基于Android平臺的遠程人耳及人臉組合識別系統(tǒng)設計.pdf

1、目前的生物特征識別技術多以單一的人體特征作為識別的依據(jù)，但是每種特征在具備其自身優(yōu)勢的同時都存在一定程度的局限性。多生物特征融合技術可以在保留單生物特征各自優(yōu)勢的同時，弱化其自身的缺點。多生物特征組合識別比單生物特征識別擁有更高的靈活性、更廣泛的適用性以及更高的準確性。本文將人耳這一新興的生物特征與傳統(tǒng)的人臉特征相結合，提出了一種基于人耳及人臉組合識別的多生物特征識別方法。
　　現(xiàn)在大多數(shù)的生物特征識別技術仍僅限于個人電腦平臺的應

2、用，這給生物特征識別技術的發(fā)展帶來了很大的局限性。為了克服這種局限性，本文設計了一種基于Android平臺的遠程人耳及人臉組合識別系統(tǒng)，并對相關技術進行了深入的研究。主要內容如下：
　　首先，算法設計部分。本文對識別算法的研究主要包括以下三個方面：①人臉識別算法。傳統(tǒng)的近鄰保持嵌入算法采用歐氏距離作為近鄰點選取的度量，但歐氏距離在高維空間中不一定能反映數(shù)據(jù)間的真實空間分布，易導致近鄰選取存在偏差。針對此問題，本文提出了相關近鄰NP

3、E算法用于人臉識別，該方法利用相關系數(shù)度量數(shù)據(jù)間的近鄰關系，從而可以更加準確地實現(xiàn)局部重構，最終實現(xiàn)更為準確的人臉識別。②人耳識別算法。針對Isomap算法對新增樣本泛化能力較差的缺點，本文提出了流形重構Isomap算法用于人耳識別。流形重構Isomap算法對訓練樣本采用全局非線性結構保持的思想，利用Isomap算法計算訓練樣本的低維表示；對新增樣本利用局部線性的思想，保持局部線性關系不變，從而可以更加快速準確地用低維訓練樣本重構新增樣

4、本的低維表示，最終實現(xiàn)更加準確、高效的人耳識別；③本文將基于流形重構Isomap的人耳識別與基于相關近鄰NPE的人臉識別在決策層進行融合，自建小型人耳人臉組合數(shù)據(jù)庫上的實驗結果顯示：組合識別方式不僅在識別正確率上有較大的提升，而且運行效率在系統(tǒng)可接受范圍之內。
　　其次，系統(tǒng)實現(xiàn)部分。本文所實現(xiàn)系統(tǒng)主要包括兩個部分：①移動客戶端，該部分主要完成實時圖像的采集、人耳及人臉圖像的檢測及保存、圖像及控制信號的 Socket傳輸以及注冊及

5、識別結果的顯示等功能，其中人耳及人臉的檢測功能首先采用OpenCv所提供的Haar分類器相關工具進行人耳及人臉分類器的離線訓練，然后利用C++語言對所得分類器進行調用，最終通過Android環(huán)境下Java與C++的混合編程實現(xiàn)了移動終端的人耳及人臉的檢測功能；②電腦服務端，該部分主要完成Socket圖像及控制信號的接收、人耳及人臉組合識別算法的Matlab實現(xiàn)、C++環(huán)境下通過引擎調用方法對組合識別算法的調用以及注冊及識別結果的返回等功

6、能。本設計將移動終端與電腦通過 Socket進行結合，在保留了移動終端靈活性的同時兼取了電腦運算處理能力強的優(yōu)點，結合仿真及實際情況下的實驗表明：本系統(tǒng)能夠在可接受時間范圍內實現(xiàn)高準確率的身份識別。
　　綜上，本文主要進行了基于相關NPE算法的人臉識別研究、基于ISOMAP改進算法的人耳識別研究、人耳及人臉組合識別算法研究，并通過對 OpenCv Haar分類器的使用實現(xiàn)了Android平臺下的人耳及人臉的實時檢測，最終實現(xiàn)了基于