随着移动互联网的发展,智能手机已经成为人类生活学习中必不可少的设备,同时手机也已经超越了它最初的设计本能,移动的支付平台、管理着用户的众多私密信息等使得手机的信息安全也成为急于解决的技术问题,而生物识别技术是利用人的生理特征或行为动作进行身份验证的一种技术,由于生物特征具有很强的稳定性和显著的个体差异,因而是理想的身份验证特征。人脸识别包括图像预处理、人脸检测、特征提取、识别分类。本文研究了人脸识别中的关键问题,并在Android平台上实现了基于图像的人脸识别系统,主要的研究内容和成果如下：(1)研究了图像预处理过程,主要针对灰度变换、直方图均衡化、图像平滑、图像锐化、图像二值化等比较常见而且经典的预处理方法进行了分析和研究,并对这些预处理算法给出了处理的过程和效果。(2)对人脸检测的方法进行了分析,特别是对人脸检测中主流的Adaboost学习算法进行了分析,重点研究基于Haar特征的AdaBoost算法,根据已有文献,分析了一种改进Haar特征的Adaboost算法。(3)特征提取作为人脸识别过程中的重要步骤,本文对人脸特征提取的方法进行了分析和总结,特别是对时域和频域变换中的离散余弦变换进行了研究,由于离散余弦变换具有误码率小、能量集中能力较好、压缩能力和计算复杂性综合效果较好等优点,较适合于Android平台的开发,通过学习参考文献,本文引用了一种基于DCT与FLDA相结合的人脸特征提取算法,最后在ORL人脸数据库上利用最小距离分类器对该特征提取算法进行了验证,实验结果表明了本文算法的有效性。(4)对Android编程平台进行了分析,主要包括Android开发、Android NDK以及Android开发平台的搭建进行了详细的分析,并对so库文件编译进行了分析,最后实现了Android平台上的人脸识别系统,通过实验可知该系统具有良好的稳定性与有效性。