摘 要

随着互联网以飞快的速度渗透进人们的生活，计算机技术已经越来越多的应用的我们的生活中。计算机图形图像技术在生活中的各个方面服务着人们。人脸跟踪与识别系统，是对人脸检测技术和人脸识别技术的应用。将其运用到Android系统之中，从而实现了通过手机摄像头识别人脸的功能。

本文首先阐述了CamShift运动跟踪算法、人脸检测Haar分类器、人脸识别LBP算法的相关内容，然后根据实际的Android开发内容编写了需求报告。最后对系统如何实现进行了论述，首先通过Android中Camera相关类获取视频流的一帧，然后使用Haar分类器进行人脸检测，获取人脸矩阵信息。对录入的人脸进行训练后再使用LBP算法进行人脸识别，最后在屏幕上绘制出人脸的矩阵与识别出的人的姓名。如此循环，从而实现了对视频流的人脸识别。

关键词：人脸识别；CamShift；haar分类器；LBP算法；Android

Abstract

With the increasing penetration of the Internet into people's lives, computer technology has been more and more used in our lives.The computer graphics technology is more and more used in our life.Face tracking and recognition system,related to face recognition and face detection.As it applied to Android system,enabling moblile phone camera face recognition function.

The paper describes the CamShift motion tracking algorithm,the face detection Haar classifier,the content LBP face recognition algorithm,and then write a report based on the actual needs of the Android development content.Get through the first JavaCV Camera Class a video stream,and then use the Haar classifier for face detection,face matrix to obtain information.On the entry face training before using LBP face recognition algorithm,and finally draw the human face of the matrix and identified the person’s name on the screen.In the next frame,then the above operations,in order to achieve the recognition of the video stream.

keywords：face recognition;CamShift algorithm;Haar classifier;LBP algorithm;Android

目录

第1章 绪论 1

1.1 视频中人脸识别系统的研究背景及国内外研究现状 1

1.2 基于Android平台视频人脸识别系统研究目的及意义 2

1.3 基于Android平台视频人脸识别系统研究内容及目标 2

1.4 论文组织结构 2

第2章 相关技术及开发工具简介 4

2.1 运动跟踪技术 4

2.2 人脸检测与识别技术 4

2.3 其他开发技术 5

第3章 人脸跟踪与识别需求分析 6

3.1 功能需求 6

3.1.1 运动跟踪模块 6

3.1.2 人脸样本获取模块 6

3.1.3 视频流中单帧图像获取模块 7

3.1.4 人脸检测功能需求 8

3.1.5 人脸识别功能需求 8

3.2 非功能需求 8

第4章 算法分析 9

4.1 人脸检测Haar分类器 9

4.1.1 Haar-Like特征 9

4.1.2 AdaBoost 10

4.1.3 积分图 11

4.2 LBP算法 12

第5章 系统实现 14

5.1 系统总体结构 14

5.2 运动跟踪实现 15

5.3 视频预览实现 15

5.4 人脸检测实现 17

5.5 人脸识别实现 18

5.5.1人脸识别流程 18

5.6 关键问题及解决方法 20

5.6.1摄像头预览部分 20

5.6.2人脸识别部分 20

第6章 总结与展望 21

参考文献 22

致谢 23

第1章 绪论

1.1 视频中人脸识别系统的研究背景及国内外研究现状

在最近10年中，计算机科学技术取得了巨大的发展。在很多行业中，对人员进行的信息进行确认与身份的辨别的需求越来越大。例如设置摄像头监控地铁，火车站等人流量大的地方，来追踪可能存在的罪犯。在人脸识别还没有发展起来时这些任务都是由人工完成的，消耗了大量的人力和时间。例如：在银行取钱时，银行需要对取钱的用户进行人脸识别，判断其是否是本人。

人脸识别技术首先提取人脸的特征，通过这些特征，与训练好的样本进行对比，从而进行身份验证。人脸特征与人身上其他的特征一样，例如指纹和虹膜，都具有唯一性和不容易被伪造的特性，这是可以用来作为身份鉴别的前提。

在早期，人脸识别技术有很大的局限性，只能对拥有单一背景的正面灰度图像进行识别。在之后一段时间内，人脸识别技术愈加成熟。但是还是存在着很多的问题，比如在复杂的背景下，系统很难识别出其中的人脸，跟踪也存在比较大的问题。^[2]人脸识别技术是一个融合了多种学科的技术，因此对研究人员有非常高的要求。环境和人脸状态都有很大的不确定性，在环境方面，光照和图像采集工具会对采集到的图像有比较大的影响，而人脸本身由于表情，身体姿态和脸上戴的物件的不同，也会影响人脸识别的正确率。

第一个半自动化的人脸识别系统在1965年被创建。人脸特征点的间距和比率等特征是这个人脸识别系统的依据。这种思想也成为之后一段时间的主流。它的特点有：①拆分人脸来进行特征识别。这是一种很直观的方法，对人脸图像有很高的要求。如果人脸图像中的人脸不是正面照或者表情有变化的话识别率就会很低。②人脸识别对环境有非常高的要求。通常在单一背景下，人脸的位置和大小等信息非常容易获得，相反，在复杂的背景下，人脸的位置非常难获得。人脸识别由于这个原因，在当时并没有被应用到现实场景当中^[3]。

从1964年之后的26年是人脸识别的第一个阶段。在这段时间内主要使用的人脸识别方法是基于人脸几何特征的方法。