王 威

（辽宁建筑职业学院 辽宁省辽阳市 111000）

随着社会不断进步，计算机技术、电子技术迅猛发展，数字时代已经到来，社会各行各业的快速发展对身份认证也有了更高要求。人脸识别属于模式识别，在身份认证中应用越来越广泛，但传统人脸识别技术缺乏便携性和灵活性，为不断提升人脸识别的灵敏度、可靠性及便捷性，需从云计算角度出发，开展嵌入式人脸识别系统研究，进一步提升识别效率。

概述

近几年，云计算发展势头良好，融合了并行计算、分布式技术、网格计算等多项高新技术，能够提供丰富多样的云服务，其主要功能包括三项，分别是软件服务、平台服务和基础设施服务。软件服务最为常见，用户与云端连接后可直接完成多种数据处理服务，平台服务主要针对开发人员，计算能力和处理能力较强，基础设施服务面向底层用户，主要提供底层数据、软件资源与硬件架构，用户可从供应商处得到符合自身需求的资源。从云计算角度出发建构嵌入式人脸识别系统，具有以下三项优势。第一，计算规模庞大。云平台中配有数量可观的服务器，可承载庞大的计算量。第二、安全可靠。云平台的设计理念是为客户提供优质的数据处理服务，可靠性为第一前提，为数据提供集中防护，用户可获得真实有效的信息资源。第三、虚拟性。云计算不受时间与空间限制，通过云端进行连接，将服务器、网络与存储进行虚拟化处理。

基于云计算的嵌入式人脸识别系统建构分析

现阶段，嵌入式系统资源有限，而人脸检测运算庞大复杂，因此嵌入式人脸识别系统建构难度较大，可融合云计算技术，利用嵌入式系统完成人脸图样采集，利用计算机网络上传至云平台进行检测运算，并将结果反馈给嵌入式平台，以此提高计算速度，满足客户需求。嵌入式采集端与云计算的结合，可对视频采集前端人脸进行分割处理，大大缩小数据量，明显提高上传速度，避免出现大量的计算冗余，系统设计更加环保。另外，此系统还能避免对网络环境产生过多依赖，灵活应对突发情况，优势良多。

系统方案总体设计。基于云计算时代背景下，人脸识别在智能视频监控中得到了高度重视，系统的应用既能够对以太网接口和图像采集设备进行描述外，还需要配备其它辅助设备，以此来实现用户交互、数据存储等目标，图1描述的是人脸识别系统结构图。通常情况下，系统方案总体设计包括三个方面：（1）嵌入式系统。此

系统为核心，须连接以太网和图像采集设备，一般情况下为确保处理器有良好的性能，大多选择ARM架构的s5pv210嵌入式微处理器构建嵌入式平台，性能较优良，有利于构建人脸识别系统。（2）人脸检测云计算平台。此平台可为客户提供精度较高的人脸识别技术，将规模庞大的计算系统与嵌入式系统分离，大幅度提高了计算速度与准确性。现阶段可使用的接口服务包含人脸比对、人脸数量检测、人脸特征检测等，其中每项接口服务又针对客户需求开发出多种功能。（3）图像采集设备。图像采集设备需保证采集清晰度，采集分辨率一般是352＊288，为后续检测计算提供保障，采集设备可通过USB摄像头或红外CCD摄像头完成接入。

图1 基于云计算的嵌入式人脸识别系统结构示意图

硬件设计。嵌入式人脸识别系统属于专用身份认证系统，因用途特殊，故对硬件需求较高，系统硬件和软件融合为一体，通过USB接口和客户端相互联系，完成指定需求的身份认证。总结来说，在人脸识别系统硬件结构设计过程中，微处理器选择了S5PV210的芯片类型，其主要包括了电源、触摸屏、晶振、复位及时钟电路、Jtag调试、Camera、DRAM、USB 等内容，同时选择了ARM CortexTM-A8内核，而且在主频方面采用了64/32位内部总线结构，最大为1GHZ，不仅可以达到2000DMIPS 的运算能力，而且还可以更好的满足人脸识别系统设计需求。系统运行时，摄像头将检测到的人脸图像经由电路发送至图像采集模块提供信息，通过复杂的运算处理。显示模块会在人脸识别及初步运算后输出人脸图像，并将其上传至微控制器总线的接收端，完成后续识别处理。在硬件系统中，通信接口模块、微控制器、图像采集模块属于核心设备，构建硬件系统时应根据使用需求采购适合的元件，以免影响人脸识别效果。微处理器芯片是核心控制设备，与系统开发时间及人脸识别准确度息息相关，采购时应综合考虑多项因素（类型、外围器件、总线宽度、经济性），在保证满足使用需求的同时尽量降低能耗、节约成本。

软件设计。通常情况下，人脸识别系统主要通过捕获和检验sdcard中拍摄和存储的图像，借助系统按钮不仅可以对操作模式进行科学、合理的调节，而且还可以使其变成拍照检测模式或实时检测模式进行有效提高系统运行效率。其中，拍照检测模式主要是获取摄像头拍摄的临时图像，以便全面了解和掌握人脸中的不同特征，并上传至云平台中存储。实时检测模式一般是以每秒的速度来捕获摄像头中的图像，并检测图像中的人脸特征、数量等信息，最后以文本的方式传输给用户。

对于人脸识别系统而言，软件设计是构建嵌入式人脸识别系统的重要部分，一般包括以下几项内容。首先是人脸图像采集，受场景环境限制，人脸图像采集过程中不可避免的会受到光源、各类遮挡等不良因素影响，因此采集图像时需要进行预处理，包括图像去噪、校正、归一化等操作，以此消除外部影响，提高识别精度。其次是人脸特征提取，采集后的图像利用一定算法进行处理，处理方式包括图像特征选择和降维处理等操作，提取人脸面部的重要特征信息，降低后续计算量。最后是人脸识别，将计算得出的人脸特征与云端数据库中的信息进行对比分析，如果特征相互匹配则证明为同一人。

基于云计算的嵌入式人脸识别系统应用分析

结合云计算技术的嵌入式人脸识别系统应用时需完成如下步骤。（1）采集人脸视频、预处理人脸图像。工作人员通过合适的摄像头，结合现场情况调整视频格式与尺寸，采集后转换成人脸图像。为提升图像质量，可利用Harris角点计算法进行灰度化与校正处理。（2）提取人脸特征、降维处理。使用Haar-Like方法提取人脸特征，提取的人脸特征属于多重共线性关系，数据量较大，需进行合理的降维处理。（3）完成人脸识别。传统人脸识别算法需借助特征向量，辨识程度较低，可将人脸特征上传至云端服务器，在大数据算法协助下构建完善的人脸模型，从而准确识别人脸样本，提高识别精度。

综上所述，嵌入式人脸识别在现代社会中有重要的商业价值与潜在价值，应加大研究力度，结合云计算技术，综合考虑系统方案总设计、硬件及软件设计三方面因素，尽可能建构更加科学合理的系统，优化整理性能，缩短识别时间、提高识别率，使其在更多领域发挥重要作用，进而为社会的可持续发展提供有效助力。