基于Retinex-MBLBP的嵌入式Linux复杂光照人脸实时检测方法

本研究论文聚焦于"基于嵌入式Linux的复杂光照人脸实时检测"这一主题，针对嵌入式设备在不同光照条件下的应用场景，提出了创新的人脸检测方法。作者首先依据Retinex理论，这是一种解释视觉感知中亮度和颜色分离现象的光学模型，来提取图像中的光照不变分量。Retinex理论在此被用于减少光照变化对人脸检测的影响，确保检测结果的稳定性。 接着，作者利用多尺度局部二值模式（Multi-scale Local Binary Pattern，MB-LBP）特征进行人脸检测。MB-LBP是一种常见的纹理描述符，它通过对图像局部区域进行灰度量化并编码成二进制模式，有效地捕捉了人脸的纹理信息。通过AdaBoost算法，这些特征被进一步优化，提高了人脸检测的准确性和鲁棒性。 将这两种技术结合起来，研究人员开发了一套基于嵌入式Linux的人脸实时检测系统。这个系统选择三星Exynos4412 ARM开发板作为硬件平台，它配备了高效的CPU和GPU，以支持高性能计算。系统采用USB摄像头作为数据输入源，配备LCD触控显示屏用于显示和用户交互。 在软件设计方面，作者依赖开源计算机视觉库，如OpenCV等，进行跨平台的程序开发和编译，同时进行了Linux内核定制和驱动移植，以适应嵌入式设备的特性。通过NFS网络文件系统和以太网通信，实现了PC与ARM板之间的数据交换。SecureCRT软件则用于远程调试和控制ARM板的操作。 实验结果显示，该人脸检测系统在复杂光照条件下表现出较高的人脸检出率，证明了其在实际应用中的有效性。同时，系统还满足了实时性的要求，对于嵌入式设备来说，这是至关重要的性能指标。本文的研究为嵌入式设备在各种光照环境下的人脸检测提供了一个实用且高效的方法。