人臉識別在Android平臺下的研究與實現(xiàn)

倪迎花

摘要：當前，隨著信息技術的快速發(fā)展，信息安全成為人們非常關注的一個問題，人臉識別技術在種類繁多的安全驗證中脫穎而出，成為最具有發(fā)展?jié)摿Φ陌踩炞C措施。本文就對基于Android平臺下的人臉識別的研究方案進行研究分析，并對相關的人臉識別計算方法進行介紹，以推動人臉識別在Android智能終端的運用。

關鍵詞：人臉識別；Android平臺；實現(xiàn)

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2015）02-0158-02

Abstract： At present， with the rapid development of information technology， information security become a problem of great concern to the people， face recognition technology in a variety of safety verification to the fore， become most has the development potential of the security verification measures. The carries on the research analysis based on the Android platform of face recognition research program and the related to the face recognition calculation method were introduced， in order to promote the face recognition application in Android smart terminal.

Key words： face recognition； android platform； implement

隨著信息科學技術的飛速發(fā)展，智能手機成為了人們的日常生活中重要的使用設備，而隨著移動互聯(lián)網(wǎng)迅猛發(fā)展，智能手機的信息安全問題已經(jīng)成為當下急需解決的移動通信設備技術問題，而人臉識別技術擁有很強的個體性的特征，對移動支付管理以及支付平臺上的私密信息的保護能有很大的幫助。

1 人臉識別

人臉識別是利用計算機對人臉的特征進行提取的，一種建立在人的生理特征之上的識別手段。人臉識別中首先就是要進行人臉圖像的采集，然后就是對人臉特征的檢測和提取，建立一個人臉模型庫，再對人臉進行對比和識別。

1.1 人臉圖像的采集

在對人臉進行識別之前，就是要進行人臉圖像的采集，但是在對人臉圖像的采集過程中，要考慮攝像機鏡頭分辨率的關系，還有拍攝環(huán)境、光照等因素對人臉拍攝的影響，為了避免采集到的人臉圖像變形，或者有噪點等，就要先對人臉圖像進行灰度化、或者均衡化、矯正等預處理。

1.2 人臉特征的提取

人臉系統(tǒng)中對人臉特征的提取是非常關鍵的環(huán)節(jié)，然而隨著人臉識別技術的不斷提高，對人臉特征提取的分析方法要求也在不斷的提高。在當前，在人臉特征分析計算中得到廣泛應用的方法是，頻域變換方法與子空間分析法相結合的分析算法。而本文主要研究的是頻域變換方法對人臉特征提取的分析和判斷，該方法主要有離散小波變換（DWT），離散余弦變換（DCT），傅立葉變換（FT）。其中在圖像壓縮領域運用得最廣泛的就是離散余弦變換（DCT），因為離散余弦變化具有能量集中力強、計算復雜性綜合效率較高、誤碼率低以及壓縮能力較好等優(yōu)點，而且是一種數(shù)字領域常用的正交頻域變換方法。

模糊鑒別分析法（FLDA）是本文還要研究的另外一種人臉特征提取計算方法，這種方法是在離散余弦變換在人臉識別中的應用基礎之上，在運用離散余弦變換對圖形進行降維之后，再利用線性判別分析（LDA）在低維空間進行特征提取，而線性判別分析方法不足以克服避免圖像收光照環(huán)境、噪點等因素的影響，因此提出了人臉特征提取分析方法。模糊鑒別分析法為了彌補線性判斷分析法中，對每個樣本唯一隸屬于某一類別的不足，就通過引入樣本的類隸屬度信息來進行特征提取。也就是說，對人臉特征提取的算法，是將離散余弦變換與模糊鑒別分析法相結合進行計算的，這種算法首先就是要利用離散余弦變換來講人臉圖像進行變換和提取，將少數(shù)的離散余弦變換系數(shù)在包含有大部分的人臉信息中提取出來，然后為了能利用最小距離分類器對ORL人臉數(shù)據(jù)庫進行分類識別，就要在采用模糊鑒別分析法做進一步的特征提取，以達到最終的人臉特征鑒別。

1.2.1 離散余弦變換

為了減小隨機向量的相關性，在提取到的信息經(jīng)過大量的正交變換后，能將能量集中在少數(shù)的變換系數(shù)上，就要采用離散余弦變換，這種方法能對信息壓縮能力以及計算的復雜程度起到折中的作用，下面我們就通過一幅MxN的人臉圖像來進行離散余弦變換系數(shù)的提取說明：

根據(jù)上圖所示，人臉圖像在經(jīng)過離散余弦變換之后，得到的系數(shù)矩陣與原來的人臉圖像大小相同，矩陣中的元素代表了這張人臉圖像的頻率，上圖（b）是該人臉圖像的離散余弦變換系數(shù)，可以看出的是該頻率從右到左是一個遞減的趨勢，所以可以分析出，在矩陣的左上角和右上角，分別集中有低頻系數(shù)以及高頻系數(shù)，而離散余弦變化的這一分布特點，可以利用上圖（c）的Zig-Zag掃描方式將變換得來的離散余弦變換系數(shù)矩陣變成一維向量，著眼以來，就能根據(jù)選擇不同的長度來進行計算量的分析以及能力關系的辨別。

1.2.2 模糊線性鑒別分析法

在人臉特征提取中，為了找到一組投影矢量，為了使樣本投影后不同類別的樣本得到不同程度的散開，就要找到一組投影矢量，也即是說選擇樣本類間離散與樣本內離散度之間的要具備比值較大的特征，所以線性鑒別分析得到廣泛的使用。為此，可以列出這樣一個公式：

1.3 DCT與FLDA相結合的人臉特征提取方法

DCT與FLDA相結合的人臉特征提取方法，就是將DCT與FLDA這兩種方法中的優(yōu)點進行融合，先用DCT對整張人臉圖像進行變換，然后將包含了人臉顯著信息的少數(shù)DCT系數(shù)提取出來，然后再用FLDA將提取出來的DCT系數(shù)特征進行提取，接著再用最小分類器進行特征識別。

該實驗是在ORL人臉數(shù)據(jù)庫上開展的，ORL人臉數(shù)據(jù)庫由60個人，每個人10幅不同表情的圖像組成，選取每個人5張圖像作為樣本，剩下的作為測試樣本，采用最小距離分類器進行特征量的分類，實驗結果如下：

2 人臉識別在Android平臺下的實現(xiàn)

上文已經(jīng)講過，本文對人臉特征向量的提取，采用的是離散余弦變換與模糊線性鑒別分析相結合的方法，然后在利用最小距離方法對特征進行分類。系統(tǒng)為了減少算法計算復雜度，采用最鄰近分類進行特征識別。另外，系統(tǒng)還選擇用直方圖度量的方法，對待識別向量最接近的圖像類別來作為識別的結果。該系統(tǒng)結構由上下兩個板塊組成，上部虛框中的內容表示的是系統(tǒng)的數(shù)據(jù)部分，而下虛框則表示系統(tǒng)的算法。而在Android平臺下，支持像jpg以及bmp等多種像素格式，所以就需要運用Bitmap進行圖像解碼，解碼后的圖像有多種格式，像ARGB 8888以及RGB 565等，其中，ARGB 8888格式的圖像在系統(tǒng)中得以廣泛的人使用，因為這種格式的圖像只需只用一個字節(jié)表示顏色的分量，還便于處理像素，使用這種格式圖像的系統(tǒng)在開始界面有三個選項按鈕，包括退出，打開攝像頭以及圖像路徑選擇。

本文選擇ORL人臉數(shù)據(jù)庫對系統(tǒng)的特征驗證的有效力，以及擴展能力進行測試。ORL人臉數(shù)據(jù)庫有60組圖像，每組10幅，圖像存在像帽子等的遮擋物，還有光照因素、表情姿態(tài)變化的影響。

首先，檢測人臉位置的方法是采用Haar特征的Adaboost算法，對人臉輪廓以及雙眼位置特征進行定位，是采用的ASM特征定位算法。然后再根據(jù)人臉特征定位的結果對人臉大小、姿態(tài)進行歸一處理，之前的像素是90×120的，歸一化后的分辨率為110×130，接著再使用LBP特征提取方式，對多級人臉分塊進行特征提取，然后就是對人臉采取最鄰近方法進行識別。在該實驗中，訓練圖像為每組的后五張，前五張就作為測試圖像。對訓練圖像以及測試圖像都采取同樣的處理措施：在特征提取之前，對圖像進行直方圖均衡化歸一處理，以及將質量較差的圖片清除。該實驗測試了300張圖片，正確率高達93.7%，我們通過魅族手機的識別時間來看，其平均識別時間是10秒，人臉檢測時間大約是總測試時間的91%。我們對其中幾張錯誤識別的圖像進行分析，得出這部分沒有被識別出來的圖像幾乎都是由于歸一化處理錯誤，以及受到光照為非線性的影響。光照非線性的變化，對人臉區(qū)域存在明顯的陰影，導致直方圖均衡化處理也不能消除該因素對像素的影響。而歸一化處理錯誤，對人臉精確度的識別有直接的影響，致使直方圖的均衡化處理發(fā)生變化。但是總的來講，ORL人臉數(shù)據(jù)庫基于Android系統(tǒng)上對人臉的識別率，具有一定的穩(wěn)定性和有效性，平均識別時間為10秒。

3 結束語

綜上所述，本文通過對人臉識別在Android平臺系統(tǒng)中的特征識別進行了分析，并對人臉識別在系統(tǒng)中的實現(xiàn)采取實驗的方法進行了驗證。

參考文獻：

[1] 蔣卓軒. 基于Android平臺大規(guī)模人臉識別系統(tǒng)研究與實現(xiàn)[D]. 湖南大學， 2013.

[2] 蔡芷鈴， 林柏鋼， 姜青山，等. 基于人臉識別技術的Android平臺隱私保護系統(tǒng)設計[J]. 信息網(wǎng)絡安全， 2014（9）： 50-53.

[3] 李發(fā)鑫， 羅玉川， 王野，等. 基于人臉識別和雙線性對的安全短信通信系統(tǒng)[J].信息網(wǎng)絡安全， 2012（9）： 9-11.