1. 研究目的与意义
身份鉴定技术在现代社会中体现着其非常重要应用地位，随着互联网的迅速发展，信息安全更加凸显其日益重要地位。
传统的身份验证方法的可靠度和方式都遭到了挑战，这些技术的革新也对身份验证方法和方式提出了更高的要求。
与传统的身份鉴定手段相比，生物特征识别技术具有唯一性和可靠性，方便性和不易盗取等优点，与指纹、虹膜等生物特征识别相比，人脸识别具有直接、友好、方便、操作隐蔽、非侵犯性、可交互性强等优点。
2. 课题关键问题和重难点
拟解决的关键问题：1.如何正确使用主成分分析在人脸图像的前期处理中，首先要通过主成分分析（PCA）的方法来去除相关性，将数据降维。
我们在使用时要确保：要有定量分析的方法。
（1）如何寻找最佳维数。
3. 国内外研究现状（文献综述）
1.国内外在该方向的研究现状及分析（1）国外现状及分析人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。
国外主要从以下几个研究方向进行人脸识别研究：1）基于模版匹配的方法。
这类方法利用图像灰度和计算机模板的相关性来进行人脸识别。
4. 研究方案
课题已具备和所需的条件：本课题所用的数据集来自著名的ORL人脸库。
在此对次人脸库做一个简单的介绍。
（1）ORL数据库共有400幅人脸图像（40人，每人10幅，大小为112*92像素）。
5. 工作计划
（1）2022年1月15日2022年1月31日 阅读相关资料文献，深入理解人脸识别的相关知识和PCA、SVM算法。
（2）2022年2月1日2022年2月20日 使用PCA算法用matlab语言编程实现，对人脸进行降维处理并分析。
（3）2022年2月21日2022年3月1日 进行数据的规格化处理，选择核函数并确定最佳参数，之后进行分类器设计，验证结果。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
