基于手机平台的人脸检测系统的研究

合集下载

基于YOLOv5的人脸检测及关键点定位的研究和实现

基于YOLOv5的人脸检测及关键点定位的研究和实现作者：***来源：《现代信息科技》2023年第23期摘要：人脸检测的研究对与日常生活很好的实用价值，如人脸体温检测，视频监控等。

实验通过YOLOv5方法对用户进行训练，并选用YOLOv5系统中网络深度最大和宽带最少的YOLOv5s模型，基于重参数化结构，提升了检测的准确率，且其具有速度快，体积小的优点。

在人脸检测出后基于face_recongnition库进行关键点定位。

通过实验结果可以看出，检测较为准确，具有良好的应用价值。

关键词：YOLOv5；人脸检测；深度学习；人脸关键点定位中图分类号：TP391.4；TP18 文献标识码：A 文章编号：2096-4706（2023）23-0069-04Research and Implementation of Face Detection and Key Point LocalizationBased on YOLOv5ZHANG Yanli（North China University of Technology， Beijing 100144， China）Abstract： The research on face detection has great practical value for daily life， such as face temperature detection， video surveillance and so on. The experiment trains users through the YOLOv5 method， and selects the YOLOv5s model with the highest network depth and the lowest bandwidth in the YOLOv5 system. Based on the re-parameterization structure， it improves the detection accuracy， and it has the advantages of fast speed and small size. After the face detection，it carries out key point localization based on face_recongnition library. From the experimental results， it can be seen that the detection is relatively accurate and has good application value.Keywords： YOLOv5; face detection; Deep Learning; face key point localization0 引言随着深度学习的发展，用计算机处理图像，辅助人类视觉进行检测和识别得到了广泛应用，如人脸检测和人脸关键点定位技术。

基于人脸识别的身份验证系统

基于人脸识别的身份验证系统近年来，随着技术的不断进步，人脸识别技术得到了广泛应用，成为了身份验证的新方向。

基于人脸识别的身份验证系统具备许多优势，如高度准确性、方便易用性以及较高的安全性，正在逐渐被各个领域所采用。

一、技术原理基于人脸识别的身份验证系统的技术原理是利用计算机对人脸图像进行处理和分析，从而识别出人脸特征并进行比对。

首先，系统通过摄像设备获取用户的人脸图像，然后提取图像中的特征点并转化为数字化信息。

接下来，系统将提取到的人脸特征与事先建立的数据库中的特征进行比对，通过计算相似度来判断身份的正确性。

最后，系统根据判断结果决定是否通过验证。

二、系统优势1. 高度准确性：相较于传统的身份认证方式，如密码、指纹等，人脸识别技术具备更高的准确性。

由于每个人的面部特征独一无二，系统能够准确地识别出注册用户，大大降低了身份冒用的风险。

2. 方便易用性：人脸识别技术的使用非常便捷，只需用户面对摄像设备进行扫描即可完成身份验证。

相较于输入复杂的密码或使用指纹识别，人脸识别的步骤更为简单，省去了用户记忆繁琐的密码和携带复杂的传感器设备的麻烦。

3. 较高的安全性：人脸识别技术不易伪造，难以被冒用。

由于人脸特征的独一无二性和复杂性，攻击者很难伪造或盗用他人的面部特征。

同时，采用先进的算法和系统对用户数据进行加密和保护，进一步提高了系统的安全性。

三、应用领域1. 出入口管理：基于人脸识别的身份验证系统可以应用于企事业单位的出入口管理。

通过在门禁系统中集成人脸识别设备，用户只需站在摄像头前进行扫描，即可完成身份验证并实现便捷出入。

2. 金融行业：人脸识别技术也可以广泛应用于金融行业的身份验证和交易安全。

用户在进行网银、手机支付等操作时，系统可以通过摄像头获取用户的人脸图像进行验证，确保交易的安全性和真实性。

3. 社会保障：人脸识别技术可以用于社会保障领域的身份验证和数据管理。

例如，在养老金发放中，系统可以通过比对受助老人的面部特征，并与数据库中的信息进行匹配，确保资金发放的准确性和安全性。

人脸识别算法在智能手机解锁中的应用研究

人脸识别算法在智能手机解锁中的应用研究摘要：随着智能手机的普及，人们对手机解锁的便利性和安全性的要求越来越高。

人脸识别算法作为一种生物特征识别技术，被广泛应用于智能手机解锁中。

本文通过分析人脸识别算法的原理与优势，探讨了其在智能手机解锁中的应用现状与挑战，并提出了进一步改进与发展的方向。

1. 引言随着智能手机的普及，智能手机解锁方式也得到了诸多创新。

传统的密码、图案等解锁方式存在记忆难度大、安全性不高等问题。

而人脸识别算法作为一种生物特征识别技术，可以通过分析人脸的唯一特征进行快速准确的识别，因此被广泛应用于智能手机解锁中。

本文将就人脸识别算法在智能手机解锁中的应用进行研究和探讨。

2. 人脸识别算法原理与优势2.1 人脸识别算法原理人脸识别算法是一种基于特征模式匹配的模式识别技术，主要包括以下步骤：面部检测、特征提取、特征匹配。

面部检测是指从复杂的图像中自动检测出面部区域；特征提取是指将面部图像转化为特征向量，常用的包括主成分分析（PCA）、线性判别分析（LDA）等；特征匹配则是将输入图像的特征向量与存储在数据库中的特征进行比对。

2.2 人脸识别算法的优势相较于传统的密码、图案等解锁方式，人脸识别算法具有以下优势：2.2.1 便捷性人脸识别算法无需额外的物理设备，智能手机自带的摄像头即可完成识别过程，用户使用方便，无需记忆繁琐的密码或图案。

2.2.2 安全性每个人的面部特征都是与生俱来的，几乎不可能被仿冒。

相较于密码、图案等容易被他人破解的解锁方式，人脸识别算法具有更高的安全性。

3. 人脸识别算法在智能手机解锁中的应用现状目前，人脸识别算法在智能手机解锁中已经得到了广泛应用。

诸如苹果的Face ID、三星的Face Unlock等手机厂商推出的解锁方式，都采用了人脸识别算法。

通过在智能手机中嵌入人脸识别算法，用户可以通过简单的面部扫描完成解锁操作，提高了手机解锁的便捷性。

然而，当前人脸识别算法在智能手机解锁中仍存在一些挑战。

基于计算机视觉技术的人脸追踪应用研究

基于计算机视觉技术的人脸追踪应用研究随着智能手机、电脑等设备的普及，人脸识别技术越来越受到重视。

今天我们要聊聊关于人脸追踪，特别是基于计算机视觉技术的人脸追踪应用研究。

一、什么是人脸追踪？人脸追踪是指通过计算机视觉技术，对视频中的人脸进行实时跟踪，保证系统对指定人脸进行准确、快速的识别和检测。

简单来说，就是通过摄像头实时捕捉视频画面中的人脸特征，然后通过算法对其进行追踪和识别。

人脸追踪技术适用于很多场景，比如安防监控、人脸采集、人机交互等。

二、人脸追踪技术的原理人脸追踪技术是基于计算机视觉和机器学习技术实现的。

具体来说，人脸追踪的过程分为两部分，即人脸检测和跟踪。

1.人脸检测人脸检测是指在视频画面中准确地定位和识别出人脸区域。

通常采用的是分类器检测算法，它可以将输入图片分为人脸和非人脸的两类。

目前比较常见的分类器包括 Haar 分类器和 Viola-Jones 分类器等。

这些分类器都是基于深度学习算法实现的。

2.人脸跟踪人脸跟踪是指在经过人脸检测后，对检测到的人脸进行跟踪和持久化。

此时，我们需要使用一些跟踪算法，比如基于卡尔曼滤波的跟踪算法和基于最小二乘法的跟踪算法等。

三、人脸追踪技术的应用1.安防监控人脸追踪技术可以用于安防监控场景中，监控人员可以通过追踪监控画面中的人脸，进行实时监控和管理。

可以对比热点区域进行监控，对可疑人员进行识别和报警，在保证安全的前提下，尽量最大化保护个人隐私。

2.人脸采集在人脸采集场景中，人脸追踪技术可以大大提高采集速度，并保证采集到的人脸信息准确无误。

比如，人员进出门禁系统中，工厂生产车间的员工考勤系统，博物馆、体育馆等场所的入场验证系统等，都可以采用人脸追踪技术进行实时、高效的采集和管理。

3.人机交互人脸追踪技术还可以用于人机交互中。

比如通过人脸特征进行图像和声音的互动，视屏会议中的会议识别等等。

在 VR 游戏中，玩家可以通过面部表情和眼神控制游戏人物的动作，提升游戏的趣味性和体验性。

《基于云计算的人脸识别Web应用的研究与实现》范文

《基于云计算的人脸识别Web应用的研究与实现》篇一一、引言随着信息技术的飞速发展，云计算和人工智能的深度融合已经深入到各行各业，特别是在人脸识别领域。

基于云计算的人脸识别Web应用不仅提升了识别的准确性和效率，同时也为大数据处理提供了强大的支持。

本文将详细探讨基于云计算的人脸识别Web应用的研究与实现，包括其背景、目的、意义以及相关技术概述。

二、研究背景及意义人脸识别技术作为生物特征识别的一种重要手段，在公共安全、智慧城市、电子商务等领域具有广泛的应用前景。

而云计算的引入，为大规模数据处理提供了强大的计算能力和存储空间，有效提高了人脸识别的效率和准确性。

因此，基于云计算的人脸识别Web应用的研究与实现具有重要的理论价值和实践意义。

三、相关技术概述1. 人脸识别技术：人脸识别技术是通过检测、分析和比对人脸特征进行身份识别的一种生物特征识别技术。

包括人脸检测、特征提取和人脸比对等关键技术。

2. 云计算技术：云计算是一种基于互联网的新型计算方式，通过虚拟化技术将计算资源和数据存储在云端，用户可以通过网络访问和使用这些资源。

包括云计算平台、虚拟化技术、大数据处理等关键技术。

3. Web应用开发技术：Web应用开发技术是实现人脸识别Web应用的关键。

包括前端开发技术（如HTML5、CSS3、JavaScript等）和后端开发技术（如Java、Python等）。

四、基于云计算的人脸识别Web应用的研究1. 系统架构设计：基于云计算的人脸识别Web应用采用微服务架构，将系统划分为多个独立的服务模块，每个模块负责特定的功能。

同时，采用云计算平台提供的高可用性和弹性伸缩能力，确保系统的稳定性和性能。

2. 算法优化：针对人脸识别的关键算法进行优化，包括人脸检测、特征提取和人脸比对等。

通过引入深度学习、机器学习等技术，提高算法的准确性和效率。

3. 数据处理：利用云计算的大数据处理能力，对海量的人脸数据进行存储、管理和分析。

人脸识别技术应用案例研究报告范文

人脸识别技术应用案例研究报告范文标题：人脸识别技术应用案例研究报告引言：随着科技的发展，人脸识别技术逐渐成为现代生活中不可或缺的一部分。

它在各行各业得到广泛应用，带来了许多便利和创新。

本篇文章将详细探讨人脸识别技术的众多应用案例，并分析其对社会、经济和安全的积极影响。

一、人脸识别技术在安防领域的应用人脸识别技术在安防领域有着广泛的应用。

它可以用于监控摄像头系统，通过识别人脸特征确定身份，实现自动警报或追踪目标。

例如，在公共场所部署人脸识别系统可以大大提高警方破案效率，并有效预防恐怖活动。

二、人脸识别技术在金融行业的应用在金融行业，人脸识别技术为用户身份验证提供了更加安全和便捷的解决方案。

通过人脸识别技术，用户可以使用自己的面部特征进行身份验证，无需记忆复杂的密码。

此外，人脸识别技术还可以防范金融欺诈，有效确保用户资金的安全。

三、人脸识别技术在智能手机领域的应用智能手机是人们日常生活中必不可少的工具，而人脸识别技术为智能手机提供了更加智能化和安全的解锁方式。

通过使用人脸识别技术，用户可以方便地解锁手机，而不需要使用传统的密码或指纹解锁，提高了用户体验的同时增强了手机的安全性。

四、人脸识别技术在教育行业的应用在教育行业，人脸识别技术为学校管理提供了便利。

例如，学生可以通过人脸识别系统进行考勤，不再需要传统的签到方式。

人脸识别技术还可以用于校园安全管理，及时发现陌生人员进入校园，确保师生的安全。

五、人脸识别技术在商业行业的应用在商业行业，人脸识别技术的应用也越来越广泛。

例如，一些商场采用人脸识别技术进行顾客分析，了解顾客的购物偏好和消费行为，从而提供更加个性化的推荐和服务。

此外，人脸识别技术还可以用于智能支付，实现刷脸消费，提高支付效率。

六、人脸识别技术在医疗行业的应用在医疗行业，人脸识别技术可以用于患者身份识别和病历管理，有效提高医疗机构的管理效率。

此外，人脸识别技术还可以用于疾病的早期诊断和预防，通过分析人脸特征来判断患者的身体健康状况。

开题报告范文基于深度学习的人脸识别技术研究

开题报告范文基于深度学习的人脸识别技术研究开题报告范文一、选题背景随着科技的快速发展，人脸识别技术在各行各业中得到广泛应用。

传统的人脸识别方法存在一些问题，如光线、角度和遮挡等因素的影响，因此需要一种更为准确和稳定的人脸识别技术。

深度学习作为机器学习领域的一种重要方法，近年来在人脸识别技术中得到了广泛的应用。

因此，基于深度学习的人脸识别技术成为本次研究的选题。

二、研究目的本次研究旨在探讨基于深度学习的人脸识别技术，并尝试提出一种更为准确和鲁棒的人脸识别方法。

具体目标如下：1. 分析传统人脸识别方法的不足之处，确定使用深度学习进行人脸识别的必要性。

2. 研究深度学习中常用的人脸识别算法，如卷积神经网络（CNN）和人脸关键点检测等。

3. 设计和实现一个基于深度学习的人脸识别系统，并对其进行性能评估。

三、研究内容本次研究将围绕以下内容展开：1. 了解传统人脸识别方法：通过对传统人脸识别方法的文献综述，全面了解传统方法的原理、优缺点及其在实际应用中的限制。

2. 深度学习在人脸识别中的应用：介绍深度学习在人脸识别领域的基本原理及其优势，并对比传统方法进行分析。

3. 人脸识别算法的研究：重点研究卷积神经网络（CNN）在人脸识别中的应用，并对其进行改进和优化，以提高识别准确度和鲁棒性。

4. 系统设计与实现：基于所研究的人脸识别算法，设计和实现一个完整的人脸识别系统，包括人脸检测、特征提取和识别等关键模块。

5. 性能评估与结果分析：通过大量的实验对所设计的人脸识别系统进行性能评估，并与传统方法进行对比分析，验证基于深度学习的方法的有效性和优势。

四、研究意义本次研究对于深入理解和应用基于深度学习的人脸识别技术具有重要意义：1. 增强人脸识别技术的准确性：深度学习方法能够从大量的样本中自动学习特征，相较于传统方法，可以提高人脸识别的准确性。

2. 提高人脸识别系统的鲁棒性：深度学习方法能够较好地处理光线、角度和遮挡等情况，在复杂环境下具有更强的鲁棒性。

人脸识别中的活体检测及应用研究

人脸识别中的活体检测及应用研究人脸识别中的活体检测及应用研究人脸识别技术是一种通过数字图像处理和模式识别等技术手段，对人脸图像进行分析和识别的技术，已经在各种领域得到广泛应用。

然而，随着科技的发展和黑客攻击的增多，传统的人脸识别技术面临着越来越多的挑战。

为了提高人脸识别系统的安全性和准确性，活体检测技术应运而生。

活体检测技术是在人脸识别中使用的一种技术，通过对面部表情、眼球运动、眨眼频率等生物特征进行监测，以区分真实的脸部特征和虚假的欺骗行为。

活体检测的目的是确保识别系统仅识别真实有效的脸部，而不被伪造、照片或视频等方式所欺骗。

在活体检测中，常用的技术包括红外光投射、纹理分析、三维重建等多种方法。

其中，红外光投射技术通过使用红外光源对面部进行照射，然后检测被照射面部所反射的红外光的特征，从而判断脸部是否为真实活体。

纹理分析技术则通过分析面部纹理的细节和规则性来判断是否为真实的脸部肌肉运动。

而三维重建技术则通过利用深度相机等设备获取面部的三维坐标信息，并与真实活体进行比对，从而进行识别。

活体检测技术在安全领域具有广泛的应用前景。

首先，在手机支付和金融交易等领域中，活体检测技术可以有效避免欺诈行为，保护用户的财产安全。

其次，在边境安全和社会管理中，活体检测技术可以应用于人员身份验证，确保进入特定区域的人员真实有效。

另外，在监控安防领域中，活体检测技术可以提高监控系统的准确性和实时性，防止恶意攻击活体检测算法。

然而，活体检测技术也存在一些挑战和局限性。

首先，不同人的面部特征和肌肉运动习惯存在差异，使得活体检测技术的适用范围有限。

其次，一些特殊情况，如当用户处于极端情绪或疲劳状态时，活体检测技术可能出现误识别。

另外，当前的活体检测技术对硬件设备的要求较高，涉及到设备成本的增加和用户舒适度的降低。

针对以上问题，未来的研究可以集中在算法优化和技术创新上。

首先，研究人员可以通过大数据分析和机器学习等方法，提高算法的准确性和鲁棒性，增加对不同人脸特征的适应能力。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＩＶ。Ｉ脚
尝意屏
【本文献信息】王娜．基于手机平台的人脸检测系统的研究［］电视技术，１，（１Ｊ．２２３１）０６
基于手机平台的人
王娜
系统的研究
（福建师范大学福清分校数学与计算机科学系，福建福清３００）５３０
【要】随着通信技术和图像处理技术的发展，摘手机不仅是一种便携的通信工具，而且能够用来拍照。针对市场上的非智能
ｉｇ，ｆａｕｅｅｔａｔｎ，ｃｎｔｕｔｇｃｓａｅｃａｓｅｎａｇｔｄｔｃｉｎ，ａｅｄｓｒｂｄ．Ｅｘｅｍｅｔｌｒｓｌｓｐｏｅｔａｈｙｔｍｔｈｒｓｏｓｎｅｔｒｘｒｃｉｏｏｓｒｃｉａｃｄｌｉｒａｄｔｒｅｅｅｔｎｓｆｉｏｒｅｃｅｉｐｒｎａｅｕｔｒｖｈｔｔｅｓｓｅｗｉｓｏｔｒｐｎｅｉｈｅ
姿态等因素的干扰，会造成较大的偏差从而导致的拍照功能难以满足人们对于人脸进行图像处理的要求，到光照、误识。Ｋｒｋｒａｌａ等采用了基于肤色模板的搜索匹配方法，ｅ造成拍摄效果欠佳。本文使用Ａａｏｓ人脸检测算法，ｄｂｏｔ
ＣＣ格式的彩色图像进行了小波变换，训练色度空将ＯｅＣｐｎＶ移植到ｉｈｎ智能手机系统，Ｐｏｅ实现了基于手机对Ｙｂｒ间检测肤色像素，使用二值人脸模板匹配进行搜索，然后平台的人脸检测系统。。文献［］６将隐马尔随着计识别最后利用小波变换系数验证结果Ｊ可夫模型引入人脸识别的研究中，描述了一种基于隐马尔受到了愈来愈广泛的关注。人脸检测作为人脸识别的重可夫模型的人脸识别方法，该方法虽然具有一定的稳健要一步，目前已应用于门禁系统、监控系统、疲劳驾驶监测性，但训练时间较长，系统效率不高。文献［］７采用基于系统等领域。人脸检测是指任意给定一幅图像或者一组肤色的人脸区域分割算法建立肤色模型并进行肤色分割，
在移动互联网时代，手机已经成为生活中不可或缺的据人脸的灰度分布将人脸的五官区域划分为４Ｘ８Ｘ４和形成然重要工具。人们除了使用手机通话、发信息之外，常常用８个小矩形，马赛克的效果，后按照一定的规则进如果检测时受手机代替数码相机进行拍照。然而非智能手机仅仅具备行检测。该方法对外界环境的要求比较高，
【关键词】Ａａｏｓ算法；ｄｂｏｔ特征提取；人脸检测；人脸识别；ｐｎＶＯｅＣ【中图分类号】Ｔ３１Ｐ９．４【文献标识码】Ａ
ＲｅｅｒｈｏｃｔｃｉｎＳｓｅｓｄｏｏｌｓａｃｆＦａｅＤｅｅｔｏｙｔｍＢａｅｎＭｂｉＰｈｏｅＰｌｔｏｍｅｎａｆｒ
ｂｔａｓａｅｕｅｏｐａｔｅｐｏｏｒｐｙｕｌｏｃｎｂｓｄｔｒｃｉｈｔｇａｈ．Ａｉｎｔｐｏｅｆｒｎｅｏｏｃｍｉｇａｏｒｐｒｏｍａｃｆｎｎ—ｓｒｈｎｓｐｏｏｒｐｓａｄｔｅｄｓｄａｔｅｆｉｇｅｐｏｅｓｎｍａｔｐｏｅｈｔｇａｈｎｈｉａｖａｓｏｍａｒｃｓｉｇｎｇｆｎｔｏｓｈｘｅｄｄＨａｒｉｅｆａｕｅｉｅｅｒｈｄＡａｅｄｔｃｉｎｓｓｅｂｓｄｏａｏｓａｅｄｔｃｏｇｒｔｍｓｉｌｍｅｔｄｏｍａｔｕｃｉｎ，ｔｅｅｔｎｅａ —Ｌｋｅｔｒｓｒｓａｃｅ．ｆｃｅｅｔｙｔｍａｅｎＡｄｂｏｔｆｃｅｅｔｒａｏｉｈｉｍｐｅｎｅｎｓｒ— ｏｌ
ｔｎｈｃｒｅｔｄｔｃｉｎｒｔａｅａｎｐｒｃｉａｉ．ｉａｄｈｉｏｒｃｅｅｔａｅｈｓａｃｒｉａｔｃｌｔｍｅｇｏｔｙ
【ｅｏｄ】Ａａｏｓａｏｔｆｔｅｓｅｔｎｆｅｒｏｎｉ；ａｅｄｔｔｎＯｅＣＫｙｗｒｓｄｂｏｔｇｒｈｅｕｌｉ；ａｃｇｉｏｆｅｃｏ；ｐｎＶｉｍ；ａｒｅｃｏｃｅｌｔｎｃｅｉ
【ｂｔａｔＷｉｅｅｅｐｅｔｆｈｏｍｎａｏｄｉａｅｐｃｓｎｃｎｌｙｍｂｅｈｎｓｒｎｔｎｅｏａｌｃｍｕｉｔｇｏｌＡｓｃ】ｔｔｖｌｍｎｏｔｃｍｕｉｔｎａｇｒｅｓｇｅｈｏｇ，ｏｉｏｅｅｏｏｌｔｒｂｍｎａｎｏｒｈｈｄｏｅｃｉｎｍｏｉｔｏｌｐａｙｈｐｔｅｏｃｉｔｓ
手机拍照的性能欠佳又不具备图像处理功能的缺点，选取了扩展的Ｈａ特征，ａｒ利用Ｉｔｌｎｅ开源的图像处理软件ＯｅＣｐｎＶ在智能手机操作系统上实现了一个Ａａｏｓ人脸检测系统，ｄｂｏｔ描述了建立样本、图像预处理、征提取、造级联分类器和目标检测等过特构程。多次实验证明，系统正检率高，该检测时间短，有一定的实用性。具
ｐｏｅＯＳｗｉｈｔｅｕｅｏｅＣＶｉｈｉｎｅ ’ ｐｎｓｕｃｍａｅｐｏｅｓｎｏｔｒｅｏｒｃｓｅｈｎｔｈｓｆＯｐｎｗｈｃｓＩｔｌＳｏｅｏｒｅｉｇｒｃｓｉｇｓｆｗａ．Ｓｍｅｐｏｅｓｓ，ｓｃｓｓｍｐｅｂｉｉｇ，ｉｇｒｐｏｅｓｕｈａａｌｕｌｎｄｍａｅｐｅｒｃｓ—
ＮＧＮａ
（ｅｒｅｔｆａｅａｃａｄＣｍｕｒｃｎｅＦｑｇｒｈＦｊｎＮｒａＵｉｒｔ，ｕａｕｉ５３０Ｃｉ）ＤｐｔｎｏＭｔｍｔｓｎｏｐｔｉｃ，ｕｉＢａｏｕａｏｌｎｅｉＦｊｎｑｇ３００，ｈａａｍｈｉｅＳｅｎｎｆｉｃｍｖｓｙｉＦｎｎ