对于中国人来说，微博和微信几乎占据了使用手机的“半壁江山”。所以本课题是在 Android 操作系统的基础上，出于健康和方便的目的对常用的微博进行开发，使用 Android OS 的相关开发和测试工具，以及 Android OS 中的 sqlite、UI 设计、自定义组件、FaceDetector 等技术和相关的设计模式，并且通过新浪微博开放平台提供的 API 和相关文档，开发一款采 用新型交互方式的新浪微博客户端 APP。

本课题的特点在于采用摄像头前置摄像头，设计相应算法分析出人脸与屏幕距离，根据 该距离调整微博显示文字和的大小，从而更为人性化地提升使用者的阅读体验，避免用户因 为距离远看不清而将手机靠近眼睛以致伤害眼睛，从而达到保护使用者的眼睛。不过对于本 课题的深层意义来说，微博客户端只是一个载体，而新型交互方式才是重点，这种新型的交 互方式可以用在任何一个应用，甚至是移动操作系统中。

1。2论文相关技术发展现状

1。2。1人脸检测技术发展现状

人脸检测就是从图像中检测并获取人脸的数据。20 世纪 70 年代初，人脸检测技术开始 被研究，当时使用的方法主要是基于模板匹配、子空间等[2-4]，这种方法对只能针对简单的场 景，在一些比较复杂的环境中比较乏力。后来研究者针对这种情况，进行基于分割的人脸识 别，比如肤色分割[12]。20 世纪 90 年代以后，随着计算机技术水平的提高，出现了统计和神 经网络的方法，这种方法人脸检测可以更好的适应复杂背景。同时很多数学方法、理论和模 型，比如隐马尔可夫模型、支持向量机等，被使用到了人脸检测和识别中，促进了该技术的 快速发展[10-11]。

2001 年，Viola。P 的论文提出对图像使用 AdaBoost 方法[4]和“级联”策略实现快速人脸 检测[6]。2004 年里 Voila 又提出了对该算法的优化[7]。该方法是人脸检测领域比较成熟的方法， 识别效率高，识别速度快，在实际中已经得到广泛的应用。

我国进行人脸检测和识别的研究开始于在 20 世纪的 80 年代初，哈工大、中科院和清华

大学在国内的人脸检测和识别领域取得了很多研究成果[18-19]。 随着大数据和云平台的逐渐发展，最近几年研究者继续对人脸检测进行深入研究，虽然

没有出现超过 AdaBoost 的新算法，但在检测速度和准确率上取得一定的成果，并且得益于大 数据，可以获取到更多的人脸细节。2015 年红极一时的微软的 HowOldRobot 正是使用了人脸 检测和识别技术，利用大数据，对图像中的人脸进行分析，可以较为准确的识别出人的性别 和年龄。不过，人脸检测和识别在实际应用中还存在着很多有待解决的技术难题，对复杂环 境也不友好，所以今后仍是一个需要研究的课题。

尽管如此，人脸检测和识别的前景还是十分令人期待的，其可以在以下场景加以利用[8]：

(1) 公民身份信息中存入面部信息，公安部门可以利用该信息打击犯罪[9]。

(2) 车站、港口的进出识别。

(3) 财产或者设备加密。

(4) 金融支付和医学领域。

1。2。2移动设备人脸检测技术现状

目前人脸检测技术在移动端的研究和开发也越来越多，许多强大的人脸识别库和算法， 比如 OpenCV[26]等，都提供了对移动平台的支持。基于统计特征的 AdaBoost 人脸检测算法[4] 依旧是使用最多的，并且有许多研究人员针对嵌入式系统对该算法进行了优化[13]。

移动设备人脸检测技术的应用还比较罕见，不过也已经逐渐出现了一些案例。比如三星 最近推出的一款名为 Safety Screen 的应用[23]。其功能是通过人脸检测技术来检测人脸距离设 备是否太接近。一旦检测到距离太近，屏幕上就会出现提醒动画。此应用的目的是提醒所有 使用者要把握眼睛到平板或手机屏幕的距离，防止不正确的使用对使用者的眼睛造成伤害， 尤其是警告小孩子，防止距离过近，增加近视的几率。这个应用和本课题实现的功能有相似 之处。论文网