本論文發展以數位訊號處理器(DSP)為基礎之『相對基因演算法之多人臉辨識系統』。整個辨識系統涵蓋三個子系統：多人臉之橢圓定位系統，特徵點與特徵向量擷取系統，多人臉辨識系統演算法。 多人臉之橢圓定位系統先使用CCD 或是數位相機，於任意背景下擷取欲辨識的影像資訊，透過DSP 處理版的PPI 介面，傳輸影像至DSP 處理的SRAM 中。然後利用相對基因演算法，藉由臉部膚色與橢圓資訊找出影像中人臉的所在位置，不需要限定人臉位置、人臉大小，以及是否需要單純背景。特徵點與特徵向量擷取系統是藉由橢圓的資訊，利用人臉五官特徵，然後使用各影像的處理技巧，找出臉部的五官特徵點。經由特徵點計算特徵向量。多人臉辨識系統採用多數決原則，將所得到的特徵向量比對資料庫中的每一筆ID 的特徵向量，比對後取出ID 計數最高的即辨識完成。 實驗結果，本系統在全域且非單純背景的環境下有良好的辨識率及效能。

The thesis illustrates the development of DSP-based “Relativity Gene Algorithm For Multiple Faces Recognition System＂. The recognition system is divided into three systems: Ellipsoid location system of multiple human faces, Feature points and feature vectors extraction system, Recognition system algorithm of multiple human faces. Ellipsoid location system of multiple human faces is using CCD camera or digital camera to capture image data which will be recognized in any background, and transmitting the image data to SRAM on DSP through the PPI interface on DSP. Then, using relatively genetic algorithm with the face color of skin and ellipsoid information locate face ellipses which are any location and size in complex background. Feature points and feature vectors extraction system finds facial feature points in located human face by many image process skills. Recognition system algorithm of multiple human faces is using decision by majority. Using characteristic vectors compares every vector in the database. Then, we draw out the highest ID. The recognizable result is over. The experimental result of the developed recognition system demonstrates satisfied and efficiency.

第一章 緒論
1.1 研究背景與動機
1.2 研究目的
1.3 相關文獻
第二章 系統架構流程
2.1 論文架構
2.2 架構流程
第三章 相對基因進化演繹法之人臉偵測系統
3.1 YCbCr 皮膚顏色轉換
3.2 Sobel 濾波器邊緣擷取
3.3 壓縮及拉高
3.3.1 壓縮
3.3.2 拉高
3.4 全域之相對基因進化演繹法
3.5 人臉擷取及解壓縮
第四章 多人臉之特徵點定位
4.1 眼睛特徵點擷取
4.2 眉毛特徵點擷取
4.3 嘴唇特徵點擷取
第五章 多人臉辨識系統演算法
5.1 特徵向量演算法
5.2 辨識系統
第六章 硬體架構及實驗結果
6.1 DSP硬體架構及簡介
6.2 實驗處理環境
6.3 CCD 原理介紹
6.4 影像格式說明
6.5 硬體影像傳輸流程
6.6 實驗結果
第七章 結論以及未來展望
參考文獻

[1] R.L. Hsu, ＂Face detection in color images,＂ IEEE Transaction onPattern Analysis and Machine Intelligence, Vol.24, pp.696-706, 2002.
[2] M.J. Er, S. Wu, j. Lu, and H. Lye, “Face Recognition with Radial BasisFunction (RBF) Neural Networks,＂ IEEE Transactions on Neural Networks,Vol. 13, No. 3, pp.697-710, 2002.
[3] Martinez, A.M.; Kak, A.C., “PCA versus LDA＂, Pattern Analysis and Machine Intelligence, IEEE Transactions on, Volume: 23 Issue:2, pp. 228-233, 2001.
[4] Christophe Garcia,Manolis Delakis “A neural architecture for fast and robust face detection “，Pattern Recognition, 2002. Proceedings. 16th. International Conference on ,Volume: 2 , 11-15 , pp. 44-47 ,Aug. 2002.
[5] H.A. Rowley, S. Baluja, T.Kanade, “ Neural network-based face detection “, IEEE Trans. Pattern Analysis and Machine Intelligence, vol.20 ,no.1 ,pp. 23-38,Jan.1998
[6] H.A Rowley, S.Baluja, T.Kanade, “ Rotation Invariant neural network-based face detection “, Proc. IEEE Conf. Computer Vision and Pattern Recognition , pp.38-44,1998.[7] R.Brunelli and T.Poggio , “ Face recognition : features vs.template＂ , IEEE Trans.Pattern Analysis and Machine Intelligence, vol.15 ,no. 10,pp. 1042-1052,Oct.1993.
[8] L. Jordao, M. Perrone, J.P. Costeira, and J. Santos-Victor, “Active face and feature tracking,＂ Proceedings of International Conference on Image Analysis and Processing, pp.572-576, 1999.
[9] D.Hearn and M.P.Baker, “Computer Graphics＂, 2nd Edition, Prentice Hall, NewYork,1994.
[10] N.Otsu, “A threahold selection method from gray level histogram＂, IEEE Trans onSystem, Man, and Cybernetics, SMC-8,1978 pp.62-66.
[11] Rafael C.Gonzalez and Richard E.Woods, “Digital Image Processing Processing＂,page164~165。
[12] Quan YUAN, Wen GAO, Hongxun YAO,＂ Robust frontal face detection in complex environment “, Pattern Recognition, 2002. Proceedings. 16th International Conference on , Volume: 1 , 11-15 , pp. 25-28 , Aug. 2002. [13] Y. Mitsukura, M. Fukumi, N. Akamatsu , “ A design of face detection system using evolutionary computation “, TENCON 2000. Proceedings , Volume: 2 , 24-27 Sept.2000. [14] 吳明衛，＂自動化臉部表情分析系統＂，國立成功大學資訊工程學系碩士論文，2003.
[15] H.Yokoo , M.Hagiwara ,＂ Human faces detection method using genetic algorithm“ ,The Journal of The Institute of Electrical Engineers of Japan,Vol.117 ,no.9 ,pp.1245-1552, 1997.
[16] 林宸生，＂數位訊號-影像與語音處理＂，台北,全華科技，1997.
[17] 林億晉，＂DSP Based之人臉特徵抽取與身分識別系統＂，國立中山大學電 機工程研究所，碩士論文，2004.
[18] 顏睿余，＂高性能DSP Based 影像擷取辨識系統＂，國立中山大學電機工程。 研究所，碩士論文，2002.
[19] 黃怡 編譯，『Visual C++ 6 Bible--進階與應用程式篇』，台北，文魁資訊，2001.
[20] 洪錦魁 編著，『精通C 語言』，台北，文魁資訊，2001. [21] 鄭家瑜 編著，『C++物件導向程式設計入門與應用 』，台北，博碩文化， 2000.
[22] 胡哲源 編著，『掌握Visual C++ -- MFC 程式設計與剖析』，台北，文魁 資訊，2000.
[23] 鄭凱文，＂以DSP 為基礎人類頭部追蹤系統之研發＂，國立中山大學電機工程研究所，碩士論文，2004.
[24] 曾郁展，＂DSP-Based 之即時人臉辨識系統＂，國立中山大學電機工程研究所，碩士論文，2005.
[25] 徐晨暐，”DSP-Based 之臉部表情辨識系統”， 國立中山大學電機工程研究所，碩士論文，2005.