基于Android平臺的遠程人耳及人臉組合識別系統(tǒng)設(shè)計.pdf

1、目前的生物特征識別技術(shù)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(shù)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(jié)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(shù)仍僅限于個人電腦平臺的應(yīng)

2、用，這給生物特征識別技術(shù)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(shè)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(guān)技術(shù)進行了深入的研究。主要內(nèi)容如下：
　　首先，算法設(shè)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(guān)近鄰NP

3、E算法用于人臉識別，該方法利用相關(guān)系數(shù)度量數(shù)據(jù)間的近鄰關(guān)系，從而可以更加準確地實現(xiàn)局部重構(gòu)，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(gòu)Isomap算法用于人耳識別。流形重構(gòu)Isomap算法對訓練樣本采用全局非線性結(jié)構(gòu)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(guān)系不變，從而可以更加快速準確地用低維訓練樣本重構(gòu)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(gòu)Isomap的人耳識別與基于相關(guān)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(jié)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(nèi)。
　　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(jié)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(guān)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(diào)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(wù)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(diào)用方法對組合識別算法的調(diào)用以及注冊及識別結(jié)果的返回等功

6、能。本設(shè)計將移動終端與電腦通過 Socket進行結(jié)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(jié)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(nèi)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(guān)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