1. 研究目的与意义（文献综述）

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，是一个集算法、模型和趣味于一体的新兴技术，内含人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别四个组成成分，简单来讲，是用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。人脸识别主要用于身份识别，广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域，随着移动互联网的崛起，一些人脸识别技术的开发者将该项技术应用到娱乐领域中，如应用开心明星脸等，根据人脸的轮廓、肤色、纹理、质地、色彩、光照等特征来计算照片中主人公与明星的相似度。

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；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“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。

我国自国家863项目“面向检测与识别核心技术”通过成果鉴定达到国际领先水平，标志着我国在人脸识别这一当今热点科研领域掌握了一定的核心技术，并广泛投入运用。

2. 研究的基本内容与方案

1)人脸定位，对一幅图像中的人脸进行定位；

2)人脸图像提取，将定位成功后的人脸从原始图像中提取出来；

3)将人脸进行大小同一化，对人脸面部区域进行切割分析，对局部纹理和特征进行建模分析；

3. 研究计划与安排

1-3周：查阅不少于15篇的相关资料，其中英文文献不少于3篇，完成开题报告。
4-6周：通过对深度学习CNN框架的学习进行人脸年龄识别的总体设计，完成论文综述。
7-10周：设计与之符合的图像处理的算法，进行相应的功能模块设计，通过不断改进得到较优的算法。
11-13周：对设计的算法进行编码并得以实践，并通过一些数据集进行训练和测试。
14-15周：草拟论文的具体内容，提交初稿，给老师检查，通过老师的意见和教导修改定稿，完成所写论文的答辩。

4. 参考文献（12篇以上）

[1] He K, Zhang X, Ren S, et al. Deep Residual Learning for Image Recognition[J]. 2015:770-778.
[2] LEVI G, HASSNER T. Age and gender classification using convolutional neural networks[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops. Washington, D.C.: IEEE, 2015:34-42.
[3] T. Hassner, S. Harel, E. Paz, and R. Enbar. Effective face frontalization in unconstrained images. Proc. Conf. Comput. Vision Pattern Recognition, 2015. 5, 6
[4] Mnih V, Kavukcuoglu K, Silver D, et al. Human-level control through deep reinforcement learning.[J]. Nature, 2015, 518(7540):529.
[5] Fan H，Cao Z，Jiang Y，et al.Learning deep face representation[J].EprintArxiv，2014.
[6] I. Ullah, M. Hussain, G. Muhammad, H. Aboalsamh, G. Bebis, and A. M. Mirza. Gender recognition from face images with local wld descriptor. In Systems, Signals and Image Processing, pages 417–420. IEEE, 2012. 2
[7] 欧先锋, 向灿群, 郭龙源,等. 基于Caffe深度学习框架的车牌数字字符识别算法研究[J]. 四川大学学报(自然科学版), 2017, 54(5).
[8] 陈济楠, 李少波, 高宗,等. 基于改进CNN的年龄和性别识别, 2017年8月29日[J]. 计算机工程与应用, 2017.
[9] 李怀. 基于集成卷积神经网络的人脸年龄识别研究[D]. 华南理工大学, 2016.
[10] 张国云, 向灿群, 罗百通,等. 一种改进的人脸识别CNN结构研究[J]. 计算机工程与应用, 2017, 53(17):180-185.
[11] 景晨凯, 宋涛, 庄雷,等. 基于DCNN的人脸识别技术在考生身份验证中的应用研究[J]. 河南大学学报(自然版), 2017, 47(6):699-707.
[12] 尚世锋, 曹洁, 张增. 基于CNN神经网络的人脸识别模型研究[J]. 现代信息科技, 2017, 1(1).
[13] 陈耀丹，王连明.基于卷积神经网络的人脸识别方法[J]. 东北师大学报：自然科学版，2016（2）：70-76.
[14] 张飞龙，王顺芳，赵剑华， 等.基于图像分割及模糊隶属度的 PCA人脸识别[J].计算机应用与软件，2014（5）：188-190.
[15] 李康顺，李凯，张文生.一种基于改进BP神经网络的PCA 人脸识别算法[J].计算机应用与软件，2014（1）：158-161.
[16] 杨巨成, 刘娜, 房珊珊,等. 基于深度学习的人脸识别方法研究综述[J]. 天津科技大学学报, 2016, 31(6):1-10.
[17] 汪金涛, 曹玉东, 李羊. 基于深度学习的人脸识别方法探究[J]. 电子世界, 2016(18):118-118.