摘要：文章讨论了为了满足用户对图片检索的需求量不断加大的需要，使得用户的体会方便快捷，从人脸辨认的算法剖析出发，根据ORL人脸库针对人脸的特征化信息进行提取，一起剖析、差异和匹配不同人脸，在此基础上，树立人脸辨认查找引擎，使得用户能够从本地上传照片并查找相似图片。
关键词：人脸辨认；PCA算法；特征提取；查找引擎；图片查找文献标识码：A
中图分类号：TP391文章编号：1009-2374（2015）22-0021-02DOI：10.13535/j.cnki.11-4406/n.2015.22.011
1概述
查找引擎完结的首要功用是关键词的匹配及网络上节点的遍历查找，而本文针对人脸辨认的图片查找引擎同样运用特征匹配完结以人脸找相似人脸的查找引擎。本文对人脸辨认算法的剖析首要从主成分剖析法（PCA）入手，对其间的缺点进行改善并使用于人脸图片查找引擎的完结中。在主成分剖析法中运用降维的思想提取首要特征，经过线性改换及奇异值分解得到特征向量然后得到特征脸。在查找引擎的完结中首要运用的是在网络上节点的遍历以找到匹配信息并显现的技能。
2人脸辨认算法的剖析
人脸辨认算法的要点在于关于图片的特征提取和剖析，一张图片的分辨率决定了图片区分的精度，为了提取有用特征，比如眼、口、鼻，能够将整张图画运用横纵轴区分，运用多幅图片，提取特征形成特征向量，表征标准人脸的组成。本次运用ORL人脸数据库作为样本进行PCA算法的验证及剖析。
2.1根据PCA人脸辨认算法的剖析
PCA（主成分剖析）和LDA（线性鉴别剖析）是两种降维方法，经过根本的测验和剖析，PCA算法关于图片辨认的正确性很高，关于人脸表情和细微颤抖也有很好的健壮性（本文的测验试验树立在ORL人脸库上）。
PCA方法由Turk和Pentlad提出，它是根据Karhunen-Loeve改换（即K-L改换），首要用于建模方法中常用的数据降维，因为一幅图画由像素组成，根据像素在行列方向上的区分形成矩阵或当作一个矢量，构成原始的图画空间，因此PCA算法同样也使用于人脸辨认的范畴——PCA算法在处理人脸等图画辨认问题时，遵从如下进程：将图画矩阵转化为图画向量，对原始图画向量进行线性剖析标准化后得到标准化矩阵根据方差确定影响最大的向量即为榜首主成分相似前面进程得到第二主成分以此类推。完整的人脸辨认的进程包含：读入人脸库；形成特征脸（即特征向量）子空间，对图画进行降维获取特征值，把两组图画投影到由K-L改换得到的子空间上，运用对图画的这种投影间的某种衡量来确定图画间的相似度；挑选必定的距离函数进行辨认。提取首要的特征向量进行图画重建，根据图画重建成果得出相似程度与提取原始图画向量的联系。
2.2关于不同条件对特征提取的影响
2.2.1根据图画重建，得出运用特征向量的多少及原始图片的成像清晰度（包含视点、光线、歪斜程度）都对重建成果有很大影响。这是人脸辨认的关键性问题，本文经过图片预处理来解决一部分问题，比原先未处理的图片重建作用好了许多，拟合性也高了许多。
2.2.2关于PCA算法，要求练习集有必要大于测验集。即要查找的人脸图片有必要在数据库中存在至少一张
图片才能得到好的重建作用，否则不能完结。PCA算法能够对练习样本内的图片重建作用很好。
如图2，表明运用特征向量进行人脸重建得出的一组人脸图画。
榜首、二组表明练习样本中的重建成果，第三组表明练习样本外的重建成果，从中能够看出，练习样本内的作用在特征向量大于等于100时根本得到了很好的重建作用，根本还原原始图片，而练习样本外重建的作用只能得到关键部位例如五官的大致方位和形状，重建作用不是特别好。
2.3根据影响要素对PCA算法的改善
经过添加练习，集中不同人脸图片的数量，添加关键部位例如五官的丰富性，使获得的均匀脸更具有广泛性和代表性，关于不同图片的外在差异性经过图片预处理（例如：灰度处理）然后产生色彩、纹路差异性较小的图片，再运用PCA算法进行降维得到的特征向量来重建的人脸图片具有更好的拟合性，如此得到的特征向量比较没有做预处理图片有较好的重建作用。
3Ubuntu下查找引擎的树立
3.1准备工作
为了提高安全性，因为Ubuntu体系下可挑选用户权限使得人脸库的可靠性更高，本文挑选在Ubuntu下完结人脸查找引擎的完结。在Ubuntu体系下经过命令行下载安装CMake、OpenCV，一起运用CMake对OpenCV进行编译；装备php的imagick-3.2.扩展和imagemagick扩展为图片处理做准备，再装备好face_detect即php运用OpenCV的扩展函数；因为运用PHP作为开发环境，下载安装LAMP（Linux、Apache、Mysql和PHP），将树立查找引擎的环境装备好。
3.2前台规划
查找引擎首要以网页的形式与用户交互，是与用户交互的接口的首要界面，首要有以下功用：完结人脸图片的检索和匹配功用（button、input元素），一起能够从本地上传图片（可预览）至网页客户端（input元素），使得本地图片与体系中相似图片得以匹配并显现给用户。规划框架树立前台界面，运用html、css与JS言语完结界面规划，html和css完结界面风格规划，JS完结动态页面作用（例如预览图片的动态显现等），布局首要选用分栏形式，整体风格精约便于用户运用。
3.3后台完结
根据代码的后台首要运用php言语完结详细功用，包含：完结人脸图片的检索和匹配功用，一起能够从本地上传图片至网页客户端且用户能够预览，经过用户点击查找按钮使得本地图片与网络中相似图片得以匹配并将匹配图片显现给用户。经过spider技能完结网络上html文档的遍历，可选用广度优先算法——在访问一个网络节点后一次访问相邻的网络节点直到将网络中所有节点悉数遍历。关于图片匹配与传统的查找引擎的文字匹配是相似的，运用PCA算法将图片抽象成特征向量并与www中的html文档中为图片格式的元素进行匹配，经过树立索引的方法完结人脸图片的查找与匹配，然后显现给用户。
4结语
本文首要探讨如何用php言语来完结查找引擎中人脸图片辨认匹配的功用。因为在Ubuntu体系中能够保证人脸信息的安全性，本文的查找引擎完结在Ubuntu体系下完结。该查找引擎中关于人脸辨认部分运用了稳定可靠的PCA算法，查找引擎本身选用网络爬虫进行索引匹配，尽管基础，但给用户检索人脸图片带来必定的方便，完结了图片查找、匹配等一些常用的功用，
宁波seo可是体系还能够进一步完善。因为现在信息大爆炸，在各个范畴中关于信息的私有性有着很大的需求，因此，本次研讨与实践还有待进一步完善：（1）检索图片不仅仅局限于人脸图片，而扩展为包含景色、物品等图片的检索；（2）优化PCA算法，运用根据PCA算法的优化算法例如Eigenface（其方法根据本文研讨的PCA算法），可能会得到更好的成果；（3）不仅仅局限在查找引擎，能够扩展到手机APP，使得人脸辨认得到更好的使用。
参考文献
[1]宇雪垠，曹开荒，陈本盛.根据特征脸的人脸辨认及完结[J].河北工业科技，2009，9（5）.
[2]张晓璐.根据PCA的人脸辨认技能的研讨[J].辽宁科技学院学报，2014，（12）.
作者简介：李亚男（1992-），女，山西太原人，南京邮电大学计算机软件学院学生，研讨方向：软件工程。
（责任编辑：周琼）
本文转载自
宁波seowww.leseo.net
补充词条：
宁波谷歌优化
宁波seo哪家好
宁波网站排名优化
宁波seo外包
宁波网络seo
