基于OpenCV在Android平台下实现人脸识别

本文提出了使用OpenCV(Open Source Computer Vision Library)在Android平台下实现人脸识别的方法。首先,本文介绍了OpenCV2.4的人脸识别算法类FaceRecognizer的使用以及在Windows平台下的实现,接着详细的阐述了利用Android下的JNI(Java Native Interface),并结合Android NDK(Native Development Kit)调用和编译OpenCV下的相关函数,生成共享函数库。经过实验的在Android下人脸识别效果良好。     

基于Android平台的实时人脸检测与跟踪

针对Android智能手机自带人脸检测功能效率低、错误率高的问题,提出了一种将OpenCV移植到Android平台的方法,在运行Android系统的嵌入式平台中使用改进的AdaBoost算法,并结合OpenCV库来实现实时人脸检测与跟踪。实验取得了高达9505%的人脸检测准确率和5013 ms的平均检测速率,在保证检测速度的同时比Android自带的人脸检测更具高效性和实用性。     

CAMSHIFT人脸跟踪算法改进及在Android平台的实现

在阐述传统CAMSHIFT算法原理的基础上,提出一种改进的CAMSHIFT人脸跟踪算法.经过在VC++2010和OpenCV平台下验证,改进算法有效提高了跟踪的实时性和抗噪性;同时将该算法移植在Android平台下,在Android系统中实现人脸跟踪.     

Android系统下OpenCV的人脸检测模块的设计

针对解决OpenCV人脸检测模块在Android平台编译和移植的问题,提出一种利用JNI技术(Java Native Interface)调用OpenCV以及采用Android NDK(Native Development Kit)生成共享库的目标检测方法。文中从分析利用Android NDK编译Android平台所需要的OpenCV静态库的问题入手,详细阐述了利用JNI调用OpenCV相关函数的具体步骤。经过多次试验,证明该人脸检测模块的平均检测时间为1 280 ms,具有较高的检测速度和检测精度。     

基于OpenCV机器视觉库的人脸图像预处理方法研究与实现

论文对比分析了人脸识别预处理过程中图像增强的处理算法,中值滤波和直方图均衡化。分析了OpenCV机器视觉库的优点和使用方法,在VC++6.0和Matlab开发环境下实现了所分析的算法,并在ORL人脸库上进行实验。实验结果表明文中所采用的算法处理人脸样本效果明显,具有较强的针对性,适合用于对人脸图像进行预处理,且OpenCV机器视觉库可以作为人脸识别系统的开发工具。     

基于RK3288国产化平台下嵌入式人脸识别系统的开发

人脸识别是模式识别中很重要的一个研究领域,在信息安全、金融贸易、视频监控等各行各业都有广泛应用。系统基于RK3288芯片架构、中兴CEGL linux3.10操作系统国产化平台设计实现人脸识别。对人脸检测算法AdaBoost、局部二值模式(Local Binary Pattern)以及LBP与SVM分类器相结合的人脸识别技术进行深入研究,最终基于QT可视化开发平台调用OpenCV计算机视觉库相关函数模块对系统进行了实现。     

基于Android的变换域数字图像水印算法

为了解决移动平台上的数字图像版权保护问题，提出了使用Android-Java本地接口（Java Native Interface,JNI）技术实现的基于移动平台的变换域数字图像水印算法。首先使用Android Studio开发工具，采用CMake编译方式将C++数字水印算法程序编译为移动平台可调用的库文件；其次开发Android应用，在Android平台上通过JNI技术实现数字水印算法程序，将RGB图像转换到YUV颜色空间，获取Y分量进行DFT变换，利用在离散傅里叶变换（Discrete Fourier Transform,DFT）变换之后的数据，进行4×4分块，在每一个小块上嵌入和提取水印，实现在彩色图像上水印的嵌入和提取；最后通过实验验证了使用Android-JNI技术并采用CMake方式编译，能快速地将用C++编写的变换域数字图像水印算法运用到Android平台。     

Android平台实时人脸检测和性别识别的研究与实现

提出一种基于开源计算机视觉库OpenCV(Open Source Computer Vision Library)实现Android平台中实时人脸检测和性别识别的方法,阐述了在运行Android系统的嵌入式平台中采用AdaBoost算法实现人脸检测以及FisherFace算法实现性别识别的原因和具体实现方法,并分别在基于ARM和X86构架的两个嵌入式平台中进行了大量实验和测试数据对比。实验结果表明Android平台中能够实时地进行人脸检测和性别识别,且获得96.35%的人脸检测准确率和82.64%的性别识别准确率。     

基于Android平台的车道线检测系统设计

在以图象处理为基础的车道线检测中,主要以采用Hough变换直线拟合等方法进行,但该方法存在计算量大,运算速度慢等问题。本文针对该问题,提出一种在结构化道路中识别效率高的非监督自适应直线分类器。同时运用OpenCV提供库进行开发,在 Android平台上实现了车道线检测与实时跟踪系统。经过实验表明在Android平台上,本文提出的车道线检测系统相对于传统方法每秒处理图像帧数fps数倍增加,有效的提升了辅助安全系统的功能。     

基于Android平台的物联网网关方案设计

提出了一种基于Android平台的物联网网关方案。该网关通过蓝牙串口通信实现物联网中WSN（无线传感器网络）中心节点和Android网关的数据传输,在Android平台上实现WSN节点信息管理并通过Android的网络资源实现互联网接入,从而在WSN与互联网之间搭建一条透明的数据传输通道,完成对无线节点的数据进行远程和实时的监测控制。     

通过人脸识别技术限制重复投票的电子投票系统的设计

将人脸识别技术应用于电子投票系统中,限制重复投票行为.首先分析了该电子投票系统的结构,给出了人脸识别技术在限制重复投票行为中的应用场景.针对电子投票系统对人脸识别算法的需求以及投票人图像采集背景简单和光照变化较小的特点,分析了适用于本系统的基于AdaBoost的人脸检测方法以及基于特征脸的人脸识别方法,给出了通过OpenCV实现的基于人脸识别方法的身份认证子系统的设计流程,并介绍了基本投票子系统各模块的功能.最后对身份认证子系统的性能进行了分析.     

一种2DDCT与压缩感知结合的人脸识别

针对压缩感知(Compressed Sensing,CS)方法需将图像矩阵转化为向量后进行特征提取,导致数据维数很大,计算复杂等缺点,提出二维离散余弦变换(2DDCT)和压缩感知(Compressed Sensing,CS)相结合的人脸识别方法。新方法首先利用2DDCT将图像变换到频域,压缩人脸图像以去掉人眼不敏感的中频分量与高频分量,这样有效降低了所需特征的维数,减少了计算量;然后通过感知算法进行特征提取得到人脸识别特征,最后运用最近邻分类器完成人脸的识别。在ORL、Yale及Feret人脸数据库的实验结果证明了该算法的有效性与稳健性,特别是在YaleB人脸数据库运用该方法得到了很好的试验结果。     

Python OpenCv在智慧党建人脸识别中的应用

在智慧党建项目中,组织部开党员会议、坐班等工作中需要人脸识别或指纹签到,然后将签到的人员头像呈现在H5页面中。从开源的跨平台计算机视觉库OpenCv入手,综合考虑智慧党建的需求,分析OpenCv的识别流程和原理、在党建项目中的应用等。     

基于双向主成分分析和压缩感知的人脸识别算法

提出了一种双向主成分分析(BD-PCA)与基于光滑l₀范数(SL0)相结合的人脸识别算法(BP-SL0)。首先利用BD-PCA对所有的训练图像降维,然后将降维后的人脸图像按列拉伸成一个向量,并将其组成字典矩阵,同时对待测试图像进行相同处理,最终通过SL0算法求解优化问题。实验结果表明,该算法获得了较高的识别率和重建效果,且效果优于单独使用BD-PCA和SL0算法。     

轻量级智能终端人脸识别系统研究与实现

针对传统人脸识别算法不能有效适用于智能移动终端的问题,提出一种基于经典SIFT算法的特征加权分簇匹配的轻量级改进方案,该方案能自动学习、自适应添加可靠的测试样本到训练样本空间,具有合理划分和科学权值分配特性,使该方案在识别率和运行时间上都有提高。改进算法分别在ORL人脸库和Yale人脸库做了测试,相对于经典SIFT算法识别率提升了6.13%和14.11%,运行效率提升了9.1%和4.7%。同时按照Zhou的测试方法,在ORL人脸库识别率达到74.05%,比PCA、LBP等经典算法都有明显的提升,并在Android智能终端中对识别方案做了实现,实验数据验证了改进算法在Android系统的可用性,最后提出一种基于云架构的改进方案。