基于android系统的人脸识别算法研究与实现

基于android系统的人脸识别算法研究与实现

ID:35055763

大小:6.56 MB

页数:69页

时间:2019-03-17

基于android系统的人脸识别算法研究与实现_第1页
基于android系统的人脸识别算法研究与实现_第2页
基于android系统的人脸识别算法研究与实现_第3页
基于android系统的人脸识别算法研究与实现_第4页
基于android系统的人脸识别算法研究与实现_第5页
资源描述:

《基于android系统的人脸识别算法研究与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、1:0363分类号:04;38.1学校代码密级:公开学号:2140230120麥歡灵锭}、壽A打huiPolytechnicUniversity硕±学位论文题目基于Android系统的人脸识别算法研究与实现论文作者晏志超指导教师韩超副教授吴城高级工程师控串。工程学科(专业)研究方向先进传感与检测技术论文提交日期:2016年6月8日:分类号:0438.1单位代码10363密级:公开学号:2140230120巧目某于Android《统的人脸巧别隹法研究与连现英文并列题目The

2、StudyandRealizationofFacerecognitionBasedonAndroid学生姓名:晏志超指导教师:韩超副教授吴城高级工程师专业:控制工程研究方向:先巧传感与检測巧乂论文答辩日期:2016.06.021安微工程大学学位论文原创性声明本人郑重声明:我恪守学术道德,崇尚严谨学风。所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写,我对

3、所写的内容负责,并完全意识到本声明的法律后果由本人承担。学位论文作者签名:蔓曰期;年月曰2安巧工程大学学位论文版极使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部口或机构送交论文的复印件和电子版,允许论文被查阅或借阅。本人授权安徽工程大学可将本学位论文的全部或部分内容编入有关数据库进行检索,可W采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□,在年解密后适用本版权书。___本学位论文属于不保密口。学位论文作者签名:指导教师签名^日期:年月日日期;年月日3

4、安敬工程大学硕±学位论文基于Android系统的人脸识别算法硏究与实现摘要人工智能近年有了较大的进展,生物识别方面备受关注,其中人脸识别由于操作方便、交互容易让人接受、安全有效、无需记忆繁琐的帐号密码等优势,受到了广大研究者们的青睐。与此同时,由于手机硬件性能不断提高、携带方便、大量优质应用的上线,移动互联网得到了巨大的发展,使得越来越多线下业务走到了线上,线上身份验证需求因此大量増加,随着用户帐号数量的増多,传统的帐号密码形式由于安全性、灵活性、可记忆性较差等弊端也越来越明显,因此,人脸识别技术在移动端逐渐兴起。Android是G

5、oogle在2008年公开的一款移动设备OS,由于Android的开放性使得研究非常方便,受到了国内外研究人员的关注。本文介绍了人脸识别过程所需的主流算法,详细研究了几种效果显著适合移动端的算法一,对支持向量机分类器的核函数进行了定改进,并针对多分类需求完成了API设计,并在Android平台下进行了实验,论文主要完成的工作和创新点:(1)分析了人脸识别在当前社会下的需求,分析了当前Android平台的市场W及未来的趋势,对人脸识别过程的几个主要步骤的相关算法发展历史和基本原理进行了分析,介绍了当前知名互联网公司提供的Android端的

6、有关API服务。(2)分析了对人脸图像进行预处理的必要性,研究了图像灰度I安微工程大学硕±学位论文归一化、直方图均衡化、图像平滑的处理这H种预处理操作算法,分析了它们对识别效率和识别精度的影响,并在Android平台下使用OpenCVAPI进行了实验。(3)介绍了人脸区域检测及特征提取两个环节的概念和作用,详细对Adaboost算法进行了分析,按照该算法分类器的训练过程对Haar特征、弱分类器、强分类器、级联分类器进行了阐述;详细分析了PCA算法;使用OpenCVAPI对W上两个环节进行了仿真实验。(4)介绍了KNN分类

7、器、Bayes分类器、神经网络分类器、支持向量机这几种常用分类器,从线性可分到线性不可分的问题引出核一mo函数,提出了种混合径向基和Sigid核函数的支持向量机分类器,在Matlab下对改进算法和原始算法进行了实验,实验结果表明改进后的算法要优于原始算法。分析了支持向量机在人脸识别这种多分类问题下的解决方案,并针对该需求完成了API。(5)介绍了Amiroid应用开发的核也技术、OpenCV函数库、NDK,分析了在Android平台使用JNI技术调用OpenC

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。