论文总字数：23856字

摘 要

与其他的生物识别方法相比，人脸识别具有很多独一无二的优点，比如无接触，安全以及方便等。人脸识别的应用在现实生活中非常广泛，比如，人机交互，快捷支付，智能报警等。因此，人脸识别越来越多地成为研究人员所关注的热门话题之一。

本文主要对于人脸识别中的一些关键环节进行深入研究，并借由Android这个开放的平台实现了人脸识别系统，本文主要的研究内容和成果如下：

⒈研究了Haar函数及Haar变换以及人脸Haar特征抽取，人脸类Haar特征快速算法。

⒉对比分类器效率后，采用可以处理庞大特征分类的Adaboost快速分类器训练方法进行人脸训练，理论上训练成功率在99%以上。

⒊采用瞳孔定位算法，首先将色度空间过渡到标准色度空间，然后利用直方图进行线性均衡，接着自适应阈值，平滑处理，最后进行椭圆拟合，从而实现对人脸的归一化处理。

⒋本课题实现了在安卓平台上的人脸识别，经过测试，对于光照，表情，姿态的鲁棒性较强，人脸识别率达到95%以上。

关键词： Haar变换 Adaboost分类器 瞳孔定位算法 人脸归一化

The Development of Face Recognition System Based on Android

Abstract

Compared with other biological recognition, face-recognition has a lot of advantage. Face-recognition has widely used in human-computer interaction, online transaction certification, and smart protection program. As a result, face-recognition has become a popular debate in the school and corporation.

The text pay attention to the key question in the face-recognition, and achieve face-recognition based on android. Some important research are written on the list:

Researching Haar faction and Haar switch and face-recognition Haar feature abstract, face class Haar feature algorithm.

Compared with effect of classifier, I have developed the Adaboost algorithm which is able to deal with mass feature classifier. In theory, the rate of success is more than 99%.

Adopting the Iris location algorithm, First, we translate the color space to a standard color space, Then using histogram equalization, adapt threshold, smoothing, Finally, ellipse fitting, so we achieve normalization of face.

The procedure has realized face-recognition based on android platform. After testing, the application has a not bad robust with the rate of 95%.

Key Words: Haar switch Adaboost classifier Iris location algorithm Normalization of face

目录

摘要 I

Abstract II

第一章 引言 1

1.1研究背景 1

1.2研究现状及意义 1

1.2.1人脸识别发展 2

1.2.2人脸识别在手机平台上的发展 4

1.3 Android平台 5

第二章 人脸检测 8

2.1基于特征的检测方法 8

2.2基于肤色检测的方法 8

2.3基于模板匹配的方法 9

2.4基于外观统计学习的方法 10

2.5实时人脸检测的转折点 11

第三章 人脸识别 14

3.1人脸归一化与姿态校正 14

3.1.1人眼检测分类器 15

3.1.2瞳孔定位算法 15

3.1.3人脸姿态校正 16

3.2支持向量机及其训练 17

3.2.1一类对余类策略 17

3.2.2配对分类策略 17

3.2.3有向非循环图图分类策略 18

3.3基于A-LDA分析和SVM的人脸识别（A-SVM） 19

第四章 基于Android的人脸识别系统设计 21

4.1系统说明 21

4.1.1系统概述 21

4.1.2系统关键部分说明 25

4.2 Haar函数及Haar变换 28

4.2.1 Haar函数系定义 28

4.2.2 Haar变换 28

4.2.3人脸Haar特征抽取 29

4.3人脸类Haar特征快速算法 30

4.4 AdaBoost级联分类器 31

4.4.1弱分类器 31

4.4.2强分类器 32

4.4.3级联强分类器 34

4.5实验结果分析 35

第五章 总结与展望 36

5.1结论 36

5.2下一步工作机展望 36

参考文献 38

致谢 40

第一章 引言

1.1研究背景

在我们的生活中，手机渐渐成了必需品，对于一些基本应用，比如打电话和发短信，手机早就已经不再局限与这些了。自从新世纪以来，尤其是安卓，苹果的诞生，使得原本就发展很迅速的移动设备出现了让人不可思议的飞跃，不仅仅提高了性能，而且依赖于这些平台的应用的数量也是惊人的猛增。当然了，我们在使用这些应用时，应当注意到的是我们的个人隐私，因为这个东西与我们的生活息息相关，不容忽视。

对于安全这个很严肃的问题，而且在手机上，我觉得应该从两方面考虑，第一方面就是个人隐私保护，当然这并不是说另一方面不重要，恰恰相反，这两方面同样重要，第二方面就是我们所谓的远程个人认证。加入我们的手机丢失，财务上损失我想这绝不是它所能仅仅带来的，此外，我们可能会发现这其中就包含了很多安全隐患，比如说诈骗或者说我们的某些信息会遭到窥探等。于是乎，要想杜绝这种状况，减少风险，一个行之有效的方法就是是手机的安全保护更加犀利，不至于那么容易就被攻破。

目前，我们大多数的安全措施都是采取密码的方式进行验证，这不是说有什么不好，只是它有着两方面很明显的不足之处：首先，我们不能确保会牢记，另一方面，密码这种方式很容易就被破解，而现在比较流行的生物识别技术，这种技术采用了生理特征这样的技术来进行身份验证。像是无接触之类的优点，这增加了用户友好性，隐蔽性这个优点这要是不会让用户感到有种被侵犯的感觉，可以在不知不觉中进行。它具有广阔的应用空间，比如电脑登陆，银行安防等，安卓设备上利用此技术主要能够解决我们的手机的安全问题，当然，这样就更加安全同时，用户体验也大大提高。

1.2研究现状及意义

人脸识别具体说来就是用图像获取设备简单说来就是摄像机捕捉图像，然后从中检测出人脸所在的位置将其标注出来，最后把检测出的人脸和人脸库进行比对，给出识别结果。具体的处理过程如图1-1所示。在提到人脸识别前，不能忘了这个人脸检测，这是人脸识别中至关重要的一步，非常重要。我们需要说明的是这当中的每个子过程不像我们想象的那样，因为他们之间相互联系，相互依赖，前一步的结论对于后一步有着很大的影响，比如，特征识别的好坏取决于特征提取的好坏等。

请支付后下载全文，论文总字数：23856字