概要：
随着移动互联网和人工智能技术的发展，基于个人特征的生物识别技术已经取代传统的认证方式，并成为大势所趋。 人脸识别是生物识别技术的重要组成部分，具有其他生物识别技术所不具备的独特优势。 本文主要对安卓平台上基于人脸识别的认证系统进行了设计与实现。 本文的主要工作总结在以下：1。 对原图像预处理算法进行了介绍和研究。 首先，对拍摄的图像进行灰度归一化操作，提高图像对比度，使不同拍摄条件下拍摄的同一个人的图像一致。 然后，对灰度后的图像进行直方图的平均化操作，根据其作用将图像进行非线性拉伸，重新分布图像的灰度值，扩展像素数多的灰度等级，压缩像素数少的灰度等级，提高了对比度和灰度的变化。 最后的预处理工作是对图像进行滤镜操作，去除杂色。 介绍了Adaboost人脸检测算法的概念，并介绍了特征提取算法。 对人脸区域进行特征提取可以有效降低人脸图像的维数，提高下一分类器分类识别的效率和准确率。 这里重点介绍了基于PCA的特征提取算法，详细阐述了PCA特征提取的几个过程。 3 .对人脸识别的概念和分类算法进行了介绍，重点介绍了几种常见的机器学习分类器算法的概念和原理。 重点研究了最近邻分类器算法和支持向量机分类器算法。 分析了人脸识别系统的使用场景，通过尽量提高人脸识别精度，提出了一种基于最近邻算法(KNN )和支持向量机算法)相结合的分类器算法。 在某些公共数据集上进行的测试结果显示，与单独使用最近邻算法或支持向量机算法相比，这种组合分类器算法在面部识别的精度和性能方面具有更好的优势。 整个认证系统在Android平台上的实现。 在进行系统需求分析后，根据Android系统的特点进行了系统框架的构建。 主要应用Android SDK实现了接口和摄像头采集图像的工作，使用c语言和OpenCV库实现了图像处理的算法，并用JNI和Android NDK将两者结合起来，构成了完整的系统。
展开