基于微信平台的脸识别系统设计与研究

李可欣 刘信坚 姜瑜亮 李龙涛

(湖南工学院 计算机与信息科学学院,湖南 衡阳421002)

1 绪论

1.1 选题背景。随着移动互联网和计算机集成性的不断发展,智能手机逐渐改变着我们的生活和学习方式，而手机支付等应用的兴起,使得人脸检测和识别技术与移动应用相融合的需求大大增加。因为具有安全、可靠和友好等特点，利用生物特征进行身份识别和认证的人脸识别技术已然成为研究的一大热点，具有广阔的应用前景。

然而，针对移动设备的人脸识别技术研究目前尚不多见。微信作为移动终端的一个热门应用，已经成为一个“APP平台”。微信小程序是一种不需要下载安装即可使用的应用，它实现了应用“触手可及”的梦想，用户扫一扫或搜一下即可打开应用。本项目考虑结合微信平台的固有优势，从系统实用角度出发，研究基于微信平台的人脸识别系统。因此,本课题的研究具有极其重要的研究意义和实用价值。

1.2 国内外研究现状。从1998年开始,非理想条件下的人脸识别成为研究热点，出现了大量突破性理论成果。Georghiades认为同一人脸在不同光照条件和角度下，在图像空间中形成一个凸锥,输入图像可以通过计算到光锥的距离进行识别。在图像采集过程中，通过3D形状和纹理统计变形模型的基础上，Vetter和Blanz提出对透视投影和光照模型参数进行建模,有效去除光照情况和摄像机位置的干扰。美国相关公司根据这一工具，在监控视频的分辨率很低的情况下，仍然可以识别监控视频中的犯罪嫌疑人。德国博世公司推出了智能视频分析系统，识别准确率很高，可对室内外移动目标进行检测和跟踪,处于业内领先水平。

在人脸识别领域，国内的研究起步较晚。中科院生物识别研究所的李子青教授将基于近红外的人脸识别系统用于奥运会上，发挥了重要作用，满足了工程应用的要求。东南大学的程永清教授提出将奇异值分解方法引入人脸识别技术，提高了识别的效率。阿里巴巴旗下支付宝团队已完成扫码支付、指纹支付和声波支付等多种付款方式，人脸识别技术支付方式正在加速研究中。百度深度学习实验室在2015年提供了相关人脸识别技术，用户可以进行人脸注册、身份认证和多人脸比对等场景的开发。

2 系统设计

2.1 总体设计。系统功能结构图如图1所示。

2.2 功能设计

2.2.1 本系统微信小程序主要功能模块如下：

录入人脸：用户通过手机端拍摄照片，系统检测照片中是否含有人脸信息，然后将人脸信息保存到Mysql中，用户可以查看自己录入的人脸列表，对人脸列表进行一系列的操作。如图2所示。

图2 录入人脸流程图

2.2.2 本系统后台人脸对比主要功能模块如下：

人脸对比：后端根据用户录入到数据库的图片和用户进行本次人脸识别拍摄的照片进行对比，通过face++,进行人脸对比和检测，当相识度达到阈值则认为识别成功。如图3所示。

图3 人脸对比流程图

人脸检测核心代码如下：

3 系统实现

3.1 用户录入人脸：用户通过手机扫描录入人脸信息，首先用户打开手机摄像头进行拍照，然后识别到相片中有人之后，根据用户输入的信息进行人脸录入。该过程用户上传的照片会上传到后端，后端通过face++进行人脸检测，如果检测到有人脸后进行人脸存储。如图4所示。

图4 用户录入人脸界面

3.2 人脸查询列表：用户在录入成功之后便可以查询当前录入的所有人脸信息，当用户进行人脸对比的时候会去人脸列表中找能够匹配的人脸，匹配成功后便展示匹配的用户人脸信息列表，用户也可以删除当前录入的人脸信息重新录入等等。如图5所示。

图5 人脸查询列表界面

3.3 人脸识别界面：用户在录入了人脸信息之后便可以在主页进行人脸检测识别了，打开摄像头进行拍照，检测到人脸后便将次照片上传到后端服务器，后端服务器根据face的对比，对打达到信任度则认为匹配成功，后端通过face++的人脸对比，匹配成功后则返回随机生成的用户id和用户录入的用户名信息，如果人脸录入识别失败了则需要重新进行人脸拍照识别。如图6所示。

图6 人脸识别界面

4 结论

脸部表情识别的这个领域有很好的发展前景，当中还有许多问题需要我们更加深入的研究。在不久的将来，此领域将会得到广泛的应用。此领域将可能研发出可以承受住计算量巨大的硬件，这样实时脸部表情将会变成可能，并且走向商业化和产品化。