Android平台毫秒级人脸身份认证系统设计与实现开题报告

1. 研究目的与意义（文献综述）

现如今，科技的高速发展使得人们的信息很容易就暴露在大众之中，而移动设备中存在着使用者大量的信息，其中智能手机的功能早已不再局限于短信和通话等基本应用。尤其是近几年，移送设备无论在系统的优化还是硬件的性能上都有了相当的提升，因此在Android 平台上的应用 APP 也是种类繁多。其中的很多应用，都要求用户提供相关信息,有相当一部分 APP 甚至要求获取移动设备中的通讯录等私密信息。在这种情况下，移动设备的安全问题越来越受到广大用户的重视。 在 Android 平台下，移动端的安全问题涉及多个内容，例如用户私密信息的保护、用户身份的验证以及用户权益的保保^[1]。而移动设备的丢失或被盗，不仅失去了相应价值的财产，还会导致用户信息的泄漏等安全问题。一旦重要的信息被不法分子获取，还会引发一系列的严重后果，比如对通讯录中的亲人进行电话或短信的诈骗、盗取移动应用中的财产甚至利用被窃用身份进行违法等^[2]。而如今很多的移动应用还是采用输入密码的形式判断使用者的身份，这种方式无法保证绝对的安全。使用者为了保护自己的信息，不得已将密码设置的很复杂，但这样难免会造成密码忘记、记录丢失等意外情况。如何才能更加有效和方便地进行移动设备的安全保护是一个迫切需要解决的问题，近几年兴起的生物识别技术就是在这一需求下不断被开发出来。其中人脸识别技术是根据人的肤色、五官等因素，对测试样本进行处理，检测出样本中的人脸；再依据特征提取算法获得人脸样本的特征向量，进而判断图像中人的身份^[3]。此技术在身份认证方法中有很多的优势：实验样本可以通过智能手机中的摄像头等设备直接获取，不用进行多余的操作、也不会对用户身体等造成过多的干扰；人脸识别的实验样本可以通过摄像头获取，这不仅方便了用户对系统的使用，同样减少了开发者在设计程序过程中困难与阻碍；在用户使用人脸认证系统时，只需要提供自己的脸部图像，不用进行其他任何操作^[4]。因此，移动设备上的人脸认证系统能够避免该设备被攻破的危险，保证使用者在任何情况下的信息安全。 寻找一种快速有效的身份验证的方式已经成为当务之急，因此生物特征识别技术在近几年中得到了飞速的发展。生物特征具备高度的稳定性、安全性、唯一性，成为了身份验证的最理想依据，备受广大学者们的关注和研究^[5]。与其他识别方法相比，人脸识别具有其特有的优势。在人脸识别过程中，计算机通过观察人脸，学习到一些区分性的特征，通过比较后，确认个体的身份。这种识别方式和人类识别身份时使用的特征类似^[6-7]。与指纹识别，视网膜识别，虹膜识别相比，人脸识别是不需要通过接触的，只需要通过照相机拍摄照片即可，可以较远距离进行实现身份确认，比较方便和友好^[8]。与步态识别、手势识别相比，人脸识别很难被模仿和伪造，所以更加安全。最后，人脸图像提取的特征信息更加容易存储^[9]。基于以上几点的考虑，关于人脸识别的一些技术更加受到了用户的喜爱与认可。 目前，国内对于 Android 平台上的人脸识别研究逐渐在增多，其中大多数出现在高校对该技术的研究上。其中有先采用基于肤色的方法对图像进行处理，再使用 AdaBoost算法获取图像中的人脸区域，使用 ASM 算法进行人脸特征定位，利用 LBP 直方图进行特征提取等方法，在移动设备上实现了人脸识别系统的文献^[10]；有采用主成分分析法进行特征提取与降维，三阶临近法判别人脸图像对应分组的文献^[11]；有采用基于 Haar 特征的 AdaBoost 算法获取图像中的人脸区域，基于 DCT 与 FLDA 相结合的人脸特征提取算法，并利用最小距离法对特征提取算法进行验证的文献^[12]；有采用特征脸、LBPH、Fisherfaces 三种人脸检测和特征提取算法相融合的文献^[13]；有采用设定阈值、改变初始搜索框等措施对的 AdaBoost 算法进行改进的文献^[14]。 相对于国内，国外的组织或个人对于 Android 平台上人脸识别技术的研究较多。其中有提出了使用特征脸技术进行人脸是被和根据马氏距离进行图像匹配的文献^[15]；有提出了采用客户端-服务器模型，通过主成分分析法进行人脸识别的文献^[16]；有提出了运用近距离无线通信技术一人脸识别相结合的文献^[17]；有提出了将神经网络结构作为一个分类器，通过经典神经网络的反向传播算法来实现分类任务的文献^[18]。 总之，无论是对算法研究的深入还是在现实生活中的应用，国内的研究明显要略逊一筹。现在是信息时代，智能移动设备的不断发展，使得用的信息安全问题很难得到一个完美的解决，现有的技术也无法保证智能移动设备的绝对安全。因此，更深入的研究势在必行。

2. 研究的基本内容与方案

（1）基本内容 本次毕业设计的主要内容是学习并熟练运用Android操作系统平台开发的相关知识和人脸识别的相关理论，运用Android平台和人脸检测与识别算法，研究并实现一种基于Android平台的毫秒级人脸身份认证系统。（2）目标 实现如下功能： ①运用人脸识别和Android的相关理论与技术，完成基于Android平台的毫秒级人脸身份认证系统的设计； ②该系统能在摄像头感知区域内，实现人脸的检测与识别并完成身份认证的操作，且全过程耗时不超过1秒钟； ③该系统能支持N张（N1）人脸的身份注册与认证。（3）拟采用的技术方案及措施 围绕以上内容，拟采用的技术方案如下： ①Androi 平台系统架构的设计。Android平台主要分为4个层，从低到高分别为内核，系统运行库，应用程序框架以及应用程序。 ②搭建平台应用程序。应用程序是由若干个有着一定联系的模块组成，这些模块遵循应用程序框架的约束。一个应用程序的主要模块有： 活动（Activity），直观地展示在用户面前的应用程序表示层，方便用户与应用直接进行交互。 服务（Service），无法直观展现在用户面前的程序，在后台运行，能够响应活动的调用，也可以在活动关闭后继续运行。 内容提供者（Content Providers），提供可共享的数据、信息等，能够使开发人员共享不同应用程序的数据与信息。 意图（Intent），用来为应用程序传递消息。能够接受外界给于的响应，并给一个目标活动或者服务传递消息，表示需要执行一个动作，而系统将决定姜堰执行这一操作的活动或者服务。 广播接收机（Broadcast Receiver），在意图发布一个广播后，应用程序可以通过广播接收机监听此广播是否匹配了特定的过滤标准，如果确实匹配上了标准，广播接收者将自动运行对应的应用程序来响应这一广播。 窗口（Widget），能够直观的展示在用户面前的组件，根据广播接收机的转化而来，可以让用户直接与应用程序进行交互。③人脸认证系统的设计。在以上基础上，设计人脸认证系统，创建信息录入模块、人脸认证模块、登录验证模块。 ④系统验证分析。完成以上功能模块后，采集多个用户图像，在移动端进行测试，分析结果，进行总结。

3. 研究计划与安排

第1-3周：查阅相关中、英文文献资料，确定设计方案，完成开题报告；第4-5周：完成论文开题工作，完成不少于2万字符的英文翻译任务；第6-12周：完成Android平台人脸身份认证系统的设计与调试，并撰写论文初稿；第13-15周：修改完善毕业论文；第16周：完成论文答辩工作。

4. 参考文献（12篇以上）

[1]Tracy K W. Mobile Application Development Experiences on Apples iOS and Android OS[J].IEEE Potentials, 2012, 31(4):30-34.

[2] Yosep Ricky M. Mobile Food Ordering Application using Android OS Platform[C].

EDPSciences, 2014:108-129.

[3] Zhengfeng H E, Sun E. Face Recognition Algorithm Based on Neural Network and PrincipalComponent Analysis[J]. Computer Engineering, 2012, 38(19):175-178.[4] 鞠方媛. 协同学原理在神经网络分类器中的研究与应用[D]. 2013.[5] 刘鹭,董立文,姜鹏,马月. 人脸识别技术的研究与应用[J]. 科技信息. 2010(14).[6] 满江月. 浅析人脸识别的现状与未来[J]. 中国安防. 2015(15).[7] 郑展棒. 生物识别渐成门禁控制发展潜力点[J]．中国公共安全（综合版），2014, 14:65~69.[8] 杨晓飞. 人脸识别系统研究[D].北京化工大学 2005.[9] 人脸识别算法研究及实现[D]. 柯晓华.哈尔滨工程大学 2008.[10]鲁魁魁. 基于 Android 平台的人脸识别研究[D]. 2012.[11] 周勇, 张嘉林, 王桂珍, 等. Android 平台下的人脸识别系统的研究与实现[J]. 那劲 工程学院学报, 2013, 11(1):53-57.[12] 宋帅杨. 人脸识别在Android平台下的研究与实现[D]. 2014.[13] 郝翠翠. 基于人脸识别的寻人系统设计与实现[D]. 2015.[14] 于世强, 应捷. 基于Android平台的实时人脸检测与跟踪[J]. 电子科技, 2016, 29(7):78-81[15]Mansoor Iqbal,M. Shujah Islam Sameem,Nuzhat Naqvi,Shamsa Kanwal,Zhongfu Ye. A deep learning approach for face recognition based on angularly discriminative features[J]. Pattern Recognition Letters,2019,128:414-419.[16] Zhang K, Zhang Z, Li Z, et al. Joint face detection and alignment using multitask cascaded convolutional networks[J]. IEEE Signal Processing Letters, 2016, 23(10): 1499-1503.[17] Rana A, Ciardulli A. Identity verification through face recognition, Androidsmartphones and NFC[J]. World Congress on Internet Security, 2013, 162-163.[18] Stoimenov, S . Tsenov, GT. Mladenov, VM. Face Recognition system in Android Using Neural Networks. Symposium on Neural Networks and Applications, 2016, 13: 125-128.