基于Android平臺(tái)的遠(yuǎn)程人耳及人臉組合識(shí)別系統(tǒng)設(shè)計(jì).pdf

1、目前的生物特征識(shí)別技術(shù)多以單一的人體特征作為識(shí)別的依據(jù)，但是每種特征在具備其自身優(yōu)勢(shì)的同時(shí)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(shì)的同時(shí)，弱化其自身的缺點(diǎn)。多生物特征組合識(shí)別比單生物特征識(shí)別擁有更高的靈活性、更廣泛的適用性以及更高的準(zhǔn)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(shí)別的多生物特征識(shí)別方法。
　　現(xiàn)在大多數(shù)的生物特征識(shí)別技術(shù)仍僅限于個(gè)人電腦平臺(tái)的應(yīng)

2、用，這給生物特征識(shí)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(jì)了一種基于Android平臺(tái)的遠(yuǎn)程人耳及人臉組合識(shí)別系統(tǒng)，并對(duì)相關(guān)技術(shù)進(jìn)行了深入的研究。主要內(nèi)容如下：
　　首先，算法設(shè)計(jì)部分。本文對(duì)識(shí)別算法的研究主要包括以下三個(gè)方面：①人臉識(shí)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(diǎn)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(shí)空間分布，易導(dǎo)致近鄰選取存在偏差。針對(duì)此問題，本文提出了相關(guān)近鄰NP

3、E算法用于人臉識(shí)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(zhǔn)確地實(shí)現(xiàn)局部重構(gòu)，最終實(shí)現(xiàn)更為準(zhǔn)確的人臉識(shí)別。②人耳識(shí)別算法。針對(duì)Isomap算法對(duì)新增樣本泛化能力較差的缺點(diǎn)，本文提出了流形重構(gòu)Isomap算法用于人耳識(shí)別。流形重構(gòu)Isomap算法對(duì)訓(xùn)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(jì)算訓(xùn)練樣本的低維表示；對(duì)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(zhǔn)確地用低維訓(xùn)練樣本重構(gòu)新增樣

4、本的低維表示，最終實(shí)現(xiàn)更加準(zhǔn)確、高效的人耳識(shí)別；③本文將基于流形重構(gòu)Isomap的人耳識(shí)別與基于相關(guān)近鄰NPE的人臉識(shí)別在決策層進(jìn)行融合，自建小型人耳人臉組合數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果顯示：組合識(shí)別方式不僅在識(shí)別正確率上有較大的提升，而且運(yùn)行效率在系統(tǒng)可接受范圍之內(nèi)。
　　其次，系統(tǒng)實(shí)現(xiàn)部分。本文所實(shí)現(xiàn)系統(tǒng)主要包括兩個(gè)部分：①移動(dòng)客戶端，該部分主要完成實(shí)時(shí)圖像的采集、人耳及人臉圖像的檢測(cè)及保存、圖像及控制信號(hào)的 Socket傳輸以及注冊(cè)及

5、識(shí)別結(jié)果的顯示等功能，其中人耳及人臉的檢測(cè)功能首先采用OpenCv所提供的Haar分類器相關(guān)工具進(jìn)行人耳及人臉分類器的離線訓(xùn)練，然后利用C++語(yǔ)言對(duì)所得分類器進(jìn)行調(diào)用，最終通過Android環(huán)境下Java與C++的混合編程實(shí)現(xiàn)了移動(dòng)終端的人耳及人臉的檢測(cè)功能；②電腦服務(wù)端，該部分主要完成Socket圖像及控制信號(hào)的接收、人耳及人臉組合識(shí)別算法的Matlab實(shí)現(xiàn)、C++環(huán)境下通過引擎調(diào)用方法對(duì)組合識(shí)別算法的調(diào)用以及注冊(cè)及識(shí)別結(jié)果的返回等功

6、能。本設(shè)計(jì)將移動(dòng)終端與電腦通過 Socket進(jìn)行結(jié)合，在保留了移動(dòng)終端靈活性的同時(shí)兼取了電腦運(yùn)算處理能力強(qiáng)的優(yōu)點(diǎn)，結(jié)合仿真及實(shí)際情況下的實(shí)驗(yàn)表明：本系統(tǒng)能夠在可接受時(shí)間范圍內(nèi)實(shí)現(xiàn)高準(zhǔn)確率的身份識(shí)別。
　　綜上，本文主要進(jìn)行了基于相關(guān)NPE算法的人臉識(shí)別研究、基于ISOMAP改進(jìn)算法的人耳識(shí)別研究、人耳及人臉組合識(shí)別算法研究，并通過對(duì) OpenCv Haar分類器的使用實(shí)現(xiàn)了Android平臺(tái)下的人耳及人臉的實(shí)時(shí)檢測(cè)，最終實(shí)現(xiàn)了基于