论文部分内容阅读
随着移动互联网技术的不断发展,移动设备得到了普及。同时,由于移动设备智能化和硬件水平的逐步提高,使得基于移动设备的应用层出不穷,而且很多应用已经涉及到人们的个人隐私、财产。因此,如何实现移动设备的信息安全保护成为了一道亟待解决的社会性难题。人脸识别作为一种有效、方便的身份鉴别技术,经过多年来的发展,已经比较成熟。但是,以往人脸识别技术的研究主要在PC端进行,而基于移动设备的人脸识别还并没有得到很好的实现。与此同时,作为目前最为流行的移动设备操作系统,Android系统因为其开放源代码,应用开发较为方便,使得基于Android平台的人脸识别系统的研究受到了国内外学者的广泛关注。本文结合人脸检测和识别相关理论知识的研究,搭建基于Android平台的人脸识别系统,主要完成以下工作:(1)为了解决传统肤色分割方法由于阈值的选择固定不变,导致其在受到光照、阴影等因素的干扰下,容易出现误分、漏分现象,提出一种自适应肤色分割的方法。通过最大类间方差法(OTSU)自适应调整阈值,使肤色分割更为精确,并仅对分割后的区域采用Adaboost算法进行人脸检测。这种将自适应肤色分割与Adaboost相结合的人脸检测方法,更加精确了人脸预估位置,对Android平台摄像头采集过程中存在的光照、阴影等影响具有一定的抗干扰能力。同时,由于缩小了Adaboost算法所要遍历的范围,使得检测时间得到了降低,也提高了检测的精度,能够满足Android平台下实时性和准确性的要求。(2)为了减少Shearlet变换在提取特征数据时存在的冗余信息,以及无法对全局特征进行稀疏表征的缺点,提出一种Shearlet多方向特征融合与加权直方图的人脸识别算法。通过对Shearlet变换得到多尺度多方向的人脸特征进行编码融合,并将融合后的尺度图像进行分块加权级联,可以显著提高人脸识别效果。(3)为了解决稀疏表征分类器只有在训练样本足够多时才会对特征变化不敏感的缺点,提出一种Shearlet自适应加权融合特征的稀疏表征人脸识别算法。该算法利用加权融合的Shearlet特征构造字典,对光照、表情、姿态以及局部形变等影响拥有较好的鲁棒性。(4)开发基于Android平台的人脸识别系统,包括系统开发工具的选择、开发环境的搭建以及系统各功能模块的设计,为以后进一步研究基于Android平台人脸检测和识别算法奠定基础。