2。3。1 特征脸 Eigenfaces… 10 

2。3。2 Fisherfaces11 2。3。3 Local Binary Patterns Histograms… 12 2。4 如何在 Android 平台使用 OpenCV 15 

2。4。1 关于 JNI 15 

2。4。2 关于 so 动态链接库… 16 

2。4。3 Linux 的动态链接机制 16 

3  设计方案… 16 

3。1 系统流程图… 16 

3。2  静态人脸识别的实现… 18 

3。3 利用 OpenCV 实现实时人脸识别… 19 

3。3。1 OpenCV 中的 Mat 19 

3。3。2 Android 中的 Bitmap 20 

3。3。3  系统组成… 21 

第 II  页 本科毕业设计说明书

3。3。4 执行流程… 23 结论  25 致谢  26 参考文献…27 

1 绪论

1。1 介绍

    传统的人脸识别技术依赖于 PC 这种计算能力强大的处理机，而 PC 的移动性受限于其体 积，只能处理从其他地方采集来的图像或者视频，或者通过网络接收从其他地方传输过来的 数据流。 

随着近几年移动智能终端的热潮，移动芯片的性能迅速提高，当今的移动设备的计算能力 甚至可于几年前的 PC 相当。在这样的前提下，在移动终端上进行实时的人脸识别成为了一 种可能。

OpenCV 是一个高效，轻量的计算机视觉库，其开发团队也针对 Android 平台对 OpenCV 进行了移植，编写了相应的文档以支持开发者在 Android 平台上使用 OpenCV 进行开发，只 不过由于 Android 上层应用开发应用的是 Java 语言，而 OpenCV 主要是由 C++和 C 语言写 的，所以在 Android 中想要使用 OpenCV 需要用到 JNI 技术来开发。论文网

本论文项目的目的在于建立一个能够运行于 Android 平台，实时并且准确的人脸识别系 统，通过移动设备摄像头采集图像，实时计算之后将检测结果直接显示到屏幕上，或者提供 接口供其他程序调用。

1。2 难点和研究状况

目前有很多机构和组织在研究人脸检测，其中不乏一些权威机构和很多高校。旨在提出一 些人脸识别的理论。而像 OpenCV 这种开源库中的人脸识别模块只是对这些组织研究出来的 理论的一种实践。以下是人脸识别的一些难点： (1)人脸是多种多样的，而同一张人脸也具有各种不同的形态 (2)人脸上其他的东西的干扰，比如口罩，眼镜等物体，在实际情景下是必须要面对的 (3)还有识别的时候人脸角度问题，识别系统不可能只能识别完全正脸，这样实用价值将大打 折扣。

(4)人脸周围的光照条件 (5)用于摄取图像的设备的硬件配置。

目前许多机构都在为解决上述的困难而努力，也提出了很多解决方案，有很多已经投入了 实际开发当中。

在海外，MIT,CMU  等著名的机构都在研究人脸识别的理论和技术；在国内，清华大学、北京大学、等知名大学也都在进行相关的研究。

1。3 人脸识别的应用

人脸就如人的身份证一样，可以用来确认人的身份。经过 30 多年的发展，人脸识别的研 究已经有了一定的成果，世界各地的很多研究机构都提出了多种人脸识别算法，有些技术的 公司也已将这些理论投入实践，将实验室中的成果投入到商业中。 

    人脸识别的应用非常广泛，包括但不仅限于： 

 嫌疑人照片的识别匹配 

 个人身份识别 

 计算机登陆系统，门禁系统