基于Android平台人脸识别算法移植的研究

Research on Face Recognition Algorithm Transplantation Based on Android Platform

刘曦芝

高曙

计算机科学与技术学院

计算机软件与理论

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。

Android;;人脸识别;;层叠分类器;;Fisherface;;局部三值增强模式

In recent years,with the development of society and the progress of science and technology, the computer software and hardware performance rapidly increase. With the development of computer vision, pattern recognition and artificial intelligence theory and research framework, face recognition technology has become an important research direction