基于FACE++和Android平台考场人脸识别系统.docVIP

基于FACE++和Android平台考场人脸识别系统 　　摘 要 　　针对人脸识别技术在考场考生身份鉴别应用中的重要作用，在Android平台下开发一套人脸识别系统，通过使用face++视觉服务平台提供的信息云端处理和存储功能，处理由Android手机摄像头采集到的人脸图像数据，从而实现了人脸识别和考生身份鉴别的功能。 　　【关键词】face++ 人脸识别 身份鉴别 　　1 引言 　　考生的身份识别，一直以来都是考试中的一个重要环节。而目前，基本所有的考试中，仍然使用的是人工比对照片、身份证、准考证等传统方式。这种人工肉眼识别的方式往往效率低，出错率高。在一定程度上也是考场替考，作弊等现象屡禁不止的一个原因。随着人脸识别技术的发展，人脸识别在日常生活和众多领域中得到了广泛的应用。为了解决上述问题，许多专家已经对考场人脸认证技术做了深入的研究。例如韩?琨就提出了一种在PC上使用C++语言实现的考场人脸识别技术，还有王雪立等人提出的基于数字信号处理（DSP）的人脸检测追踪技术。考试人脸认证具有准确、快速、无侵犯性、身份信息难以伪造等特点，比起传统的人工认证方式更有利于考场秩序的维护和考试公平性的保证。虽然人脸认证系统在研究上有了许多进展，但还有很多不足。例如，其一是认证设备：目前大多是采用PC外加数码照相机的方式采集和认证，但毕竟在考场外设置一台PC设备比较麻烦，受考场条件影响太大，并且资金投入高；其二是数据保存：在进行人脸采集的时候，需要保存大量的考生信息，这些信息大多保存在硬盘上，这不仅会增加购买存储介质的资金开销，在数据安全性上也存在隐患；其三，算法研发上也存在问题。人脸识别算法比较复杂，如果要想将理论上的算法转化为实际可应用的系统，还需要大量研发时间和经费上的支出。不过，现在有许多研究机构推出了一系列的计算机视觉库，可以很好地解决算法研究上的问题，比较著名的有Intel公司推出的OpenCV（开源计算机视觉库）和北京旷视科技有限公司推出的新型视觉服务平台face++。因此，鉴于以上三点问题，本文结合目前最新的face++人脸识别平台，提出一种在移动设备上可以良好运行的考场人脸认证系统。 　　2 系统框架 　　2.1 系统硬件 　　要实现嵌入式考场人脸认证系统，则需要一种便携、价廉、功能强大的嵌入式设备。而目前市场上流行的智能手机无疑是最好的选择。目前一台500元左右的智能手机，就已经完全符合此系统的开发要求。 　　2.2 系统软件 　　目前智能手机使用的操作系统大概分为ios，android，win8三种，android是目前市场份额最大，使用最广泛，并且配置的手机价格低廉等特点，因此本系统的运行平台采用android 4.0系统。 　　2.3 开发环境 　　android手机应用程序的开发环境很简单，本系统的开发环境使用的是window7操作系统，开发工具是eclipse，开发语言采用java，API采用android sdk和在线face++ API。 　　2.4 系统框架 　　如图1所示，整个系统分为三大模块：人脸采集模块，人脸认证模块和人脸数据处理模块。 　　3 系统实现 　　3.1 人脸采集模块 　　在此模块中，主要完成的工作是从手机摄像头拍摄人脸照片，然后对照片数据做格式上等适当的处理，然后将处理后的照片数据传入人脸数据处理模块，最后将人脸数据处理模块返回的结果呈现给用户。 　　此模块的部分核心代码如下： 　　public class FaceCollection //这个类就是人脸采集的核心类。 　　{ 　　String result； //定义一个字符串，用来保存处理模块的返回信息。 　　Camera camera； //定义一个照相机对象，以此来控制设备上的摄像头。 　　byte[] PictureData； //定义一个用来保存照片数据的数组。 　　PictureManager PM； //定义一个照片数据处理对象，用来发送照片数据到处理模块 　　//此处还需要定义一些其他必要变量 　　camera.takePicture（ //调用照相机对象的takePicture（）方法进行拍照。 　　MyShutterCallback， MyPictureCallback， MyResultCallback）； 　　// MyShutterCallback和MyPictureCallback在本系统中基本用不到，可为空。 　　// MyResultCallback回调函数是个重点，当获取了拍照数据后，这个回调 　　//函数会被调用，因此对于照片数据的获取及其发送就在此函数中。 　　PictureCallback MyPictureCallback=new PictureCallback（） 　　{ 　　publ