基于Android的人脸识别系统开发.docxVIP

PAGE 1 - 基于Android的人脸识别系统开发 基于Android的人脸识别系统开发 赵娟[摘要]人脸识别是公共安全领域的讨论重点。通过人脸识别技术进行人脸跟踪、人脸检测、人脸比对来比较人脸的视觉特征信息从而进行身份鉴别。随着移动互联网的快速进展，移动终端人脸识别应用日益广泛。文章主要探讨人脸识别在Android系统中的实现以及用户安全登录，包括人脸检测、特征提取和特征识别。 人脸识别;系统开发;Android 1背景 随着互联网的进展，人脸识别技术被广泛地应用于各种领域。基于Android的人脸识别具有特别宽阔的进展前景，本文基于Android，重点讨论人脸识别技术应用，并对应用开发的关键技術进行阐述，最终介绍了实现Android系统人脸识别应用的功能模块。 对于人脸识别技术，目前的算法分为2种。一种是在线人脸识别，比方face++、百度AI等，通过传递人脸图片给服务器处理返回接口。这种方式的优点是：服务器算法强大、识别精确率高、支持大规模人脸识别数据。比方，能支持10万人对比。这种方式的缺点是：慢、需要良好网络环境的支持。相机预览帧率一般都在30fps以上，一般用户使用网络处理一张图片都需要至少1s以上，那么假如需要在手机上实时展示处理结果几乎不太可能。另外一种是离线人脸识别，人脸对比算法在本地，人脸数据也在本地，完全是离线环境也能够正常运行。随着Android手机运算性能的提高，算法已经足够高效，处理一张人脸图片可以在100ms以内，对于应用，完全的离线人脸签到考勤适合小公司，类似以前那种指纹机，需要通过SD卡导出，但是一般安卓手机都有网络，事实上可以通过网络同步方式同步到服务器。这种方式的优点是：识别快、体验好、无网络也可以正常使用。所以在Android环境下，综合考虑使用离线人脸识别，较适合当今的技术进展。 目前，人脸识别已应用在安全认证、预警防控、刑事侦查等各个方面。在国内，人脸识别的应用大都还停留在PC机上，基于移动设备的讨论很少。而且，随着移动信息安全意识的提高，在移动终端上进行人脸识别具有宽阔的进展前景，设计实现基于Android的人脸识别系统，可更好地满足移动终端的电子签到、人员识别与警务需求。本文选择基于face++的人脸识别算法实现人脸特征提取、特征识别与检测。 2系统实现 2.1系统功能实现 开发基于Android的人脸识别系统，包括系统开发工具的选择、开发环境的搭建以及系统各功能模块的实现，为以后进一步讨论基于Android平台人脸检测和识别算法奠定基础。系统实现过程分为以下几个阶段。系统经过开发之后，实现的功能见表1。 2.2系统数据库的实现 对于本系统而言，首先需要建立一个存放用户信息的数据库。在实现系统识别功能之前，需要导入进行签到、识别的全体用户信息。因为本系统接受Android开发平台，一般可以从关系数据库导入到嵌入式SQLite中，便于系统对这些数据进行后期处理和调用、比对，用户信息包括三部分内容，即身份信息、图像信息和签到信息。身份信息是指用户的基本身份数据，如身份证号、性别、住址等;图像信息则指用户的人脸图像数据，包括人脸样本信息、照片等此种越多越好，有利于进行比对识别;签到信息包括签到时间、签到地点等，可以接受地理定位进行地图实名制签到等。这些用户信息结合在一起，形成一个完好的用户信息。对于不同的应用，可对实体属性进行相应的增删。比方说，假如该系统应用于校内中，以学生为用户，则其属性可以添加学号、导师姓名等，其主键也可进行敏捷调整。 2.3系统人脸识别的实现 图像处理方法有许多，可依据需要，有选择地使用相应的方法。通常使用的方法有肤色提取。肤色提取是指对脸部区域的颜色提取。在确定脸部区域上，猎取则比较精确，胜利率到达95%以上，并且速度快，工作量小。由于图像在不同环境中受到不同光线的影响，其亮度就变得或暗或亮。对图像的亮度进行调整，主要实行的措施是对图像进行光线的补偿。 高斯平滑：在图像的采集过程中，由于各种因素的影响，图像中往往会出现一些不规则的随机噪声，如数据在传输、存储时发生的数据丢失和损坏等，这些都会影响图像的质量，因此需要将图片进行平滑操作以此来消除噪声。 对比度增添：将所要处理的区域和四周图像区域进一步拉开，使其对比度更加明显，主要通过像素的聚集来实现，如表2所示。 如今有许多人脸识别的技术可以使用，但笔者认为还是离线端的SDK比较有用。推举其效率比OpenCV要高，检测速度很快，20ms左右就可以检测出来;猎取特征点〔人脸比对〕的效率也很高，基本上在200ms左右。 目前在笔者的应用内主要使用了Face++的人脸检测功能，本文和大家共享一下其集成过程和一些使专心得。Face++的集成过程特别简洁，在官方文档上有说明支持的系统为5.0及以上系统，但其