轻量级智能终端人脸识别系统研究与实现

摘要

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.