基于Android系統(tǒng)的增強(qiáng)現(xiàn)實(shí)技術(shù)的研究與實(shí)現(xiàn).pdf

1、目前在移動(dòng)平臺(tái)上出現(xiàn)的增強(qiáng)現(xiàn)實(shí)應(yīng)用大都是基于傳感器的特性來實(shí)現(xiàn)的，例如GPS和電子羅盤傳感器。然而，由于GPS和電子羅盤等傳感器容易受到干擾而變得不穩(wěn)定，并且某些傳感器的精度達(dá)不到實(shí)時(shí)追蹤的精度要求，因此基于這種方法開發(fā)的應(yīng)用在穩(wěn)定性和準(zhǔn)確性方面有很大的缺陷。而隨著手機(jī)硬件水平的逐漸提高，使用視覺追蹤技術(shù)的條件逐漸成熟，在眾多視覺跟蹤技術(shù)中，尤其以人臉跟蹤識(shí)別技術(shù)應(yīng)用最為廣泛。因此本課題重點(diǎn)研究在Android平臺(tái)上使用人臉跟蹤識(shí)別技術(shù)

2、研發(fā)增強(qiáng)現(xiàn)實(shí)系統(tǒng)的關(guān)鍵性問題。
　　 主要的研究工作如下:
　　 一、研究滿足Android平臺(tái)性能要求的人臉跟蹤算法。對(duì)PC上常用的跟蹤算法進(jìn)行研究后發(fā)現(xiàn):Camshift算法具有cpu占有率低，不受跟蹤目標(biāo)形狀和大小的影響等優(yōu)勢(shì)，滿足移動(dòng)平臺(tái)對(duì)資源、時(shí)延的要求，因此我們采用此算法進(jìn)行人臉跟蹤，并針對(duì)其效率和準(zhǔn)確性等問題在Android平臺(tái)上進(jìn)行改進(jìn)。針對(duì)Android平臺(tái)的性能要求，改進(jìn)了原有的迭代過程，在迭代時(shí)只對(duì)

3、上一幀搜索結(jié)果的附近區(qū)域進(jìn)行搜索，進(jìn)一步降低了算法時(shí)延;由于Camshift算法容易受相近顏色干擾，因此使用更新搜索窗口的方法增強(qiáng)算法的抗干擾性;然后結(jié)合相應(yīng)的人臉檢測(cè)算法，實(shí)現(xiàn)了跟蹤算法的自動(dòng)初始化。最后對(duì)算法進(jìn)行測(cè)試，測(cè)試結(jié)果表明，該算法跟蹤效果穩(wěn)定，能夠滿足Android平臺(tái)增強(qiáng)現(xiàn)實(shí)應(yīng)用的需要。
　　 二、研究適用于Android平臺(tái)的人臉識(shí)別算法。本文通過對(duì)基于LBP的人臉識(shí)別算法的研究，結(jié)合手機(jī)在使用攝像頭時(shí)出現(xiàn)的光照

4、、背景多變性等問題，提出了Android平臺(tái)上基于LBP的人臉識(shí)別算法。該算法針對(duì)手機(jī)攝像頭拍攝圖像時(shí)光照的影響問題，采用直方圖均衡化的方法對(duì)圖像進(jìn)行去光照;針對(duì)手機(jī)拍攝圖像的噪聲干擾問題，采用高斯濾波進(jìn)行降噪處理，使得算法在準(zhǔn)確率和時(shí)延方面滿足了Android平臺(tái)的需求。最后通過在Android平臺(tái)上進(jìn)行的測(cè)試表明，算法能滿足預(yù)期要求，可以用于在Android平臺(tái)實(shí)現(xiàn)增強(qiáng)現(xiàn)實(shí)應(yīng)用。
　　 三、根據(jù)人臉的跟蹤識(shí)別結(jié)果，研究虛擬物

5、體的注冊(cè)方法。采用基于特征三角的方法估計(jì)人臉的姿態(tài)，通過姿態(tài)信息確定虛擬物體相對(duì)手機(jī)攝像頭的具體位置和方向信息，再進(jìn)行繪制，從而完成虛擬物體的注冊(cè)過程。
　　 四、結(jié)合以上研究工作，基于Android平臺(tái)、采用基于Camshift的人臉跟蹤和基于LBP的人臉識(shí)別算法設(shè)計(jì)和實(shí)現(xiàn)了一款增強(qiáng)現(xiàn)實(shí)軟件Augmented Face。軟件在使用Google原生系統(tǒng)的Galaxy nexus等機(jī)型上運(yùn)行正常，表現(xiàn)良好，表明軟件設(shè)計(jì)性能良好，驗(yàn)