基于Android智能移动终端平台的实时ORB人脸识别

2022-09-10

伴随着现代化科学技术的不断进步, 很多的电子高科技设备都需要进行人脸识别, 尤其是当前手机是人脸识别的重要载体。人脸识别主要是通过视频来采集模板图像, 并使用所采取到的图像来建立起相应的空间架构, 然后通过图像视频捕捉当前视屏的帧数, 再通过检查出视频模块图像中的相关帧数特点, 在一定程度上去检测出图像帧数上的每一个特点中所描绘出的具体信息, 让智能移动终端平台中的人脸识别能够更具实用性, 从而让该系统能够去满足Android移动客户端对人脸进行识别的准确性和实时性的相关需求。

一、人脸检测

Adaboost算法是为让每一个训练样本中引入一个权重, 让其能够在一定程度上让加权重之后的训练样本能够去替代那些随机选择的训练样本, 然后再通过训练的焦点去将某些特定的信息集中在训练样本上, 从而在后续的过程中让训练迭代去完成人脸识别的任务;在每一次进行迭代结束之后会在一定程度上去增加分类的错误样本的权重, 从而在一定程度上去减少图像视频的分类训练样本的权重, 让其在之后的迭代弱分器选择使用能够更为关注到错误的训练样本, 能够对其引起重视, 只有这样才能让人脸识别的效果发挥出来。人脸检验过程当中所出现的问题是可以看做是一个非对称的问题分类, 其背景当中非人脸样本占据大部分, 在这种背景下能够让很多的训练样本以最为简单的方式将其在智能移动终端平台上的实时ORB人脸识别中去除掉这个模块。国外有很多人脸识别研究学者针对这个问题在2002年提出了级联Adaboost的结构在智能移动终端平台人脸检测准确度和速度上都有较为巨大的提高。

统计学方法当前是处于主流位置, 其方法的代表包含了, 特征子空间方法, 隐马尔科夫方法以及支持向量机的方法等。这两种方法在一定程度上是能够将相应的训练样本图像视频看成是智能移动终端平台实时ORB人脸识别区域或者是ORB非人脸识别区域中的不同模式分类, 这两种模式能够将在图像中检测到的人脸识别方式转化成为具体模式当中的分类问题。然后在某种程度上对视频, 图像中的训练样本以及非人脸训练样本进行深入的分析然后通过相应的训练方式区分它们的特征, 从而在一定程度上去完成实时的ORB人脸识别。

二、基于Android移动终端平台来实现人脸识别

通过引进Opencv中的Android API, 充分使用ndk的编译来生成Opencv静态库, 从而在一定程度上去测试出环境大致为HTC821t, 所使用到的部分代码如下所示:

第一是ctangle (flame, x, faces[i].Yfaces[i].faces[i]) , Scalar (155, 155, 155) , 4, 8, 0) ;//圆出检测到的人脸位置矩形。

第二是ace—cascde.10ad (face, cascade, name) //加载Hart或LBP特征分类器。

第三是at match Idex (capture Descrpion.rows, 5, CV一52SC 1) , mach Disance (capture Description、rows, 5, CV一32FC 1) 。

第四是atre Detetor.detect (graylmge, key Points) ;//调用detect相关函数检测结果中的特征关键点, 从而来保存vector容器中。

智能移动终端平台中的ORB人脸识别的实现主要是通过图像, 视频当中的采集设备来获取到图像模块, 并且要针对所收集到的图像视频中的信息去建立起相关的空间结构, 然后在通过检测出来的模块图像和视频帧数, 去将这些人脸信息进行保存, 从而让该系统能够去满足Android移动客户端对人脸进行识别的准确性和实时性的相关需求。人脸识别步骤的分析如下;

第一主要是通过调用Opencv的接口, 来获取当前视频帧数。第二在人脸图像检测一当中人脸图像的主要特征点中, 将其储存中的每一个特征点中的各项特点的信息进行具体的描述。第三是要通过合理的匹配和测试相关的描述符, 从中获取到两个最佳的邻近描述符, 从而去增强人脸识别的效果。第四通过相关算法从中选取最好的系统匹配数据。第五在某种程度上将图像或者视频中所检测出来的人脸图片进行训练样本的模拟, 让后将人脸上的个性特点集中分析, 然后找出人脸匹配最多的数据, 让其能够更为明显的让人脸识别的作用得到使用, 从而将其显示出来, 这样能够充分的调用sopencv的实时获取人脸图像并检测到图像中的人脸, 最后在匹配数据当中其会自动的显示出与智能移动终端平台实时人脸识别的具体信息。通过相关实现表明, 不论是实时性还是在识别率上, 这些人脸识别的分析步骤, 能够在一定程度上具有非常好的识别效果。

三、结束语

总而言之, 基于安卓系统智能移动终端平台的实时ORB人脸识别, 其能够在一定程度上去满足人脸识别的实时性要求, 这种方式的使用能够在某种程度上去代替文字密码的形式, 能够在一定层面上提升智能移动终端的安全性。

摘要：本文主要针对Android移动端内存有限与CPU处理能力不充足等特点, 提出一种基于Android智能移动终端平台的实时ORB人脸识别系统。在一定程度上去考虑到其准确性和实时性的相关问题, 首先要运用Adaboost算法来进行检测样本当中人脸样本和人脸模板样本的ORB特征, 再通过使用近邻方法进行人脸匹配的识别, 通过相关实验表明, 这个方法能够在Android系统上的人脸识别达到很好的效果。

关键词：Android,移动终端,ORB,人脸识别