基于iOS平臺尋找相似臉軟件設計.pdf

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

2、在這個平臺上開發(fā)相似度識別成熟后能夠在人臉解鎖手機，人臉支付等眾多新型領域使用，
　　本文使用了iOS平臺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自帶的人臉識別API進行實現(xiàn)，將其和利用opencv實現(xiàn)的人臉識別效果對比，正臉情況下兩者都能達到80％的識別率。由于蘋果自帶的功能有限，要實現(xiàn)人臉相似的尋找需要使用功能更強大的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平臺完成了相似識別軟件開發(fā)。在這個過程中本文對比了假如使用同樣是opencv中的sift算子實現(xiàn)的效果和surf算子的效果比較,發(fā)現(xiàn)surf的速度更快。同時對編程過程中的軟件架構作了簡單介紹，完成了在iphone上的真機調試。
　　本文自創(chuàng)的Dmatch相似識別法主要依據(jù)

4、是先找出SURF算子的特征點，在濾去干擾點后按穩(wěn)定的特征點數(shù)量來表征相似的程度。第5章測試工作中進行了可靠性測試，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，接著將臉進行縮放和旋轉，依舊可以匹配出原臉，然后采用用戶人臉進行測試，得到匹配的過程圖，兩者臉部最相似的地方分別連線對應，濾波器篩選后能尋找到10個以上特征并對應起來，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，同時調整它們的參數(shù)得到最好的匹配效果，在SURT算子最小距離參數(shù)在2000時匹配效果最好，找出特征點后，因為還需要將特征點連接起來，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，使它們不匹配，從而去除掉頭發(fā)等人臉的干擾，只將穩(wěn)定點連接起來。最后得到連接點的對數(shù)，用循環(huán)算法，把目標人臉和明星庫中的人臉一一匹配，就能夠找出和用