基于iOS平台寻找相似脸软件设计

摘要

人脸相似度识别目前还是新兴领域，人脸识别作为一个历经多年发展的主题，其技术上的实现衍生为三方平台的支持和平台上包装好的API函数调用两个方面，然而能够进行特征匹配并找出相似度的非常少，同时相似度的定义目前也没有基本的标准和算法。大多数平台目前较好地支持了正脸识别，并且能识别眼睛、鼻子、嘴巴等位置，有些平台还能找出微笑的脸，年龄的估算，但对于相似度没有支持，为了能够使识别算法有较好的实际意义，采用较为合适的平台是关键。iOS平台使用广泛，在这个平台上开发相似度识别成熟后能够在人脸解锁手机，人脸支付等众多新型领域使用，
　　本文使用了iOS平台的摄像头等硬件作为支撑，目的是在明星脸库中找出和用户最相似的脸，首先将iOS自带的人脸识别API进行实现，将其和利用opencv实现的人脸识别效果对比，正脸情况下两者都能达到80％的识别率。由于苹果自带的功能有限，要实现人脸相似的寻找需要使用功能更强大的opencv,将第一步找出的用户自己拍摄的人脸后，将opencv框架使用Cocoapods第三方管理工具导入iOS的开发环境xcode中，基于opencv中的SURF特征匹配算子，采用一种自创的相似度定义方法Dmatch相似法，在iOS平台完成了相似识别软件开发。在这个过程中本文对比了假如使用同样是opencv中的sift算子实现的效果和surf算子的效果比较,发现surf的速度更快。同时对编程过程中的软件架构作了简单介绍，完成了在iphone上的真机调试。
　　本文自创的Dmatch相似识别法主要依据是先找出SURF算子的特征点，在滤去干扰点后按稳定的特征点数量来表征相似的程度。第5章测试工作中进行了可靠性测试，首先是利用图库的一张明星脸作为用户输入人脸，发现可以正确地从明星脸库中找到原脸，接着将脸进行缩放和旋转，依旧可以匹配出原脸，然后采用用户人脸进行测试，得到匹配的过程图，两者脸部最相似的地方分别连线对应，滤波器筛选后能寻找到10个以上特征并对应起来，之后输出明星库里和用户脸最像的明星脸，帮助用户实现了找出和自己最像的明星的目的。
　　在测试过程中，本文在BFmatch和FLNN滤波器中各自比较效果，同时调整它们的参数得到最好的匹配效果，在SURT算子最小距离参数在2000时匹配效果最好，找出特征点后，因为还需要将特征点连接起来，KNN match是在滤波器后的一种匹配连接方法，它可以去除掉找出的多余的特征点，使它们不匹配，从而去除掉头发等人脸的干扰，只将稳定点连接起来。最后得到连接点的对数，用循环算法，把目标人脸和明星库中的人脸一一匹配，就能够找出和用户头像最相似的明星头像。