Implementacja algorytmu rozpoznawania twarzy z użyciem metody analizy głównych składowych w układzie SoC

• Autorzy: Wujek P. , Pełka R.

Warianty tytułu

EN

A SoC-based implementation of the face recognition algorithm in digital images using principal component analysis

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono koncepcję oraz realizację sprzętową mikrosystemu do rozpoznawania twarzy z użyciem metody PCA (Principal Component Analysis) [1-3]. Jako platforma sprzętowa użyty został układ programowalny SoC z rodziny Zynq firmy Xilinx [4]. Realizacja PCA polega na zbudowaniu bazy danych w oparciu o obrazy źródłowe a następnie dopasowaniu poszukiwanej twarzy w bazie danych. W artykule przedstawiono implementację programową w środowisku MATLAB/PC oraz implementację w układzie SoC. Obydwie implementacje przetestowano i przebadano pod względem złożoności oraz szybkości działania. Przedstawiono również ich zalety i wady.

EN

This paper describes the design and implementation of the integrated microsystem for face recognition in digital images, based on a new SoC Zynq from Xilinx [4]. Zynq is a new class of SoCs which contains an industry-standard ARM dual-core Cortex-A9 processing system and 28 nm programmable logic. Face recognition is performed by the well known PCA algorithm (Principal Component Analysis) [1-2]. The proposed microsystem creates database from a number of source images and then identifies faces by PCA fitness. The algorithm was implemented in a twofold way: (1) using MATLAB/PC, and (2) hardware platform based on ZedBoard from Avnet with Zynq XC7Z020 SoC. Both versions of implementations were tested in terms of complexity and speed. It was proved that the hardware implementation worked properly and gave exactly the same results as a software algorithm running on the PC platform. Experimental tests of the PCA-based face recognition system were performed with the use of ORL database [6]. The hardware implementation is relatively slower but fast enough for most real applications of face detection systems in mobile, handheld terminals. Since the proposed microsystem is based on the embedded dual-core ARM Cortex A9 processor and uses Linux kernel it can be easily extended and connected to other digital devices using standard communication interfaces (including wireless channels).

Słowa kluczowe

PL

rozpoznawanie twarzy; FPGA; SoC

EN

face recognition; FPGA; SoC

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2014
• Tom: R. 60, nr 7
• Strony: 423--425
• Opis fizyczny: Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Wujek P.

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Instytut TelekomunikacjiI, Zakład Techniki Cyfrowej, ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa 49

autor

Pełka R.

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Instytut TelekomunikacjiI, Zakład Techniki Cyfrowej, ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa 49

Bibliografia

• [1] Gottumukkal R., Asari V.: An improved face recognition technique based on modular PCA approach, Pattern Recognition Letters, vol. 25/2004.
• [2] Park C., Paek I., Paik J.: Improved Face Recognition Using Extended Modular Principal Component Analysis, Computer Science, Vol. 4291/2006, pp 599-607.
• [3] Wang N., Chang S., Chou P.: A real-time multi-face detection system implemented on FPGA, (ISPACS), 2012, Page(s): 333-337.
• [4] ZedBoard: Zynq™ Evaluation and Development - Hardware User’s Guide, version 1.9, 29 Jan. 2013, on-line: www.zedboard.org.
• [5] Turk M., Pentland A.: Eigenfaces for Recognition, Journal of Cognitive Neuroscience, vol. 3, no. 1, 1991.
• [6] ORL Database website: http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html