1．目的及意义
近年来随着人工智能相关领域的飞速崛起以及计算机视觉研究方面不断取得进展，人脸识别技术被普遍的应用于身份辨别认证区域。人脸作为人体自身所固有的生物特征，相对于传统的密码验证、身份证件验证等简易的辨别形式，其更为复杂因此便具有更佳的安全方面的优点。然而诸如光照变化、遮挡物等外界环境干预以及表情变化、姿态变化等的干扰使得人脸识别面临着一些困难和挑战。

随着网络化信息化时代的到来，传统的身份识别方式在安全方面已经逐渐显露出一些不可避免的劣势与隐患。第一类身份识别方式使用钥匙、USB key、身份证、护照等物品凭证，具有容易遗失、被他人冒用的缺点；而另一类的口令密码也可以利用一些手段被他人破解、窃取，这两种凭证安全性较差，使得冒用身份进行非法活动的犯罪持续存在。

人脸识别，亦称面部识别，其利用面部特征作为信息来源，是一种基于生物特征的身份识别技术，其属于非接触的辨别手段。人脸识别应用领域十分广泛，已经被应用在门禁系统、视频监控系统以及身份鉴定系统中，并且获得了普遍的认可。人脸识别是非常值得投入到实际的使用领域。同其他生物特征如DNA、指纹、虹膜一样，人的面部也具有唯一性，是生物的内在属性，具有个体差异性，这是人脸识别用于身份认证领域的基础，同时人脸识别也具有一些独特的优势，如成本低、非接触性、人机友好、取样方便。

人脸识别相关技术在国外研究较早，在人脸检测、人脸跟踪、面部信息提取等领域都进行了广泛深入的研究。早在1966年，美国Texas大学的Bledsoe采取手工选择人脸几何特征点的方式，开发出了能够进行半自动化的人脸面部识别系统。美国的FaceKey公司，该机构是以人脸识别技术为基础的规模较大产品覆盖广泛的公司之一，在人脸识别相关软硬件的研发方面拥有多系列的科技产物，在一些基础领域如ATM、门禁控制、人脸检索等方面都有相关产品，并且该公司先将指纹特征与面部特征融合起来进行身份检验，取得了较好的准确率。

国内人脸识别技术起步于20世纪80年代，虽然开始较晚，但进步快速，在自动化人脸识别研究上取得了不错的成绩。清华大学、中科院计算所以及百度公司、云从科技等都对人脸识别展开研究。中科院建立了针对东方人的数据库；哈尔滨工业大学将人脸识别应用到机器人上，识别人类面部表情；阿里公司采用了Face 系统用于刷脸支付。2008年北京奥运会也将这一识别手段作为安保措施，2017年广州火车站采用人脸识别技术刷脸进站，不仅节省了人力，而且在一些公众场所使用人脸识别，还能对一些犯罪嫌疑人进行布控。

人们对于人脸识别相关技术的研究已经经过数十年的时间了，在此期间不断有新的算法出现用于人脸识别领域，积累了大量的宝贵经验。然而，实际环境下进行人脸识别又是富有挑战性的，环境恶劣或存在干扰的条件下，人脸的识别也会受到巨大影响，使识别算法的识别率降低。如何改进人脸识别技术使之更接近现实的情况还有很多技术上的困难亟待完善。

{title}

2. 研究的基本内容与方案

{title} 随着软硬件的发展，Android系统内存容量、cpu核心数量等方面都有所提高，性能也越来越好。本实验在研究了人脸识别系统的基础上，以Andoid智能手机为载体实现人脸识别功能，主要包括人脸图像采集功能、人脸检测功能、人脸预处理功能、人脸注册以及人脸识别功能。

实验步骤如下：

1.Android平台及开发环境搭建。Android应用程序一般采用Java语言进行开发，因此需要安装Java运行时环境和开发所依赖的JDK。接着安装Android Studio以及Android SDK、NDK、OpenCVfor Android，以及准备一个Android手机。

2.系统实现。本次实验的人脸识别系统主要实现了人脸采集、人脸检测、人脸图像预处理、人脸注册以及人脸识别功能。具体流程为：进入界面并初始化同时打开摄像头，实时人脸检测，单击注册键采集样本进入库界面输入姓名保存到对应位置。单击识别键处理图像与已训练样本进行比对，输出比对结果。人脸数据采集模块通过调用Android摄像头进行拍摄，从而获得视频流数据。从Android前后摄像头采集到的数据首先进行肤色检测，再对肤色检测后的视频流数据采用AdaBoost算法进一步检测。人脸注册就是为了将手机采集的人脸，建立样本人脸库的过程。人脸识别则是再次采集人脸图像生成测试人脸图片，经过预处理环节提取出人脸特征，并与已经收集的样本人脸库进行匹配，判断人脸是否已经存在数据库中，如果存在该测试人脸，返回人脸的身份信息。

3. 为了验证Android平台下本系统的识别效率，在安卓手机上通过采集10人的人脸数据，并且所采集的图像均为偏转小于20度的人脸正面图像，可以有不过于明显的表情变化，不存在除眼睛以外的饰物的遮挡，在室内光照较好下测试。

3. 参考文献