【正文】 別圖像以及相關(guān)的數(shù)據(jù)。識(shí)別功能：這部分功能主要依據(jù)程序設(shè)置，對(duì)圖像里人的眼睛進(jìn)行標(biāo)注，從而識(shí)別出人臉圖像。：圖像預(yù)處理層次圖。 技術(shù)路線由以上分析，：人臉識(shí)別技術(shù)路線。 彩圖灰度化人臉識(shí)別技術(shù)的研究不是直接利用原始的彩色圖像，一般是采用將彩色圖片灰度化之后的灰度圖像作為研究對(duì)象。 int red=(color)。0xFF。另外，直方圖均衡化也可以降低干擾的線圖像，沖擊，更容易地使圖像的特征提取，并在同一時(shí)間，提高圖像的主觀質(zhì)量的。之后用一個(gè)離散公式并允許像素值在區(qū)間[0，L1]。 FrequenceGray[Gray]++。return PixelsGray?；趯?shí)現(xiàn)方式的簡(jiǎn)易度，我們采用的是均值濾波的方式。如把階躍變化過(guò)渡，平滑成逐漸變化，使得精確定位的能力下降[4]。為了使得總的數(shù)據(jù)量減少，同時(shí)為后續(xù)特征提取的計(jì)算量減少，因此使用圖像邊緣檢測(cè)技術(shù)。比較經(jīng)典的常用的算法有：差分邊緣檢測(cè)、Roberts邊緣檢測(cè)算子、Sobel邊緣檢測(cè)算子、Prewitt邊緣檢測(cè)算子等。如下公式： (49)Sobel算子是一種基于梯度幅值的計(jì)算方法，通過(guò)對(duì)數(shù)字圖像f(x ,y)的每一個(gè)像素的四鄰域點(diǎn)的灰度值的加權(quán)差，與鄰點(diǎn)的權(quán)值大小。cvSobel(pImg8uSmooth,pImgSobelgray,0,1,3)。第四章 基于Android的人臉檢測(cè)技術(shù)原理 Android編程平臺(tái) Android 開(kāi)發(fā)平臺(tái)搭建本文android開(kāi)發(fā)平臺(tái)是在Windows環(huán)境下搭建的，具體方法步驟如下：在Oracle官方網(wǎng)站上可以免費(fèi)下載最新的JDK安裝程序包，網(wǎng)址為：，按照默認(rèn)路徑安裝JDK軟件包。是用。但是要同樣需要配置環(huán)境變量。在HelpInstall New Software，安裝ADT。 Android開(kāi)發(fā)簡(jiǎn)介Android平臺(tái)是在Linux 版本的基礎(chǔ)上改造的，提供了各種的函數(shù)庫(kù)和應(yīng)用程序的完整框架。應(yīng)用程序框架：開(kāi)發(fā)者可以完成使用與那些內(nèi)核應(yīng)用程序相同的，用于簡(jiǎn)化和重用應(yīng)用程序的組件的框架。Linux內(nèi)核：，如內(nèi)存管理、進(jìn)程管理、驅(qū)動(dòng)模型等。 (2) Paused狀態(tài)，當(dāng) Activity 處于后臺(tái)運(yùn)行時(shí)或被其他的覆蓋時(shí)，他并沒(méi)有被退出程序?qū)嵸|(zhì)上還是在運(yùn)行態(tài)，此時(shí)它依然與處在窗口管理器中，系統(tǒng)繼續(xù)維護(hù)其內(nèi)部狀態(tài)，所以它仍然可見(jiàn)，但它已經(jīng)失去了焦點(diǎn)只是不能與用戶交互。處在棧的頂端的是處于前臺(tái)的 Activity，當(dāng)前臺(tái)的 Activity 因異常或其它原因被Killed時(shí)，處于棧第二層的 Activity 將被激活順序移動(dòng)到棧頂。每個(gè)Activity都有自己的生命周期，而Activity的生命周期統(tǒng)一交給系統(tǒng)管理。(,)。它是android系統(tǒng)中圖像處理的最重要類之一。 Bitmap bmp = (res, )。當(dāng)然，也可以通過(guò)BitmapDrawable將位圖顯示到View中。Canvas類代表畫布，通過(guò)該類提供的構(gòu)造方法，可以繪制各種圖形。setStyle: 得到畫筆的顏色 PCA算法原理分析PCA算法將圖像定義為具有一定分布的隨機(jī)向量。PCA算法運(yùn)用于人臉識(shí)別主要分為連個(gè)階段：訓(xùn)練階段和識(shí)別階段。這樣就很容易計(jì)算出協(xié)方差矩陣的正交歸一特征向量為： (44)進(jìn)一步我們獲得特征臉為了進(jìn)一步減少計(jì)算量，我們提出特征值的貢獻(xiàn)率（選取的特征值在總的特征值的和比），選取前P個(gè)最大特征值以及對(duì)應(yīng)的特征向量[7]。具體算法過(guò)程如下：(1)將每幅人臉圖像與平均臉的的值做差，其得到的差值臉矢量投影到“特征臉”空間，即： (47)(2)將待識(shí)別的人臉圖像與平均臉的差值臉投影到特征臉空間，得到其特征向量 (48)(3)定義識(shí)別閾值 (49)(4)采用歐氏距離來(lái)計(jì)算與每個(gè)人臉的距離 (410)為了能區(qū)分人臉與非人臉，我們還需要計(jì)算待識(shí)別圖像與由特征臉空間重建的圖像之間的距離 (411)最后根據(jù)以下規(guī)則進(jìn)行判斷：若：(1)，則輸入圖像不是人臉圖像(2)， 1)且對(duì)，則輸入圖像包含未知人臉2)且對(duì)，則輸入人臉圖像為人臉庫(kù)中第i個(gè)人臉 PCA算法實(shí)現(xiàn)流程由上文對(duì)PCA算法原理的闡述，幾個(gè)重要的因素：待訓(xùn)練圖像數(shù)據(jù)、平均圖像、訓(xùn)練圖像協(xié)方差矩陣、協(xié)方差矩陣的特征值特征向量、特征向量子空間、待識(shí)別圖像的子空間投影。程序編輯完之后程序都存在src文件夾下，我們點(diǎn)擊可以看到自己文件下的程序包含幾個(gè)程序。程序段如下：android:icon=drawable/icon android:label=string/app_name activity android:name=.TutorialOnFaceDetect android:label=string/app_name intentfilter action android:name= / categoryandroid:name=/ /intentfilter /activity 界面啟動(dòng)程序通常程序開(kāi)始時(shí)，我們會(huì)載入照片，來(lái)作為app啟動(dòng)時(shí)的初始界面，并開(kāi)始進(jìn)行檢測(cè)，下面就是我們用的程序段（僅是段程序）：public void onCreate(Bundle savedInstanceState) { (savedInstanceState)。 idetifyButton = (Button) findViewById()。實(shí)現(xiàn)代碼如下：resources string name=helloHello World, TutorialOnFaceDetect!/string string name=app_nameTutorialOnFaceDetect/string/resources 創(chuàng)建包創(chuàng)建包package 添加一個(gè)通用的Android Activity：TutorialOnFaceDetectimport 。執(zhí)行父類的消息方法(savedInstanceState)。在屏幕上一塊區(qū)域，WRAP_CONTENT,包裹組件:Bitmap b = (getResources(), )。參數(shù):config結(jié)果圖預(yù)期的結(jié)構(gòu)，isMutable:如果是true，那么產(chǎn)生的圖片是可變的。 獲取人臉圖片調(diào)用doLengthyCalc()方法，實(shí)現(xiàn)背景圖上檢測(cè)人臉,最重要的方法實(shí)現(xiàn)在setFace()，它將FaceDetector對(duì)象實(shí)例化，同時(shí)調(diào)用findFaces，結(jié)果存放在faces里，人臉的中點(diǎn)轉(zhuǎn)移到MyImageView。我們可以通過(guò)eyesDistance來(lái)定位眼睛的中心位置。 float eyesdist = 。//調(diào)用FaceDetector中的findFaces方法，確定人臉的位置if (count 0) { fpx = new int[count * 2]。 i++) { try { faces[i].getMidPoint(eyescenter)。 //計(jì)算左眼位置x軸為眼睛中心值的x坐標(biāo)減兩眼距離值的一半,Y軸為眼睛中心的y值 // set up right eye location fpx[2 * i + 1] = (int)( + eyesdist / 2)。 } } } (fpx, fpy, count * 2, 1)。 class MyImageView extends ImageView定義圖片尺寸大?。簆rivate bitmap mBitmap。private Paint mPaint = new Paint()。 設(shè)置畫筆風(fēng)格，空心或者實(shí)心 getColor: getAlpha:/**畫筆的類型**/ mCanvas = new Canvas()。bitmap：Bitmap對(duì)象，代表了圖像資源。左上角開(kāi)始畫圖，不用畫筆 (w, h, oldw, oldh)。amp。 } 在MyImageView中添加setDisplayPoints() ，用來(lái)在被檢測(cè)出的人臉上標(biāo)記渲染。 if (xx != null amp。 total 0) { mPX = new int[total]。 i++) { mPX[i] = xx[i]。 if (mPX != null amp。 i++) { if (mDisplayStyle == 1) { (mPX[i], mPY[i], , mPaint)。從x和y的坐標(biāo)上開(kāi)始畫半徑為10的圓，如果不是則畫矩形。：程序?qū)崿F(xiàn)代碼如下：public void onCreate(Bundle savedInstanceState) { (savedInstanceState)。 idetifyButton = (Button) findViewById()。 (true)。 (false)。 (mFaceBitmap)。 (new OnClickListener() { Override public void onClick(View arg0) { Intent intent = new Intent()。 startActivityForResult(intent, 0)。正是對(duì)圖像的預(yù)處理，才能為后期算法奠定基礎(chǔ)、提高識(shí)別率。第七章 總結(jié) 全文總結(jié)本文是基于Android編程平臺(tái)，對(duì)人臉識(shí)別技術(shù)的研究。人臉圖像預(yù)處理從彩圖的灰度化、直方圖均衡化、圖像的平滑濾波、圖像的邊沿檢測(cè)等都運(yùn)用了數(shù)字圖像處理中的相關(guān)知識(shí)。本文所運(yùn)用到知識(shí)較多但是不雜。隨著技術(shù)的發(fā)展，人臉識(shí)別技術(shù)在手持設(shè)備上將會(huì)得到快速的發(fā)展。這也將給人臉識(shí)別技術(shù)的發(fā)展有了良好的基礎(chǔ)。這也說(shuō)明要使計(jì)算機(jī)的人臉識(shí)別達(dá)到與真正人類識(shí)別人臉相媲美的地步，還有要擺在眾多科學(xué)家，學(xué)者面前一道重要的科研題目。感謝大學(xué)里遇到的所有老師，你們的給予我的是一生的財(cái)富，正是因?yàn)橛辛四銈兊慕陶d才會(huì)有我今日的成就；同時(shí)感謝父母給予我大學(xué)四年的支持，是你們的辛勤勞苦才有了我的四年大學(xué)生活；同時(shí)感謝所有給予過(guò)幫助和支持的所有人。import 。import 。import 。import 。 private Bitmap mFaceBitmap。 private static String TAG = TutorialOnFaceDetect。 protected static final int GUIUPDATE_SETFACE = 999。 Override public void onCreate(Bundle savedInstanceState) { (savedInstanceState)。 idetifyButton = (Button) findViewById()。 (true)。 (false)。 (mFaceBitmap)。 (new OnClickListener() { Override public void onClick(View arg0) { Intent intent = new Intent()。 startActivityForResult(intent, 0)。 cameraBitmap = resizeImage(cameraBitmap, 200, 200)。 } (resultCode)。 int newWidth = w。 // create a matrix for the manipulation Matrix matrix = new Matrix()。 // make a Drawable from Bitmap to allow to set the Bitmap // to the ImageView, ImageButton or what ever return resizedBitmap。 float eyesdist = 。 try { fd = new FaceDetector(mFaceWidth, mFaceHeight, MAX_FACES)。 } // check if we detect any faces if (count 0) { fpx = new int[count * 2]。 i++) { try { faces[i].getMidPoint(eyescenter)。 // set up right eye location fpx[2 * i + 1] = (int) ( + eyesdist / 2)。 } } } (fpx, fpy, count * 2, 1)。 (m)。 }}