运用HOG通过Java和C ++实现面部识别比较

全文共8470字，预计学习时长25分钟

 

来源：xaecong

 

HOG：梯度方向直方图（histogram of orientedgradients）是一种图片描述符格式，它能够汇总图像（例如人脸）的主要特征，从而与相似图像进行比较。

本文以及教程源于两年前，我决定更新源代码使其现代化并再次发布。

 

Java/C++ vs. Python

本演示将在C++程序中使用dlib库来比较两个面部图像的HOG矩阵，并返回它们之间的相似度。因为JNI（Java本机接口集成）是在进程内完成的，并且具有高性能，所以本演示还会使用Java来“封装”C++函数。

我已经看到了几种基于Python的图像处理解决方案，特别是关于面部比较甚至面部识别的方案。这些解决方案使用Python作为主要的编程语言，从dlib或OpenCV库中调用函数。实际上，所有这些解决方案都基于Github上提供的一些Python库，例如：

· https://github.com/ageitgey/face_recognition;

· https://github.com/chanddu/Face-Recognition;

尽管它们具有便于开发的优点，但这些库可能会损害图像处理解决方案的性能，尤其是在主机没有GPU的情况下。正如我在上一篇文章中提到的，众所周知，主要的Python解释器（例如CPython和PyPy）含有GIL（全局解释器锁）。此外，与Java应用程序相比，Python应用程序的性能可能是另一个问题。

因此，在C ++中实现识别功能并封装在Java代码中，将其作为RESTful服务公开更合理。毕竟，在C ++中这样做不会为解决方案增加价值，而只会增加复杂性。

根据TIOBE榜单（https://www.tiobe.com/tiobe-index/），Java除了具有最佳性能外，还是世界上最流行的编程语言。

 

HOG

来源：Pexels

回到这一技术，我们将看到如何从图像中提取HOG描述符并在不同图像描述符之间进行比较，这是面部比较应用程序的基础。

简单来说，提取出一个描述像素强度（梯度）变化方向和幅度的矩阵，并使用此数据生成直方图。虽然有几种方法可以从图像中提取HOG，但是原始文章使用的是下文的方法：

http://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf

 

方法

第一步是将原始图像转换为灰度图，然后过滤线条以删除背景和不感兴趣的其他特征。可以使用OpenCV或dlib等函数库，甚至使用Gimp来完成此操作：

 

 

在这张照片中，左上角是原始图像，其在之后被转换为单色图像，最后是带有边缘过滤器（可以是Sobel或其他突出显示线条的过滤器）的图像。为了获得更好的效果，建议仅切割和加工脸部，因为其余部分无关紧要且可能会干扰比较。

 

 

对于每个提取的梯度计算强度和幅度的变化方向。

 

 

然后，计算直方图，其中类别为倾斜角度（0.20、40、60、80、100、120、140、160），值（票数）为幅度（强度变化）。

绘制该图（这一步没什么意义，但展示效果更好