iOS平台下人脸识别的实现

                             iOS平台下人脸识别的实现

电子科技大学 格拉斯哥学院 林浩阳 2017200605028

1.背景介绍

2.Ada Boost人脸检测算法

3.改进的人脸识别算法

4.系统设计与实现

5.前景展望

1.背景介绍
在上学期的新生研讨课上，我听到曾兵院长向我们介绍了并讲述了图像与视频处理的相关应用，让我对“图像处理”这一概念有了更深入的理解。21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。首先数字图像处理技术可以帮助人们更客观、准确地认识世界，人的视觉系统可以帮助人类从外界获取大多数的信息，而图像、图形又是所有视觉信息的载体，尽管人眼的鉴别力很高，可以识别上千种颜色，但很多情况下，图像对于人眼来说是模糊的甚至是不可见的，通过图象增强技术，可以使模糊甚至不可见的图像变得清晰明亮。因此，随着科技的发展，出现了一些前沿的图像处理技术，按照颜色和灰度的多少可以将图像分为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型。

就我本身而言，我是一位忠诚的果粉，十分敬仰乔布斯，并一直视他为偶像。所以，我想借苹果去年以及今年给我们带来的IPhone X和IPhone Xs谈一下人脸识别技术的应用以及其在未来的一些发展与我的一些展望。

2.Ada Boost人脸检测算法
AdaBoost 算法的基本思想是将多个弱分类器集成成为一个强分类器。最后的强分类器的判决结果是所有弱分类器的判决结果的加权和。
级联分类器是由多层强分类器级联构成的。其每一层都是由AdaBoost 算法训练得到的强分类器。从第一层开始，若分类得到正确结果则触发第二层分类器的分类，以此类推，则疑似人脸的窗口依次通过各层分类器，就确认为人脸。反之，如果被检测的窗口在某一层被判断为非人脸，就停止对该窗口的检测，进行下一个窗口的检测。级联结构的分类器在设计上通常采用逐级复杂的原则实现的。最初的几层分类器比较简单，一层由一个到几个分类器组成。这样设计是为了快速排除明显不是人脸的子窗口，减少后续的检测目标，从而提高检测速度。为了实现对于大小不同的目标区域的搜索，将分类器设计为可以进行尺寸改变。这就能够避免直接对图像进行缩放，减小了计算工作量，提高了检测速度。

3.改进的人脸识别算法
隐马尔科夫模型（Hidden Markov Model，HMM）是从语音识别技术中发展出的一种统计技术。它提供了一种基于训练数据提供的概率而自动构造的识别系统技术，包含两个相关过程：隐含不可见的有限状态马尔科夫链，具有初始状态概率分布和状态转移概率矩阵；一组与概率有关的状态概率密度函数。设π 为初始状态概率矢量，A为状态转移概率矩阵，B 观察值概率矩阵，HMM解决的三个基本问题包括：
（1）给定观察序列O 和模型λ，计算P(O|λ) 。
（2）给定观察序列O 和模型λ 。如何选择一个对应状态序列X ，使得X 能够合理地解释观察序列O 。
（3）如何调整模型参数λ = (π，A，B)，使得P(O|λ) 的值。
在选择正面人脸特征时可将脸部分为五个区域：前额、眼睛、鼻子、嘴巴、下巴并给每个区域分配一个HMM状态。如下图所示：

4.系统设计与实现
4.1 iOS 程序运行原理
进行iOS编程主要采用两种重要的范例：面向对象编程和模型—视图—控制器（MVC）设计模式。iOS 编程主要采用Objective-c 作为编程语言。Objective-c 是一种面向对象编程语言，伪多重继承（通过调用转发协议）是Objective-c的一个重要特性，这可以使得子类能从多个父类继承行为和数据类型。MVC 模型将屏幕对象的外观和行为分开。屏幕上的视图没有内在含义。视图控制器充当媒介，将用户交互（如按钮单击）与应用程序中的目标方法（模型）连接在一起。应用程序提供和保存有意义的数据，并通过生成某种有用的结果来相应交互。
4.2 系统结构设计
系统设计主要包括四个部分。分别是人脸图像采集，人脸图像管理，参数设置，帮助四个部分。
人脸图像采集：主要是通过摄像头进行实时人脸检测，并能对检测到的人脸进行识别或将其保存到指定的人脸库中。
人脸图像管理：主要对采集到的人脸图像进行管理。包括添加、删除人脸库，删除人脸库的图像，对人脸库中的图像进行训练等功能。
参数设置：对HMM中涉及到的一些初始参数进行设定。
帮助：提供帮助信息，指导用户如何使用本系统。
4.3 样本展示

5. 背景展望
人脸识别技术应用十分广泛，将其与便携的智能移动设备相结合，可以将其作为一种简洁方便的认证方式，方便用户使用。而我也坚信，其准确性与实用性也会随着算法与技术的提高而不断加强，在不久的将来让脸真正成为一张万能的通行证。

附：参考资料
1.https://wenku.baidu.com/view/1885bf945ff7ba0d4a7302768e9951e79b8969c0.html
2.https://baike.baidu.com/item/图像处理/294902?fr=aladdin
3.https://www.apple.com/cn/iphone-xs/face-id/
4.李闯，丁晓青，吴佑寿.一种改建的AdaBoost 算法—AD Ada-Boost[J].计算机学报，2007，30（1）：103-109.
5.刘小军，王东峰，张丽飞，等.一种基于奇异值分解和隐马可夫模型的人脸识别方法[J].计算机学报，2003，26（3）：340-344.