Android環(huán)境下基于人臉識別的手機解鎖技術(shù)研究與軟件開發(fā).pdf

1、近年來，隨著互聯(lián)網(wǎng)技術(shù)和移動智能終端的迅速發(fā)展，手機上涉及個人隱私方面的應用越來越多，信息安全問題也日益突出。在眾多生物特征識別技術(shù)中，人臉識別具有自然性、方便性和非接觸性等特點，使其成為身份驗證技術(shù)領(lǐng)域中的應用熱點。由于手機使用者所處環(huán)境的隨機性，人臉識別手機解鎖系統(tǒng)獲取到的入臉圖像往往受到光照和復雜背景等因素的影響，而且手機自身在存儲和運算能力等方面也有一定的性能局限性。本文是針對Android手機使用者進行的基于人臉識別的解鎖技術(shù)

2、研究和軟件開發(fā)，主要的研究內(nèi)容如下:
　　(1)人臉檢測算法的研究。本文研究了基于YCrCb顏色空間的膚色人臉檢測算法和基于Haar特征的Adaboost人臉檢測算法，在進行詳細的分析比較后將兩個算法相結(jié)合形成一個新的人臉檢測方法。該方法先建立膚色模型對膚色進行過濾以降低膚色對光照變化的敏感程度，然后采用Adaboost算法訓練出弱分類器，并在這基礎(chǔ)上進行進一步的訓練及選取，從而構(gòu)成強分類器，最后將分類器級聯(lián)用于人臉檢測。實驗表明

3、，該算法對于處于光照變化和復雜背景下的人臉圖像具有更好的檢測效果。
　　(2)人臉圖像特征提取算法的研究。首先對傳統(tǒng)的PCA和LDA特征提取方法的基本原理進行分析后，研究了將兩者結(jié)合的PCA+LDA兩階段法。該方法解決了PCA樣本不完全可分問題以及LDA類內(nèi)散度矩陣奇異問題。但是上述方法不能解決人臉圖像處理中因光照、表情等因素造成的類判別不確定的問題，針對此問題進一步研究了基于模糊線性判別分析的人臉特征提取方法。該算法先采用PCA

4、方法將高維信息進行降維并進行初次特征提取，然后計算類別隸屬程度，最后采用LDA方法進行人臉圖像的二次特征提取，實驗表明，該算法提取到的人臉特征對最終的人臉識別有較好的效果。
　　(3)人臉識別算法研究。在分析了最近鄰分類器(NN)以及支持向量機（SVM）分類器算法的基本原理后，在此基礎(chǔ)上研究了將兩者相結(jié)合的一種新的分類器方法(NN-SVM)，該方法先使用最近鄰算法進行第一次處理，接著再采用支持向量機算法進行精確分類。通過實驗驗證了