【文章內(nèi)容簡介】 臉照片來實(shí)現(xiàn)的。因?yàn)闅q數(shù)、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?nèi)f化的，是以使得人臉識(shí)別技術(shù)顯得難以控制，大大提高了人臉識(shí)別的挑戰(zhàn)性。 人臉識(shí)別技術(shù)的發(fā)展現(xiàn)狀 當(dāng)今社會(huì)，研究人臉識(shí)別技術(shù)的組織及個(gè)人很多很多，比如說美國的 MIT(Media lab)、 CMU 和耶魯大學(xué)，還有日本的少許研究機(jī)構(gòu)。與國外相比，中國關(guān)于人臉識(shí)別技術(shù)的研究開展的就相比晚許多，國內(nèi)研究的機(jī)構(gòu)主要集中在國內(nèi)著名的幾所重點(diǎn)高效，其中就有：清華大學(xué)、哈爾濱工業(yè)大學(xué)、北京工業(yè)大學(xué)等。 基于 Face++的人臉識(shí)別研究與實(shí)現(xiàn) 3 人臉檢測便是從人臉的原始照片中提取部分特征。人臉檢測使用最早的第一個(gè)算法是基于模板匹配，子空間方法的。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。這些年來，計(jì)算機(jī)技術(shù)越發(fā)成熟，與之緊密相關(guān)的技術(shù)也隨之快速發(fā)展，使得人臉檢測技術(shù)一直都是科研學(xué)者心中及手中的重要科研課題 ，比如說基于 haar 特征匹配的算法、以及神經(jīng)網(wǎng)絡(luò)的算法等等已經(jīng)被應(yīng)用到人臉檢測技術(shù)上。 2020 年， 提出 了 HaarLike 方法，闡述了如何迅速精準(zhǔn)的完成對整張照片進(jìn)行人臉檢測 運(yùn)用 AdoBoost 和 Cascade 方法。隨后的幾年里 Voila 也提出了優(yōu)化 HaarLike 算法的方法，這個(gè)人臉檢測方法已經(jīng)算是當(dāng)前領(lǐng)域相對成熟并相對完善的方法了，識(shí)別效率高，在現(xiàn)實(shí)實(shí)踐中已經(jīng)獲得了普遍寬泛的應(yīng)用。最近五年來已經(jīng)有愈來愈多的學(xué)者對關(guān)于人臉檢測和人臉表情檢測技術(shù)的算法做了深入的鉆研，并且獲 得了一定的研究成果，然而在現(xiàn)實(shí)實(shí)踐中卻存在著許許多多的技術(shù)困難，還亟需解決處理。相對于單張圖像的人臉檢測，影響檢測結(jié)果的因素是比較多的，圖像尺寸、光照條件和表情等不確定因素，因此在往后的研究實(shí)現(xiàn)中，人臉檢測依舊是熱點(diǎn)話題，不會(huì)被時(shí)代淘汰走下坡路。 人臉識(shí)別技術(shù)在中國起步很晚，比國外要晚上好幾年，但隨著不斷完善和改進(jìn)的人臉識(shí)別算法和日益增長的市場需求 ,還有獨(dú)特的臉部識(shí)別，已經(jīng)有不少商業(yè)人臉識(shí)別系統(tǒng)研發(fā)投入到到市場。比如清華大學(xué)蘇光大教授負(fù)責(zé)的《人臉識(shí)別系統(tǒng)》，當(dāng)然還有一些產(chǎn)品也比較成熟：上海銀晨人臉識(shí)別考勤系 統(tǒng)、北京時(shí)代杰誠門禁管理系統(tǒng)等。 盡管人臉識(shí)別技術(shù)的發(fā)展是更好的，已經(jīng)獲得了學(xué)術(shù)界的廣泛關(guān)注，但關(guān)于人臉識(shí)別技術(shù)在實(shí)際應(yīng)用中存在的問題，和實(shí)際應(yīng)用方法，卻還需要愈來愈多的學(xué)者對其進(jìn)行更深入的研究，使之愈發(fā)成熟。 主要應(yīng)用 人臉檢測 人臉檢測，簡單說來，便是看圖像是否清晰明了，是否能精確快速的被處理分析得到數(shù)據(jù)。當(dāng)下，許多城市地區(qū)開始逐步施行網(wǎng)絡(luò)工程進(jìn)行城市監(jiān)控、銀行監(jiān)控，造成大量的監(jiān)控?cái)?shù)據(jù)需要進(jìn)行處理。所以，當(dāng)下亟需解決的問題就是如何快速精準(zhǔn)的查詢這些監(jiān)控?cái)?shù)據(jù)并加之處理。為此現(xiàn)狀，市面上 已經(jīng)開發(fā)出了一套綜合應(yīng)用系統(tǒng)用以處理銀行大聯(lián)網(wǎng)高速圖像搜索系統(tǒng)產(chǎn)生的大量的視頻監(jiān)控?cái)?shù)據(jù)的問題。該系統(tǒng)主要是由前端采集模塊，圖像處理模塊，數(shù)據(jù)管理查詢模塊來組成的。 人臉識(shí)別查詢 基于 Face++的人臉識(shí)別研究與實(shí)現(xiàn) 4 人臉識(shí)別查詢是建立在從已建立的人臉數(shù)據(jù)庫中搜索與人臉圖像相似度較高的人臉圖片比對的基礎(chǔ)上進(jìn)行人臉識(shí)別的。人臉識(shí)別大多都是用在與安保密切相關(guān)的部門及行業(yè)，比如出入境時(shí)進(jìn)行的護(hù)照比對、對罪犯的身份驗(yàn)證、以及公民的身份是否合法。人臉識(shí)別查詢的大致操作步驟是首先建一個(gè)人臉數(shù)據(jù)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(jìn)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(shí)別查詢。其實(shí)，簡單看人臉識(shí)別，他就是一個(gè)人臉相似度的對比。 人臉識(shí)別身份認(rèn)證 人臉識(shí)別身份認(rèn)證主要是對那些參加的活動(dòng)私密性重要性比較苛刻的人來進(jìn)行的。而今相對成功的應(yīng)用主要是大型活動(dòng)身份認(rèn)證，比如實(shí)名制票證系統(tǒng)認(rèn)證。使用這種系統(tǒng)的目的就是安全系數(shù)高。此系統(tǒng)一般是要利用射頻識(shí)別來實(shí)現(xiàn)的。這個(gè)方法的主旨其實(shí)就是一對一比對，從速度或認(rèn)證的準(zhǔn)確度上看，他已經(jīng)是相當(dāng)成熟的技術(shù)，在上述的場合廣泛使用。越來越多的關(guān)注，已經(jīng)被投于 人臉識(shí)別身份驗(yàn)證之上，并有許多的組織也已開始應(yīng)用此技術(shù)。 人臉識(shí)別比對 “人臉識(shí)別比對，目前主要是被用于門禁管理系統(tǒng)。比如說銀行金庫、軍隊(duì)彈藥庫等重要地方的進(jìn)出口掌控對該種場地的人身經(jīng)濟(jì)安全都有著不可估量的作用。它通常是一個(gè)組合的多種識(shí)別方法，它是由多種識(shí)別控制完成進(jìn)出口控制。該項(xiàng)產(chǎn)品和技術(shù)已成功地應(yīng)用于許多銀行金庫。在門禁控制系統(tǒng)的另一個(gè)值得關(guān)注的是，接口標(biāo)準(zhǔn)的統(tǒng)一。而今市場上大部分的控制器接口都是韋根接口，然則因?yàn)樗鼪]有遵循一貫的接口格式，導(dǎo)致我們遇到了一些限制，在控制器的選擇，所以這就必須 靠生產(chǎn)這類產(chǎn)品的企業(yè)廠家的通力合作，一同制定統(tǒng)一的行業(yè)標(biāo)準(zhǔn)，使行業(yè)應(yīng)用標(biāo)準(zhǔn)一致，生產(chǎn)的產(chǎn)品適用性頗高，如此才會(huì)促進(jìn)整個(gè)行業(yè)的良性成長與發(fā)展。 ”(6) 論文內(nèi)容與安排 本文的目標(biāo)為實(shí)現(xiàn)基于 Face++的人臉識(shí)別研究與實(shí)現(xiàn)。該課題使用 Eclipse 開發(fā)環(huán)境實(shí)現(xiàn)，利用 Face++接口和安卓操作系統(tǒng)實(shí)現(xiàn)人臉識(shí)別。本文全部包括五章內(nèi)容，內(nèi)容大概分為如下所示： 第一章 介紹人臉識(shí)別技術(shù)的現(xiàn)狀與背景，并簡單介紹了人臉識(shí)別的主要應(yīng)用；其后對本文的內(nèi)容進(jìn)行了具體介紹。 第二章 簡要說明人臉識(shí)別的主流方法 ，并闡述了基于 PCA 的人臉識(shí)別算基于 Face++的人臉識(shí)別研究與實(shí)現(xiàn) 5 法。 第三章 首先對 Face++平臺(tái)進(jìn)行了簡單介紹，其次介紹了安卓操作系統(tǒng)，并且簡要說明了 Face++的重要接口，最后重點(diǎn)說明了基于 Face++的人臉識(shí)別的實(shí)現(xiàn)。 第四章 說明實(shí)驗(yàn)結(jié)果，并且對實(shí)驗(yàn)結(jié)果進(jìn)行分析。 第五章 對本文進(jìn)行總結(jié)概括，并展望人臉識(shí)別技術(shù)將來的發(fā)展。 基于 Face++的人臉識(shí)別研究與實(shí)現(xiàn) 6 2 主要人臉識(shí)別算法介紹 人臉識(shí)別是利用獲取得到的待檢測圖像中的人臉特征，與人臉樣本庫中的人臉來對比，識(shí)別和確認(rèn)待檢測圖像中人物的身份。 表 21 列出了人臉識(shí)別中 主要的方法，本節(jié)將目前主流的方法進(jìn)行詳細(xì)介紹。 表 21 人臉識(shí)別方法 基于 PCA的人臉識(shí)別算法 在二十世紀(jì)九十年代初，由 Turk 和 Pentland 提出的比較簡單且有效的一種人臉識(shí)別方法，就是盡人皆知的特征臉方法?！八腔谥鞒煞址治?(Principal Component Analysis ,PCA )的人臉識(shí)別技術(shù)，因此也常常稱為 PCA” （ 14） 。 對于每一個(gè)人臉樣本圖像依照從左到右，從上到下的每個(gè)像素點(diǎn)的灰度值構(gòu)成一個(gè)高維向量， PCA 的主要思想是在原始人臉空間中經(jīng)過 KL 變換后，由原來的高維向量轉(zhuǎn)換為低維向量子空間，提取一套包含離散程度最大的特征向量來表示原始樣本，相應(yīng)的特征向量，就為主特征向量。由于該分量擁有人臉相像的外形，被稱作“特征臉”?！霸趯Υ龣z測人臉圖片進(jìn)行識(shí)別時(shí)，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(shí)別研究與實(shí)現(xiàn) 7 樣本的投影位置，從而完成人臉識(shí)別” (18)。 特征臉方法經(jīng)過 KL 變換后由原來的高維度的向量轉(zhuǎn)換為低維度的向量子空間，達(dá)到很好的降維效果，簡單有效，因其運(yùn)算復(fù)雜度低是以識(shí)別速度較快，同時(shí)易于實(shí)現(xiàn)，“識(shí)別率雖高 ，但卻存在一些缺陷，當(dāng)光線照射不一致時(shí)、人臉的方位也不是固定不變的時(shí)候，識(shí)別率就會(huì)快速降低，同時(shí)當(dāng)訓(xùn)練樣本數(shù)目的增加時(shí)，計(jì)算復(fù)雜度也相應(yīng)的增加” （ 14） 。 接下來本文將詳細(xì)介紹 PCA 算法。 KL 變換 KL 變換（ KauhunenLoeve 變換）是一種經(jīng)常使用的正交變換，具體的變換過程如下所示： 設(shè)有 n 維隨機(jī)變量 ini i????? 1X (21) 其中 i? 為加權(quán)系數(shù)， i? 為基向量， X 還可以使用另一個(gè)比較直觀的表達(dá)式來表示： ? ?? ? ????????? ??? TnnX , . . ., . . . , 321321 (22) 其中， ? ?n???? ,..., 321?? , ? ?Tn????? ,..., 321? 基向量通常為正交向量，而正交向量可以通過一個(gè)表達(dá)式表示： ??? ????? ji jijTi 01 (23) 因?yàn)?? 由多個(gè)正交向量組成，所以它是一個(gè)正交的矩陣，用表達(dá)式表示為： IjTi ??? (24) 將公式 22 的兩邊都向左乘以 T? ，得到 XT??? (25) 通過正交向量表示即為： XTii ??? (26) 正交向量集合 ??j? 的取值直接決定向量集合 ? 的各個(gè)向量之間是否互相不相關(guān)，因此設(shè) ? ?XXER T? (27) 將公式 22 代入公式 27 中，得到 ? ? ? ? ? ? TTTTT EEXXER ??????? ???? (28) 基于 Face++的人臉識(shí)別研究與實(shí)現(xiàn) 8 令 (29) 換成另一種表達(dá)方式即為： ，那么 T????R (210) 右乘 (210), ? 得： ?????? TR (211) ? 是正交矩陣，因此 (211)可簡化為： ????R (212) 那么能夠得到： ? ?njR jjj ,...2,1???? ? (213) 可見，對于 j? 這個(gè)特征向量來講， R 是其對應(yīng)的特征值，并且 R 是 j? 的自相關(guān)實(shí)對稱矩陣，因此，不同的特征向量之間應(yīng)該要正交。 由此可見，求取 KL 系數(shù)的步驟如下所示： 1) 對于向量 X，首先應(yīng)該求取它的自相關(guān)矩陣 ? ?XXER T? ， KL 的產(chǎn)生矩陣也可以是數(shù)據(jù)的協(xié)方差矩陣 ? ?? ?? ?? ??? TxxE ?? ，其中 ? 為均值向量。 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?? 。 3) 系數(shù) XT??? 。 “整個(gè)變換過程是在原來的向量空間的基礎(chǔ)上將其進(jìn)行變換，使得原來向量之間的相關(guān)性發(fā)生了改變，使得一些帶有較少信 息的向量被去掉，因此達(dá)到降低向量空間維度的目的” （ 19） 。 PCA 技術(shù) PCA 技術(shù)是將人臉的特征空間降維的技術(shù)，構(gòu)造新的人臉特征空間時(shí)，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(shí)別研究與實(shí)現(xiàn) 9 中的部分組成的。這些重要部分組成了特征臉，因其保留了人臉的形狀，因此能夠表征人臉的基本信息。具體的人臉識(shí)別步驟如下所示： 步驟一：將人臉數(shù)據(jù)庫輸入到算法中。 在這一部分需要將人臉數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行歸一化，并將數(shù)據(jù)庫中的人臉數(shù)據(jù)分成訓(xùn)練集和測試集用于后續(xù)的人臉識(shí)別，將 n?n 的人臉空間轉(zhuǎn)換成 2n 的形式進(jìn)行表示。 步驟二：進(jìn)行 KL 變換，得到相應(yīng)的產(chǎn)生矩陣。 生 成 矩 陣 可 以 使 用 訓(xùn) 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。 其中， ? 是均值， M 是訓(xùn)練集的個(gè)數(shù)，而 ix 是第 i 個(gè)樣本。在求取本征值和本征向量的過程中，為了減少運(yùn)算量，將使用 SVD 定理來進(jìn)行降維。 步驟三：對圖像的本征值和本征向量進(jìn)行運(yùn)算。 SVD 定理：設(shè) X 為一個(gè)隨機(jī)矩陣，且矩陣維數(shù)為 rn? ，那么在這個(gè)基礎(chǔ)上得到： 正交矩陣： ? ? rnruuuu ?? ??? 1210 ,...,U ，其中 IUT ?U 正交矩陣： ? ? rnrvvvv ?? ??? 1210 , . . . ,V ，其中 IVT ?V 對角陣： ? ? rn????? n210 , . . .,d ia g ???? ，其中 1r210 ... ???? ???? 以上三個(gè)式子滿足下式： TVU 21A ?? 那么我們能夠得到： 21???AVU ? 能 夠 通 過 一 種 方 式 來 表 達(dá) ： ? ?? ?TiMi i xxM ?? ??? ????101 ，其中 ? ????? ????? ? 121