【正文】 在我看來， 未來 的人臉識別 方向 將是 超高清和 3D識別的天下 ,他們 可能 會 使人臉識別 進入一個新階段新轉(zhuǎn)折， 成為更有價值的識別技術(shù)。 然而，當前的面部識別技術(shù)還沒有達到我們的需要，它目前的真正只應(yīng)用于兩個場景 ， 就 是人臉考勤機和證件照比對 這兩場景 ， 并且這兩場景都很特殊 ， 難以 普及化和生活化，所以 很難讓它在生活中處處存在處處應(yīng)用面太窄 。第二，面部識別技術(shù)不需要人們特別配合，只要相機可以監(jiān)視的地方，是否配合識別都將不受 影響；最后一點就是 ，人臉識別 需要圖像來實現(xiàn) ， 這個很好達到。生物識別中除了人臉識別技術(shù)是 大家都耳濡目染 的，還有語音識別、指紋識別、虹膜識別、靜脈識別。 總體來說，本文通過研究和學(xué)習(xí)，尋找出一種合適的人臉識別算法， 能快速簡單并且準確的實現(xiàn)人臉識別， face++平臺都可以達到這些 條件，最終我借助face++接口設(shè)計并在安卓系統(tǒng)上實現(xiàn)了人臉識別功能。 (4) 重點對本系統(tǒng)采用的 Face++接口 進行深入的研究，詳細的闡述了該 接口的功能 。 (2) 要想做人臉識別技術(shù)相關(guān)的研究，就必須了解目前人流識別技術(shù)領(lǐng)域主流的人臉識別算法，為此，在第二階段研究了幾類常用的人臉識別算法，并對此進行介紹。伴隨著 It行業(yè)的急速發(fā)展，智能化的型移動終端將是未來的發(fā)展趨勢，這將給人臉識別技術(shù)帶來翻天覆地的變化，讓人臉識別走的更遠。 基于 Face++的人臉識別研究與實現(xiàn) 30 5 結(jié)論與展望 結(jié)論 在導(dǎo)師的悉心指導(dǎo)和 同學(xué) 的熱心幫助下，最終完成了本文的研究課題，即 基于 Face++的人臉識別研究與實現(xiàn) 。因為 face++平臺是需要在線識別的，所以在進行人臉檢測時，本地圖片如果不進行數(shù)據(jù)轉(zhuǎn)換，那么是無法成功調(diào)用 detect函數(shù)的。 主要代碼： 基于 Face++的人臉識別研究與實現(xiàn) 24 .getJSONObject(position).getJSONObject(center) 基于 Face++的人臉識別研究與實現(xiàn) 25 本章小結(jié) 本章通過在 face++官網(wǎng)上的學(xué)習(xí)，懂得了 face++人臉識別的基本流程，并且基于 Face++的人臉識別研究與實現(xiàn) 26 也在網(wǎng)上查閱大量的資料，同時深入研究了 Android，對如何在 Android 上進行開發(fā)也明白了許多，通過這些學(xué)習(xí)，懂得了如何在 Android 上實現(xiàn) face++接口，并加以具體代碼分模塊的實現(xiàn)了基于 face++的人臉識別研究與實現(xiàn)的課題。 if (callback != null) { (null)。本課題是調(diào)用/detection/detect 接口來實現(xiàn)的。同時， HttpRequests，PostParameters, FaceppResult 這三個類是最重要的，分別用來處理用戶請求和傳入請求參數(shù)及保存返回結(jié)果。 此模塊的主要代碼： 基于 Face++的人臉識別研究與實現(xiàn) 21 數(shù)據(jù)處理模塊 本課題采用的是基于 face++平臺的方法實現(xiàn)的。 當一個 person 內(nèi)的數(shù)據(jù)被修改后，為使這些修改生效， person 應(yīng)當被重新 Train 表 33 /train/verify 參數(shù) 基于 Face++的人臉識別實現(xiàn) 頁面設(shè)計 基于 Face++的人臉識別研究與實現(xiàn) 18 Android 采用 xml 文件配置來設(shè)計頁面布局，如此可以將程序的表現(xiàn)層和控制層分離；并且在以后修改用戶界面時，就不需要再修改程序的源代碼了，為編碼提供了很多方便；因為界面可視化我們可以直接在編程時就看到設(shè)計 的用戶界面，加快了界面設(shè)計的過程。 /person/create 創(chuàng)建 person 一個 person 可以放許多 face． 表 31 /person/create 參數(shù) /train/verify 針對 verify 功能對 person 進行訓(xùn)練。等非法字符 且不超過 255 字節(jié)的字符串作為 tag， tag 信息可以通過 /info/get_face 查詢 async 如果置為 true，該 API 將會以異步方式被調(diào)用；也就是立即返回一個 session id，稍后可通過 /info/get_session 查詢結(jié)果。目前支持的屬性包括： gender, age, race, smiling, glass, pose 基于 Face++的人臉識別研究與實現(xiàn) 17 tag 可以為圖片中檢測出的每一張 Face 指定一個不包含 ^,amp。 attribute 可以是 none 或者由逗號分割的屬性列表。 表 31 /detection/detect 參數(shù) 參數(shù)名 參數(shù)說明 必須 Api_key App 的 Face++ API Key Api_seceret APP 的 Face++ API Secret url 或 img[post] 待檢測圖片的 URL 或者 通過 POST 方法上傳的二進制數(shù)據(jù)，原始圖片大小需要小于 3M 可選 mode 檢測模式可以是 normal(默認 ) 或者 oneface 。 (7) 創(chuàng)建工程，打開 Eclipse，點擊“ FileNewProjectAndroid Application Project”就可以新建一個 Android 工程。 (5) 創(chuàng)建 AVD，他是安卓的虛擬器，模擬一套虛擬設(shè)備來運行 Android 平臺。 (3) 安裝 SDK，從 Google 官網(wǎng) 下載合適版本的 SDK 程序包，解壓安裝 SDK Manager。輸入java –version 查看 JDK 的版本信息。 應(yīng)用程序開發(fā)環(huán)境搭建 Android 應(yīng)用程序可以在 Windows、 MacOS、 Linux 系統(tǒng)下進行開發(fā)。 Intent可以進行各個組件之間的切換和傳輸數(shù)據(jù)。 Intent:可以稱為一個媒體介質(zhì)，傳遞數(shù)據(jù)，和 Android 各組件進行通訊。那么 Android 中兩個程序之間通過如何 Content Provider 進行數(shù)據(jù)交換。 Content Provider：是在應(yīng)用程序間共享數(shù)據(jù)的一種機制。 Service：用于沒有用戶界面，但需要長時間在后臺運行的應(yīng)用?！?（ 17） Broadcast Receiver 既可以在應(yīng)用程序配置文件 中注 冊，也可以在應(yīng)用程序的代碼中使 Context. register Receiver()中進行注冊。例如，當來電的外部事件的到來，我們通過 Broadcast Receiver 來 接收處理。 Activity 是由 Android 系統(tǒng)進行維護的，它也有自己的生命周期 :產(chǎn)生、運行、銷毀。 如圖 31 是 Android 操作系統(tǒng)軟件模塊之間的關(guān)系。它包含了 Android應(yīng)用程序的相關(guān)信息，如應(yīng)用程序名稱、圖標、包名稱 、組件、權(quán)限管理和 SDK最低版本等。 Android 應(yīng)用程序的開發(fā)與其他系統(tǒng)的開發(fā)不同， Android 沒有唯一的程序啟動入口來啟動 Android App，他的啟動入口在 中事先聲明” （ 17） 。 Android 應(yīng)用程序開發(fā)研究 應(yīng)用程序組件是指具有相對獨立的且比較完整的功能、針對特定應(yīng)用場合的功能模塊， Android 應(yīng)用程序就是由多種組件組成的。 底層是以 Linux 內(nèi)核為基礎(chǔ)驅(qū)動硬件設(shè)備，是硬件和其它軟件層之間的一個抽象隔離層；中間層由函數(shù)庫 (Libraries)和 Android 運行時 (Android Runtime)構(gòu)成 :函數(shù)庫，主要提供一組基于 C/C++的函數(shù)庫， Android 運行時核心庫提供 Android 系統(tǒng)特有的功能函數(shù)和 Java 語言函數(shù)功能；應(yīng)用程序框架層 (Application Framework),提供 Android 平臺 基本的管理功能和組件重用機制；應(yīng)用程序?qū)?Applications)提供針對移動設(shè)備的核心應(yīng)用程序。 Android 平臺中提供了基于 Face++的人臉識別研究與實現(xiàn) 14 Dalvik 虛擬機來運行編譯后的 java 代碼。 安卓操作系統(tǒng)架構(gòu) 安卓操作系統(tǒng)介紹 Android 是由 Google 發(fā)布的基于 Linux 內(nèi)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(shù) JAVA SE，并擁有自己的擴展UI 框架。 ID 和 Name 是 來定位和訪問 Image， Face， Person， Faceset 和 Group 元素的，他們的 id 都是全局唯一的，系統(tǒng)自動分配 。一個 人臉 也許是來源于多個不同的 人 和人臉集合中 。 Faceset 指一個或多個 人臉 的集合。 Person 是同一個人的人臉集合。 Face 是 從人臉圖片 中檢測出的人臉。 Image 是用戶或應(yīng)用 程序提供給 Face++ API 的圖片，用來進行人臉檢測和人臉識別。 Face++提供簡單的，強大的， 通用的視覺服務(wù)平臺的目的是為了讓廣大的 IT 開發(fā)者能夠很輕易地運用最先進的計算機視覺技術(shù)實現(xiàn)相應(yīng)的視覺功能，它同時提供云端 API 和本地AP 壹 供開發(fā)者使用，建立出個性化的視覺應(yīng)用．當然 face++還擁有定制和企業(yè)級視覺服務(wù)的服務(wù)。 通過大量試驗和在實際應(yīng)用該方法有較好的正確識別率，在人臉識別領(lǐng)域和其他相關(guān)領(lǐng)域中有著廣泛的應(yīng)用，并越來越多的研究人員從事這一領(lǐng)域的研究。“通常在原特種空間中樣本都是線性不可分的，支持向量機方法通過相應(yīng)的核函數(shù)這種非線性映射方法映射到高維空間中使其線性可分，將兩類樣本無錯誤的隔開使分類誤差達到最小。識別率也很高，但缺點是若要得到較好的識別效果，則需要充分的樣本數(shù)量進行訓(xùn)練，由于圖像數(shù)據(jù)量非常大，因而需要的神經(jīng)元數(shù)目就會增加很多，因此訓(xùn)練時間就會很長，因而識別速度較慢，若沒有充分的樣本進行訓(xùn)練則在光照、表情等情況改變時識別效果不是很理想。當在學(xué)習(xí)過程中遇到的噪聲干擾大的圖像或丟失部分圖像，神經(jīng)網(wǎng)絡(luò)方法仍然是獲得更好的面部特征，這在其他的人臉識 別方法具有無可比擬的優(yōu)勢?！?（ 14）“現(xiàn)在廣泛使用的人臉識別系統(tǒng)中常用的基于神經(jīng)網(wǎng)絡(luò)主要包括 BP（ Back Propagation）神經(jīng)網(wǎng)絡(luò)、自組織映射神經(jīng)網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法” （ 15） 。” （ 11） 基于神經(jīng)網(wǎng)絡(luò)的方法 神經(jīng)網(wǎng)絡(luò)，從名字可以看出，該方法通過對人腦的結(jié)構(gòu)和工作機理的模擬，使用大量的連接構(gòu)建類似人腦的計算模型的復(fù)雜性來解決識別問題的處理單元。正是因為人臉的這種特性，對樣本圖像進行區(qū)域掃描，將個部分的特征作為參數(shù)建立隱馬爾可夫模型進行表示。該模型是基于統(tǒng)計模型基礎(chǔ)的一種模式識別方法，通過掃描樣本圖像提取的特征作為參數(shù)建立模型，模型參數(shù)具有相當穩(wěn)定的特性，對表情、形態(tài)具有很好的魯棒性。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?；趲缀翁卣鞯娜四樧R別方法簡單并且容易理解，但這種方法是一種基于人臉的先驗知識的非自動識別過程，同時，當人臉處于復(fù)雜背景下，被 障礙物遮擋，基于 Face++的人臉識別研究與實現(xiàn) 11 面部表情和姿態(tài)的變化對系統(tǒng)識別率具有相當高的影響，且魯棒性很差?；趲?何特征曲率進行分類識別是一個對高圖像質(zhì)量的效果非常理想的分類與識別方法但對人臉圖像的圖像質(zhì)量較差、各種器官輪廓提取效果的差，繼而人臉識別結(jié)果到不到理想效果。 目前，在比較常見的基于幾何特征的人臉識別方法主要有以下兩種： “基于幾何特征曲率進行分類識別的方法是依據(jù)人臉器官的輪廓弧線的曲率進行分類的。利用眼睛、鼻子、嘴等局部特征和各個特征之間的幾何關(guān)系對人臉進行識別就是基于幾何特征的識別方法。 基于幾何特征的人臉識別方法 基于幾何特征的人臉識別方法是最早、最傳統(tǒng)的人臉識別方法之一。 原始圖像能夠根據(jù)相 應(yīng)的矩陣以及系數(shù)轉(zhuǎn)變成新的圖像，即： Uyf?? 新的圖像擁有自己的參數(shù)信噪比： 步驟五：對待識別樣本進行分類。 在正常情況下，一個特定的人臉圖像，可以通過多個特征臉的加權(quán)組合得到，用于最終的人臉識別。 基于 Face++的人臉識別研究與實現(xiàn) 10 步驟四：將訓(xùn)練集合和測試集合映射到特征空間中。本征值降序排列，可表示為：1r210 ... ???? ???? ，那么對應(yīng)的本征值可以表示為 i? ，相應(yīng)的 1M210 ,..., ???? 可以稱作特征臉，所有的特征臉又可以叫做特征臉空間。 SVD 定理：設(shè) X 為一個隨機矩陣，且矩陣維數(shù)為 rn? ，那么在這個基礎(chǔ)上得到： 正交矩陣： ? ? rnruuuu ?? ??? 1210 ,...,U ，其中 IU