基于 Andriod 的人脸图像识别研究

时间:2019-09-27

摘要:通过Andriod移动设备获取图像,并提取图像的特征模型,采用心理学灰度公式对图像进行灰度化处理,并对图像进行二值化处理,再采用基于AndroidNDK机制的OpenCV(OpenSourceCorrputerVisionLibrary)识别引擎对人脸图像进行识别.

关键词:人脸识别;Andoid;OpenCV;

1前言

人脸识别技术无疑是用于身份识别是最佳选择之一,采用快速人脸检测技术可以从监控视频图象中实时查找人脸,并与人脸数据库进行实时比对,从而实现快速的身份识别[1].随着移动互联时代的到来,基于移动平台的图像识别技术成为新的研究热点.Android是一种基于Linux的自由及开放源代码的操作系统,主要使用于移动设备,截至2017年第一季度,智能手机市场报告显示Android的市场份额已经达到了86.1%[2].本文正是在这样的前提下对基于Andriod平台的人脸图像识别进行了研究.

2相关技术

2.1图像灰度化处理

将彩色图像转换为灰度图像过程是删除所有颜色信息的过程,只保留每个像素的亮度值,图像的灰度化处理可用两种方法来实现.第一种方法使求出每个像素点的R、G、B三个分量的平均值,然后将这个平均值赋予给这个像素的三个分量.第二种方法根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应:Y=0.3R+0.59G+0.11B,以这个亮度值表达图像的灰度值.

2.2图像的二值化处理

图像的二值化有利于图像的进一步处理,使图像变得简单,而且减小数据量,能凸显出感兴趣目标的轮廓.要进行二值图像的处理与分析,首先要把灰度图像二值化,得到二值化图像.为了得到理想的二进制图像,关键在于阈值的选择是合适的,不恰当的阈值会削弱的影响二值化处理.选择阈值的常用方法是固定阈值法、平均阈值法、直方图法和一维的方法.

2.3AndroidOpenCVOpenCV

是一个开源图像和视频分析库,自1999年问世以来,己经成为计算机视觉领域首选开发工具.OpenCV可以跨越不同的硬件平台和软件平台,因此所有使用机器视觉的地方都可以使用OpenCV进行图像处理,本论文就是在Android平台下采用OpenCV图像处理库进行图像开发的相关工作.

3人脸图像识别

3.1基于肤色模型的人脸检测

在人脸图像中,人脸的肤色具有一定稳定性,不会因为距离角度表情等变化而随之变化,通过对肤色的研究,聚类肤色的特性,然后构建肤色模型,最后通过这些构建的模型来用于人脸检测以及人脸位置的确定.因此,通过肤色检测可以很好的确定人脸部相对位置.

对于人脸图像的检测,目前比较频繁使用的颜色模型方法有:YCbCr模型、HIS模型、CIEL*a*b模型,这些模型都能较好识别人脸肤色特性.同时,对RGB、YIQ等方法进行归一化处理后用来改善人脸的聚类特性也是一些较常见的方法[3].

(1)人脸肤色特征.在人脸图像中,人脸的皮肤具有较强的相似性,因此,通过统计人脸图像的RGB各个分量来进行计算比较,可获得人脸图像的各个分量直方图和均值.

(2)眼睛肤色特征.在人脸图像中,通过对人脸区域进行分析,我们把人得眼睛分为两部分,一部分为眼白,一部分为眼仁,通过统计计算可获得人眼的眼白以及眼仁的RGB各个分量的直方图和均值.

(3)嘴唇肤色特征.在人脸图像中,人脸中的嘴唇具有比较突出的特征,其颜色相对于人脸较为鲜艳,通过统计和计算,我们可以获得人脸图像中,人脸中嘴巴的RGB各个分量的直方图以及各个分量的均值.

3.2人脸区域标注

采用YCbCr模型,把之前采集的人脸图像信息的RGB模型进行相应的转换变为YCbCr模型,如公式(1)、(2)所示.

式中X-所取人脸图像各像素点在颜色空间值;M--肤色均值;C--肤色相似度模型方差阵.

对于上面这一公式计算结果需要归一化处理.首先求相似度,即要用所求得的每一个P(Cb,Cr)与人脸图像中最大的P(Cb,Cr)进行除法运算,获得相似度.本篇论文规定最大的P(Cb,Cr)设为1.为了方便观察,把相似度的取值范围设置在0~255期间.通过这一方法获得人脸图像的相似度.

在通过获取人脸图像的相似度以进行平滑滤波处理中,这一步骤可以有效地去除人脸图像中的噪声影响,为人脸图像进行二值化分割打下基础.二值化图像主要就是指把人脸图像中所有像素点变为0和1这两个离散值.公式如(3)所示.

式中x,y-一副人脸图像的每个像素点的坐标取值;0--全黑;1--全白.

通过这一转换就可以把最初的人脸图像转换成一副只有黑白像素点的二值图像.

在人脸图像的二值转化的过程中,关键是要选取好合适的阈值,这一合适的阈值决定了整个二值化的效果.为了寻找合适的阈值,从0.8开始,每次将阈值的大小降低0.05最后一直找到阈值为0.1时的各种情况,通过阈值的筛选,找到最优的情况.具体过程如公式(4)所示.

在人脸图像的肤色检测中,人脸的五官等部位因为与肤色存在加大差值,所以在检测后这些区域会被排除在外,所以,通过这一特性对判定的人脸区域要进一步判定,最终确定为人脸区域[4].

在人脸图像中,人脸的五官都会呈现出一定的规律和外形,这行特征都具有一定的面积、位置等特征参数.分析这些参数,确定人脸所在的中心,然后找到人脸的中心,最后根据人脸的中心标注出人脸的区域.

在二值图像BW(i,j)中,p+q阶原点矩阵定义如公式(5)、(6)、(7)、(8)所示.

有先验知识可以得到,人脸图像中人的头部比例大约为1.2:1,所以,本文假设h=1.2w.

4结束语

通过Android手机的摄像头获取图像,然后对图像进行预处理,包括图像灰度处理、图像二值化处理.其中,使用图像灰度加权平均法使得灰色的图像最接近人眼视觉感受;使用阈值迭代算法处理图像二值化处,该算法识别效率高,二值化的效果也较好,最后使用OpenCV引擎处理完成图像识别,并将得到的数据存入数据库中,作为进一步开发应用的基础.

[1]周德龙.人脸识别技术研究[D].西北工业大学硕士学位论文.2000:18-23

[2]吕伟.基于Android平台的人脸检测与识别研究及实现[D].西南交通大学硕士学位论文.2014:8-10

[3]蒋万伟.基于Android的大规模服饰图像检索系统实现[D].西南交通大学硕士学位论文.2014:98-100

[4]石跃祥.颜色空间的肤色聚类人脸检测法[J].计算机工程与应用.2009,45(22):67-68

TAG标签： Andriod  人脸  识别  

上一篇：论国土资源信息化中的网络安全问题
下一篇：基于 PHP 的信息系统数据安全性分析与探讨