概述：
随着社会的发展和科学技术的进步近年来计算机软硬件性能迅速提高随着计算机视觉技术、模式识别及人工智能理论与研究框架的不断发展，人脸识别技术已经成为科研人员关注的重要研究方向。 同时，科技的进步推动了移动终端的长足发展，与最初阶段相比，移动性、计算性和存储性能都有了很大的提高。 研究传统的人脸检测与识别算法，结合安卓平台的特点，选择合适的算法进行改进后移植，可以促进安卓平台人脸识别APP应用的发展。 在Android平台上进行脸部识别的APP应用可以更简单、更快速地进行识别和认证。 本文对现有的人脸检测和人脸识别算法进行了深入的学习和研究，结合安卓平台的特点，对其中的部分方法进行了改进，使其更适应安卓平台，并进行了相应的实验和分析。 本文所做的工作和创新在以下：(1)中研究了安卓平台下基于层叠分类器的人脸检测算法。 分析了弱分类、Adaboost强分类器、层叠分类器的思想，结合安卓平台的特点，优化了Haar的特点，设计了安卓平台人脸检测，为后续的人脸识别奠定了基础。 )2)研究了安卓平台下基于Fisherface的人脸识别算法。 针对安卓平台采样简单但要求实时性的特点，分析了基于主成分分析和线性判别分析的Fisherface算法思想。 同时，增加了降低分辨率的降维方式，将Fisherface算法移植到安卓平台进行人脸识别的研究，在对检测率影响较小的情况下减少了运算量，提高了人脸识别的效率。 (3)研究了安卓平台下基于局部三值增强模式特征的人脸识别算法。 结合Android平台单样本条件下人脸识别的需求和拍摄图像受光照影响较大的特点，分析了光照鲁棒性良好的局部二值模式特征和局部三值模式特征，根据局部三值模式特征的不足，可以更有效地描述图像的均匀变化)4)研究并实现了安卓平台人脸检测与识别原型系统。 结合Android平台的特点，利用层叠分类器对输入图像进行人脸检测，在样本充足时选择Fisherface算法进行人脸识别，在单样本条件下利用局部三值模式的特征进行人脸识别，其他
展开