摘 要

近年来，互联网行业在全球范围内一直都是热门的行业。身份识别技术就是在互联网浪潮下诞生的一种技术，它除了能在保护用户在智能设备和其他互联网产品的隐私和财产安全，还能被灵活运用于各种场景来为人们的生活带来便利。

本文研究了目前最为热门的身份识别技术之一：人脸识别技术。人脸识别技术主要分为人脸检测、特征提取、人脸特征的匹配识别三大模块。在人脸检测模块中主要研究了基于Haar特征的Adaboost算法，在人脸特征提取模块主要研究了LBP与PCA相结合的算法，在人脸特征匹配识别模块主要研究了用支持向量机SVM来对人脸特征进行分类的算法。

本文在Android Studio开发环境下，利用计算机视觉函数库OpenCV等工具设计并实现了Android平台下的人脸识别登录系统，该系统分为用户注册、用户识别、管理员登录三个大模块，其中每个大模块下又分别包含了数个小模块。

关键词：人脸识别；Android；Adaboost；SVM

Abstract

In recent years, the Internet industry has been a hot industry worldwide. Identity recognition technology is a technology born under the tide of the Internet. It can not only protect users' privacy and property safety in smart devices and other Internet products, but also be flexibly applied to various scenes to bring convenience to people's lives.

This paper studies one of the most popular identification technologies: face recognition technology. Face recognition technology is mainly divided into three modules: face detection, feature extraction and face feature matching recognition. Adaboost algorithm based on Haar features is mainly studied in the face detection module, the algorithm combining LBP and PCA is mainly studied in the face feature extraction module, and the algorithm using support vector machine SVM to classify face features is mainly studied in the face feature matching recognition module.

In the Android Studio development environment, this paper designs and implements a face recognition login system based on Android platform by using tools such as computer vision function library OpenCV. The system is divided into three major modules: user registration, user recognition and administrator login, and each major module contains several small modules respectively.

Key words: face recognition; Android;Adaboost;SVM

目录

第1章 绪论 1

1.1课题研究背景、目的和意义 1

1.2国内外研究综述 2

1.2.1人脸识别技术研究综述 2

1.2.2移动端人脸识别发展综述 2

1.3课题研究内容和预期目标 2

第2章 人脸检测 4

2.1概述 4

2.2 Adaboost算法 4

2.3 Haar特征 5

2.4 基于Haar特征的Adaboost算法 6

2.4.1 弱分类器训练 6

2.4.2 强分类器级联 8

2.4.3 积分图 9

2.5 本章小结 10

第3章 特征提取 11

3.1 概述 11

3.2 局部二值模式LBP 11

3.3 主成分分析法PCA 13

3.4 本章小结 14

第4章 人脸匹配识别 15

4.1 概述 15

4.2 支持向量机 15

4.3 本章小结 18

第5章 软件系统设计实现 19

5.1 概述 19

5.2 系统流程结构 19

5.3 软件开发环境及工具 19

5.3.1 Android平台介绍 19

5.3.2 OpenCV 20

5.3.3 Android Studio 20

5.3.4 硬件平台 20

5.4 软件核心模块设计及实现 21

5.4.1 SQLite数据库 21

5.4.2 用户注册模块 22

5.4.3 用户登录模块 23

5.4.4 管理员模块 24

5.5 系统测试 26

5.5.1 功能测试 26

5.5.2 性能测试 32

第6章 总结与展望 33

参考文献 34

致谢 35

第1章 绪论

1.1课题研究背景、目的和意义

从互联网及相关科学技术的诞生开始，互联网就在不断地改变人们的生活。伴随着互联网技术和相关技术的发展革新，移动智能设备渐渐成了当今社会人们生活中的必需品之一。但是移动智能设备就像一把“双刃剑”，它能从生活中的各方面为人们带来便利，也存在着诸如用户信息泄露、个人财产被盗等极大安全隐患^[1]，近年来，由于信息泄露引发的信息安全事件屡见不鲜，这些事件都在一定程度上给社会和个人带来了损失。为了更好地享受这些信息科学技术为人们带来的便利，同时又能一定程度上预防和解决由此产生的安全隐患，移动智能设备上的身份识别技术便成为当今的重点研究对象之一。

移动智能设备上传统的身份识别技术例如手动输入数字密码解锁和在九宫格点阵上画图案解锁等解锁方式在过程较为不方便，而且用户如果为了提高密码的安全性而将密码设置得较为复杂时也容易导致用户自身会忘记密码，同时，传统的数字密码和图案密码安全性较低，一旦他人获得了这些数字密码或图案手势，这样的解锁方式是无法判断是否为机主操作的，他人容易在获取密码后输入密码盗取用户的个人财产和信息。

人脸识别技术、指纹识别技术和虹膜识别技术等新兴的身份识别技术因其使用的是生物特征来作为识别依据^[2]，因此它们相较于传统的身份识别技术来说更加简单直接，具有更好的用户体验和安全性。其中，相比于作为目前主流身份识别技术之一的指纹识别技术，人脸识别更不容易被仿造，拥有更高的安全性，同时指纹识别容易因识别区域或者识别的手指指纹处清洁不够到位而造成识别失败的现象，因此从用户体验的角度来说人脸识别也要较好于指纹识别。而相比于虹膜识别，人脸识别的成本较低^[3]。因此人脸识别技术作为现今最热门的身份识别技术之一，自然成为许多科学研究的焦点。