人臉識(shí)別簽到手機(jī)APP設(shè)計(jì)的研究

戚福豪，孫小舒，陳穩(wěn)，李炎坤

（沈陽理工大學(xué)，遼寧 沈陽 110000）

0 引言

一些早期的人臉識(shí)別方法包括尋找區(qū)分性圖像特征的位置，如眼睛，鼻子和嘴，并測(cè)量這些特征位置之間的距離，近期的方法依賴于比較灰度圖像在被稱為“特征臉”的低維空間的投影并利用活動(dòng)表觀模型并對(duì)形狀和表觀變化進(jìn)行聯(lián)合建模。本文研究是使用OpenCv庫的人臉識(shí)別結(jié)合手機(jī)APP在課堂考勤的應(yīng)用系統(tǒng)。

1 設(shè)計(jì)

其整體結(jié)構(gòu)圖如圖1所示：

圖1 人臉識(shí)別過程結(jié)構(gòu)圖

1.1 人臉數(shù)據(jù)庫的建立

系統(tǒng)采集成員的人臉圖像，將這些人臉分類標(biāo)號(hào)保存，并建立人臉庫。

1.2 圖像采集

攝像頭采集人臉圖像，前期用于訓(xùn)練模型，后期用于對(duì)人臉的預(yù)測(cè)。

1.3 圖像預(yù)處理

由于攝像頭設(shè)備存在采集圖像方法、提取人臉角度、圖像背景以及光照變化等干擾信號(hào)，使得識(shí)別正確率出現(xiàn)不同程度的降低。所以，需將采集到的圖像以及檢測(cè)出來的人臉通過圖像處理算法處理。其中處理方法有尺度歸一化、圖像灰度化、灰度變換、圖像增強(qiáng)、以及圖像降噪等。

1.4 人臉特征提取及模型訓(xùn)練

圖像特征提取和特征描述是圖像目標(biāo)識(shí)別的關(guān)鍵技術(shù)，特征提取結(jié)果的好壞，直接影響模型訓(xùn)練結(jié)果，進(jìn)而影響了目標(biāo)識(shí)別的效果，在圖像檢索系統(tǒng)中，特征描述的好壞也會(huì)直接影響目標(biāo)匹配和圖像檢索的精度。圖像處理中特征點(diǎn)的檢測(cè)與匹配是機(jī)器視覺最重要的部分。

特征提取指的是使用計(jì)算機(jī)提取視頻中的圖像信息，決定每個(gè)圖像的點(diǎn)是否屬于一個(gè)圖像特征。特征提取的結(jié)果是把圖像上的點(diǎn)分為不同的子集，這些子集往往屬于孤立的點(diǎn)、連續(xù)的曲線或者連續(xù)的區(qū)域。特征的好壞對(duì)泛化性能有至關(guān)重要的影響。

圖像的模型訓(xùn)練即是通過對(duì)所提取的人臉特征，不斷調(diào)整模型參數(shù)使人臉圖像針對(duì)于模型之間的誤差值達(dá)到最小。用于之后對(duì)人臉的預(yù)測(cè)。

1.5 人臉識(shí)別

提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫中存儲(chǔ)的特征模板進(jìn)行搜索匹配，通過設(shè)定一個(gè)閾值，當(dāng)相似度超過這一閾值，則把匹配得到的結(jié)果輸出。人臉識(shí)別就是將待識(shí)別的人臉特征與已得到的人臉特征模板進(jìn)行比較，根據(jù)相似程度對(duì)人臉的身份信息進(jìn)行判斷。這一過程又分為兩類：一類是確認(rèn)，是一對(duì)一進(jìn)行圖像比較的過程，另一類是辨認(rèn)，是一對(duì)多進(jìn)行圖像匹配對(duì)比的過程。在圖像匹配過程中有一個(gè)重要特征是:每個(gè)識(shí)別匹配都具有轉(zhuǎn)置信(confidence)評(píng)分，因此可在實(shí)際應(yīng)用中通過對(duì)其設(shè)置閾值來進(jìn)行篩選。

人臉識(shí)別是利用提取好的特征，進(jìn)行身份確認(rèn)或在人臉庫中比對(duì)搜索最相似者。

2 技術(shù)

2.1 基于open cv 庫

OpenCV中有三種人臉識(shí)別的方法，它們分別基于三種不同的算法：Eigenfaces、Fisherfaces和Local Binary Pattern Histogram(LBPH)。

（1）Eigenfaces算法是通過PCA來處理。PCA的本質(zhì)是識(shí)別某個(gè)訓(xùn)練集上的主成分，并計(jì)算出訓(xùn)練集（圖像或幀中的檢測(cè)到的人臉）相對(duì)于數(shù)據(jù)庫的發(fā)散程度，并輸出一個(gè)值。該值越小，表明人臉數(shù)據(jù)庫和檢測(cè)到的人臉之間的差別就越小；0值表示完全匹配。

（2）Fisherfaces算法是從PCA中衍生發(fā)展出來的，采用更復(fù)雜的邏輯；盡管計(jì)算更加密集，但比Eigenfaces更容易得到準(zhǔn)確效果。

（3）LBPH算法將檢測(cè)到的人臉分為小單元，并將其與模型中的對(duì)應(yīng)單元比較，對(duì)每個(gè)區(qū)域匹配值產(chǎn)生一個(gè)直方圖。

2.2 基于harr 級(jí)聯(lián)算法

（1）Haar級(jí)聯(lián)檢測(cè)器，OpenCV中的Haar級(jí)聯(lián)檢測(cè)器支持人臉檢測(cè)、微笑、眼睛與嘴巴檢測(cè)等，通過加載這些預(yù)先訓(xùn)練的Haar模型數(shù)據(jù)可以實(shí)現(xiàn)相關(guān)的對(duì)象檢測(cè)。OpenCV中HAAR特征計(jì)算是積分圖技術(shù)，可以非常快速高效的開窗檢測(cè)，HAAR級(jí)聯(lián)檢測(cè)器具備有如下特性：高類間變異性，低類內(nèi)變異性，局部強(qiáng)度差，不同尺度，計(jì)算效率高。

（2）Haar小波函數(shù)，因?yàn)槠錆M足對(duì)稱性，因此對(duì)人臉這種生物對(duì)稱性良好的對(duì)象特別適合用來做檢測(cè)，下圖為小波函數(shù)：

圖2 小波函數(shù)圖

（3） 常見的Haar特征分為三類：

圖3 Haar 特征

3 實(shí)現(xiàn)與系統(tǒng)測(cè)試

人臉識(shí)別簽到App的主界面和識(shí)別界面和相關(guān)信息，如圖4-6所示。

圖4 應(yīng)用主界面

圖5 拍照識(shí)別圖

圖6 查詢信息圖

4 結(jié)論

此研究著重于人臉識(shí)別在學(xué)校的學(xué)生的課堂考勤應(yīng)用，設(shè)計(jì)這款基于Android的人臉識(shí)別app應(yīng)用。經(jīng)過功能測(cè)試和可行性分析，基本滿足需求。本著軟件的設(shè)計(jì)可擴(kuò)展性原則，以后還會(huì)有更加豐富的功能加入，以適應(yīng)多變的環(huán)境和功能需求。使得應(yīng)用系統(tǒng)更加便利和具有未來性。