1.1 研究意义

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或者视频流，通过软件进行加工处理，与数据库里面相关数据进行比较从而获得所需信息。人脸是人类情感表达和交流的最重要、最直接的载体。通过人脸可以推断出一个人的性别、所属地域、种族等信息。甚至通过对人脸复杂而细小的变化进行分析，可以推测对方的个性和情绪状态，应用在心理学等方面的话，可以帮助心里医生更好的了解患者心里状况，提供合适的疗法。人脸识别技术对于维护国家安全和社会稳定也有相当重要的作用。通过在机场、车站、宾馆、商场等公共场所安装的摄像头，甚至是卫星拍照的相关图片，进行人脸识别分析，警察同志们可以更加简单的发现犯罪分子的踪迹，及早将犯罪分子绳之以法。人脸识别的应用可以极大程度上杜绝受控人员使用假身份从而逃脱法网。人脸识别对于我们平常生活也有一定的帮助，手机的刷脸支付，家里的刷脸锁等等，都让我们出行用各方面都变得更加方便，不用担心忘了支付密码，或是出行忘记带钥匙。而Android系统是移动设备里运用的最广的系统之一，现在大部分人都拥有一部Android系统的手机，在Android系统里进行人脸识别系统的研究无疑能极好的发挥出人脸识别系统的优势，对人类做出更多的帮助。

1.2 国内外研究现状

人脸识别系统的研究始于20世纪60年代，初始，人脸识别被当做一个一般性的模式识别问题，主流技术基于人脸的几何结构特征上。这集中体现在人们对于剪影的研究上，这一阶段人们对面部剪影曲线的结构特征提取与分析方面进行了大量的研究，重要的成果不多也没有获得实际应用。到90年代后期，人脸识别发展迅速，出现了很多经典的方法，例如Eigen Face，Fisher Face和弹性图匹配，并出现了若干商业化的人脸识别系统，例如FaceIt系统。 2D人脸图像线性子空间判别分析、统计表观模型、统计模式识别方法是这一阶段的主流技术。90年代末到现在，随着人脸识别研究不断深入，研究者不断关注真实条件下的人脸识别问题。通过不断研究现在人脸识别大致分为以下几个流程，人脸图像采集以及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

不同的人脸图像都能通过摄像图采集下来，而后通过人脸检测来在图像中准确标定出人脸的位置和大小，人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。对于人脸的图像预处理是基于人脸检测结果，系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。

目前，人脸识别技术在世界范围内得到了广泛的关注。随着计算机计算能力的加强，人识别技术发展迅猛，由于其巨大的应用前景，国内外众多大学和研究机构，如美国的CMU、MIT、UIUC大学，英国的剑桥大学，日本的Toshiba公司和国内的清华大学、中科院自动化所等单位都对人脸识别进行了广泛而深入的研究，取得了很大的进展。目前刷脸支付已经为我们日常生活所常见，在Android系统的手机里面人脸识别系统已经走向了商业化。

2. 研究的基本内容与方案

2.1:研究的基本内容与目标

对Android人脸识别系统的结构进行分析，明白实现人脸识别系统自己需要做到以下内容，人脸检测，人脸特征点提取，人脸注册，人脸匹配检测。完成以上内容后就基本上完成了系统的构建。在系统里输入一张图片，对图片进行人脸检测，相关数据分析，判断所输入的图片里面有没有人脸，假如有的话是否在数据库里面，如在数据库里面，输出相关信息，结构框图如下。

图（1）系统运行流程图

2.2：拟采用的技术方案及措施