基于Android平臺的人臉識別系統(tǒng)設(shè)計與實現(xiàn)

1、    基于android平臺的人臉識別系統(tǒng)設(shè)計與實現(xiàn)    劉亮摘 要 人臉識別是公共安全領(lǐng)域的研究重點。本文首先通過分析比較，采用基于adaboost的算法檢測人臉，基于ldp的特征臉算法實現(xiàn)特征提取和特征識別。然后選擇opencv計算機視覺庫來實現(xiàn)人臉檢測和人臉識別。最后，通過jni調(diào)用本地opencv代碼實現(xiàn)android平臺的人臉識別系統(tǒng)?！娟P(guān)鍵詞】android平臺 人臉檢測 人臉識別系統(tǒng)1 引言近年來，信息安全越來越受到人們關(guān)注，身份驗證和識別技術(shù)成為眾人矚目的焦點，生物特征識別技術(shù)和人工智能技術(shù)不斷更新發(fā)展，其中，人臉識別技術(shù)因具有并發(fā)性

2、、非接觸性、非強制性、操作簡單等特點，被越來越廣泛地運用到各個領(lǐng)域中。android系統(tǒng)是目前移動設(shè)備的主流操作系統(tǒng)之一，在移動操作系統(tǒng)市場份額中占據(jù)了主導(dǎo)地位。隨著人們在移動領(lǐng)域信息安全意識的提高，在移動平臺上進行人臉識別具有廣闊的發(fā)展前景，同時也面臨諸多挑戰(zhàn)。本文結(jié)合android移動終端的特點，研究基于android的人臉識別系統(tǒng)的實現(xiàn)，更好地滿足移動領(lǐng)域信息安全方面的市場需求。2 人臉識別原理人臉識別技術(shù)是一種基于生理特征的識別技術(shù)，通過計算機提取人臉特征，并根據(jù)這些特征進行身份驗證的一種技術(shù)。廣義的人臉識別過程包括人臉圖像采集及預(yù)處理、人臉檢測與特征提取和人臉的對比與識別三大部分，其

3、原理如圖1所示。人臉檢測的算法有很多種，典型的有特征抽取算法、人臉小波檢測、基于模板匹配、神經(jīng)網(wǎng)絡(luò)、支持向量機方法、adaboost算法等。本文選擇adaboost算法實現(xiàn)人臉檢測。人臉識別技術(shù)包括特征提取和特征識別，實現(xiàn)方法可概括為3類：基于幾何特征方法（歐式距離判別法）、基于模板方法（特征臉方法、神經(jīng)網(wǎng)絡(luò)方法等）和基于模型方法（隱馬爾科夫方法）。本文選擇基于ldp的特征臉算法實現(xiàn)人臉特征提取與特征識別。3 人臉識別算法3.1 圖像預(yù)處理現(xiàn)實生活應(yīng)用人臉檢測與識別系統(tǒng)時，人臉的圖像是在各種隨機的場景下由攝像頭或照相機拍攝的，因此受到光照變化、背景色彩、設(shè)備質(zhì)量以及人臉姿態(tài)等因素的影響，需要對

4、其進行預(yù)處理，主要包括光照補償、濾波去噪處理和幾何歸一化的處理，經(jīng)過這些處理，后期操作中將得到較好的識別效果。首先定位人眼。為了提高定位效率，先確定人眼在人臉圖像中的大概位置，然后基于這個大致的范圍，采用灰度積分投影和灰度差分積分投影相結(jié)合的方法精確定位人眼：m（y）=kphori（y）- dhori（y）其中，k為系數(shù)，k phori（y）為灰度積分投影，dhori（y）為灰度差分積分投影。其次是臉部圖像的幾何變換和剪裁，根據(jù)所檢測到的人眼位置，通過圖像旋轉(zhuǎn)、剪裁、縮放等手段，使得臉部圖像中人眼是對齊的且不包含背景、額頭、耳朵和下巴，并將處理后的臉部圖像縮放到70×70固定大小。再

5、次是分離直方圖均衡，這個過程能夠使得每一個臉部圖像都具有相同的對比度以及亮度。最后是圖像平滑，圖像平滑能夠有效地減少圖像的噪聲。3.2 人臉檢測自適應(yīng)增強（adaptive boosting，adaboost）是一種需要監(jiān)督的機器學習算法。特征選取和特征計算決定了adaboost算法的運行速度。viola等人提出了基于haar特征的adaboost人臉檢測算法。本文使用haar 特征進行特征提取?；谔卣鞯臋z測能對選定區(qū)域的狀態(tài)進行編碼。矩形特征是對輸入圖像使用矩形進行提取特征。haar特征是一些由黑白矩形組成的特征，臉部的一些特性可以用矩形特征簡單地描述，矩形特征值是兩個不同的矩形區(qū)域像素和

6、之差。如果圖像特征表示眼睛的顏色比臉頰上端的顏色深?？梢杂锰卣髦祦砭幋a特征，特征值定義為：v=sum黑-sum白其中，sum黑、sum白分別表示黑色和白色矩形覆蓋區(qū)域的像素和。使用viola等人提出的積分圖像的概念，可加快矩形特征的計算速度。進而計算出haar特征的特征值，定義積分圖中位置（x，y）處的值為待測圖像位置（x，y）處的上方和左側(cè)所有像素之和。s（x，y）=s（x，y?1）+i（x，y）c（x，y）=c（x?1，y）+s（x，y）其中，c（x，y）為積分圖在（x，y）點處的值，i（x，y）為原圖像素點（x，y）處的灰度值，s（x，y）表示一行灰度值的累加和。初始時s（x，-1）=0

7、，c（-1，y）=0。弱分類器對正負樣本分類的準確率應(yīng)大于 1/2，這樣訓練算法最終收斂。一個弱分類器 h（x，f，p，）：其中 1 表示人臉，0 表示非人臉。計算在每個特征f下的所有樣本特征值，并進行排序。然后掃描一遍排好序的特征值，從而確定特征f的一個最后閾值，最終訓練成一個弱分類器。所有迭代得到的弱分類器，并按照定的權(quán)值疊加起來，得到一個強分類器。將多個強分類器連接起來，得到adaboost級聯(lián)分類器。如圖2所示。3.3 人臉特征的提取局部二值模式lbp（local binary patterns）是一種從局部紋理定義中衍生出來的算法，所謂的紋理是圖像分析中常用的鑒別特征，它所含有的信息

8、能夠表征物體表面的變化。由于其優(yōu)秀的分類特性和計算的簡便性，使得其廣泛的運用于圖像檢索、人臉分析和工業(yè)檢測等領(lǐng)域。ojala等人提出的lbp算子的模板大小被定義為3x3，以此模板依次掃描圖像中的像素點，將該模板的中心點位置的灰度值與周圍位置的8個灰度值相比較，若鄰域位置的灰度值大于中心位置的灰度值則該鄰域位置標記為l，相反標記為0；將這中心像素點周圍的8個像素點順時針依次連接組成8位二進制數(shù)；將該二進制數(shù)轉(zhuǎn)換為十進制數(shù)，替代中心像素點位置的像素值。 gc代表中心像素位置的灰度值大小，p為該中心位置周圍鄰域像素點的個數(shù)，gi（i=o，l，.，p-1）是周圍第i個像素位置的灰度值。則以（xc，yc

9、）為中心位置的一個局部鄰域的紋理特征可以表示為：ldp算法結(jié)合了lbp的優(yōu)點，在其基礎(chǔ)上考慮到特征的方向性，能更有效和更為魯棒的描述人臉。與lbp碼相類似，我們需要對得到的卷積結(jié)果進行二值化處理，需要選定一個閾值。這里我們對返回的卷積結(jié)果的絕對值b0，b1，b2，b3，b4，b5，b6，b7從大到小進行排序，取其中第k個大小的值為閾值，大于該閾值的賦值為1，相反為0。ldp算子對于存在噪聲和非均勻的光照變化的圖像具有更好的魯棒性。4 android平臺人臉識別系統(tǒng)設(shè)計4.1 android jni技術(shù)本文所研究的人臉識別算法是由c語言實現(xiàn)，并且調(diào)用了opencv庫，這樣相對于使用java語言實

10、現(xiàn)有較高的執(zhí)行效率。android系統(tǒng)應(yīng)用層采用的java語言，但android系統(tǒng)中也提供了jni接口使得在android程序中能方便的調(diào)用c語言或其他語言。jni位于本地庫與java框架層之間，其結(jié)構(gòu)如圖3所示。4.2 系統(tǒng)功能模塊android平臺上的人臉檢測與識別系統(tǒng)主要由圖像采集模塊、人臉圖像預(yù)處理模塊、人臉檢測模塊、人臉注冊模塊和人臉識別模塊等共五個模塊組成。圖像采集模塊：利用android平臺攝像頭進行圖像采集，調(diào)用opencv庫，實現(xiàn)調(diào)用攝像頭、對拍攝的物體進行自動對焦、連續(xù)拍照等功能，快速獲取圖像幀的信息。人臉圖像預(yù)處理模塊：對采集到的圖像幀進行光照補償、濾波去噪處理和幾何歸

11、一化的處理等處理。人臉檢測模塊：經(jīng)預(yù)處理的圖像采用adaboost人臉檢測方法獲取人臉，并對裁剪出的人臉圖像進行標記。人臉注冊模塊：經(jīng)過訓練后可以輸入姓名，然后可連續(xù)錄制十張照片，并按照人臉檢測中的步驟提取出10張人臉照片保存到sd卡中，將人臉姓名和編號按順序?qū)懭雈acen.txt文件中。人臉識別模塊：根據(jù)測試者人臉圖像計算人臉ldp特征，得到識別結(jié)果。如果測試者的人臉特征在我們設(shè)置的閾值的內(nèi)則，輸出識別人臉的姓名，否則提示人臉庫中無此人，請擺正人臉配合識別。本文設(shè)計并實現(xiàn)了基于android的人臉識別系統(tǒng)。針對android平臺的硬件能力有限的特點，開發(fā)了一種適用于android平臺的系統(tǒng)資

12、源消耗較少的人臉識別系統(tǒng)。系統(tǒng)開發(fā)過程中主要使用了adaboost人臉檢測算法和基于ldp特征臉的人臉識別算法，采用opencv視覺開源庫在android平臺上加以實現(xiàn)，目前該入臉識別系統(tǒng)已經(jīng)達到較高的識別水平，具有很好的實用性和應(yīng)用前景。參考文獻1陳會安，李強.java和android開發(fā)實戰(zhàn)詳解m.北京：人民郵電出版社，2014.2hughes a.android mobile security：a comprehensive evaluationof its feats and flawsd.utica coi.i.ege，2015.3趙麗紅，劉紀紅.人臉檢測方法綜述j.計算機應(yīng)用研究，2004，21（09）：l-4.4張恒喜，史爭軍.基于sqljte的android數(shù)據(jù)庫編程