基于嵌入式和OpenCV 技術的人臉識別考勤系統

嚴正國，王家冰

（西安石油大學光電油氣測井與檢測國家教育部重點實驗室，西安710065）

0 引言

當今社會，大多數公司、企業都會對員工的上、下班進行考勤。當前的卡片打卡機防作弊機制不完全，只要手中有他人的卡片就可以替代打卡，市面上也出現了指紋式打卡機，這種打卡機指紋容易磨損，同時指紋套等物品的出現也說明了指紋打卡的不可靠性。如今，生物特征識別技術應用需求廣泛，而人臉識別技術又以其非強制性、非接觸性、并發性和普遍性的特點，得到了廣泛的應用。嵌入式系統作為時下最流行的智能設備開發平臺，通過OpenCV 這個資源豐富的跨平臺計算機視覺庫，將人臉識別技術與嵌入式系統相結合，顯著提高了開發的效率。

1 系統整體框架設計

系統總體設計方案主要包括以下兩個內容：

一是嵌入式硬件系統的搭建，主要包括了硬件平臺的選擇、Bootloader 的移植，Linux 內核的裁剪與移植和根文件系統的構建。

二是軟件系統的編程，主要涵蓋了對基于OpenCV的人臉識別技術的研究與應用程序的設計和編寫。

2 系統硬件設計

本設計選用了mini2440 開發板，其采用的微控制器是三星公司推出的S3C2440A，基于ARM920T 核心，具有性能高、功耗低、成本低的特點。

2.1 Bootloader的移植

Bootloader 是開機啟動系統時的一小段程序，通過這段程序來初始化硬件與建立內存空間的映射表，從而建立適當的軟硬件環境。u-boot 是最常用的一種Bootloader，它是一個開源的通用引導程序，同時支持x86、ARM 和PowerPC 等多種處理器架構。

（1）網上下載相應版本的u-boot.bin 到虛擬機的tftpboot。

（2）在開發板上配置TFTP 服務器的IP 地址，setenv serverip 192.168.1.xx（虛擬機ip 地址），并通過tftp 把u-boot.bin 下載到開發板內存。

圖1 系統流程圖

（3）在開發板上燒寫u-boot.bin。

2.2 Linux內核的裁剪和移植

需要對內核進行適當的修改才能更好適配開發板，需要對內核進行配置并重新Makefile。

（1）官網下載與開發板對應的內核版本，make${PLATFORM}_defconfig 確定平臺。

（2）make menuconfig 進入圖形化界面配置內核信息，進行內核裁剪。

（3）make uImage 編譯內核源碼。

（4）tftp 0x30008000 uImage 在uboot 環境下載內核鏡像，bootm 0x30008000 啟動內核。

圖2 內核裁剪界面

2.3 根文件系統的構建

在Linux 系統我們也需要把磁盤和Flash 分為多個分區，便于日常的使用，常用的存儲設備文件系統類型有jffs2、yaffs2、ubifs、ramdisk、nfs，等等。在網上下載一個常用的根文件系統放到虛擬機nfs 目錄中，然后通過nfs 掛載的方式實現根文件系統的搭建。

圖3 開發板根文件系統

3 系統軟件設計

根據設計的需求決定采用Qt Creator 作為圖形應用程序開發工具，Qt Creator 是一個跨平臺的C++圖形用戶界面應用程序框架，它為應用程序開發者提供建立藝術級圖形界面所需的所有功能。使用Qt Creator主要是因為它跨平臺，支持Windows 和Linux 等平臺；函數接口簡單，易于編程；開發效率高，有成熟的軟件框架，可以快速地編寫應用程序；支持嵌入式開發。

OpenCV 是一個開源的跨平臺計算機視覺庫，它為我們提供了大量的圖像處理的C 語言函數和C++類，供學習者免費使用。我們可以在嵌入式Linux 環境下對OpenCV 庫進行編譯，將編譯好的OpenCV 庫移植到開發板的根文件系統的/usr/lib 目錄，人臉識別的具體識別方法將利用OpenCV 的函數進行編寫。

圖形的界面的開發主要使用QtGUIApplication 的進行設計，主要界面包含了攝像頭、人臉識別方法以及必要的功能按鈕。

圖4 Qt Creator設計界面

圖5 軟件流程圖

人臉識別模塊的編寫主要使用了OpenCV 中的FaceRecognizer 類，主要的功能是實現了對于攝像頭采集的圖片的訓練和預測，分別對應train 和predict 函數。訓練的時候，將照片的信息保存在vectorsrcVec 中，照片的標簽保存在vectorlabels里，訓練完成后將以XML 格式來保存訓練的結果。預測的時候，將新獲得的圖片與XML 特征值文件進行比對，返回識別到的圖片在人臉庫的分組、用戶名與預測值。程序中的關鍵代碼如下：

//創建人臉識別類

Ptr faceClass = EigenFaceRecognizer::create（）;

PtrfisherClass=FisherFaceRecognizer::create（）;

PtrlpbhClass=LBPHFaceRecognizer::create（）;

//訓練

faceClass->train（images，labels）;

fisherClass->train（images，labels）;

lpbhClass->train（images，labels）;

//保存訓練的分類器

faceClass->save（"faceClass.xml"）;

fisherClass->save（"fisherClass.xml"）;

lpbhClass->save（"lpbhClass.xml"）;

//加載分類器

faceClass->load（"faceClass.xml"）;

fisherClass->load（"fisherClass.xml"）;

lpbhClass->load（"lpbhClass.xml"）;

//使用訓練好的分類器進行預測。

int faceResult=faceClass->predict（src_5）;

訓練和預測時使用的人臉識別方法是特征臉EigenFace、Fisher 臉FisherFace、LBP 直方圖LBPHFace，分別調用函數cv::face::EigenFaceRecognizer::create、cv::face::FisherFaceRecognizer::create 和 cv::face::LBPHFaceRecognizer::create 建立模型。

識別結果如圖6 所示，正確識別了組名、用戶名并返回了預測值，我們可以看到預測值達到91.35。根據筆者試驗，一般預測值達到80 以上時，識別結果均準確無誤，成功實現了人臉識別。

圖6 人臉識別結果

4 結語

通過開源的OpenCV 計算機視覺庫，使得人臉識別技術在嵌入式系統得以實現，可以根據實際需求具體定制人臉識別設備，在嵌入式生物識別領域具有一定的應用前景。但本設計亦有考慮不足之處，在實際工程中還需要進一步優化與改進。

（1）系統在經過長時間的運行之后，是否還能保持設備可靠的運行。

（2）信息采集模塊由于實際應用的不確定性，如果獲取的照片角度不佳或光照不足，是否會對人臉識別模塊造成影響。