24小时论文定制热线

咨询电话

ASP.NETVC++MySQLPHP安卓JSPLinuxJavaVBASP单片机模具汽车工程毕业设计Flash
您当前的位置:论文定制 > 毕业设计论文 >
快速导航
毕业论文定制
关于我们
我们是一家专业提供高质量代做毕业设计的网站。2002年成立至今为众多客户提供大量毕业设计、论文定制等服务,赢得众多客户好评,因为专注,所以专业。写作老师大部分由全国211/958等高校的博士及硕士生设计,执笔,目前已为5000余位客户解决了论文写作的难题。 秉承以用户为中心,为用户创造价值的理念,我站拥有无缝对接的售后服务体系,代做毕业设计完成后有专业的老师进行一对一修改与完善,对有答辩需求的同学进行一对一的辅导,为你顺利毕业保驾护航
代做毕业设计
常见问题

添加时间:2018/11/15 所属栏目:毕业设计论文
本文选择了合适的人脸识别算法作为切入点,对己有相关算法进行分析、改造与优化,设计出适用于Android移动终端的人脸识别算法模型。并将其移植到Android手机上,设计并实现了人脸识别应用程序,取得了良好的效果。
  以下为本篇论文正文:

摘要

  随着移动互联网时代的深入发展、智能终端的普及及其计算性能的大幅度提升,使得移动终端上有着移动支付、手机解锁、应用解锁等实际应用场景需要的人脸识别技术应用成为可能与研发方向。

  人脸识别技术中的一个关键问题在于人脸图像的高维度。研究学者们对这一降维问题,提出了基于子空间的不同算法模型,而这一类算法鲜有应用到安卓移动终端上。

  本文在C2DPCA算法的基础上,通过引入Q民分解法融合了传统PCA算法来对C2DPCA算法进行扩展,并专口设计了分类器将其移植到安卓移动终端上,达到了识别率与耗时方面的要求。

  本文首先综述了国内外人脸识别技术的理论研究与应用发展的现状,对人脸识别技术领域所常用的研究算法进行分类概括与分析、比较,指出PCAW及2DPCA等算法相较于其他算法在移植到计算资源相对受限的安卓终端上面的优势。然后重点对传统PCA算法、2DPCA算法及C2DPCA算法应用于人脸识别进行了分析,分别从累加特征值大小、样本集识别率W及耗时等方面进行对比,并通过实验验证阐述了其中的差异与不足之处。接下来通过引入QR分解法,将C2DPCA算法与传统PCA算法相互融合起来,设计出符合需要的特征距离度量方法,并使用最近邻分类器进行识别分类。通过通用人脸数据库的试验验证,获得了更好的识别率与较好的计算效率。最后在安卓移动终端上设计并实现了一个W人脸识别为主要功能的安卓应用程序,基于本文所设计的算法,在安卓平台下使用Java开发语言和C语言及利用JNI(Java NativeInterface)技术使用开源计算机视觉库Open CV来实现,并评价其功能与性能指标。

  通过大量研究与实验结果表明本文所构建的算法模型在原有算法性能的基础上,进一步提高了人脸库的识别性能,普遍提升了数个百分点且均在90%^上,并且平均人脸计算耗时提升了近一倍,有利于在移动终端上的移植实。而在安卓手机上的运行结果表明本文算法适用于在计算资源受限的移动设备上进行应用实现。

  关键字:2DPCA;PCA;人脸识别;最近邻分载安卓

Abstract

  With the ftirther development of tr6 mobile internet area, the popularity of intelligent trrminal and its significantly enhanced computing performance,The actual application scenarios such as Mobile payment,phone unlocking,application unlocking on the mobile krminal are closely linked together with the face recognition technology and become a development directio n.

  However,a key problem in face recognition techniques lies in the high dimension of face images.Researchers put forward the model of different algorithms based on subspace on the dimension reduction problem.C2DPCA algorithm is presentrd in this paper,and on the basis of l:he introduction of QR decomposition method,The C2DPCA method is exl:ensed through tre combination of it witr traditional PCA,and Transplanting it to tre android mobile terminal to implement tre facial recognition application.The main works as follows:

  Firstly,the paper summarized the theoretical study and practice application development and the status of Face recognition 1;echnoIogy domestic and overseas. Classify generally and analysis and compare the commonly used research algorithms in the filed of face recognition technologies,pointing out the advantages of PCA and 2DPCA variants relative to others on Transplanting to the android 1:erminal.Then,it analyzed the application of face recognition using PGy\,2DPGA_ and G2DPGi\ methods in the terms of cumulative eigenvalues,saniple set Recognition rates and time consuming in Feature extraction relatively.Through experiments and expounds the differences and deficiencies.By introducing QR decomposition method,the C2DPCA algorithm is combined with the traditional PCA algorithm to Play their respective advantages of feature extraction for face images,and using Nearest neighbor classifier to do classincation works.By the t;esting on different face databases, and got a better recognition rate and better computational efficiency.The last,designed and implementrd an android application which principally aims on facial recognition as the main features.On the android mobUe krminal.Based on the algorithm designed in this paper,On the platform using Java development language and C language and the Open source computer vision library which named opencv to implemente,and evaluate its function and performance indicators.

  Results show that in this paper, on the basis of the original algorithm performance, to further improve the recognition performance of face 1 trrary and is conducive to the transplantation of mobile trrminal.And on 1:he android phones running results show trat this mediod is applicable to the calculation process that applied on The resources limited of mobile devices.

  Keywords: 2DPCA;PCA;Facial Recognition;Nearest Neighbor Classifier;Android

  伴随着社会生活的发展与科学技术的日益进步,尤其是近些年来计算机、网络技术、信息技术W及通信技术的蓬勃发展,人们的日常生活逐渐受其影响,变得智能化、便捷化[1]。2001年美国911恐怖袭击事件的发生W及2013年"棱镜"监听事件的曝光,让全球范围内的对身份认证以及信息安全方面的需要也是愈加重视和日益增多,如何快速而有效地进斤个人的身份认证与识别,己经成为人们所日益关注的重大社会问题之一。而随着图像处理技术、模式识别、微光电技术以及传感技术的发展与成熟,人体生物特征作为身份识别的手段与依据,也逐步地成为国内外研究与相关应用的热点。

  生物识别技术主要根据人体行为以及生理等方面的特征来进行识别的身份识别技术[3]。而且人体的很多这方面的特征都具有很好的被识别的特性,并且通常是唯一的和稳定的,易于用来进行身份的鉴别工作。常见的生理以及行为方面的人体生物特征有W下一些:人脸、耳廓、视网膜、虹膜、指纹、语音、签字、步态、脸部热福射以及手型等等。

  在上面介绍的生物学特性中,人脸特征相较于其他一些特征具有无可比拟的天然优势,首先,人脸易于采集,是一种非接触式的采集,它不需要采集设备去接触被检测人的身体因而容易被接受,并且操作简便、易用。其他特征比如虹膜、指纹、语音还有手型等特征的采集需要人为的进行干预及主动配合进斤。其次,人脸特征的采集设备易获取并且设备简单、成本低廉。譬如普通的摄像头、监控设备以及个人的智能手机都可以很好地进行人脸的采集,并且采集的过程相当的简便。再次,人脸是一个人的身份标识中最为思而易见最直观的信息来源,通过人脸我们可W很直接地辨别出人脸身份。相比于虹膜、视网膜、指纹、耳廓、手型等特征来说,人脸更加容易被人们所理解与接收。正是由于人脸特征所具有的得天独厚的优势与特性,使得其成为了相关领域的研究重点。

  然而,虽然人脸特征具有很好地识别条件,但是人脸是柔性的、可变的,自由化程度比其他生物特征而言较高,送就增加了人脸识别技术的不确定性。

  人脸识别技术发展到现如今"互联网+"的时代,特别是移动互联技术的兴起,移动支付、手机安全认证W及智能相机等实际应用场景的需要使得人脸识别技术逐渐进入了智能移动终端的领域。事实上,己经有相关的企业或机构开展了此项工作。国内诸如科大讯飞和Face++各自开发了应用于智能手机终端的人脸识别包。微软Oxford项目提供了人脸识别API接曰供开发者自行构建相关应用。自从Android以及IOS两大智能移动终端诞生以来,以此为基础的智能终端如手机、平板电脑等开始日益普及,并且实际上正在甚至己经改变了人们的生活细节与生活方式。根据最新数据资料显示,全球移动终端用户数量己经超过了10亿,2015年全年智能手机终端出货量达到了 14亿部,增长近10%。智能终端其小巧易携带、操作简单、使用广泛等特点受到了用户的青睐,并且对传统PC市场造成了有力的冲击。一切生活事物靠一台手机或者平板电脑来完成己经成为了人们所追求的新颖时尚的生活方式,由此衍生出的移动APP无论是数量还是涉及到的领域也出现井喷式的增长。

  安卓平台人脸识别技术功能截图演示:

Android系统框架结构
Android系统框架结构

应用数据载入页面
应用数据载入页面

应用主页面
应用主页面

应用侧滑菜单
应用侧滑菜单

相机模块预览页面
相机模块预览页面

图像预处理操作
图像预处理操作

特征提取、识别操作
特征提取、识别操作

识别结果展示
识别结果展示

目录

  第1章 绪论
    1.1 研究意义
    1.2 人脸识别技术国内外现状分析
      1.2.1 研究现状
      1.2.2 应用现状
    1.3 主要工作概述
      1.3.1 研究目的
      1.3.2 研究内容
      1.3.3 组织结构
  第2章 子空间人脸识别技术
    2.1 主成分分析方法PCA
      2.1.1 K-L变换理论
      2.1.2 PCA人脸识别技术
    2.2 二维主成分分析2DPCA
      2.2.1 2DPCA与PCA之间的比较
      2.2.2 2DPCA人脸识别方法
      2.2.3 识别率的对比
    2.3 其他相关方法
    2.4 人脸识别方法评价指标
    2.5 本章小结
  第3章 基于交叉分组策略的C2DPGA算法
    3.1 2DPCA等算法的弊端分析
      3.1.1 较高的组内相关性
      3.1.2 丢失PCA当中的协方差信息
      3.1.3 相关改进的论述
    3.2 C2DPCA原理及计算方法
    3.3 人脸图像的重构计算
    3.4 识别性能的提升
    3.5 本章小结
  第4章 结合C2DPCA与经典PCA算法的人脸识别
    4.1 C2DPCA与PCA算法结合的提出
    4.2 引入QR分解法
      4.2.1 Householder 矩阵变换法
      4.2.2 QR矩阵分解
      4.2.3 QR方法与特征值
      4.2.4 QR方法结合
    4.3 分类器的设计
    4.4 人脸库实验结果比较及分析
      4.4.1 0RL人脸数据库实验
      4.4.2 AR人脸数据库实验
      4.4.3 PIE人脸数据库实验
    4.5 本章小结
  第5章 Android平台人脸识别应用实现
    5.1 Android 系统平台
      5.1.1 Android 系统框架
      5.1.2 Android系统四大组件
    5.2 开发环境介绍
      5.2.1 硬件环境
      5.2.2 软件环境
      5.2.3 Android JNI技术
      5.2.4 Android OpenCV 技术
    5.3 应用程序设计
      5.3.1 整体设计
      5.3.2 功能模块设计
    5.4 应用程序运行实现与分析
      5.4.1 运斤功能实现
      5.4.2 运行性能指标
    5.5 本章小结
  总结与展望
  致谢
  参考文献

(如您需要查看本篇毕业设计全文,请您联系客服索。

    相关内容
    好优论文定制中心主要为您提供代做毕业设计及各专业毕业论文写作辅导服务。
    所有论文、资料均源于网上的共享资源以及一些期刊杂志,所有论文仅免费供网友间相互学习交流之用,请特别注意勿做其他非法用途。
    如有侵犯您的版权或其他有损您利益的行为,请联系指出,论文定制中心会立即进行改正或删除有关内容!