摘要

　　隨著(zhù)移動(dòng)互聯(lián)網(wǎng)時(shí)代的深入發(fā)展、智能終端的普及及其計算性能的大幅度提升,使得移動(dòng)終端上有著(zhù)移動(dòng)支付、手機解鎖、應用解鎖等實(shí)際應用場(chǎng)景需要的人臉識別技術(shù)應用成為可能與研發(fā)方向。

　　人臉識別技術(shù)中的一個(gè)關(guān)鍵問(wèn)題在于人臉圖像的高維度。研究學(xué)者們對這一降維問(wèn)題,提出了基于子空間的不同算法模型,而這一類(lèi)算法鮮有應用到安卓移動(dòng)終端上。

　　本文在C2DPCA算法的基礎上,通過(guò)引入Q民分解法融合了傳統PCA算法來(lái)對C2DPCA算法進(jìn)行擴展,并專(zhuān)口設計了分類(lèi)器將其移植到安卓移動(dòng)終端上,達到了識別率與耗時(shí)方面的要求。

　　本文首先綜述了國內外人臉識別技術(shù)的理論研究與應用發(fā)展的現狀,對人臉識別技術(shù)領(lǐng)域所常用的研究算法進(jìn)行分類(lèi)概括與分析、比較,指出PCAW及2DPCA等算法相較于其他算法在移植到計算資源相對受限的安卓終端上面的優(yōu)勢。然后重點(diǎn)對傳統PCA算法、2DPCA算法及C2DPCA算法應用于人臉識別進(jìn)行了分析,分別從累加特征值大小、樣本集識別率W及耗時(shí)等方面進(jìn)行對比,并通過(guò)實(shí)驗驗證闡述了其中的差異與不足之處。接下來(lái)通過(guò)引入QR分解法,將C2DPCA算法與傳統PCA算法相互融合起來(lái),設計出符合需要的特征距離度量方法,并使用最近鄰分類(lèi)器進(jìn)行識別分類(lèi)。通過(guò)通用人臉數據庫的試驗驗證,獲得了更好的識別率與較好的計算效率。最后在安卓移動(dòng)終端上設計并實(shí)現了一個(gè)W人臉識別為主要功能的安卓應用程序,基于本文所設計的算法,在安卓平臺下使用Java開(kāi)發(fā)語(yǔ)言和C語(yǔ)言及利用JNI(Java　NativeInterface)技術(shù)使用開(kāi)源計算機視覺(jué)庫Open　CV來(lái)實(shí)現,并評價(jià)其功能與性能指標。

　　通過(guò)大量研究與實(shí)驗結果表明本文所構建的算法模型在原有算法性能的基礎上,進(jìn)一步提高了人臉庫的識別性能,普遍提升了數個(gè)百分點(diǎn)且均在90%^上,并且平均人臉計算耗時(shí)提升了近一倍,有利于在移動(dòng)終端上的移植實(shí)。而在安卓手機上的運行結果表明本文算法適用于在計算資源受限的移動(dòng)設備上進(jìn)行應用實(shí)現。

　　關(guān)鍵字：2DPCA;PCA;人臉識別;最近鄰分載安卓

Abstract

　　With the ftirther development of tr6 mobile internet area, the popularity of intelligent trrminal and its significantly enhanced computing performance,The actual application scenarios such as Mobile payment,phone unlocking,application unlocking on the mobile krminal are closely linked together with the face recognition technology and become a development directio n.

　　However,a key problem in face recognition techniques lies in the high dimension of face images.Researchers put forward the model of different algorithms based on subspace on the dimension reduction problem.C2DPCA algorithm is presentrd in this paper,and on the basis of l:he introduction of QR decomposition method,The C2DPCA method is exl:ensed through tre combination of it witr traditional PCA,and Transplanting it to tre android mobile terminal to implement tre facial recognition application.The main works as follows:

　　Firstly,the paper summarized the theoretical study and practice application development and the status of Face recognition 1;echnoIogy domestic and overseas. Classify generally and analysis and compare the commonly used research algorithms in the filed of face recognition technologies,pointing out the advantages of PCA and 2DPCA variants relative to others on Transplanting to the android 1:erminal.Then,it analyzed the application of face recognition using PGy\,2DPGA_ and G2DPGi\ methods in the terms of cumulative eigenvalues,saniple set Recognition rates and time consuming in Feature extraction relatively.Through experiments and expounds the differences and deficiencies.By introducing QR decomposition method,the C2DPCA algorithm is combined with the traditional PCA algorithm to Play their respective advantages of feature extraction for face images,and using Nearest neighbor classifier to do classincation works.By the t;esting on different face databases, and got a better recognition rate and better computational efficiency.The last,designed and implementrd an android application which principally aims on facial recognition as the main features.On the android mobUe krminal.Based on the algorithm designed in this paper,On the platform using Java development language and C language and the Open source computer vision library which named opencv to implemente,and evaluate its function and performance indicators.

　　Results show that in this paper, on the basis of the original algorithm performance, to further improve the recognition performance of face 1 trrary and is conducive to the transplantation of mobile trrminal.And on 1:he android phones running results show trat this mediod is applicable to the calculation process that applied on The resources limited of mobile devices.

　　Keywords: 2DPCA;PCA;Facial Recognition;Nearest Neighbor Classifier;Android

　　伴隨著(zhù)社會(huì )生活的發(fā)展與科學(xué)技術(shù)的日益進(jìn)步,尤其是近些年來(lái)計算機、網(wǎng)絡(luò )技術(shù)、信息技術(shù)W及通信技術(shù)的蓬勃發(fā)展,人們的日常生活逐漸受其影響,變得智能化、便捷化[1]。2001年美國911恐怖襲擊事件的發(fā)生W及2013年"棱鏡"監聽(tīng)事件的曝光,讓全球范圍內的對身份認證以及信息安全方面的需要也是愈加重視和日益增多,如何快速而有效地進(jìn)斤個(gè)人的身份認證與識別,己經(jīng)成為人們所日益關(guān)注的重大社會(huì )問(wèn)題之一。而隨著(zhù)圖像處理技術(shù)、模式識別、微光電技術(shù)以及傳感技術(shù)的發(fā)展與成熟,人體生物特征作為身份識別的手段與依據,也逐步地成為國內外研究與相關(guān)應用的熱點(diǎn)。

　　生物識別技術(shù)主要根據人體行為以及生理等方面的特征來(lái)進(jìn)行識別的身份識別技術(shù)[3]。而且人體的很多這方面的特征都具有很好的被識別的特性,并且通常是唯一的和穩定的,易于用來(lái)進(jìn)行身份的鑒別工作。常見(jiàn)的生理以及行為方面的人體生物特征有W下一些:人臉、耳廓、視網(wǎng)膜、虹膜、指紋、語(yǔ)音、簽字、步態(tài)、臉部熱福射以及手型等等。

　　在上面介紹的生物學(xué)特性中,人臉特征相較于其他一些特征具有無(wú)可比擬的天然優(yōu)勢,首先,人臉易于采集,是一種非接觸式的采集,它不需要采集設備去接觸被檢測人的身體因而容易被接受,并且操作簡(jiǎn)便、易用。其他特征比如虹膜、指紋、語(yǔ)音還有手型等特征的采集需要人為的進(jìn)行干預及主動(dòng)配合進(jìn)斤。其次,人臉特征的采集設備易獲取并且設備簡(jiǎn)單、成本低廉。譬如普通的攝像頭、監控設備以及個(gè)人的智能手機都可以很好地進(jìn)行人臉的采集,并且采集的過(guò)程相當的簡(jiǎn)便。再次,人臉是一個(gè)人的身份標識中最為思而易見(jiàn)最直觀(guān)的信息來(lái)源,通過(guò)人臉我們可W很直接地辨別出人臉身份。相比于虹膜、視網(wǎng)膜、指紋、耳廓、手型等特征來(lái)說(shuō),人臉更加容易被人們所理解與接收。正是由于人臉特征所具有的得天獨厚的優(yōu)勢與特性,使得其成為了相關(guān)領(lǐng)域的研究重點(diǎn)。

　　然而,雖然人臉特征具有很好地識別條件,但是人臉是柔性的、可變的,自由化程度比其他生物特征而言較高,送就增加了人臉識別技術(shù)的不確定性。

　　人臉識別技術(shù)發(fā)展到現如今"互聯(lián)網(wǎng)+"的時(shí)代,特別是移動(dòng)互聯(lián)技術(shù)的興起,移動(dòng)支付、手機安全認證W及智能相機等實(shí)際應用場(chǎng)景的需要使得人臉識別技術(shù)逐漸進(jìn)入了智能移動(dòng)終端的領(lǐng)域。事實(shí)上,己經(jīng)有相關(guān)的企業(yè)或機構開(kāi)展了此項工作。國內諸如科大訊飛和Face++各自開(kāi)發(fā)了應用于智能手機終端的人臉識別包。微軟Oxford項目提供了人臉識別API接曰供開(kāi)發(fā)者自行構建相關(guān)應用。自從Android以及IOS兩大智能移動(dòng)終端誕生以來(lái),以此為基礎的智能終端如手機、平板電腦等開(kāi)始日益普及,并且實(shí)際上正在甚至己經(jīng)改變了人們的生活細節與生活方式。根據最新數據資料顯示,全球移動(dòng)終端用戶(hù)數量己經(jīng)超過(guò)了10億,2015年全年智能手機終端出貨量達到了　14億部,增長(cháng)近10%。智能終端其小巧易攜帶、操作簡(jiǎn)單、使用廣泛等特點(diǎn)受到了用戶(hù)的青睞,并且對傳統PC市場(chǎng)造成了有力的沖擊。一切生活事物靠一臺手機或者平板電腦來(lái)完成己經(jīng)成為了人們所追求的新穎時(shí)尚的生活方式,由此衍生出的移動(dòng)APP無(wú)論是數量還是涉及到的領(lǐng)域也出現井噴式的增長(cháng)。

　　安卓平臺人臉識別技術(shù)功能截圖演示：

Android系統框架結構

應用數據載入頁(yè)面

應用主頁(yè)面

應用側滑菜單

相機模塊預覽頁(yè)面

圖像預處理操作

特征提取、識別操作

識別結果展示

目錄

　　第1章 緒論
　　　　1.1 研究意義
　　　　1.2 人臉識別技術(shù)國內外現狀分析
　　　　　　1.2.1 研究現狀
　　　　　　1.2.2 應用現狀
　　　　1.3 主要工作概述
　　　　　　1.3.1 研究目的
　　　　　　1.3.2 研究?jì)热?br /> 　　　　　　1.3.3 組織結構
　　第2章 子空間人臉識別技術(shù)
　　　　2.1 主成分分析方法PCA
　　　　　　2.1.1 K-L變換理論
　　　　　　2.1.2 PCA人臉識別技術(shù)
　　　　2.2 二維主成分分析2DPCA
　　　　　　2.2.1 2DPCA與PCA之間的比較
　　　　　　2.2.2 2DPCA人臉識別方法
　　　　　　2.2.3 識別率的對比
　　　　2.3 其他相關(guān)方法
　　　　2.4 人臉識別方法評價(jià)指標
　　　　2.5 本章小結
　　第3章 基于交叉分組策略的C2DPGA算法
　　　　3.1 2DPCA等算法的弊端分析
　　　　　　3.1.1 較高的組內相關(guān)性
　　　　　　3.1.2 丟失PCA當中的協(xié)方差信息
　　　　　　3.1.3 相關(guān)改進(jìn)的論述
　　　　3.2 C2DPCA原理及計算方法
　　　　3.3 人臉圖像的重構計算
　　　　3.4 識別性能的提升
　　　　3.5 本章小結
　　第4章 結合C2DPCA與經(jīng)典PCA算法的人臉識別
　　　　4.1 C2DPCA與PCA算法結合的提出
　　　　4.2 引入QR分解法
　　　　　　4.2.1 Householder　矩陣變換法
　　　　　　4.2.2 QR矩陣分解
　　　　　　4.2.3 QR方法與特征值
　　　　　　4.2.4 QR方法結合
　　　　4.3 分類(lèi)器的設計
　　　　4.4 人臉庫實(shí)驗結果比較及分析
　　　　　　4.4.1 0RL人臉數據庫實(shí)驗
　　　　　　4.4.2 AR人臉數據庫實(shí)驗
　　　　　　4.4.3 PIE人臉數據庫實(shí)驗
　　　　4.5 本章小結
　　第5章 Android平臺人臉識別應用實(shí)現
　　　　5.1 Android　系統平臺
　　　　　　5.1.1 Android　系統框架
　　　　　　5.1.2 Android系統四大組件
　　　　5.2 開(kāi)發(fā)環(huán)境介紹
　　　　　　5.2.1 硬件環(huán)境
　　　　　　5.2.2 軟件環(huán)境
　　　　　　5.2.3 Android　JNI�壖夹g(shù)
　　　　　　5.2.4 Android　OpenCV　技術(shù)
　　　　5.3 應用程序設計
　　　　　　5.3.1 整體設計
　　　　　　5.3.2 功能模塊設計
　　　　5.4 應用程序運行實(shí)現與分析
　　　　　　5.4.1 運斤功能實(shí)現
　　　　　　5.4.2 運行性能指標
　　　　5.5 本章小結
　　總結與展望
　　致謝
　　參考文獻

（如您需要查看本篇畢業(yè)設計全文，請您聯(lián)系客服索取）