基于2DPCA的安卓平臺人臉識別技術(shù)研究.pdf

1、隨著移動互聯(lián)網(wǎng)時代的深入發(fā)展、智能終端的普及及其計算性能的大幅度提升，使得移動終端上有著移動支付、手機解鎖、應(yīng)用解鎖等實際應(yīng)用場景需要的人臉識別技術(shù)應(yīng)用成為可能與研發(fā)方向。
　　人臉識別技術(shù)中的一個關(guān)鍵問題在于人臉圖像的高維度。研究學(xué)者們對這一降維問題，提出了基于子空間的不同算法模型，而這一類算法鮮有應(yīng)用到安卓移動終端上。本文在C2DPCA算法的基礎(chǔ)上，通過引入QR分解法融合了傳統(tǒng)PCA算法來對C2DPCA算法進行擴展，并專門設(shè)計

2、了分類器將其移植到安卓移動終端上，達到了識別率與耗時方面的要求。
　　本文首先綜述了國內(nèi)外人臉識別技術(shù)的理論研究與應(yīng)用發(fā)展的現(xiàn)狀，對人臉識別技術(shù)領(lǐng)域所常用的研究算法進行分類概括與分析、比較，指出PCA以及2DPCA等算法相較于其他算法在移植到計算資源相對受限的安卓終端上面的優(yōu)勢。然后重點對傳統(tǒng)PCA算法、2DPCA算法以及C2DPCA算法應(yīng)用于人臉識別進行了分析，分別從累加特征值大小、樣本集識別率以及耗時等方面進行對比，并通過實驗

3、驗證闡述了其中的差異與不足之處。接下來通過引入QR分解法，將C2DPCA算法與傳統(tǒng)PCA算法相互融合起來，設(shè)計出符合需要的特征距離度量方法，并使用最近鄰分類器進行識別分類。通過通用人臉數(shù)據(jù)庫的試驗驗證，獲得了更好的識別率與較好的計算效率。最后在安卓移動終端上設(shè)計并實現(xiàn)了一個以人臉識別為主要功能的安卓應(yīng)用程序，基于本文所設(shè)計的算法，在安卓平臺下使用Java開發(fā)語言和C語言以及利用JNI(Java NativeInterface)技術(shù)使用開