目前在移动平台上出现的增强现实应用大都是基于传感器的特性来实现的，例如GPS和电子罗盘传感器。然而，由于GPS和电子罗盘等传感器容易受到干扰而变得不稳定，并且某些传感器的精度达不到实时追踪的精度要求，因此基于这种方法开发的应用在稳定性和准确性方面有很大的缺陷。而随着手机硬件水平的逐渐提高，使用视觉追踪技术的条件逐渐成熟，在众多视觉跟踪技术中，尤其以人脸跟踪识别技术应用最为广泛。因此本课题重点研究在Android平台上使用人脸跟踪识别技术研发增强现实系统的关键性问题。主要的研究工作如下：一、研究满足Android平台性能要求的人脸跟踪算法。对PC上常用的跟踪算法进行研究后发现：Camshift算法具有cpu占有率低，不受跟踪目标形状和大小的影响等优势，满足移动平台对资源、时延的要求，因此我们采用此算法进行人脸跟踪，并针对其效率和准确性等问题在Android平台上进行改进。针对Android平台的性能要求，改进了原有的迭代过程，在迭代时只对上一帧搜索结果的附近区域进行搜索，进一步降低了算法时延；由于Camshift算法容易受相近颜色干扰，因此使用更新搜索窗口的方法增强算法的抗干扰性；然后结合相应的人脸检测算法，实现了跟踪算法的自动初始化。最后对算法进行测试，测试结果表明，该算法跟踪效果稳定，能够满足Android平台增强现实应用的需要。二、研究适用于Android平台的人脸识别算法。本文通过对基于LBP的人脸识别算法的研究，结合手机在使用摄像头时出现的光照、背景多变性等问题，提出了Android平台上基于LBP的人脸识别算法。该算法针对手机摄像头拍摄图像时光照的影响问题，采用直方图均衡化的方法对图像进行去光照；针对手机拍摄图像的噪声干扰问题，采用高斯滤波进行降噪处理，使得算法在准确率和时延方面满足了Android平台的需求。最后通过在Android平台上进行的测试表明，算法能满足预期要求，可以用于在Android平台实现增强现实应用。三、根据人脸的跟踪识别结果，研究虚拟物体的注册方法。采用基于特征三角的方法估计人脸的姿态，通过姿态信息确定虚拟物体相对手机摄像头的具体位置和方向信息，再进行绘制，从而完成虚拟物体的注册过程。四、结合以上研究工作，基于Android平台、采用基于Camshift的人脸跟踪和基于LBP的人脸识别算法设计和实现了一款增强现实软件Augmented Face。软件在使用Google原生系统的Galaxy nexus等机型上运行正常，表现良好，表明软件设计性能良好，验证了算法的正确性和性能。