基于MTCNN联合FaceNet算法的人脸识别系统设计与实现开题报告

人脸识别技术是包括人脸检测和人脸身份认证技术在内的识别技术，人脸检测是根据所获得视频或者图片信息，利用图像处理和计算机视觉相关算法，从图像中判断是否有人脸，并给出存在人脸的数量和位置，更进一步的是通过脸与脸的匹配识别人脸的身份。

人脸识别技术的研究无论在理论上还是在实践中都有很大的意义，它涵盖了数字图像处理、神经网络、心理学、生理学、模式识别、计算机视觉以及人工智能等各方面的知识内容，对推动各个学科领域的发展具有重要的理论意义。在公安、金融、网络安全、物业管理以及考勤等各种领域也都有着巨大的应用价值。如人脸识别技术可以快速地计算出实时采集到脸部数据与人脸图像数据库中已知人员的脸部数据之间的相似度，返回鉴别结果和相对应的可信度。如应用面像捕捉，人脸识别技术可以在监控范围中跟踪一个人并确定他的位置。如在商场、银行、交易所等和金融相关场所，加以人脸识别智能监控，排除不法分子的侵入。利用人脸识别技术，可以进行计算机的登录控制，可以进行应用程序安全使用、数据库安全访问和文件加密，可以实现局域网和广域网的安全控制，可以保护电子商务的安全性。如门禁控制，通过摄像机动态捕获人脸,将人脸信息同数据库中的人脸信息进行检索对比,只有图像信息符合的人才可以进入,否则拒绝进入。在日常生活中，人们识别周围的人用的最多的是人脸。由于人脸识别的非侵犯性，具有直接、友好、方便的特点，是人们最容易接受的身份鉴别方式。

研究内容：查询相关文献，了解人脸识别内容领域研究现状，学习人脸识别过程与方法，最后完成实际人脸识别项目部署。

关键问题：人脸数据的采集、处理，识别和检索算法的选择优化，实际项目部署的硬件条件。

近年来，随着计算机技术的迅速发展，人脸自动识别技术得到广泛研究与开发，人脸识别成为近30年里模式识别和图像处理中最热门的研究主题之一。

人脸识别发展经历了四个阶段：第一阶段是二十世纪而五十年代从感知和心理学角度探索人脸识别机理；第二阶段是关于人脸的机器识别的研究吗，始于二十世纪七十年代，主要研究人脸识别所需要的面部特征；第三阶段是人机交互式别阶段，特征表示法、统计识别方法开始应用到人脸识别中；第四阶段，从二十世纪九十年代开始，才进入了真正的机器自动识别阶段，也就是现在主流的方法：

基于几何特征的人脸识别法， 识别所采用的几何特征是以人脸器官的形状和几何关系为基础的特征矢量，本质上是特征矢量之间的匹配。

(1)基于相关匹配的方法，包括模板匹配法和等强度线法。

(2)基于子空间方法，常用的线性子空间方法有：本征子空间、区别子空间、

独立分量子空间等。此外，还有局部特征分析法、因子分析法等。这些方法也分别被扩展到混合线性子空间和非线性子空间。

(3)基于统计的识别方法，该类方法包括有：K L 算法、奇异值分解(SVD)、隐马尔

可夫(HMM)法。

(4)基于神经网络的方法，采用主元神经网络方法提取人脸图像特征，用自相关神经网络进一步压缩特征，来实现人脸识别。

(5)基于弹性匹配方法，采用动态链接结构（DLA）的方式识别人脸。

(6)基于三维模型的方法，该类方法一般先在图像上检测出与通用模型顶点对应的特征点，然后根据特征点调节通用模型，最后通过纹理映射得到特定人脸的 3D 模型。

人脸自动识别技术已取得了巨大的成就，随着科技的发展，在实际应用中仍然面临困难，不仅要达到准确、快速的检测并分割出人脸部分，而且要有效的变化补偿、特征描述、准确的分类的效果，还需要注重和提高以下几个方面：

(1) 人脸的局部和整体信息的相互结合能有效地描述人脸的特征，基于混合模型的方法值得进一步深入研究，以便准确描述复杂的人脸模式分布。

(2) 多特征融合和多分类器融合的方法也是改善识别性能的一个手段。

(3) 由于人脸为非刚体性，人脸之间的相似性以及各种变化因素的影响，准确的人脸识别仍较困难。为了满足自动人脸识别技术具有实时要求，在必要时需要研究人脸与指纹、虹膜、语音等识别技术的融合方法。

(4) 3D 形变模型可以处理多种变化因素，具有很好的发展前景。已有研究也表明，对各种变化因素采用模拟或补偿的方法具有较好的效果。三维人脸识别算法的选取还处于探索阶段，需要在原有传统识别算法的基础上改进和创新。

查找相关文献，了解人脸识别研究方法，现有成果概况。

熟悉人脸识别实现过程，结合现有方法和存在的问题，尝试着提出新的方案。

学习熟悉人脸识别项目开发部署工具如opencv等，尝试部署人脸识别项目。

复现高质量论文的识别方法，对比分析，寻找优化点。

提出优化方案，完成最终项目部署。