研究基于Android平台的人脸识别系统的实现与设计

　　人脸识别验证身份属于非接触性方式，具有更高的安全性与信息保密性。人脸识别技术应用比较成功的案例多在于门禁系统。同时，人脸识别技术在众多领域中也有着广泛的应用，如公司考勤、电脑登陆及银行安防等。充分利用现代教育技术能够对校园网络工程建设与维护、校园一卡通系统等多方面提供重要辅助作用。

　　1　人脸检测的基本原理分析

　　人脸识别主要是以图像或者是视频为基础，从中提取出人脸并对人脸进行有效识别。在整个人脸识别过程中，涉及众多方面，包括人脸检测、特征点提取、创建人脸图像数据库以及结合既有1人脸数据库进行人脸识别[1]。基于Android平台的人脸识别系统的设计可以选用JNI层的C++语言实现人脸处理、人脸检测、人脸识别，如图1所示。

　　2　基于Android平台的人脸识别系统的设计

　　在大学教育技术的应用过程中，人脸识别系统实现的第一步正是人脸信息的有效摄取，并建立相关的数据库。在设计工作中，采集若干人脸样本，对每个人采集20张不同角度、不同位置的正面人脸头像。前10张作为系统设计的人脸识别测试集，后10张作为系统设计人脸识别样本库。在信息的提取过程中，由于人脸图像的采集会受到各种因素的影响，如摄像头分辨率、光照、环境等。因此，所获得的人脸图像往往会含有噪音或者是图像变形等多种不利信息。因此，需要对图像进行预处理，保障图片的质量[2]。常用的预处理方法有对人脸图像的矫正、灰度化以及均衡化处理。

　　3　特征脸的提取方法

　　3.1　对人脸向量的获取

　　收集到的人脸图像都可以转换成一个N维向量，将M个N维列向量放到X中，就可以产生一个具有M×N的矩阵结构。其中，N为每幅人脸图像的像素数量，M可以设定为人脸图像数量：

　　3.3　最邻近准则的合理利用

　　将所有的训练图像投影到PCA的子空间中，同时将待识别的图像也投影到PCA子空间中。分别计算待识别图像投影后的向量与训练图像之后向量的欧式距离。最后，采用最邻近准则在所有的数据中，判断人脸。

　　4　Android平台人脸识别系统的实现

　　4.1　Android平台人脸检测以及信息的有效采集

　　人脸检测是基于对人脸图像信息以及建立人脸数据库而实现的。人脸检测的一般流程,首先需要对人脸所在的位置进行精确定位，然后根据所截取的位置进行人脸图像信息的有效采集。由于在Android平台系统应用程序中，人脸检测是其较为重要的功能，可以利用其平台直接进行下一步的人脸图像信息采集。建立一个数据库，将人脸的样本特征向量与所有人脸样本空间投影系数进行有效存储。目前，在大学现代教育技术中，通过利用SQLite实现信息的有效存储。SQLite占用较少的资源，具有较高的可靠性，并能够支持主流操作系统，具有较大的兼容性，在人脸的特征向量以及投影系数的存储中得到广泛应用。

　　4.2　Android平台人脸识别过程

　　在对人脸识别过程中，通过运用三阶近邻法检测出图像本身所处的类别，并能够得出对人脸图像所对应人相关信息。在进行人脸图像的矩阵运算过程中，需要采取一系列的矩阵操作，以提升计算速度，可以采用JAMA Java矩阵包简化在Android平台中，对图像以及矩阵的高效处理。在进行识别过程中，为了降低处理器的计算量，提升Android平台人脸识别效率，只需要在系统中，建立人脸特征向量以及投影系数数据库，在第一次进行求取后，就可以立即进行存储[3]。同时，人脸识别系统需要对采集到的图像进行灰度化以及归一化预处理，并根据数据库进行特征值的匹配，在数据库中找出人脸图像信息最为相似的人脸，最后进行显示。

　　4.3　人脸数据库的管理

　　对人脸数据库进行有效管理，有利于对用户进行科学管理，从而使数据库系统得到优化与更新[4]。例如，删除或者是添加某用户照片，并可以将所有照片训练到PAC人脸特征空间中。同时，将收集到的人脸信息保存到文件中，管理人员就能够利用PAC计算实现对Android平台中人脸识别系统进行实时有效更新。

　　5　结　语

　　在大学现代技术中，通过对Android平台的人脸识别系统的应用，有效优化了教学资源，提升了教学环境的科技含量。同时，Android平台所具有的开放性与便捷性特点，在充分结合人脸识别系统之后，提升了信息的安全等级，具有广阔的发展前景。

　　参考文献

　　[1]周勇,张嘉林,王桂珍,等.Android平台下人脸识别系统的研究与实现[J].南京工程学院学报(自然科学版),2013(1):53-57.

　　[2]蔡芷铃,林柏钢,姜青山,等.基于人脸识别技术的Android平台隐私保护系统设计[J].信息网络安全,2014(9):50-53.

　　[3]熊玉虎,李灯熬,赵菊敏,等.CAMSHIFT人脸跟踪算法改进及在Android平台的实现[J].电视技术,2013(19):224-227,236.

　　[4]胡文君,赵双,陶敬,等.一种针对Android平台恶意代码的检测方法及系统实现[J].西安交通大学学报,2013(10):37-43.