项目一：kinect的人脸识别（水）

写在前面的话：

学校这个创新项目始于12年12月，终于14年4月，带头老师长期游走于计算机图形学/模式识别这一领域，她很优秀，相比之下我们就显得有点不给力了，昨天项目审核的时候，审核老师的评价差不多是不上不下、一般般。回头一想，可以优化的地方不胜枚举，故吾辈要踏实勤奋。

审核老师审核原则：

1）你做了什么

2）你实现了什么

3）结果如何，跟前人工作有什么异同

在我们项目审核之前，我顺带记录了一下前面几个小组的情况：

1、云判题系统的推荐算法

老师评价：与云无关，协同推荐算法也失败，最后不了了之。

项目负责任是个学长，acm得过区域赛铜牌，现在在华为实习，编程能力为我等膜拜。不过，他在这项目上没怎么花心思，被审核老师怒草也是合情合理。

2、图像检索：图像像相似度判断、文字图像内容提取

老师评价：蛮好的。【这是不干这行的老师说的，汗！尼玛明明用了opencv的api，你当我看不出来，这老师，哎】

他们讲了很多关于sift算法的细节，实现了提取图片中的文字内容，但表情识别这块作假被老师一眼看穿。。。

3、基于kinect的2.5维人脸识别【我自己所在的项目组】

老师评价：尝试实现人脸身份识别，但效果不理想，就这样吧。

我们用了高大上的kinect，并利用它完成了数据采集工作，并借助icp算法完成了人脸的鉴别，当然演示的时候显示误判。。。

项目从始至终都处于一个游离的状态，我觉得这也是低效的一个重要原理，我们先12月开始到隔年3月份学习了计算机视觉基本概念和熟悉c#和kinect，我直到13年暑假才把《kinect人机交互开发实践》和《kinect应用开发实战》两本书仔细看完了，这样我就知道了基本的手势识别、图像采集等知识。

        然后又学习了一个学长关于人脸重构的毕设代码，这代码感觉还是蛮好的，用到了asm等算法还有面片分割等四项，尼玛由于是基于mfc的，所以现在回忆代码我也只能几个大概思想了，如图：

                                             

通过上面学长的毕设代码，我对人脸有了一个基础认识，后面再企图实现疲劳驾驶的时候，我们直接借用了kinect的内部类faceTracking来获取人脸约120个特征点的点坐标，原理图如下，利用这些点坐标我们尝试实现perclos算法，后来发现不适用perclos算法，然后这块就停在这里了，直到项目结束了。。。

好在组长的人脸识别模块做得有模有样，不然我们就要被怒草了。

人脸注册：

1）› 根据鼻尖对准（矩阵平移）

2）› 根据三个特征点姿态矫正（矩阵旋转）

3）› ICP 算法迭代

                   

我们来看帅哥：

                                     

             

                                           

就这样愉快地结束了。

写在最后的话：

通过这个项目，我并没有学到很多牛逼的技能，我至今也不是对kinect很有好感，感觉用kinect的时候是我离码农最近的时候，那不明就里的感觉不是很好。时间过了一年，我一直问自己，平时这么忙，可为什么感觉自己并没有做什么实在的事。

比如我学opencv，文档过了一遍，也会稍稍实践了一丢丢api，但两三个月过去后opencv就跟我从此是陌路人了，我觉得这里面有两个原因：1）自己没有静下心来再A4纸上重绘一下opencv的结构 。  2）没有进行大量编程的实践，学了只是过场似的学了，根本没有技术变现。

我们说，世界总归是积极为主流的，虽然打酱油一年了，但我也不是一无所获：

1）认识了优秀的老师和学长，他们总是给我很多前瞻性的建议

2）知道自己效率原来这么低，还是要踏实

3）知道了一点与人沟通的必要性

4）我接触到了很多东西的皮毛：opencv、人脸识别的概念、kinect

5）原来很多时候，编程就是ctrl+c、v，当然牛人会在这基础上做自己的创新，显然我不是。。。

6）养成了上知网查资料的习惯