一种基于Android平台的人脸识别系统及设计方法技术方案

本发明专利技术涉及一种基于Android平台的人脸识别系统及设计方法，本系统采用基于Adaboost的算法检测人脸，基于LDP的特征脸算法实现特征提取和特征识别，选择OpenCV计算机视觉库来实现人脸检测和人脸识别，通过JNI调用本地OpenCV代码实现Android平台的人脸识别系统。

A Face Recognition System and Design Method Based on Android Platform

【技术实现步骤摘要】
一种基于Android平台的人脸识别系统及设计方法
本专利技术涉及信息化领域，具体涉及一种基于Android平台的人脸识别系统及设计方法。
技术介绍
信息安全越来越受到人们关注，身份验证和识别技术成为众人瞩目的焦点，生物特征识别技术和人工智能技术不断更新发展，其中，人脸识别技术因具有并发性、非接触性、非强制性、操作简单等特点，被越来越广泛地运用到各个领域中。Android系统是目前移动设备的主流操作系统之一，在移动操作系统市场份额中占据了主导地位。随着人们在移动领域信息安全意识的提高，在移动平台上进行人脸识别具有广阔的发展前景，同时也面临诸多挑战。本专利技术结合Android移动终端的特点，研究基于Android的人脸识别系统的实现，更好地满足移动领域信息安全方面的市场需求。专利技术专利内容一种基于Android平台的人脸识别系统及设计方法，其特征在于，本系统采用基于Adaboost的算法检测人脸，基于LDP的特征脸算法实现特征提取和特征识别，选择OpenCV计算机视觉库来实现人脸检测和人脸识别，通过JNI调用本地OpenCV代码实现Android平台的人脸识别系统。具体实施方式一种基于Android平台的人脸识别系统及设计方法，其特征在于，本系统采用基于Adaboost的算法检测人脸，基于LDP的特征脸算法实现特征提取和特征识别，选择OpenCV计算机视觉库来实现人脸检测和人脸识别，通过JNI调用本地OpenCV代码实现Android平台的人脸识别系统。进一步的，人脸识别技术是一种基于生理特征的识别技术，通过计算机提取人脸特征，并根据这些特征进行身份验证的一种技术。广义的人脸识别过程包括人脸图像采集及预处理、人脸检测与特征提取和人脸的对比与识别三大部分。进一步的，本系统选择基于LDP的特征脸算法实现人脸特征提取与特征识别。进一步的，图像预处理，首先定位人眼。为了提高定位效率，先确定人眼在人脸图像中的大概位置，然后基于这个大致的范围，采用灰度积分投影和灰度差分积分投影相结合的方法精确定位人眼：M（y）=kphori（y）-Dhori（y），其中，k为系数，Kphori（y）为灰度积分投影，Dhori（y）为灰度差分积分投影。其次是脸部图像的几何变换和剪裁，根据所检测到的人眼位置，通过图像旋转、剪裁、缩放等手段，使得脸部图像中人眼是对齐的且不包含背景、额头、耳朵和下巴，并将处理后的脸部图像缩放到70×70固定大小。再次是分离直方图均衡，这个过程能够使得每一个脸部图像都具有相同的对比度以及亮度。最后是图像平滑，图像平滑能够有效地减少图像的噪声。进一步的，人脸检测，自适应增强（adaptiveboosting，AdaBoost）是一种需要监督的机器学习算法。特征选取和特征计算决定了AdaBoost算法的运行速度。Viola等人提出了基于Haar特征的AdaBoost人脸检测算法。本文使用Haar特征进行特征提取。基于特征的检测能对选定区域的状态进行编码。矩形特征是对输入图像使用矩形进行提取特征。Haar特征是一些由黑白矩形组成的特征，脸部的一些特性可以用矩形特征简单地描述，矩形特征值是两个不同的矩形区域像素和之差。如果图像特征表示眼睛的颜色比脸颊上端的颜色深。可以用特征值来编码特征，特征值定义为：V=Sum黑-Sum白，其中，Sum黑、Sum白分别表示黑色和白色矩形覆盖区域的像素和。使用Viola等人提出的积分图像的概念，可加快矩形特征的计算速度。进而计算出Haar特征的特征值，定义积分图中位置（x，y）处的值为待测图像位置（x，y）处的上方和左侧所有像素之和。S（x，y）=s（x，y−1）+i（x，y），C（x，y）=c（x−1，y）+s（x，y），其中，c（x，y）为积分图在（x，y）点处的值，i（x，y）为原图像素点（x，y）处的灰度值，s（x，y）表示一行灰度值的累加和。初始时s（x，-1）=0，c（-1，y）=0。弱分类器对正负样本分类的准确率应大于1/2，这样训练算法最终收敛。一个弱分类器h（x，f，p，θ）：其中1表示人脸，0表示非人脸。计算在每个特征f下的所有样本特征值，并进行排序。然后扫描一遍排好序的特征值，从而确定特征f的一个最后阈值，最终训练成一个弱分类器。所有迭代得到的弱分类器，并按照—定的权值叠加起来，得到一个强分类器。将多个强分类器连接起来，得到Adaboost级联分类器。进一步的，Android平台上的人脸检测与识别系统主要由图像采集模块、人脸图像预处理模块、人脸检测模块、人脸注册模块和人脸识别模块等共五个模块组成。进一步的，图像采集模块：利用Android平台摄像头进行图像采集，调用Opencv库，实现调用摄像头、对拍摄的物体进行自动对焦、连续拍照等功能，快速获取图像帧的信息。进一步的，人脸图像预处理模块：对采集到的图像帧进行光照补偿、滤波去噪处理和几何归一化的处理等处理。进一步的，人脸检测模块：经预处理的图像采用Adaboost人脸检测方法获取人脸，并对裁剪出的人脸图像进行标记。进一步的，人脸注册模块：经过训练后可以输入姓名，然后可连续录制十张照片，并按照人脸检测中的步骤提取出10张人脸照片保存到SD卡中，将人脸姓名和编号按顺序写入faceN.txt文件中。进一步的，人脸识别模块：根据测试者人脸图像计算人脸LDP特征，得到识别结果。如果测试者的人脸特征在我们设置的阈值的内则，输出识别人脸的姓名，否则提示人脸库中无此人，请摆正人脸配合识别。进一步的，本系统使用了Adaboost人脸检测算法和基于LDP特征脸的人脸识别算法，采用OpenCV视觉开源库在Android平台上加以实现。以上所述仅为本专利技术专利的较佳实施例而已，并不用以限制本专利技术专利，凡在本专利技术专利的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本专利技术专利的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于Android平台的人脸识别系统及设计方法，其特征在于，本系统采用基于Adaboost的算法检测人脸，基于LDP的特征脸算法实现特征提取和特征识别，选择OpenCV计算机视觉库来实现人脸检测和人脸识别，通过JNI调用本地OpenCV代码实现Android平台的人脸识别系统。

【技术特征摘要】
1.一种基于Android平台的人脸识别系统及设计方法，其特征在于，本系统采用基于Adaboost的算法检测人脸，基于LDP的特征脸算法实现特征提取和特征识别，选择OpenCV计算机视觉库来实现人脸检测和人脸识别，通过JNI调用本地OpenCV代码实现Android平台的人脸识别系统。2.根据权利要求1所述的一种基于Android平台的人脸识别系统及设计方法，其特征在于，本系统选择基于LDP的特征脸算法实现人脸特征提取与特征识别。3.根据权利要求1所述的一种基于Android平台的人脸识别系统及设计方法，其特征在于，本系统主要由图像采集模块、人脸图像预处理模块、人脸检测模块、人脸注册模块和人脸识别模块等共五个模块组成。4.根据权利要求1所述的一种基于Android平台的人脸识别系统及设计方法，其特征在于，图像采集模块：利用Android平台摄像头进行图像采集，调用Opencv库，实现调用摄像头、对拍摄的物体进行自动对焦、连续拍照等功能，快速获取图像帧的信息。5.根据权利要求1所述的一种基于Android平台的人脸识别系统...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：长沙曙通信息科技有限公司，
类型：发明
国别省市：湖南,43