论文总字数：21612字

摘 要

人脸图片包含了年龄、性别、种族等多种人脸属性信息，通过对这些属性的分析可以辨别人的身份。所以人脸属性识别在安防、人性化的人机交互、智能机器人、公安系统等都有非常广泛的应用场景。

本文首先概述了人脸属性识别的研究背景、Android及其开发平台Android studio；接着简单介绍了人脸属性识别相关方法；之后阐述了人脸属性识别软件在Android平台上具体的实现过程，包括从相机和本地图库获取人脸图片、百度人脸属性识别接口的调用、人脸检测、JSON数据解析和人脸属性识别等过程。最终实现了一款可以对人脸年龄、性别、肤色、颜值、笑容、眼镜这六个属性进行识别的应用软件。在最后对识别的结果进行准确率统计分析，着重分析了性别和年龄这两个属性。

关键词：人脸属性识别 Android 人脸检测

Design of Face Attribute Recognition Software

Abstract

Face images contain a variety of face attributes such as age, gender and race, which can be analyzed to identify people's identity. Therefore, face attribute recognition is widely used in security, humanized human-computer interaction, intelligent robot, public security system, etc.

This paper first summarizes the research status of face attribute recognition, Android and its development platform Android studio. Then, the method of face attribute recognition is introduced briefly. After that, it describes the specific implementation process of face attribute recognition software on Android platform, including obtaining face pictures from camera and local picture library, calling of baidu face attribute recognition interface, face detection, JSON data analysis and face attribute recognition. Finally, an application software can recognize the six attributes of face: age, gender, skin color, appearance level, smile and glasses. In the end, the accuracy of the recognition results is statistically analyzed, with emphasis on gender and age.

Key Words: Face attribute recognition；Android；Face detection

目 录

摘 要 I

Abstract II

第一章 引言 1

1.1 研究背景 1

1.2 人脸属性识别国内外研究现状 1

1.3 开发环境简介 2

1.3.1 Android的系统特性 3

1.3.2 Android的四大应用组件 3

1.3.3 Android架构 4

1.3.4 Android studio简介 5

1.4 百度人脸检测及属性识别接口 5

1.5 基于人脸属性识别软件的实现 5

1.6 本文主要安排 6

第二章 人脸属性识别 8

2.1 人脸检测 8

2.1.1基于知识规则的方法 8

2.1.2 基于不变特征的方法 8

2.1.3 基于匹配模板的方法 8

2.1.4 基于统计模型方法 9

2.2 人脸属性识别 9

2.2.1传统人脸属性识别算法 10

2.2.2 深度学习人脸识别算法 11

第三章 系统实现 16

3.1 开发环境的搭建 16

3.2 系统目标 17

3.3 系统总体设计 17

3.3.1 用户界面的设计 17

3.3.2 人脸图像采集 18

3.3.3 人脸检测及属性识别 20

第四章 系统测试 24

4.1 性别识别结果分析 25

4.2 年龄识别结果分析 28

4.2 其他属性识别结果分析 29

第五章 总结及展望 31

5.1 工作总结 31

5.2 前景展望 31

参考文献 33

致谢 36

第一章 引言

1.1 研究背景

在这个智能时代，人脸识别作为人工智能的热门话题受到很多研究者的关注。人脸的图片包含了年龄、性别、种族等多种人脸属性信息，通过这些属性可以辨别人的身份。所以人脸属性识别在安防、人性化的人机交互、智能机器人、公安系统等都有非常广泛的应用场景。

与传统的使用身份证验证身份的方法相比，直接刷脸验证具有速度快、效率高且很难伪造等优点，目前有很多入口如火车站等都采用了刷脸身份验证，但还是由于光线、姿势等客观存在的因素以及本人和身份证上的照片差距太大使得识别结果不准确，还需要人工协助。所以根据人脸属性进行身份识别在安防领域是一项迫切需要的技术。

特别是年龄和性别这两个属性，对于年龄，即使是人眼也可能只识别出一个人是处于青年、少年还是老年，让机器去识别出一个人的实际年龄更是一项巨大的挑战。对于性别这一属性，表情及化妆等因素都会影响识别的结果，这些都是亟待解决的问题。

1.2 人脸属性识别国内外研究现状

对于人脸属性识别的研究，目前基本上可以分为基于传统算法的研究和基于机器学习算法的研究两类。

对于传统算法，1990年，麻省理工学院的Cottrell提出了一种应用于人脸面部表情和性别识别的算法，该算法是基于Auto-Encoder的特征降维^[1]。2006年，北卡罗莱纳州大学的Ricanek公开了一个名为MORPH的数据库，它包含大量性别、种族、年龄等特性。MORPH的公开大大推进了人脸属性识别的研究进程^[2]；2008年，哥伦比亚大学Kumar构建了一个大规模的名人数据库PubFig，该数据库包含了10个人脸属性，Kumar还提出可人工提取人脸局部特征，训练不同属性的分类器，将人脸属性识别运用到人脸验证^[3]；2015年，中科院韩琥副研究员提出一种利用Gabor滤波器提取特征，再降维至4280 维的一种无监督特征处理方法来进行属性识别，经过实验验证，效果显著^[4]。

对于机器学习算法，Yi提出了一种针对年龄、性别预测的方法。首先使人脸对齐，并标注出21个点的位置信息，之后将输入的人脸划分成不同的对齐数据块，分别输入到多层卷积神经网络中，最后进行属性预测^[5]。Uricar提出通过提取VGG-16网络的深度特征^[7]，然后用SO-SVM分类器预测人们的年龄、性别和表情^[8]，该方法达到了不错的效果。Ehrlich提出用受限玻尔兹曼机（Restricted Boltzmann Machine,RBM）模型的方法共享图片特征，然后用一个分解的多任务组件使RBM成为一个多任务的受限玻尔兹曼机模型，用自下而上的传递方法预测不同的任务^[9]。Emily M.Hand等人提出多任务的人脸属性识别方法，首先充分挖掘属性与属性之间的关系，将四十个人脸属性分成九组，设计多任务网络结构（Multi-task Convolution Neural Network，MCNN）^[10]，首次提出用多任务的算法去处理人脸属性识别的问题。Han提出一种Heterogeneous CNN的方法来预测单张图像中的多个属性，该方法在设计网络结构时，考虑到属性之间的关联性和异质性，该方法前期共享图片的特征，然后用特定类型的特征学习来进行多个属性的预测^[11]。

1.3 开发环境简介

本次课题需要设计一款人脸属性识别的手机APP，该APP需要基于Android平台进行开发，下面简单介绍Android开发平台。

请支付后下载全文，论文总字数：21612字