人耳作为生物特征的一种,具有普遍性、稳定性和易采集性等特点,使得人耳检测与识别研究成为热点。本课题研究人耳检测的Android实现及人耳识别算法。研究主要内容及成果如下:(1)本文采用基于Haar-like特征的AdaBoost算法进行人耳检测,并分别训练实验室条件下与非受控条件下的人耳分类器。实验室条件下的正样本使用USTB-1数据库,非受控条件下的正样本为AWE数据库;负样本均来自weizmann团队的图像分割数据库。实验结果表明所用方法及训练的分类器在两种条件下均达到较高的检测率,且检测速率均在20ms以内。(2)对人耳特征识别算法进行研究,首次将HOG+PCA+SVM算法应用到人耳识别上。该算法首先提取人耳的HOG特征,其次通过PCA算法进行特征降维处理,最终通过SVM多分类器进行识别分类。通过与传统PCA+SVM算法的实验对比,本文所用方法的识别率优于PCA+SVM算法,且最高识别率可以达到95%以上。(3)在Android平台上实现人耳检测。通过Java本地接口技术将人耳检测算法移植到Android平台上,使其能够精准检测出人耳并进行聚焦拍照。三种实验测试结果展示了Android平台上人耳检测的有效性。论文实现的Android人耳检测为3D人像建模的高精度拍照奠定良好基础,同时建立了课题组的人耳数据库;所提人耳识别的新算法为后期人像识别进行了预先研究。