论文总字数：44605字

摘 要

人脸识别是指依据人的脸部特征信对身份进行识别的技术。社交网络环境下的人脸识别研究是国外近几年人脸识别新兴的研究方向，国内相关的研究还很少。人脸识别视觉方面的算法虽已很成熟，但对于拍摄环境、人脸姿态复杂的识别效果依然不理想。研究者逐步将研究的重点转向寻找其他辅助信息来改善识别效果上。随着社交网络的飞速发展，大量的照片以相册集的形式被分享、评论，且这些相册集大多是一个事件的集合，所以本文考虑利用相册集标签、评论及好友集群的上下文来用于人脸识别。

本文首先筛选社交环境中可用于推测谁有可能出现在照片中的上下文信息，并用网络爬虫的技术获取这些信息以及用户相册集和用户好友头像集，存到数据库中，给上下文信息赋予不同的权重之后求和，以产生相片的身份建议的前M个列表，按得分递减排序。其次，本文利用face 的人脸视觉检测、识别算法训练好友头像，识别用户相册集的照片中出现的人，生成最相似的前3列表。最后利用融合算法分析文本识别和视觉识别的建议列表，给出照片中人脸识别最终结果。我们利用来自人人网100名志愿者的公开相册的数据来验证我们的方法，基于社交网络环境的人脸识别结果相对于只利用视觉识别结果准确率提高很多，且可以应对照片拍摄环境、人脸姿态复杂的情况。

关键词：社交网络环境、人脸识别、网络爬虫、数据挖掘、数据库

The research on face recognition in social networking environment

Abstract

The research on face recognition in social networking environment is a newly emerged research direction at abroad in recent years, while there are still few studies in China. Although the visual algorithm in face recognition is quite mature, the recognition effect in complex environment of photo taking or face posing is still unsatisfactory. Researchers begin to transfer their research emphasis to looking into other auxiliary information for improving the recognition effect. With the rapid development of social networks, a large number of photos are shared and commented in the form of albums, which are gathered for an event. Thus in this paper we use the tags of albums, the comments, and the contexts of the friend clusters to recognize human faces.

First of all, this paper will filter the information containing 8 contexts that can be used to surmise the intimacy of friends in photos to be detected to tell who is most likely to be there in the photo. These information and albums and friend lists will be obtained by a web crawler and then stored in a database. Different weights are assigned to these contexts and the summation will create the first M lists of the identities recommended in the photo. The result then will be sorted by the scores in a descending order. Secondary, this paper will use the algorithm of human face detection and recognition based on face to train the friend headshots, and to recognize the people appeared in the photos of the albums, and finally to create the first 3 face lists which are most similar. At last, we will use a fusion algorithm to analyze the recommended lists detected by the text and vision, and to give the last results of the face recognition in the photo. We validated our research with the open albums of 100 volunteers in renren.com. The accuracy rate of recognition results based on social networking is highly improved than the results based on vision only. And the former can also deal with photos shooting in complex environment or complex face poses in them.

KEYWORDS: Social Network ， Face Recognition， Web Crawler ， Data Mining， DataBase..

目录

摘要 I

Abstract II

第1章 绪论 1

1.1 引言 1

1.2 研究现况 1

1.3 论文的研究工作 2

1.3.1 论文的研究内容 2

1.3.2 论文的内容安排 4

第2章 社交网络中的上下文分析 5

2.1 引言 5

2.2 社交网络上下文资源 5

2.2.1 国内几大社交网站特点 5

2.2.2 社交网络相册集上下文概述 6

2.2.3 社交网络照片集标签信息分析 7

2.2.4 社交网络中隐含社会关系分析 10

2.3 社交网络上下文数据挖掘 12

2.3.1 网络爬虫原理 12

2.3.2 网页抓取相关技术 13

2.3.3 动态网页处理方案 14

2.3.4 社交网络上下文的爬虫定制 15

2.4 数据存储与格式 16

2.4.1 MYSQL数据库 16

2.4.2 数据库的功能与需求 17

2.4.3 数据库逻辑结构设计 17

2.5 社交网络相册集上下文数据处理算法 19

2.5.1 方案概述 19

2.5.2 问题描述 19

2.5.3 上下文定义 19

2.5.4 Top-M排序算法 20

2.6 本章小结 21

第3章 人脸视觉识别 22

3.1 引言 22

3.2 人脸检测与定位方法 22

3.2.1 人脸检测方法概述 22

3.2.2 人脸检测AdaBoost算法 24

3.2.3 人脸检测实验 30

3.3 人脸图像预处理 31

3.4 人脸识别方法 32

3.4.1 人脸识别概述 32

3.4.2 基于LBP的人脸识别算法 33

3.4.3 人脸识别算法测试实验 36

3.5 人脸识别的API、SDK 40

3.5.1 开源的人脸识别方案简介 40

3.5.2 Face 人脸识别核心概念 40

3.5.3 Face API概述 41

3.5.4 Face 人脸识别流程 41

3.6 本章小结 43

第4章 基于社交网络的人脸识别 44

4.1 基于社交网络的人脸识别概述 44

4.1.1 人脸识别流程概述 44

4.1.2 人脸识别开发环境介绍 45

4.2 数据库设计 46

4.2.1 整体数据库搭建 46

4.2.2 数据库数据来源 46

4.3 社交网络上下文信息处理 46

4.3.1 上下文Top-M排序算法数据集训练 46

4.3.2 上下文Top-M列表实验 47

4.4 人脸视觉识别 48

4.4.1 人脸视觉识别概述 48

4.5 视觉识别与社交网络上下文融合 48

4.5.1 融合算法分析 48

4.5.2 视觉识别与社交网络上下文融合 49

4.5.3 实验结果与分析 52

4.6 系统的分析 54

4.6.1 研究的创新点 54

4.6.2 存在的缺点 54

4.7 本章小结 55

第5章 总结与展望 56

参考文献 58

致谢 60

绪论

引言

依据人的脸部特征信对身份进行识别的技术称为人脸识别技术[1]。在计算机视觉研究方向，它已经是一个相对成熟的话题了，很多产品已广泛应用到安保、金融、医疗、教育等领域，方便人们的生活。

尽管如此，人脸识别的视觉识别研究依然存在一些局限：目前的人脸识别技术是高度依赖于正面的姿态，平和的面部表情和理想的照明，当图像收集在姿势，照明和表情的变化不受控制的野外，相比于特定个体的外观变化，个体之间的外观差异变得相对非常小，人脸识别的准确度不高；在一些自动识别系统中，用户的训练数据的准备也是沉重的负担。此外，视觉识别的计算和存储成本一般都很高，不能直接适用于大规模的人脸识别。

剩余内容已隐藏，请支付后下载全文，论文总字数：44605字