵌入式智能网络视频监控系统设计与实现

网络视频监控是进行远程分布式视频监控的重要途径。设计实现了一个基于DSP的嵌入式智能网络视频监控系统。整个系统包括视频服务器端、视频客户端和视频控制端三大部分。其中服务器端采用自行研制的嵌入式DSP开发平台实现，具有体积小、智能判断运动目标等特点。测试结果表明，该系统运行稳定，对于D1格式的视频图像，能达到实时网络视频监控的目的。     

基于TD-SCDMA的实时智能家居安防系统的设计

设计了一种嵌入式无线智能家居安防系统,利用3G网络通信模式的TD-SCDMA网络来实现视频实时传输.通过视频的实时监控弥补了传统GSM网络当中的误报、错报情况的不足,能够实现传统GSM网络的自动控制、报警等功能.开发平台选用三星公司的S3C44BOX硬件平台和Linux操作系统来实现,实验结果表明:该系统具有低功耗、实时、高速的优势,能够适用于各种实时嵌入式系统.     

基于VC＋＋的实时智能监控系统

以Visual C＋＋6.0为开发平台,引入OpenCV函数库和VFW软件开发包作为辅助开发工具,对从摄像头采集的数据进行处理,实现了对运动目标的检测、识别与报警.介绍了系统的构成及实现方法,同时改进了传统的图像处理方法以适应实时监控的要求.     

嵌入式人脸检测系统平台设计与实现

描述了基于S3C2410的人脸检测系统的平台设计及实现过程,主要包括人脸检测系统的硬件架构搭建及软件平台设计实现.将Adaboost人脸检测算法在该硬件环境上的运行,得到了较好的效果.该系统为嵌入式系统的开发提供了一个范例,达到了系统体积小,成本低,速度快、可靠性高的目的.     

嵌入式人脸检测系统开发研究

人脸识别的应用领域十分广泛,具有良好的发展前景.但目前的人脸检测识别系统大多基于PC系统架构,其机动性、便携性受到很大限制.针对这一问题,嵌入式系统是一套可行性很高的解决方案.本文首先比较系统的整理分析了当前各类的人脸检测方法的优缺点,并对其中一种当今应用较广泛的算法———基于肤色的人脸检测算法的实现步骤进行了分析;之后,结合Linux系统在构建嵌入式系统上的优势,对以嵌入式Linux系统为基础发展人脸检测的应用前景进行了展望.     

改进的人眼定位算法在DSP上的快速实现

在PC机上实现人脸检测是一种非在线检测,具有非实时性和滞后性等缺点,而将嵌入式系统设计技术与数字图像处理技术相结合能够实现人脸的快速检测。以TMS320DM643建立实时图像处理硬件系统,通过CCD获取视频序列,再利用Harr脸部检测算法和Cam Shift运动目标跟踪算法来提取人脸区域。在此基础上采用临界值法和K-means算法进行人眼定位。采用C语言编程在TIDM643EVM上进行优化实验,完成一次操作只需0.48s。     

基于Adaboost方法的车载嵌入式疲劳驾驶预警系统

提出一种基于Adaboost的实时算法, 并应用于车载嵌入式系统。用红外光源和红外摄像头获取驾驶员的视频图像, 对其疲劳状态进行监控。首先通过人脸检测定位驾驶员的人脸, 然后提取人眼区域并对人眼闭合状态进行判断, 基于PERCLOS标准制定了相应的预警机制, 对潜在的疲劳驾驶进行判断并预警。该算法从PC移植到嵌入式平台并根据实验进行了优化, 先后制作了多个车载嵌入式装置进行实车测试, 达到了大于92%的准确率和少于1.5 s的判断响应时间。实验装置稳定可靠, 可实际应用于营运车辆。     

基于Adaboost人脸检测算法

针对因图像背景复杂、 光照变化及面部旋转等因素的影响, 使复杂背景下人脸检测难度大、 速度慢和准确率低的问题, 使用Adaboost算法进行人脸检测, 并在OpenCV上实现其检测过程。分别对具有面部旋转和复杂背景的图像进行了人脸检测实验, 其检测准确率分别为85%和99%, 平均检测时间分别是16.67 ms/张和76 ms/张。实验结果表明, 该算法能在复杂背景下准确、 快速地实现人脸检测, 且能满足人脸识别系统实时性的要求。     

基于Gamma和AdaBoost的人脸检测系统设计

为了有效地实现人脸的检测效果,文章在AdaBoost算法基础上提出一个改进的人脸检测算法．为了有效地消除光照和成像对人脸的影响,该算法将Canny修剪算法和伽马矫正算法进行结合,有效地消除光照和成像设备对人脸的影响．并利用VisualC＋＋和OpenCV等开发工具设计了一个人脸检测系统．本系统采用20×20的人脸图像和背景图像各1000张训练了一个7层的级联分类器,每一层构成的强分类器由一组基于Haar特征的弱分类器构成．该系统通过自选137幅包含人脸和背景的图片对系统进行测试,获得94．72％的正确检测率以及26．42％的误检率．