【正文】 k 和 Pentland 提出的比較簡單且有效的一種人臉識別方法，就是盡人皆知的特征臉方法。 由此可見，求取 KL 系數的步驟如下所示： 1) 對于向量 X，首先應該求取它的自相關矩陣 ? ?XXER T? ， KL 的產生矩陣也可以是數據的協(xié)方差矩陣 ? ?? ?? ?? ??? TxxE ?? ，其中 ? 為均值向量。 步驟二：進行 KL 變換，得到相應的產生矩陣。特征臉空間中，大的特征屬性值可以表示為人臉整體輪廓以及附近環(huán)境，而小的值用來表述細節(jié)特征，所以人臉的低頻部分主要由主分量表示，而高頻部分由小分量表示。人臉中包含上額、眼睛、鼻子、嘴和下額等主要的人臉組成部分，正是因為這些組 成部分的形狀、大小以及個部分的相互之間的幾何關系的差別，使得世界上人與人之間臉部的不同。 隱馬爾可夫模型方法 基于隱馬爾可夫模型的方法早期被應用于聲音識別上，并取得了很好的效果，之后被 Nefian 和 Hayes 引人到人臉識別領域中，近年來，愈來愈多的人對該方法進行研究，并取得一定的效果。 “但該方法最早應用于人臉識別領域中是在二十世紀末 Kohonen 提出的基于自組織映射神經網絡的人臉識別系統(tǒng)，隨后越來越頻繁的應用于人臉識別。支持向量機方法在處理小樣本、非線性以及高維模式等識別問題中展現(xiàn)出獨有的優(yōu)勢，” （ 2） 比方說，最優(yōu)分解面使置信范圍 (也稱為 VC 信任 )達到最小，從而推廣能力強，結構風險達到最小；從線性分類器出發(fā)，通過核函數實現(xiàn)非線性可分的低維空間變換高維線性可分；問題的復雜性是與特征 維數無關的，是獨立的，它絕妙的處理了尺寸問題；最終轉化為二次優(yōu)化問題，存在唯一的極值點，避免了在他算法，如神經網絡方法中局部極值點問題；能較好的進行模型選擇且能夠實現(xiàn)多種核方法。一個 圖像 中也許存在多個 人臉 。不過為了便于開發(fā)，也可以人為設置 name，但是必須在全局唯一。 Android 應用程序一般是由 Activity（活動）、 Broadcast Receiver（廣播接收器）、 Service（服務）、 Content Provide（內容提供器）、 Intent（意圖）五部分組件構成，“在實際的程序設計開發(fā)過程中，組件不一定都被用到，他是按實際的開發(fā)來選擇合適的組件。 Broadcast Receiver：讓應用程序對一個外部的事件做出響應。“在 Android 上數據是非共享的，所以必須調用 Content Provider 來分享自己擁有的數據，這樣其他應用程序可以在不知道數據實際存儲方式的情況下，對共享數據進行增刪改查等操作” （ 9） 。以下是 Android 開發(fā)環(huán)境的搭建： (1) 安裝 ，安裝完成之后，在 cmd 中檢查 JDK 是否安裝成功。 Face++主要函數介紹 /detection/detect 檢測給定圖片中的所有人臉的位置和相應的面部屬性，目前面部屬性包括性別 , 年齡 , 種族 , 微笑程度 , 眼鏡和姿勢。默認值為 false。 主要代碼： Java 對象轉換成字節(jié)流： 基于 Face++的人臉識別研究與實現(xiàn) 22 Face++數據處理： 人臉檢測模塊 實現(xiàn)人臉識別系統(tǒng)，不管你是要干什么，最重要的一步都是人臉檢測，只有通過人臉檢測獲得人臉信息，才可以進行設計實現(xiàn)下面的功能。 本章小結 Face++使用基于服務的調用方式來管理所有的 API，將本來很難理解的人臉識別技術的算法封裝起來，變得簡單，大大降低了編寫人臉識別程序 的難度，只要你懂開發(fā)，哪怕不懂人臉識別算法，都可以開發(fā)出人臉識別系統(tǒng)！但是因為我技術不過關，所以在編程時一邊看文檔一邊寫代碼，還在網上找了前輩的研究記錄，解決了不少問題，最終實現(xiàn)了基于 face++的人臉識別系統(tǒng)。 (5) 將理論知識和實際聯(lián)系起來，設計并實現(xiàn)了一套基于 Face++的人臉識別系統(tǒng)。但隨著社會科技的急速發(fā)展，這將帶給我們更多的關于人臉識別技術的進步和新應用。 基于 Face++的人臉識別研究與實現(xiàn) 31 和其他生物識別技術比較的話，人臉識別技術的優(yōu)勢包括三點：硬件門檻低是其中之一，其他的識別技術可能需要特殊的硬件設備相匹配，但不同的臉部識別，他只需要一個攝像頭或者照片，條件是容易實現(xiàn)的 。 本文的主要研究工作是圍繞人臉識別技術進行的，根據人臉識別 技術的相關資料 ，提出了在 Android 平臺下實現(xiàn) 基于 Face++人臉識別系統(tǒng)的設計方案，并最終實現(xiàn)本方案，主要做的工作如下： (1) 為了弄清楚課題的研究方向，在前期主要查閱并研究了相關技術的資料與文獻，并對人臉識別技術的背景與發(fā)展現(xiàn)狀進行了深入研究 。 } } } 人臉識別模塊 實現(xiàn)人臉識別，必須先將人臉提交給 face++進行人臉檢測獲得人臉信息，然后將獲得的人臉信息傳遞到對應的函數中實現(xiàn)人臉識別。 face++人臉識別主界面： 基于 Face++的人臉識別研究與實現(xiàn) 19 基于 Face++的人臉識別研究與實現(xiàn) 20 人臉圖像采集模塊 從手機打開人臉照片，然后對照片進行處理，再將處理后的照片數據傳入人臉數據處理模塊 ,最后將人臉數據處理模塊返回的結果呈現(xiàn)給用戶。默認為 gender, age, race, smiling。 (4) 配置 Ecilpse，在 HelpInstall New SoftWare Updates 中選擇安裝 Android 應用程序開發(fā) 插件 ADT。 intent用來啟動 Activity 和 Service，也可以在 Android 系統(tǒng)上發(fā)布廣播消息。廣播方和接收方是通過 Intent 進行聯(lián)系的： Intent 中需要設置動作 (Action)參數，Android 系統(tǒng)使用該參數匹配接收方。每個 Android 應用程序都在根目錄下包含一個 Android 程序清單文件。 Android 由內核層、中間層、應用程序框架層和應用程序層組成。人臉集合不要求 人臉必須 來源于同一個人，他可以是很多人的人臉集合。因此，使用 Face++，你可以很容易地建立自己的身份認證，興趣挖掘，以及社交娛樂分享等多類型應用． Face++核心概念 Face++ 人臉識別系統(tǒng)的核心概念包括： Image, Face, Person, Faceset 和 Group。另外，“神經網絡處理數據的方式是并行的，若通過硬件實現(xiàn)可以很基于 Face++的人臉識別研究與實現(xiàn) 12 明顯的提高計算速度。因為每個人臉上都有其自身的特點，相同的臉在光線照射不一樣時拍攝出來的圖像是不盡相同的，但各個器官的位置比例是固定的，并且與其他人這些部位的分布及各個部位的連接關系都是不同的。首先按照面部各器官眼睛、鼻子、嘴的輪廓曲線的曲率等建立分類數據庫，在進行人臉檢測時，計算出待檢測的輪廓曲線的曲率不同的器官，通過相關算法與分類庫中的人臉的輪廓曲線曲率進行匹配，完成人臉識別。通過 KL 變換產生的系數，即為： fUy T? 。 步驟三：對圖像的本征值和本征向量進行運算。 PCA 技術 PCA 技術是將人臉的特征空間降維的技術，構造新的人臉特征空間時，需要在原來的人臉中求一組正交的向量，而新的人臉特征空間就是由這組正交向量??????????????????nj???0......01? ? ??? ??? kj kjjji 0E ???基于 Face++的人臉識別研究與實現(xiàn) 9 中的部分組成的?！霸趯Υ龣z測人臉圖片進行識別時，將待檢測人臉投影到這組特征向量組成的子空間上，通過比較待檢測圖像的投影位置與已知人臉基于 Face++的人臉識別研究與實現(xiàn) 7 樣本的投影位置，從而完成人臉識別” (18)。 第四章 說明實驗結果，并且對實驗結果進行分析。該項產品和技術已成功地應用于許多銀行金庫。而今相對成功的應用主要是大型活動身份認證，比如實名制票證系統(tǒng)認證。所以，當下亟需解決的問題就是如何快速精準的查詢這些監(jiān)控數據并加之處理。隨后的幾年里 Voila 也提出了優(yōu)化 HaarLike 算法的方法，這個人臉檢測方法已經算是當前領域相對成熟并相對完善的方法了，識別效率高，在現(xiàn)實實踐中已經獲得了普遍寬泛的應用。因為歲數、形態(tài)、表情、光照、妝容等等原因，人臉不是一成不變的，他是千變萬化的，是以使得人臉識別技術顯得難以控制，大大提高了人臉識別的挑戰(zhàn)性。從而當務之急就是讓生物特征識別快速的發(fā)展并且改進，使之更加精準快速。 基于 Face++的人臉識別研究與實現(xiàn) 2 1 緒論 研究意義與背景 集成芯片的急速發(fā)展，以及軟件工程的廣泛應用使得計算機在響應速度和處理信息能力上取得了巨大進步。 Face++是新一代云端視覺服務平臺，功能強大，簡單易實現(xiàn)，通用性強大，有 著世界最前沿的人臉檢測，及識別，和分析的實現(xiàn)方法。 (4)將理論和實際結合起來，并根據上面的知識點，設計并完成了基于 Face++的人臉識別研究與實現(xiàn)。學習 Java 語言，完成系統(tǒng)框架的搭建，并實現(xiàn)人臉識別功能；通過對本課題的深入研究，最終編程實現(xiàn)人臉識別系統(tǒng)。通過在校園網中文數據庫查閱的相關資料和老師的指導下，在基于 Face++的人臉識別研究與實現(xiàn)的課題中，我將采用 Java 語言來完成課題的設計與實現(xiàn)。隨著現(xiàn)代電子技術和各種硬件技術的發(fā)展，生物特征識別技術得以廣泛應用。 本人完全意識到本聲明的法律后果由本人承擔 。需要身份認證時，運用生物特征識別技術可以不用攜帶身份證件、鑰匙等，也不需要記憶密碼，不用考慮證件丟失、密碼忘記等問題 。近年來，人臉識別技術在安全監(jiān)控、模式識別、人 機交互等領域中具有廣闊的應用前景，逐漸成為模式識別和人工智能領域的一個研究熱點。 （ 2）根據研究情況確定設計目標以及完成畢業(yè)設計開題報告。 本課題就是嘗試用 Face++接口聯(lián)合 Android 完成一個人臉識別，它是在Windows 中，使用 Eclipse 作為開發(fā)平臺，實現(xiàn)人臉識別功能．主要完成的工作： (1)通過瀏覽大量的資料和文獻，完成基礎理論準備工作，并簡要介紹了人臉識別技術。但由于人臉識別算法的復雜度比較高，我們需要大量的時間和費用去研究他將他實現(xiàn)轉成實際的應用。 在本論文中全面詳細地介紹了 Face++人臉識別 的 實現(xiàn) ， 以及人臉識別的一些主要知識點及前景狀況。指紋識別，虹膜識別及姿態(tài)識別，人臉識別等就是目前社會上的主流生物特征識別。 人臉識別技術在國外已被廣泛 應用在國家緊要部門和其他同樣重要的相關安防部門。這種方法是相對剛性的，受環(huán)境和姿態(tài)變化的影響比較明顯。 盡管人臉識別技術的發(fā)展是更好 的，已經獲得了學術界的廣泛關注，但關于人臉識別技術在實際應用中存在的問題，和實際應用方法，卻還需要愈來愈多的學者對其進行更深入的研究，使之愈發(fā)成熟。人臉識別查詢的大致操作步驟是首先建一個人臉數據庫，通過在客戶端或者 web 瀏覽器上打開人臉照片，使之與庫中的人臉圖片進行相似度比較，并將與之相似度較高的人臉圖片輸出 ，這樣就完成了人臉識別查詢。 人臉識別比對 “人臉識別比對，目前主要是被用于門禁管理系統(tǒng)。本文全部包括五章內容，內容大概分為如下所示： 第一章 介紹人臉識別技術的現(xiàn)狀與背景，并簡單介紹了人臉識別的主要應用；其后對本文的內容進行了具體介紹?！八腔谥鞒煞址治?(Principal Component Analysis ,PCA )的人臉識別技術，因此也常常稱為 PCA” （ 14） 。 2) 在這一部分需要求出特征值 j? 和特征向量 j? ，而矩陣? ?n???? , . . ., 321?? 。 生 成 矩 陣 可 以 使 用 訓 練 集 的 整 體 散 落 矩 陣 ， 可 以 寫 為 ：? ?? ?? ?? ??? TxxE ?? ，除此之外 ? ?? ?TiMi i xxM ?? ??? ????101 也是一種表示方式。 基于 Face++的人臉識別研究與實現(xiàn) 10 步驟四：將訓練集合和測試集合映射到特征空間中。利用眼睛、鼻子、嘴等局部特征和各個特征之間的幾何關系對人臉進行識別就是基于幾何特征的識別方法。隱馬爾可夫模型 (Hidden Markov Model)是一種常見的識別模型，具有較高的研究價值?！?（ 14）“現(xiàn)在廣泛使用的人臉識別系統(tǒng)中常用的基于神經網絡主要包括 BP（ Back Propagation）神經網絡、自組織映射神經網絡、卷積網絡和徑向基函數神經網絡方法” （ 15） 。 通過大量試驗和在實際應用該方法有較好的正確識別率，在人臉識別領域和其他相關領域中有著廣泛的應用，并越來越多的研究人員從事這一領域的研究。 Person 是同一個人的人臉集合。 安卓操作系統(tǒng)架構 安卓操作系統(tǒng)介紹 Android 是由 Google 發(fā)布的基于 Linux 內核的軟件開發(fā)和運行平臺；免費、開源、面向移動開發(fā)； Android SDK 支持大多數 JAVA SE，并擁有自己的擴展UI 框架。 Android 應用程序的開發(fā)與其他系統(tǒng)的開發(fā)不同， Android