基于iOS平臺(tái)尋找相似臉軟件設(shè)計(jì).pdf

1、人臉相似度識(shí)別目前還是新興領(lǐng)域，人臉識(shí)別作為一個(gè)歷經(jīng)多年發(fā)展的主題，其技術(shù)上的實(shí)現(xiàn)衍生為三方平臺(tái)的支持和平臺(tái)上包裝好的API函數(shù)調(diào)用兩個(gè)方面，然而能夠進(jìn)行特征匹配并找出相似度的非常少，同時(shí)相似度的定義目前也沒有基本的標(biāo)準(zhǔn)和算法。大多數(shù)平臺(tái)目前較好地支持了正臉識(shí)別，并且能識(shí)別眼睛、鼻子、嘴巴等位置，有些平臺(tái)還能找出微笑的臉，年齡的估算，但對于相似度沒有支持，為了能夠使識(shí)別算法有較好的實(shí)際意義，采用較為合適的平臺(tái)是關(guān)鍵。iOS平臺(tái)使用廣泛，

2、在這個(gè)平臺(tái)上開發(fā)相似度識(shí)別成熟后能夠在人臉解鎖手機(jī)，人臉支付等眾多新型領(lǐng)域使用，
　　本文使用了iOS平臺(tái)的攝像頭等硬件作為支撐，目的是在明星臉庫中找出和用戶最相似的臉，首先將iOS自帶的人臉識(shí)別API進(jìn)行實(shí)現(xiàn)，將其和利用opencv實(shí)現(xiàn)的人臉識(shí)別效果對比，正臉情況下兩者都能達(dá)到80％的識(shí)別率。由于蘋果自帶的功能有限，要實(shí)現(xiàn)人臉相似的尋找需要使用功能更強(qiáng)大的opencv,將第一步找出的用戶自己拍攝的人臉后，將opencv框架使用C

3、ocoapods第三方管理工具導(dǎo)入iOS的開發(fā)環(huán)境xcode中，基于opencv中的SURF特征匹配算子，采用一種自創(chuàng)的相似度定義方法Dmatch相似法，在iOS平臺(tái)完成了相似識(shí)別軟件開發(fā)。在這個(gè)過程中本文對比了假如使用同樣是opencv中的sift算子實(shí)現(xiàn)的效果和surf算子的效果比較,發(fā)現(xiàn)surf的速度更快。同時(shí)對編程過程中的軟件架構(gòu)作了簡單介紹，完成了在iphone上的真機(jī)調(diào)試。
　　本文自創(chuàng)的Dmatch相似識(shí)別法主要依據(jù)

4、是先找出SURF算子的特征點(diǎn)，在濾去干擾點(diǎn)后按穩(wěn)定的特征點(diǎn)數(shù)量來表征相似的程度。第5章測試工作中進(jìn)行了可靠性測試，首先是利用圖庫的一張明星臉作為用戶輸入人臉，發(fā)現(xiàn)可以正確地從明星臉庫中找到原臉，接著將臉進(jìn)行縮放和旋轉(zhuǎn)，依舊可以匹配出原臉，然后采用用戶人臉進(jìn)行測試，得到匹配的過程圖，兩者臉部最相似的地方分別連線對應(yīng)，濾波器篩選后能尋找到10個(gè)以上特征并對應(yīng)起來，之后輸出明星庫里和用戶臉最像的明星臉，幫助用戶實(shí)現(xiàn)了找出和自己最像的明星的目的

5、。
　　在測試過程中，本文在BFmatch和FLNN濾波器中各自比較效果，同時(shí)調(diào)整它們的參數(shù)得到最好的匹配效果，在SURT算子最小距離參數(shù)在2000時(shí)匹配效果最好，找出特征點(diǎn)后，因?yàn)檫€需要將特征點(diǎn)連接起來，KNN match是在濾波器后的一種匹配連接方法，它可以去除掉找出的多余的特征點(diǎn)，使它們不匹配，從而去除掉頭發(fā)等人臉的干擾，只將穩(wěn)定點(diǎn)連接起來。最后得到連接點(diǎn)的對數(shù)，用循環(huán)算法，把目標(biāo)人臉和明星庫中的人臉一一匹配，就能夠找出和用