大学生科研训练基于华为智能人脸识别系统设计word.docx

大学生科研训练基于华为智能人脸识别系统设计word.docx

《大学生科研训练基于华为智能人脸识别系统设计word.docx》由会员分享，可在线阅读，更多相关《大学生科研训练基于华为智能人脸识别系统设计word.docx（8页珍藏版）》请在冰豆网上搜索。

大学生科研训练基于华为智能人脸识别系统设计word

大学生科研训练-基于华为Hi3516智能人脸识别系统设计

学科分类号（二级）大学生科研训练基金项目申请书项目名称基于华为Hi3516的智能人脸识别系统的设计项目类型一般项目申请金额1500项目类别自然科学申请者所在学院联系电话电子信箱指导教师项目编号

填填表说明一、填写《申请书》前，请先查阅《大学大学生科研训练基金管理办法》和相关通知。

二、申请书各项内容，必须实事求是，表达要明确严谨，并要求用打印。

对于填写不合要求、内容含糊不清、字迹潦草者，不予受理。

三、项目类型：

选填重点项目或一般项目。

四、项目类别：

选填自然科学或社会科学。

五、项目性质和项目来源栏需在选项前方的括号内填入相应代码。

六、封面的项目编号由教务处统一编写。

七、打印格式：

（一）纸张为A4大小，双面打印；

（二）文中小标题：

五号、黑体；（三）栏内正文：

五号、宋体。

八、上报《申请书》一式二份（至少含一份原件）。

申请项目获准后，《申请书》由学校签署意见并保存一份，另一份返回学院存档。

1基本信息11．项目情况项目名称基于华为Hi3516的智能人脸识别系统的设计项目性质（B）A基础研究B应用研究项目来源

（1）1自主立题2教师指导选题起止时间自2019年12月至2020年12月22．申请者情况姓名性别年龄民族学院物理与电子信息学院专业电子信息科学与技术学号项目研究中承担的主要任务软件算法的开发与调试联系电话个人简介（学习、研究经历）入学后努力学习电子信息科学与技术方面专业知识，大一自学C语言和STM32单片机，并于2019年8月参加全国大学生电子设计竞赛及其培训，自学了AltuimDesigner软件，作为物电学院大学生电子创新实验室的成员，在指导教师的带领下学习了电路原理图设计、PCB制作、电路板焊接及调试、单片机最小系统设计及制作，打下了一定的专业基础，具有较强的专业技术能力。

在校期间学习认真努力，对电子技术方面具有浓厚的兴趣，学习过程中对待工作认真严谨，能吃苦耐劳，具有较强的协作性和责任感。

学习成绩及奖罚情况成绩居班级前15%。

获单科奖2项。

无受处罚情况。

发表论文情况尚无论文发表

233．项目组成员情况序号姓名学号所学专业在项目中的分工签名11电子信息科学与技术负责Hi3516开发板的调试，硬件设计22电子信息科学与技术负责PC端Linux系统的调试，协助算法设计。

33电子信息科学与技术论文的写作，项目记录及总结。

一、研究目的（研究主攻方向、拟解决的主要问题，用一、两句话简洁明确说明。

）在Linux系统开发、设计好人脸识别算法，下载到具有摄像头的华为Hi3516开发板，采集含有人脸的图像或视频流，进行人脸检测和跟踪。

二、立项依据（包括科学意义和应用前景，国内外研究概况、水平和发展趋势，学术思想，立论依据，特色或创新之处，主要参考文献目录和出处。

）

（一）立论依据1．科学意义和应用前景研究人脸识别在理论和技术上都有重要的意义：

一是可以推进对人类视觉系统本身的认识；二是可以满足人工智能应用的需要。

采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱人的应用前景。

同时人脸识别作为一种生物体征识别与其它较成熟的识别方法（如指纹、虹膜、DAN检测等）相比有以下几个优点：

①无侵犯性，人脸图像的获取不需要被检测人发生身体接触，可以在不惊动被检测人的情况下进行；②低成本、易安装，人脸识别系统只需要采用普通的摄像头、数码摄像机或手机上的嵌入式摄像头等被广泛使用的摄像设备即可，对用户来说也没有特别的安装要求；③无人工参与，整个人脸识别过程不需要用户或被检测人的主动参与，计算机可以根据用户预先的设置自动进行。

由于具有以上优点，近几年来，人脸识别技术引起了越来越多科研人员的关注。

2．国内外研究概况人脸识别的研究历史比较悠久，Galton早在1888年和1910年就分别在《Nature》杂志发表了两篇关于利用人脸进行身份识别的文章，对人类自身的人脸识别能力进行了分析，但当时还不可能涉及到人脸的自动识别问题。

最早的关于人脸识别问题的研究论文见于1964年Bertillon在PanoramicResearchInc.发表的技术报告，和1965年Chan在PanoramicResearchInc.发表的技术报告，到现在已有四十余年的历史。

近年来，人脸识别研究得到了诸多研究人员的青睐，涌现出了诸多技术方法。

尤其是1990年以来，人脸识别更得到了长足的发展，每年都有大量的学术论文发表。

现在，几乎所有知名的理工科大学和IT产业的主要公司都有研究组在从事人脸识别的研究。

人脸识别的研究大致可分为四个阶段。

第一个阶段以Bertillon，Allen和Parke为代表，主要研究人脸识别所需要的面部特征。

该阶段是人脸识别研究的初级阶段，非常重要的成果

3不是很多，也基本没有获得实际应用。

第二个阶段是人机交互识别阶段。

该阶段代表性工作是Goldstion，Harmon和Lesk等用几何特征参数来表示人脸正面图像。

他们用21维特征矢量表示人脸面部特征，并设计了基于这一特征表示的识别系统。

在这个阶段，Kanade博士于1973年在京都大学完成了第一篇人脸识别方面的博士论文。

该阶段的方法仍摆脱不了操作员的干涉。

第三个阶段是真正的机器自动识别阶段。

这一阶段时间相对短暂，但却是人脸识别研究的高潮期，不但诞生了主成分分析、线性判别分析、弹性图匹配、局部特征分析、独立分量分析、支持向量机、神经网络、隐马尔可夫模型、柔性模型（FlexibleModels）（包括主动形状模型（ASMs）和主动表观模型（AAMs））等若干代表性的人脸识别算法，美国军方还组织了著名的FERET人脸识别算法测试，并出现了若干商业化运作的人脸识别系统，最为著名的是Visionics（现为Idenfx）的Facelt系统。

这一阶段的人脸识别技术发展非常迅速，所提出的算法在较理想图像采集条件、用户配合、中小规模正面人脸数据库上达到了非常好的性能。

从技术方案上看，2D人脸图像线性子空间判别分析、统计表观模型、统计模式识别方法是这一阶段的主流技术。

第四个阶段是鲁棒的人脸识别技术的研究阶段。

近几年来，研究人员针对影响人脸识别的一些主要因素，例如光照、姿态、表情、年龄、遮挡、低分辨率等变化因素，提出了很多解决方法。

如对于光照变化的处理方法主要有熵图像法、光照锥法、球谐波函数法、九点光源法等。

对于姿态变化的处理方法主要有多视角法、局部到整体几何特征变换匹配法、通用3D模型法、3D形变模型法、光流场法[7]等。

总体而言，目前非理想成像条件下（尤其是光照和姿态）、用户不配合、大规模人脸数据库上的人脸识别问题逐渐成为研究的热点。

解决这类问题的方法的特点是通过描述和补偿变化因素，从而提高算法的性能。

非线性建模方法、基于Boosting的学习技术、基于3D模型的人脸建模与识别方法等逐渐成为备受重视的技术发展趋势。

目前，国外对人脸识别问题的研究很多，比较著名的有CMU（卡耐基梅隆大学）、MIT（麻省理工学院）、YALE（耶鲁大学）等机构；国内的清华大学、中国科学院自动化研究所、上海交通大学、南京理工大学、哈尔滨工业大学等单位都有人员从事人脸识别相关工作的研究。

关于人脸识别研究的重要国际会议有IEEE的FG（IEEEInternationalConferenceAutomaticFaceandGestureRecognition）、ICIP（InternationalConferenceonImageProcessing）、CVPR（ConferenceonComputerVisionandPatternRecognition）等。

3．水平和发展趋势

（1）目前人脸识别发展水平所展现出来的优势：

1）、识别率高比以色列人脸识别系统准确率高25%比国内某知名人脸识别商用系统准确率高55%。

2）、识别速度快单台服务器每秒可完成1500万次人脸比对在移动终端上人脸检测帧率是Google的3倍。

3）、对人脸容忍度高人脸姿态变化30度内可识别，60度内可检测人脸大小最低50像素可识别，28像素可检测。

4）、在海量（百万级以上）人脸库应用场景下，人脸识别准确率高达92%。

识别率几乎不受帽子、胡子、眼睛、发型等面部遮挡的影响。

在18-50年龄范围内，依旧可以保持90%以上的识别准确率。

（2）人脸识别未来发展趋势

4首先，人脸识别应用的最广泛领域便是安防行业，不仅给整个安防行业注入了新的生命活力，也进一步开拓了新的发展市场。

作为安防市场未来的发展方向的智能视频分析，其中最重要的技术就是人脸识别。

其二，我国的三维测量技术近年来发展形势较好，而现今3D人脸识别算法正对2D投影的缺陷做了补充，此外对于其中的传统难点，包括人脸旋转、遮挡、相似度等在内的都有了很好的应对，这也成为了人脸识别技术的另一个最为重要的发展路线之一。

其三，大数据深度学习进一步提升了人脸识别的精确度，这也为2D人脸识别的应用作了一定的突破，将其应用于互联网金融行业当中，能够快速普及金融级应用。

其四，人脸识别技术由于其便利性、安全性，可在智能家居中用作门禁系统以及鉴权系统，因此智能家居与人脸识别技术的融合是未来发展的重点方向。

智能家居中的人脸识别系统是结合嵌入式操作系统和嵌入式硬件平台建立的，加强了人脸识别技术与智能家居应用的结合度，具有概念新、实用性强等特点。

其五，人脸识别技术是未来基于大数据领域的重要发展方向。

现如今公安部门都引入了大数据，这也弥补了传统技术的难点，通过人脸识别技术使得这些照片数据再度存储利用，能够大大提升公安信息化的管理和统筹，这将成为未来人脸识别的主要发展趋势。

（二）特色或创新之处设计一个集人脸检测技术、图像预处理技术、人脸特征提取技术和人脸对比技术的系统来进行人脸识别。

（三）主要参考文献目录和出处[1]祝磊，朱善安.人脸识别的一种新的特征提取方法[J].计算机学报，2007，34（6）：

122-1251.[2]何东风，凌捷.人脸识别技术综述[J].计算机学报，2003，13（12）75-78.[3]方蔚涛,马鹏，成正斌，杨丹,张小洪.二维投影非负矩阵分解算法及其在人脸识别中的应用[J].自动化学报.2012（09）.[4]何国辉，甘俊英.PCA-LDA算法在性别鉴别中的应用[J].中国图象图形学报，2006，32（19）：

208-211.[5]王聃，贾云伟，林福严.人脸识别系统中的特征提取[J].自动化学报，2005，21（7-3）.[6]张俭鸽，王世卿，盛光磊.基于小波和DFB-PCA的人脸识别算法研究[J].自动化学报，2007，23（2-1）.[7]曹林，王东峰，刘小军，邹谋炎.基于二维Gabor小波的人脸识别算法[J].电子学报，2006，28（3）490-494.[8]焦峰，山世光，崔国勤，高文，李锦涛.基于局部特征分析的人脸识别方法[J].自动化学报，2003，15

（1）：

53-58.[9]薛定宇，陈阳泉，刘惜雨.基于MATLAB/Simulink的系统仿真技术与应用[M].清华大学出版社，2002.

5[10]胡正平,宋淑芬.基于类别相关近邻子空间的最大似然稀疏表示鲁棒图像识别算法[J].自动化学报.2012（09）.[11]何家忠，杜明辉等单体本人脸识别中一种新的图像增强方法微计算机信息，2009.三、研究内容（说明研究项目的具体内容）Hi3516是海思半导体针对高清IPCamera产品应用开发的一款专业高端SOC芯片，其1080P@30fpsH264多码流编码性能、优异的ISP和编码视频质量、高性能的智能加速引擎等特性，在满足客户差异化IPCamera产品功能、性能、图像质量要求的同时，可大大降低ebom成本。

基于华为海思HI3516平台设计一个集人脸检测技术、图像预处理技术、人脸特征提取技术和人脸对比技术的系统来进