与其他生物识别技术相比,人脸识别具有安全、可靠、唯一和用户认可度高的特点,用户不需要与设备接触就能被识别,具有广泛的应用场景。但是人脸识别容易受到光照、姿态、表情等因素的影响,尤其是光照条件的变化会使人脸图像发生剧烈的变化,这种变化产生的差异往往大于不同的人脸之间的差异。因此,复杂光照下的人脸识别研究具有重要的意义,是目前人脸识别领域的一个热门课题。本文主要研究基于局部二值模式(Local Binary Pattern,LBP)的光照人脸识别方法及其在Android平台的应用。人脸识别包括图像预处理、人脸检测、特征定位、特征提取和分类鉴别等。针对复杂光照条件下的人脸识别率低、实时性差等问题,本文重点研究复杂光照下的视频人脸检测算法以及基于LBP的特征提取算法,并研究将人脸识别应用到Android系统中管理用户的权限。本文的主要研究工作包括以下三个方面:(1)对现有的光照预处理算法进行研究,采用基于Retinex理论的光照不变特征提取算法对视频图像进行预处理。在此基础上改进AdaBoost人脸检测算法,用提取的光照不变特征训练AdaBoost分类器,然后用该分类器检测人脸。实验结果表明,该方法能有效改善复杂光照下的人脸检测效果。(2)本文在提取光照不变特征的基础上,提出了融合光照不变特征和原图的分块加权的LBP人脸特征提取算法,并且根据光照条件和五官分配权值。为了验证算法的有效性,本文在Windows平台构建人脸检测与识别系统。实验结果表明,该算法在复杂的光照条件下有较高的识别率和较快的识别速度。(3)本文利用Android系统的JNI机制将Windows平台实现的算法移植到Android平台。针对移动设备的隐私安全问题,本文提出人脸识别结合Android用户权限管理的新思路。设计了一个管理Android用户权限的应用,用人脸识别判断用户是管理员还是来宾,从而限制来宾的权限。