基于Android人脸识别系统设计与实现

基于Android人脸识别系统设计与实现

摘要：人脸识别是公共安全领域的研究重点。随着移动互联网的快速发展，移动式终端人脸识别应用日益广泛。探讨人脸识别在Android系统中的实现以及用户个人信息保护，包括人脸检测、特征提取和特征识别。首先，通过分析比较，采用基于Adaboost的算法检测人脸，基于PCA的特征脸算法实现特征提取和特征识别。然后，分析相关研究现状以及技术可行性，选择OpenCV计算机视觉库来实现人脸检测和人脸识别。最后，通过JNI调用本地OpenCV代码实现个人信息保护。该系统具备手机人脸解锁、程序锁、偷窥者记录查询和远程查看偷窥者信息等功能。

关键词关键词：人脸检测；人脸识别；移动警务；OpenCV；Android

中图分类号：TP319 文献标识码：A 文章编号：1672-7800(2016)004-0087-03

0引言

移动互联网的发展对人们生活产生了巨大影响。Android系统是目前移动设备的主流操作系统之一，相关数据表明，Android市场份额占据了主导地位[1]。人脸识别因具有并发性、非接触性、非强制性、操作简单等特点，目前，已被广泛应用于安全认证、预警防控、刑事侦查等方面。在国内，人脸识别的应用大都还停留在PC机上，基于移动设备的研究很少。而且，随着移动信息安全意识的提高，在移动平台上进行人脸识别具有广阔的发展前景，同时也面临诸多挑战[2]。本文结合移动终端的特点，研究并设计了基于Android的人脸识别系统，更好地满足移动警务的需求。

1人脸识别相关算法

人脸识别的处理过程包括人脸处理、人脸检测、人脸特征提取和人脸识别技术。人脸检测的算法有很多种，典型的有特征抽取算法、人脸小波检测、基于模板匹配、神经网络、支持向量机方法、Adaboost算法等[3-5]。本文选择Adaboost算法实现人脸检测。

人脸识别技术包括特征提取和特征识别，实现方法可概括为3类：基于几何特征方法(欧式距离判别法)、基于模板方法(特征脸方法、神经网络方法等)和基于模型方法(隐马尔科夫方法)[6-8]。本文选择基于PCA的特征脸算法实现人脸特征提取与特征识别。由于篇幅所限，不详细展开上述选择的两种算法具体实现步骤。

2AndroidNDK

AndroidNDK[9]集成了交叉编译工具，使采用C、C++和Java在Android平台上混合编程、相互调用成为可能。AndroidNDK实现应用程序的过程如图1所示。

3基于Android的人脸识别系统设计

(1)系统总体架构。系统共分为五大模块，如图2所示。

(2)系统设计。本系统目标是在人脸识别算法基础上实现手机安全。手机安全包括系统锁屏、个人私密应用加密、偷窥者查看以及远程查看偷窥者信息。系统锁屏就是将系统原有的解锁方式换成人脸解锁。个人私密应用加密目的是保护用户的私密应用，比如联系人、QQ、微信等。偷窥者查看主要为用户可以查看偷用了手机人的人脸图像信息。远程查看偷窥者信息主要为手机防盗，当有人恶意攻击手机人脸解锁时，系统会将操作人员图像信息发送到用户指定的安全邮箱，用户可以登录邮箱查看图像信息。系统需求分析用例图及数据流图分别如图3、图4所示。4系统实现

(1)人脸检测。Adaboost人脸检测算法首先要训练人脸得到人脸分类器，由于OpenCV中已经提供现有的分类器，选择haarcascade_frontalface_default.xml作为本系统的分类器。主要用到的函数如下：cvHaarDetectObjects(img，cascade，storage，1.1，4，0，cvSize(30，30))。其中，cvSize(30，30)表示检测窗口的最小尺寸，1.1表示相邻两次扫描窗口按照10%比例放大。

(2)人脸特征提取。用OpenCV实现基于PCA的Eigenface人脸识别方法。首先将训练人脸图像转换为特征向量表示，并投影到PCA子空间，然后保存训练信息到指定的xml文件中。本系统使用照相机拍摄用户3张人脸作为训练样本。关键代码如下：

cvCalcEigenObjects(nTrainFaces，faceImgArr，eigenVectArr，

CV_EIGOBJ_NO_CALLBACK，0，0，&calcLimit，pAvgTrainImg，eigenValMat->data.fl)；

(3)人脸特征识别。将测试人脸投影到PCA特征子空间中，计算图像向量并与特征提取阶段保存的xml文件中的数据对比，可以得出是否是同一张人脸。关键代码如下：

cvEigenDecomposite(faceImgArr[i]，nEigens，eigenVectArr，0，