作者 张治军 华为技能有限公司(广东 深圳 518100)
张治军，男，1986.10.15，研讨生，中级职称，研讨方向：物联网
摘要：跟着安全城市和才智城市的项目的深入发展，关于人类辨认技能的运用需求越来越大，为了满意人脸辨认的需求，规划并完成了一种依据Hi3519的人脸辨认视频监控体系，以海思芯片Hi3519为中心处理器，用Sony的IMX226作为前端视频收集，经过WIFI传输经过H.265紧缩后的音视频数据;要点论述了人脸辨认摄像机的硬件件规划与完成，一起叙述了人脸辨认的技能流图。
0 导言
跟着我国向数字化、信息化社会的跨进，人们对人脸辨认技能的了解和知道也将逐步增进，人脸辨认技能的市场需求会越来越大，而人脸辨认技能和辨认体系的功用也将在不断发展中日益完善，更好地服务群众。人脸辨认是依据人的脸部特征信息进行身份辨认的一种生物辨认技能。用摄像机收集人脸图画，用Adaboost
算法和肤色模型对原始图画进行人脸检测，得到初始化人脸图画，然后运用Camshift 算法盯梢，进步人脸辨认的功率和可靠性。
1 体系结构和作业原理
人脸辨认体系分为注册和认证两个阶段，主要由四个部分组成：人脸图画收集及检测、人脸图画预处理、人脸图画特征提取以及匹配与辨认。人脸辨认体系流图如图1所示。
经过摄像机收集人脸图画，依据Adaboost算法把人脸的形式特征挑出来用于人脸检测，在人脸检测的根底在进行灰度校对、噪声过滤等图画预处理，把人脸图画特征提取出来，终究把提取的人脸图画的特征数据与数据库中存储的特征模板进行查找匹配，当类似度超越这一阈值，则把匹配得到的成果输出。
2 体系硬件规划
本文挑选海思Hi3519作为体系中心处理器，它供给了 8K30/4K120 广播级图画质量的数字视频录制，支撑业界抢先的多路 4K Sensor
输入，多路 ISP 图画处理，支撑HDR10 高动态规模技能标准，并支撑多路全景硬件拼接，在支撑 8K30/4K120 视频录制下，Hi3519供给硬化的
6-Dof 数字防抖，削减了对机械云台的依靠。Hi3519集成了双核 A73 和双核
A53，独创性的巨细核架构和双操作体系，使得功耗和发动时刻到达均衡。体系硬件结构如图2所示。
2.1 中心处理器
中心处理器Hi3519是摄像机最中心从模块，承载了图画处理与剖析、编解码紧缩等很多作业，终究经过WIFI模块把紧缩后的H.265格局视频流发送出去。
2.2 音视频收集模块
音频IC选用的是美信公司的低功耗、语音单声道音频编解码器MAX9860ETC+。视频收集模块选用Sony公司的开发的4K图画传感器芯IMX226，它是一款1/1.7英寸的CMOS数字图画传感器，支撑全高清4K@60fps(2304H
x 1296V)，支撑主动白平衡，且具有较好的低照度。音视频托言电路示意图如图3所示。
为得到较好的音视频作用和满意产品EMC要求，Hi3519芯片在视频管脚VDAC_CVBS添加一个75Ω精度1%对地电阻;在音频输出管脚AC_OUTL
和AC_OUTR 的外围添加一个音频放大器和及滤波电路;一起，音视频模块的模仿电源AVDD33_VDAC，有必要运用1000Ω@100Mhz磁珠与数字电源3.3V
用阻隔。
2.3 存储模块
存储器模块包含串行NOR FLASH和DDR3。体系运用FLASH来存储体系程序和Linux内核，DDR作为整个体系的缓冲中心。Hi3519接口支撑
DDR3颗粒，主芯片有两个DDRC，每个DDRC有16根地址线，32 bit数据线，可支撑对接2PCS 16 bit位宽DDR颗粒或 4PCS 8 bit 位宽
DDR颗粒。DDR选用MICRON的MT40A512M16JY-075E，Flash选用Mxic公司的MX25U25635F。FLash电路如图4所示。
Hi3519V101 FLASH 控制器支撑SPI NOR FLASH、SPI NAND FLASH、并行NANDFLASH
和EMMC。为了完成功用和满意产品EMC要求，Flash的引脚SFC_CLK有必要串接一个33 Ω电阻，SFC_WP_IO2需求一个4.7
K下拉电阻，SFC_HOLD_IO3 和SFC_CSN0需求一个4.7 K上拉电阻，且Flash一切信号引脚PCB走线不能超越3inch。
为添加DDR的稳定性，时钟信号DDR0_CLK_N/P 和DDR1_CLK_N/P 选用一驱二的拓扑，在T点方位跨接1个75 Ω 电阻;DDR4
的外部电阻(ZQ)挑选 240 Ω，精度±1%;在 Reset 信号T点过孔附近的方位添加1个1nF电容。
2.4 其它模块
WIFI模块选用必联电子的BL-M8812AU2，是一款Realtek8812au计划 WIFI
Module无线模块双频千兆无线WIFI模块;为了提高夜间视频作用，体系添加了红外电路规划，经过光敏电阻来调理红外LED灯亮度，以到达最佳人脸检测作用。
3 Adaboost算法
Adaboost
算法是自适应的Boosting算法的一种。它运用很多的简略分类器，把它们叠加起来构成一个强分类器。基本思想：当分类器对样本正确分类时，则削减样本的权值;不然，添加样本的权值，让学习算法在后续学习中会集比照较难的训练样本进行学习，终究得到一个辨认率高的分类器。因而，Adaboost
算法需求有恰当的弱学习算法和由此算法所树立的弱分类器。针对人脸检测的弱分类器如下：
把一切分类器连接起来组成一个挑选式的级联分类器，每个节点都有多个分类器构成，且每个节点的辨认率都很高;在任一级的核算中，假如一旦承认方针“不在类别中”，则停止核算，即阐明没有人脸。因而，方针方针只要经过分类器中的一切等级，才会以为被检测到。因而，当方针呈现频率较低时(如一幅大图里只要一幅小脸)，挑选式的级联分类器核算量大大下降，然后敏捷判别出此处无人脸。
4 结束语
本文依据海思Hi3519硬件和Adaboost算法，规划了一款人脸辨认摄像机，此摄像机能在杂乱环境中主动、快速、精确的把人脸检测与辨认出来。
参考文献：
[1]陶亮.依据人脸辨认的身份认证办法研讨[D].合肥：中国科学技能大学，2003.
[2]李华胜，杨烨，袁宝宗.人脸辨认体系中的特征提取[J].北京交通大学报,2001.
[3]Jonsson K, Kitter J, Li Y P,et al. Support vector machines for face
authentication[J].Imaging and Vision Computing,2002.
[4]周杰，卢春雨张长水.人脸主动辨认办法总述 [J].电子学报,2000.
[5]欧维，刘荣，蒋红梅.智能视频监控技能在电视监控体系中的运用[J].智能建筑电气技能，2007(5):3-5.
[6]范金刚.智能视频监控体系若干关键技能的研讨和完成[D].成都：电子科技大学,2006.
[7]黄璐.数字视频监控体系的规划与完成[J].体系仿真技能，2006,2(2):118-124.
[8]梁修如，严国萍.嵌入式视频监控服务器体系典型计划及其功用剖析[J].电视技能，2005(10):93-96.
[9]程恳，陈长清，张鹏宇，等.一个嵌入式视频监控体系的规划与完成[J].微核算机信息，2008,24(14):12-13,84.
[10]王军，许建龙，孙树森.视频监控体系规划与完成[J].浙江理工大学学报，2008,25(3):301-304.
本文来源于《电子产品世界》2018年第12期第63页，欢迎您写论文时引证，并注明出处。
