全文总字数：3854字
1. 研究目的与意义（文献综述）
近年来，人脸识别在计算机视觉技术中属于热门领域。这可以归结于该技术的应用领域较为广泛，并且随着机器学习，乃至迁移学习技术的发展，人脸识别的准确性，鲁棒性都有较大的提升。
人脸识别从技术实现顺序上，可以分为图像识别，人脸检测，特征提取及表示。而人脸识别的发展历史，更主要集中在人脸特征提取、表示上。从半个世纪前的“几何特征”发展到如今的“表示学习”，人脸识别技术已获得了重大突破。整个人脸识别技术的发展可以分为三个阶段：1990年前以基于几何结构特征的方法和基于模板匹配的方法为主；1990至1997年随着feret人脸图像数据库的建立，催生了诸如特征脸eigen –face以及基于子空间分析的人脸识别算法，引入了降维处理的概念；1998年至今，大量新技术如采用深度学习的无监督学习局部描述子，有监督学习在afr的应用将人脸识别的准确率提升到90%以上，开启了“表示学习”的时代。
2. 研究的基本内容与方案
2.1 研究目标
使用基于python的keras平台，完成基于dcnn的图像（人脸）分类器设计与实现。拟实现在对网络完成训练的条件下，能实现在一张大的照片中识别其中多个对象是否为人脸的功能。人脸识别是计算机视觉领域一个非常具有前景的方向。首先人脸识别可以应用于许多业，具有可观的使用价值。其次，人脸识别的快速便捷也非常符合当今社会快节奏发展的需要，在人员流动量大且需要身份验证的场所，使用人脸识别可以为相关人员节省时间。
3. 研究计划与安排
3．进度安排
第 1 周：进行开题报告的撰写；
4. 参考文献（12篇以上）
1.高志强等, 深度学习从入门到实战, 中国铁道出版社,2018
2.tawehbeysolow, 深度学习, 机械工业出版社, 2018
课题毕业论文、开题报告、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。
