【正文】 性能和設(shè)備的設(shè)置，從而使獲取的數(shù)據(jù)變化很大，怎樣解決這個問題還值得好好研究。同時顯示出圖片中有多少人臉即人的個數(shù)，從而達到分辨人的目的。第7章結(jié)論，對全文進行總結(jié)，并對該課題的前景進行展望。第5章PCA算法及實現(xiàn)，本章介紹了基于Android編程的程序?qū)崿F(xiàn)。第3章圖像的獲取，本章介紹了Android編程平臺的基礎(chǔ)知識，人臉圖像的獲取途徑，及初步處理方案。第1章緒論， 本章介紹了智能安防系統(tǒng)，Android和人臉識別的背景、意義。對進入小區(qū)的人員身份進行確認，保證小區(qū)的人員、財產(chǎn)安全等?？梢詷酚^的預(yù)計，在人臉識別時代，智能安防體系將得到全面完善，是智能安防系統(tǒng)走入一個新紀元。通過視頻監(jiān)控畫面捕捉面相，可以快速識別罪犯并跟蹤他和確定他的藏身位置[10]。人臉識別主要有一下幾種應(yīng)用：用于電腦、智能訪問控制、網(wǎng)絡(luò)安全、銀行業(yè)務(wù)、邊境控制等領(lǐng)域的身份鑒定。 本課題研究意義用來實現(xiàn)個人身份信息確認人臉識別技術(shù)是基于生物特征識別技術(shù)來確定人的臉部特征信息的。我國許多研究機構(gòu)、大專院校已經(jīng)在圖像處理和模態(tài)分析等方面都取得了豐碩的研究成果，對人臉識別的研究和應(yīng)用開發(fā)工作領(lǐng)域進行了大量的研究。除此之外，近年來，在奇異值分解為代表的代數(shù)特征方法和基于KL變換的特征臉方法都獲得了突破，同時人工神經(jīng)網(wǎng)絡(luò)、小波變換技術(shù)等在人臉識別技術(shù)研究中也都得到了廣泛的應(yīng)用[14]。第三階段是是實現(xiàn)機器自動識別。設(shè)計了一個高速半自動回溯識別系統(tǒng)，再借助于模式判別分析技術(shù)來匹配標(biāo)準(zhǔn)人臉，這種系統(tǒng)實現(xiàn)了對人臉識別的實時、快速的處理[7]。他們表征人臉正面圖像用的是臉部正面矢量圖像的幾何特征，面部特征用21維特征向量來表示，新的識別系統(tǒng)就是在這個基礎(chǔ)上建立起來[6]。該階段的識別幾乎都是通過人工完成，沒有自動識別的功能，這也正是該階段系統(tǒng)的缺點。為了解決人臉識別率問題，Allen提出了一種逼真的摹寫給將要識別的人臉，且取得了良好的效果[4]?？傮w來說，人臉識別研究的歷史狀況大體劃分為三個階段[3]：第一階段是20世紀50年代到20世紀60年代，基于面部特征的人臉識別是研究的重點，其中的代表人物是Bertillon、Parke和Allen。 人臉識別的發(fā)展?fàn)顩r人臉識別技術(shù)在現(xiàn)在的生活中已經(jīng)應(yīng)用到很多領(lǐng)域中，并發(fā)揮了重要的作用?；谏鲜霰尘埃珹ndroid平臺的人臉識別技術(shù)將在智能安防系統(tǒng)中發(fā)揮關(guān)鍵性的作用。并且源程序都是免費開源的，基于這個原因我們在智能安防系統(tǒng)中使用Android平臺。而Android系統(tǒng)的興起為為我們提供了一條很好的發(fā)展道路。智能化是智能安防與傳統(tǒng)安防的最大區(qū)別，我國安防產(chǎn)業(yè)發(fā)展雖然很快，也很普及，但是相對來說比較傳統(tǒng)，耗費巨大人力物力。 智能安防系統(tǒng)結(jié)合了先進的現(xiàn)代計算機技術(shù)、現(xiàn)代控制技術(shù)、現(xiàn)代通信技術(shù)、現(xiàn)代圖像顯示技術(shù)實現(xiàn)系統(tǒng)的有機結(jié)合，采用國內(nèi)外先進的監(jiān)控設(shè)備，旨在建立為住戶提供一個安全、便捷的生活環(huán)境，把本系統(tǒng)建成符合實際需要、經(jīng)濟實用、技術(shù)先進、操作方便、可擴展能力強、管理規(guī)范的一流的安全防范監(jiān)控系統(tǒng)[1]。而其在事前預(yù)/報警的缺位，也讓保平安的意義大打折扣。但目前所使用的安防系統(tǒng)主要依賴人的視覺判斷，而缺乏對視頻內(nèi)容的智能分析。青島大學(xué)本科生畢業(yè)論文（設(shè)計）智能安防系統(tǒng)中人臉識別系統(tǒng)畢業(yè)論文目 錄第一章 緒論 1 課題背景 1 人臉識別的發(fā)展?fàn)顩r 1 本課題研究意義 2 本文的主要內(nèi)容及結(jié)構(gòu) 3第二章 研究方案及技術(shù)路線 4 研究內(nèi)容 4 研究對象 4 制約識別率的關(guān)鍵問題 4 研究方案 4 相關(guān)人臉識別算法對比 4 運用程序功能分析 5 研究方案的確定 6 技術(shù)路線 7第三章 圖像預(yù)處理 8 彩圖灰度化 8 直方圖均衡化 9 圖像平滑濾波 10 邊緣檢測 10 人臉部位提取 11第四章 基于Android的人臉檢測技術(shù)原理 13 Android編程平臺 13 Android 開發(fā)平臺搭建 13 Android開發(fā)簡介 13 人臉圖像獲取 14 Android 應(yīng)用程序組件(Activity簡介) 14 Bitmap和Drawable和Canvas 17 PCA算法原理分析 18 訓(xùn)練階段 18 識別階段 19 PCA算法實現(xiàn)流程 19第五章 人臉檢測android系統(tǒng)實現(xiàn) 21 新建工程 21 重要程序段及設(shè)置 23 應(yīng)用界面設(shè)計程序 23 界面啟動程序 24 創(chuàng)建包 24 創(chuàng)建圖片 25 獲取人臉圖片 25 人臉的眼部定位 25 定義圖片大小 27 創(chuàng)建位圖及畫板 27 按鈕的設(shè)置 30第六章 研究結(jié)果及分析 32第七章 總結(jié) 34 全文總結(jié) 34 前景展望 34參考文獻 36致 謝 37附 錄 3845青島大學(xué)本科生畢業(yè)論文（設(shè)計）第一章 緒論 課題背景現(xiàn)在，人們購房時已不僅是追求舒適、溫馨的生活環(huán)境，而且更加關(guān)心居住環(huán)境是否具有安全感。對外網(wǎng)絡(luò)聯(lián)系系統(tǒng)、社區(qū)信息和物業(yè)服務(wù)的社區(qū)網(wǎng)絡(luò)系統(tǒng)及保障安全的高科技預(yù)警監(jiān)控系統(tǒng)，將是人們衡量小區(qū)智能化水平的最基本條件[1]。由此使得安防系統(tǒng)只能完成時間內(nèi)的視頻存儲記錄，僅可為事后分析提供證據(jù)。隨著光電信息技術(shù)、微電子技術(shù)、微計算機技術(shù)與視頻圖像處理技術(shù)等的發(fā)展，傳統(tǒng)的安防系統(tǒng)也正由數(shù)字化、網(wǎng)絡(luò)化，而逐步走向智能化[1]。就智能化安防系統(tǒng)來說，一個完整的智能安防系統(tǒng)主要包括門禁、報警和監(jiān)控三大部分。因此，如何才能更加有效和方便地進行安防系統(tǒng)的智能控制是一個迫切需要解決的問題。Android是一種基于Linux的自由及開放源代碼的操作系統(tǒng)，主要使用于移動設(shè)備，如智能手機和平板電腦，由Google公司和開放手機聯(lián)盟領(lǐng)導(dǎo)及開發(fā)，Android平臺具有良好的開放性和出色的性能[2]。Android系統(tǒng)經(jīng)過最近的發(fā)展已經(jīng)變得非常成熟和穩(wěn)定，尤其在智能手機上的應(yīng)用，讓我們看到了非常廣闊的前景，同時它還有具有以下優(yōu)點：開放性、不受束縛、豐富的硬件、方便開發(fā)、Google應(yīng)用等。由于人臉識別技術(shù)具有如下特點：無接觸、方便、直觀和隱蔽性好，因而受到了國內(nèi)外眾多學(xué)者關(guān)注與研究。人臉識別技術(shù)的研究開始于1966年，來源于PRI的Bledsoe的工作，經(jīng)過這么長時間的發(fā)展，人臉識別技術(shù)取得了巨大的進步，每年都有大量的學(xué)術(shù)論文發(fā)表。Bertillon主要是結(jié)合指紋識別技術(shù)，并同時使數(shù)據(jù)庫中的一張臉與自己編輯的一個程序語句對應(yīng)，從而創(chuàng)建起了一個很好的身份識別系統(tǒng)。但是Parke在計算機上第一次完成了Allen的設(shè)想，并且首次得到人臉灰度圖模型，改模型的質(zhì)量較高[5]。第二階段是20世紀70年代，人臉識別研究進入人機交互式的識別階段，代表人物為 Goldstion、Harmon和Lesk。Kaya和Kobayashi表征人臉特征用的是歐氏距離。整體上說，這些方法對操作人員的先驗知識有很高的要求，屬于半自動化。尤其是近年來計算機性能和速度的提高，所以計算速度和數(shù)據(jù)處理能力大大增加，用于人臉模式識別的算法取得了很大的突破，提出了多種全自動人臉識別系統(tǒng)[8]。早在80年代，我國就開始了在人臉自動識別領(lǐng)域的研究。人臉自動識別系統(tǒng)會對人們的生產(chǎn)生活取得巨大的影響，而人臉識別技術(shù)也會有著非常廣闊的應(yīng)用前景[15]。與指紋識別技術(shù)相比，人臉識別具有不接觸性、準(zhǔn)確率高、識別速度快等優(yōu)點，多應(yīng)用于重要行業(yè)和領(lǐng)域，人臉識別技術(shù)在民用市場也有很廣應(yīng)用的前景，如：智能門禁、門鎖、考勤、手機、數(shù)碼相機、智能玩具等。將隨時采集的面部數(shù)據(jù)與數(shù)據(jù)庫中的數(shù)據(jù)對比實現(xiàn)身份確認。近年來，歐美很多發(fā)達國家真正把人臉識別技術(shù)推進到實用階段，人臉識別成為了市場的寵兒得到廣泛應(yīng)用從而開啟了新的數(shù)字化生活方式。 本文的主要內(nèi)容及結(jié)構(gòu)本論文所完成的任務(wù)是基于Android編程平臺，在Android手機上實現(xiàn)人臉識別功能。本論文在總體結(jié)構(gòu)上共分為7章。第2章研究方案及技術(shù)路線，本章主要介紹人臉識別的各種算法、方案和實現(xiàn)的技術(shù)路線。第4章圖像預(yù)處理，本章介紹了相關(guān)圖像處理的算法以及實現(xiàn)，其中包括彩色圖像的灰度化、灰度圖像的直方圖均衡化、圖像的平滑濾波、邊緣檢測等。第6章研究結(jié)果及分析，本章對研究結(jié)果敘述，以及分析。第二章 研究方案及技術(shù)路線 研究內(nèi)容 研究對象本文涉及的研究對象是從智能手機存儲的圖片中的人臉圖像，并對人臉圖像進行一定算法的處理，以達到相關(guān)識別算法的要求，分析出圖片中人臉的個數(shù)并予以標(biāo)記，并顯示在屏幕上，已達到分辨人臉的效果。 制約識別率的關(guān)鍵問題人臉識別技術(shù)進過長時間的發(fā)展，在識別率方面有了很大的改善和提高，但是在相關(guān)技術(shù)領(lǐng)域仍然面臨著問題。 背景及光照的影響：背景的不同關(guān)系到識別的準(zhǔn)確率，然而光照卻是影響人臉識別性能的最關(guān)鍵因素。 人臉姿態(tài)：現(xiàn)今人臉識別實用化進程中的一個瓶頸是人臉姿態(tài)問題。 表情問題：人臉表情很是豐富，但是在人臉識別方面會影響數(shù)據(jù)的采集和提取，這個問題也將對后續(xù)的算法處理產(chǎn)生非常大的影響?；趲缀翁卣鳎簬缀翁卣髯R別的方法是基于層次聚類思想，用一個幾何特征矢量反應(yīng)人臉，實現(xiàn)人臉識別。人臉器官的關(guān)鍵點分別與不同的積分投影方式產(chǎn)生的波峰波谷相對應(yīng)。這個方法大多采用歸一化互相關(guān)法，直接計算出圖像之間的匹配度。依照一種自然的順序，即從上到下、從左到右來表征人臉面部特征的分布，這種順序不會隨著人臉在平面和垂直方向上發(fā)生旋轉(zhuǎn)而變化，但是實現(xiàn)起來的難度較大。人工神經(jīng)網(wǎng)絡(luò)（ANN）的神經(jīng)元中的一個節(jié)點的處理單元（一個模擬人的腦細胞和簡化）之間的加權(quán)連接拓撲。特征臉識別：特征臉法是一種常用的人臉識別方法。降維的思想，降低了運算量，此算法多運用于硬件配置相對中低端的手持設(shè)備中。通過以上算法的介紹，結(jié)合算法的特征還有應(yīng)用的平臺，我們選擇PCA算法。 運用程序功能分析本文應(yīng)用程序最主要的功能就是要能識別出人臉，首先該系統(tǒng)需要通過SD卡中存取的圖像而獲取到的原始的人臉圖片進行一系列處理才可進行下一步的工作，該處理過程也稱圖像預(yù)處理。因此本設(shè)計中所要完成的主要功能如下所述：圖像存?。涸谑謾CSD卡中建立相關(guān)文件夾，用于存取人臉圖像，其中包括待識別圖像以及相關(guān)的數(shù)據(jù)。圖像預(yù)處理：主要是對獲取的圖像進行灰度化、直方圖均衡化、平滑濾波、等處理。識別功能：這部分功能主要依據(jù)程序設(shè)置，對圖像里人的眼睛進行標(biāo)注，從而識別出人臉圖像。查閱并重新學(xué)習(xí)數(shù)字圖像處理的相關(guān)知識，為圖像預(yù)處理打下堅實的理論基礎(chǔ)。：圖像預(yù)處理層次圖。確定本課題人臉識別算法，并對算法認真研究、理解并寫成相應(yīng)的程序。 技術(shù)路線由以上分析，：人臉識別技術(shù)路線。這些差異對下一步的圖片處理帶來了極大困難和不便，因此就很有必要對人臉圖像進行一些相應(yīng)的處理，以來改善圖像的視覺效果，來提高圖像的清晰度，便于提高后期的圖像識別識別率，這一過程就是圖像的預(yù)處理。 彩圖灰度化人臉識別技術(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象。而灰度圖在保留人臉信息量不丟失的情況下，減少了信息總量，為后期的識別算法提供了具體的可行性。 int red=(color)。 int blue=(color)。0xFF。反應(yīng)圖像的直方圖可以是一個很好的總體概述，圖像是值得大大的不同情況，如圖像中的目標(biāo)的背景下，分布，也可以計算出的最大和最小灰度值圖像，平均灰度值，對比度等。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，并在同一時間，提高圖像的主觀質(zhì)量的。直方圖均衡化就是要建立一個T變換，對于連續(xù)的圖像來說：用變量R來代表待增強圖像的灰度級。之后用一個離散公式并允許像素值在區(qū)間[0，L1]。滿足一下條件：(1)在區(qū)間上為單值且單調(diào)函數(shù)(2)當(dāng)時，這樣就保證了的反變換存在，單調(diào)的條件就保證了輸出圖像是從黑到白的順序，最后由S到R的反變換可表示為： (33)對于離散的數(shù)字圖像，其方法可以表示為： (34)其中A為圖像面積，L為圖像灰度級，表示灰度級為k的像素點的總數(shù)。 FrequenceGray[Gray]++。 SumGray[i]=(int)(SumGray[i]*255/length)。return PixelsGray。為了避免噪聲對圖像的特征抽取的影響，需要消除噪聲，消除噪聲的主要方法分為兩類：一類是全局處理，包括Wiener濾波、Kalman濾波等方法?；趯崿F(xiàn)方式的簡易度，我們采用的是均值濾波的方式。如在像素點處取3x3的鄰域，這樣得到公式如下： (36)其中值得注意的是鄰域N控制著濾波程度，對應(yīng)卷積模板的大尺度會加大濾波能力，但是這樣會導(dǎo)致圖像細節(jié)的損失。如把階躍變化過渡，平滑成逐漸變化，使得精確定位的能力下降[4]。filterData[i*width+j]=(int)(average) filterData[i]=(filterData[i]min)*255/(maxmin)。為了使得總的數(shù)據(jù)量減少，同時為后續(xù)特征提取的計算量減少，因此使用圖像邊緣檢測技術(shù)。邊緣的衡量常由灰度值的劇烈變化來表示，由此我們想到在數(shù)學(xué)上，最直觀的模型就是微分。比較經(jīng)典的常用的算法有：差分邊緣檢測、Roberts邊緣檢測算子、Sobel邊緣檢測算子、Prewitt邊緣檢測算子等。對于數(shù)字圖像而言，可以用一階差分來代替一階微分。如下公式： (49)Sobel算子是一種基于梯度幅值的計算方法，通過對數(shù)字圖像f(x ,y)的每一個像素的四鄰域點的灰度值的加權(quán)差，與