人脸识别是模式识别的热门研究领域,也是生物特征识别的热门技术,目前,部分相关产品已经应用于商业活动中。近几年移动智能设备迅速增长,尤其是以Android系统为主的移动设备随处可见,移动设备的人脸识别研究也随着智能移动设备的发展而兴起,移动端人脸识别的最大困难在于处理器的计算能力比较弱,而且移动设备一般需要实时识别,所以PC端的算法基本不适用于移动设备。本文的主要研究工作就是提出一个在移动平台上的实时人脸识别解决方案,具体的工作有以下几个方面:(1)针对移动设备的特性和目前应用于移动设备的人脸识别算法识别率偏低问题,提出了一种基于视频关键帧的多姿态人脸识别方法,视频包含丰富的人脸信息,能够获取不同光照和姿态的人脸图像,所以能够有效提高识别率。而视频中可以充分利用用户的多姿态图像,对人脸识别结果进行辅助确认,从而保证较好的准确率,结合多姿态能够有效防止使用照片欺骗的行为。(2)分析了常用人脸检测方法,采用基于Adaboost的方法在视频流中进行人脸检测。本文采用间隔帧的方法进行人脸检测与识别,确定一个适当的间隔帧数,使得识别率在保持较好情况下,减少尽量多的计算帧数。人脸检测采用眼睛、鼻子、嘴巴依次确认的方式进行人脸图像筛选,自适应调整搜索尺度,能够加快检测速度,同时有效排除不合格人脸图像。而人脸跟踪则通过跟踪眼球的方式来确定人脸位置,同时有利于下一帧的眼球定位。(3)在研究人脸识别常用特征点定位与提取方法的基础上,提出一种结合几何特征与局部细节特征的验证方案。该方案在人脸检测筛选得到的关键帧上进行识别验证。首先进行几何特征匹配,利用移动设备自身图像清晰、用户配合的优势进行几何特征的快速定位与提取,然后由改进的模板匹配算法进行细节特征模板匹配,弥补几何特征丢失细节特征的缺点。(4)在移动设备上进行了相关实验,验证了本文提出方案和算法的有效性。实验结果显示本文方案和算法在识别率和实时性上都有提高,有实际应用价值。