人脸识别算法移植到 android,基于Android平台人脸识别算法移植的研究

摘要：

随着社会的发展和科技的进步,近些年来计算机软硬件性能飞速提升。计算机视觉技术、模式识别以及人工智能的理论和研究框架不断发展,人脸识别技术已经成为科学研究人员关注的一个重要研究方向。同时,科技的进步使得移动终端得到了极大发展,相较于最初阶段,无论是其便携性还是计算以及存储性能都有很大的提高。研究传统的人脸检测和识别算法,结合Android平台的特点,选择合适的算法经过改进后移植,能够促进Android平台下的人脸识别应用的发展。在Android平台上进行人脸识别的应用,可以更加方便快捷的进行身份识别和认证。本文对现有的人脸检测和人脸识别算法进行深入的学习和研究,结合Android平台的特点,针对其中的部分方法进行改进,使其可以更加适应Android平台,并进行相应的实验和分析。本文所做工作和创新如下:(1)研究了Android平台下基于层叠分类器的人脸检测算法。分析了弱分类、Adaboost强分类器、层叠分类器的思想,结合Android平台的特点,优化Haar特征,设计了Android平台下人脸检测,为后续的人脸识别奠定了基础。(2)研究了Android平台下基于Fisherface的人脸识别算法。针对Android平台的样本获取简单但实时性要求高的特点,分析了基于主成分分析和线性判别分析的Fisherface算法的思想。并增加了降低分辨率的降维方式,再将Fisherface算法移植到Android平台上进行人脸识别的研究,在对检测率影响较小的情况下减少了运算量,提高了人脸识别的效率。(3)研究了Android平台下基于局部三值增强模式特征的人脸识别算法。结合Android平台单样本条件人脸识别的需求和采集图像受光照影响较大的特点,分析了光照鲁棒性较好的局部二值模式特征和局部三值模式特征,并根据局部三值模式特征的不足,提出了一种能够更有效的描述图像均匀变化的改进方法,即局部三值增强模式特征,提高识别率。(4)研究和实现了Android平台下人脸检测和识别原型系统。结合Android平台的特点,使用层叠分类器对输入图像进行人脸检测,在样本充足时选择Fisherface算法进行人脸识别,而在单样本条件下利用局部三值模式特征进行人脸识别,并与其他一些Android平台下的人脸识别系统进行对比分析。

展开