数字技术与应用
uPD6450在收费监控系统中的应用
刘烹
(广州诚泰交通机电工程有限公司
广东广州
510420)
[摘要]uPD6450是NEC公司推出的专用字符叠加芯片，本文介绍了其性能特点及其在收费监控系统中的应用
[关键词]uPD6450芯片[中图分类号]TN948
0前言
字符爱加
应用
[文献标识码]A
应用研究，
[文章编号]1007-9416（2010）01-007403
系统中不可缺少的一部分。它可以将日期
时间日期及字符受加器近年来在收费视频监控系统中得到广泛应用，其系统容量在不断扩大。字符叠加电路是视频监控
留，否则就排除。（2)长宽比例特征：对垂直正面人脸来说，其长宽之比一般为1左右，在此我们取[0.8，2.0]比例关系，这样就可以把一些不符合条件的区域排除。(3) 孔润特征由于眼晴、嘴巴的存在，使得人脸区域中会存在一个或多个“孔"。因此我们可以通过“孔”来在判断候选区城是否为人验。
2
基于先验知识的人险检测算法
要对图像实现高效的人险检测，必须结合多种方法，综合运用，才能最终检测出人脸。在基于先验知识的预处理基础上，首先对候选区城进行边缘检测，然后采用高斯定位法对候选人脸区域进一步地验证，最终确定的人险位置。在人险外轮席线的提取中，一些边缘提取算法诸如 Sobel、LoG、Canny算子等很难获得满足要求而且可幕度高的连续边缘，某些对比度低的地方甚至连边缘都检测不到。所以综合Sobel和Canny算子得到的边缘信息可以得到比较干净的边缘图(3)
大量的实验表明，人脸图像在X轴方向投影曲线在的宽度范阅内近似服从高斯分布，在Y轴方向的投影曲线在人眼的高度范围内近似服从高斯分布。根据这特性，可以采用高斯模型来进行人险检测。高斯摄率密度函数定义式为：
选择建立肤色模型
输入街像
时间及其它信息如收费金额，车型等内客混入视频信号，因而用户在监视的解幕上不仅可以看到握像机拍摄的两面，还可以
P(x) =
1
(2元)/2-(2)1/
exp(0.5(x μ) (2)*(xμ) 其高斯表达式为：
-(x-μ)、
G(x)= k, exp(
2g
经过推导可以得出： k, =max(F,(x) ,
(3)(4)
V2πmax(F,(x))
a
(3)
于是边缘检测后的二值图像区城的高斯投影可以确定，又因为人脸的宽度一般是嘴宽度的2倍左右，可以根据高斯函数在X，Y轴上投影位置的比例关系，也就是嘴的位置和眼的位置的比例关系，来最终确定筛选和确定人险区域。
3计算和实验
本文首先从互联网和数码相机中收集了近300幅不同大小，不同背景的图像自建图像库，然后利用Windows系统下的 Matlab程序进行伤真测试。
3.1 果
简单背景下的单人险检测实验结
利用人脸儿何特征的相选
肤色区域标记
光照补偿及欧色分剂
肤色区域筛选
基于先验知识的人险检测预处理流程图图1
74
数字技术与应用万方数据
看到收费金额或车型信息，这些字符经视频记录设备记录后可以与图像内客一起保存起来，为日后的复查提供极大的方便。
从时间日期及字符叠加器的工作方式基于肤色的人脸检测：图像数86，正
确数76，满检数10，误检数3
基于先验知识的人脸检测：图像数
正确数81，漏检数5，误检数1 86，1
3.2复杂背景下的单人脸检测实验结果
基于肤色的人脸检测：图像数265，正确数171，漏检数94，误检数26
基于先验知识的人险检测：图像数正确数240，漏检数25，误检数8
265，
从以上数据统计表中，我们可以得出以下的结论：
用先验知识的人险检测方法提高了人险检测的正确率，在没有用先验知识的人险检测方法之前，简单背景的人脸检测正确率为88.3%，复杂背景的检测正确率为 64.7%。在用先验知识的人险检测方法以后，简单背景的人脸检测正确率达到94 2%，复杂背景的人脸检测正确率达到90. 6%.
4结语
本文给出了一种基于先验知识的人脸检测算法。它结合了肤色算法、人险几何特征算法和边缘检测等多种算法的优点，克服了各自的不足，发挥了整体的性能。经过验证，该算法适应性好，对姿态，旋转和脸部表情的变化有一定的鲁样性，基
本上能对人脸进行准确的检测。[参考文献】
唐资爆，鲁杰，姜涌.基于肤色和[]
Hausdorff距离的人险检测.尖兵之翼-2006中国无人机大会论文，2006
[2]雷明，张军英，董济扬，一种可变光照条件下的肤色检测算法.计算机工程与应用2002.24123-12，
[3]王晓红，基于边缘算法和肤色检测技术的人验检测方法与实现[c].硕士论文，武汉理工大学，2007.