android平台的人脸检测与识别研究
摘 要面部识别是当今计算机领域研究的热点课题，可以应用于很多领域，如单位考勤，在线支付等。基于静态图片的面部检测属于静态检测，先提取图片中人的面部区域，然后再对进行面部辨识，利用Android face-detector的检测算法先对图像进行处理，然后提取检测到的人脸面部区域，通过ASM算法将提取的面部图像转化成人脸关键点的坐标进行数据处理，以此来完成对照片的面部辨识。本文研究了基于Android的人脸识别技术，分析和对比了PCA人脸特征提取、模块匹配、面部关键点检测等常用人脸识别算法的优缺点。相比之下，面部关键点识别在识别率上明显占优，虽然在运算速度方面处于劣势，但应用前景广阔，甚至可以应用在未来的3D人脸识别中，并且随着未来手机硬件的增强，运算速度的不足可以得到相应解决。而且由Face++提供基于面部关键点检测的人脸识别SDK应用简便，识别率高。本次设计采用了Face++提供的离线检测SDK。对检测的结果中相似度一项进行调用，并为相似度设置门限值，以此来达到人脸识别的目的。
目 录
摘 要 I
ABSTRACT II
目 录 III
第1章 绪论 1
1.1 论文的研究历史背景及目的 1
1.2 国内外研究现状 1
1.3 论文的主要内容安排 2
第2章 Android系统的开发 4
2.1 Android系统架构 4
2.1.1 应用程序层 5
2.1.2应用程序框架层 5
2.1.3 系统库和Android运行时 6
2.1.4 Linux内核 6
2.2 Android程序主体架构 6
2.3 Android系统的优点 7
第3章 人脸识别及其算法 9
3.1 人脸检测与识别 9
3.2 人脸识别的难点 10
3.3 静态面部特征 10
3.3.1 灰度特征 11
3.3.2 肤色特征 11
3.4 人脸识别的常用方式 11
3.4.1 模块匹配法的人脸识别 11
3.4.2 几何特征法 12
3
*好棒文|www.hbsrm.com +Q: ^351916072*
.4.3 基于PCA的人脸特征提取 13
3.4.4 神经网络法 15
3.4.5 面部关键点检测 16
第4章 人脸识别在Android移动设备中的实现 17
4.1 程序编写的框架结构 17
4.2 图像采集模块 18
4.3 人脸图像的预处理 18
4.3.1 人脸的姿态校正 18
4.3.2 直方图均衡化 19
4.3.3 灰度拉伸 20
4.3.4 中值滤波 21
4.4 人脸识别及使用的算法ASM 21
4.4.1 点分布模型PDM建立 22
4.4.2 训练样本对齐 23
4.4.3 形状变换建模 23
4.4.4 ASM布局灰度模型构建 24
第5章 程序的测试与分析 26
5.1 面部识别程序的运行 26
5.2 面部识别结果的和软件功能分析 28
第6章 总结与展望 29
参考文献： 30
附 录 32
一、英文原文 32
二、英文翻译 35
第1章 绪论
当前，生物识别技术越来越受到大家的关注，生物识别包含人的面部，指纹掌纹，视网膜等身体部分的检测与对比。每个人的人的面部都是独一无二的，即使是双胞胎长相都不是完全一样。虽然现代医学可以改变人的面容，但还是与整容模板有小的差别。它作为众多的生物可辨识特性中的一种,它的独一无二和难以仿制是身份辨别的先决条件和良好基础，相比于其它识别方式吗，利用人类的面部进行身份识别具有如下优点：
非强制性：用户没有必要配备专门面部信息采集设备，用户可以用随身设备获取面部图像，如此的取样方法没有“强制性”；
非接触性：用户没有必要和设备有身体接触就能获取面部图像；
并发性：在现实应用的情况下可以进行若干个面部的分拣、判断及辨识；
除上述特点外，还具有以貌识人、操作简单、结果直观、隐蔽性好等特点。这使得面部辨识已成为机器视觉等研究领域研究的重要部分，也成为生物辨识领域的热门。智能终端的普及和性能的提升使得基于移动终端的面部辨识技术成为可能。
1.1 论文的研究背景及目的
本课题研究基于Android平台的面部检测和辨识技术，深入分析面部检测和面部辨识的基本方式，并针对Android系统的特点，选择合适的面部检测算法，设计在Android平台上的软件通过Android手机自带的摄像头抓取图像，检测面部位置并辨识被辨识对象的身份，要求有较高的辨识率和较小的时延。因Android操作系统的移动终端在市场中占有大部分市场且开源优于其它操作系统，因此Android平台上的开发则更加面向大众，可以被让更多的人从中受益。
1.2 国内外研究现状
早在上世纪，法国就有人开始这方面的研究了，70年代中期前，辨识的方式还是面部正面或侧面的关键点距离来度量的，由于重点使用侧脸图像上的几何特征，因此约束也较多，提取的特征数少，准确率低下。1980年开始，面部辨识等生物辨识手段才收到前所未有的重视，原因主要是商贸中安全系统中的应用需要。
海外很多大学与研究所在研究面部辨识的相关技术，涉及的领域也很广，有的从感知和心理学方向去探寻面部辨识原理的，针对传统的视觉方向进行探索的。比如世界级名校如麻省理工大学所研究的eigenface（基于KL变换的本征空间的特性提取法）[2]，南加利福尼亚大学与德国鲁尔大学合作的采用动态链接结构与弹性图像匹配方式等。
国内也有不少大学和研究所从事面部辨识研究，最出名的当属中科院计算所跟哈工大的一个联合面像实验室。该实验室在高文、陈熙林、山世光三位教授的带领下，都一直活跃在面部辨识前沿领域。除此之外还有上海交大研究的基于计算机视觉场模型的面部辨识技术，清华大学的基于KL变换的面部辨识研究等。
国内做面部辨识的公司也不少，比如北京旷视科技旗下的的face++视觉服务平台，还有百度旗下的百度云面部辨识服务。
1.3 论文的主要内容安排
本文首先说明Android平台的系统布局，Android程序的主体布局以及它的优势。然后说明了面部检测与辨识的方式与流程，以及面部辨识的常用算法，接下来就是本次研究课题的详细说明，最后是本设计的实现结果以及对课题的总结与展望。
本论文的章节安排和主要内容如下:
第一章绪论。主要说明了本文的发展背景，侧重说明了面部辨识技术的研究近况以及国际上最近的研究发现，并明确了本文的工作内容和章节安排。
第二章是对开发平台Android的介绍。首先说明Android系统的主体架构，然后说明Android编程的程序结构。
目 录
摘 要 I
ABSTRACT II
目 录 III
第1章 绪论 1
1.1 论文的研究历史背景及目的 1
1.2 国内外研究现状 1
1.3 论文的主要内容安排 2
第2章 Android系统的开发 4
2.1 Android系统架构 4
2.1.1 应用程序层 5
2.1.2应用程序框架层 5
2.1.3 系统库和Android运行时 6
2.1.4 Linux内核 6
2.2 Android程序主体架构 6
2.3 Android系统的优点 7
第3章 人脸识别及其算法 9
3.1 人脸检测与识别 9
3.2 人脸识别的难点 10
3.3 静态面部特征 10
3.3.1 灰度特征 11
3.3.2 肤色特征 11
3.4 人脸识别的常用方式 11
3.4.1 模块匹配法的人脸识别 11
3.4.2 几何特征法 12
3
*好棒文|www.hbsrm.com +Q: ^351916072*
.4.3 基于PCA的人脸特征提取 13
3.4.4 神经网络法 15
3.4.5 面部关键点检测 16
第4章 人脸识别在Android移动设备中的实现 17
4.1 程序编写的框架结构 17
4.2 图像采集模块 18
4.3 人脸图像的预处理 18
4.3.1 人脸的姿态校正 18
4.3.2 直方图均衡化 19
4.3.3 灰度拉伸 20
4.3.4 中值滤波 21
4.4 人脸识别及使用的算法ASM 21
4.4.1 点分布模型PDM建立 22
4.4.2 训练样本对齐 23
4.4.3 形状变换建模 23
4.4.4 ASM布局灰度模型构建 24
第5章 程序的测试与分析 26
5.1 面部识别程序的运行 26
5.2 面部识别结果的和软件功能分析 28
第6章 总结与展望 29
参考文献： 30
附 录 32
一、英文原文 32
二、英文翻译 35
第1章 绪论
当前，生物识别技术越来越受到大家的关注，生物识别包含人的面部，指纹掌纹，视网膜等身体部分的检测与对比。每个人的人的面部都是独一无二的，即使是双胞胎长相都不是完全一样。虽然现代医学可以改变人的面容，但还是与整容模板有小的差别。它作为众多的生物可辨识特性中的一种,它的独一无二和难以仿制是身份辨别的先决条件和良好基础，相比于其它识别方式吗，利用人类的面部进行身份识别具有如下优点：
非强制性：用户没有必要配备专门面部信息采集设备，用户可以用随身设备获取面部图像，如此的取样方法没有“强制性”；
非接触性：用户没有必要和设备有身体接触就能获取面部图像；
并发性：在现实应用的情况下可以进行若干个面部的分拣、判断及辨识；
除上述特点外，还具有以貌识人、操作简单、结果直观、隐蔽性好等特点。这使得面部辨识已成为机器视觉等研究领域研究的重要部分，也成为生物辨识领域的热门。智能终端的普及和性能的提升使得基于移动终端的面部辨识技术成为可能。
1.1 论文的研究背景及目的
本课题研究基于Android平台的面部检测和辨识技术，深入分析面部检测和面部辨识的基本方式，并针对Android系统的特点，选择合适的面部检测算法，设计在Android平台上的软件通过Android手机自带的摄像头抓取图像，检测面部位置并辨识被辨识对象的身份，要求有较高的辨识率和较小的时延。因Android操作系统的移动终端在市场中占有大部分市场且开源优于其它操作系统，因此Android平台上的开发则更加面向大众，可以被让更多的人从中受益。
1.2 国内外研究现状
早在上世纪，法国就有人开始这方面的研究了，70年代中期前，辨识的方式还是面部正面或侧面的关键点距离来度量的，由于重点使用侧脸图像上的几何特征，因此约束也较多，提取的特征数少，准确率低下。1980年开始，面部辨识等生物辨识手段才收到前所未有的重视，原因主要是商贸中安全系统中的应用需要。
海外很多大学与研究所在研究面部辨识的相关技术，涉及的领域也很广，有的从感知和心理学方向去探寻面部辨识原理的，针对传统的视觉方向进行探索的。比如世界级名校如麻省理工大学所研究的eigenface（基于KL变换的本征空间的特性提取法）[2]，南加利福尼亚大学与德国鲁尔大学合作的采用动态链接结构与弹性图像匹配方式等。
国内也有不少大学和研究所从事面部辨识研究，最出名的当属中科院计算所跟哈工大的一个联合面像实验室。该实验室在高文、陈熙林、山世光三位教授的带领下，都一直活跃在面部辨识前沿领域。除此之外还有上海交大研究的基于计算机视觉场模型的面部辨识技术，清华大学的基于KL变换的面部辨识研究等。
国内做面部辨识的公司也不少，比如北京旷视科技旗下的的face++视觉服务平台，还有百度旗下的百度云面部辨识服务。
1.3 论文的主要内容安排
本文首先说明Android平台的系统布局，Android程序的主体布局以及它的优势。然后说明了面部检测与辨识的方式与流程，以及面部辨识的常用算法，接下来就是本次研究课题的详细说明，最后是本设计的实现结果以及对课题的总结与展望。
本论文的章节安排和主要内容如下:
第一章绪论。主要说明了本文的发展背景，侧重说明了面部辨识技术的研究近况以及国际上最近的研究发现，并明确了本文的工作内容和章节安排。
第二章是对开发平台Android的介绍。首先说明Android系统的主体架构，然后说明Android编程的程序结构。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/1085.html
