64、基于FPGA的视频人脸识别最佳镜头选择及面部动作单元分类方法

基于FPGA的视频人脸识别最佳镜头选择及面部动作单元分类方法

在当今的科技领域，视频人脸识别和面部表情识别都有着广泛的应用前景。本文将介绍基于FPGA的视频人脸识别最佳镜头选择方法，以及面部动作单元分类的相关内容。

基于FPGA的视频人脸识别最佳镜头选择

模糊检测与模板匹配

• 模糊检测 ：可以使用3×3均值滤波器来判断图像是否模糊。设$f$为原始图像，$f’$为滤波后的图像，通过计算$D = abs(f - f’)$得到差异图像。差异图像$D$的平均像素值越高，原始图像的聚焦效果越好。我们会丢弃$D$值最低的人脸图像。
• 模板匹配 ：为了估计人脸的姿势和眼睛的状态，采用了全局方法。模板匹配是一种流行的全局方法，具体使用归一化互相关，公式为：
  [
  \gamma = \frac{\sum_{x,y}[f(x,y) \cdot t(x,y)]}{\sqrt{\sum_{x,y}f(x,y)^2 \sum_{x,y}t(x,y)^2}}
  ]
  其中，$t$是模板，$f$是输入图像，$x$和$y$是图像中每个像素的坐标，$0 \leq \gamma \leq 1$，$\gamma$是相关值。相关值$\gamma$越高，输入图像与模板之间的关系就越强。该方法可以用于丢弃有遮挡的人脸图像，因为有遮挡的人脸图像与正面人脸模板的相关值会很低。选择最佳人脸图像时，会综合考虑人脸图像与正面人脸模板的相关性，以及人脸中眼睛与睁眼模板的相关性，选择两者相关性组合最大的图像。

FPGA实现