随着人工智能的快速发展,人脸识别的理论和技术逐渐从实验室走向工程应用。本文以Android操作系统手机为基础,研究了基于改进主成分分析(Principal Component Analysis,简称PCA)和支持向量机(Support Vector Machine,简称SVM)算法的人脸识别系统。论文进一步研究探讨了邻近支持向量机算法存在的不足,并给出相应的改进方法。系统覆盖了典型人脸识别系统的主要环节,包括:原始人脸图像采集、人脸图像标准化,构建包含人脸样本数据集的本地信息管理数据库,人脸特征提取、识别分类,最终结果展示。论文的主要研究内容如下。(1)手机人脸识别系统的设计及人脸图像采集与预处理。针对手机本身特点,设计对应的系统架构、系统总体运行流程、人脸图像采集和标准化操作等;分析研究了人脸图像几何标准化、灰度化、噪声滤波、直方图均衡化等图像预处理的理论基础和优缺。(2)基于改进主成分分析的人脸特征提取算法研究与实现。分析研究了人脸特征提取算法中非常重要的主成分分析及其改进算法,通过一系列实验对这些方法进行性能对比和验证;研究特征提取算法在手机上的实现,获得人脸特征提取变换矩阵。(3)基于改进支持向量机的人脸分类器算法研究与实现。研究分析了支持向量机及其改进算法;针对邻近支持向量机算法在处理非线性样本时,样本矩阵降维方式的不足设计了基于样本选择的改进方案;设计了相关实验进行对比和验证;研究分类器算法的具体实现。(4)系统功能实现与测试。根据前述理论研究分析和系统设计,对系统各具体功能进行实现。为使程序运行处理速度更快,研究并使用了基于JNI(Java Native Interface,简称JNI)和NDK(Native Development Kit,简称NDK)的Java、Android本地开发技术;为管理识别过程所需的人员、人脸样本等各种信息,搭建了本地信息库;为更好地与使用者交互,设计了结果处理模块;最后对系统的运行及效果进行测试,验证系统的完整性、可行性。