1. 研究目的与意义（文献综述）

1.1 研究目的及意义

在现在社会信息化进程中，生物特征识别技术已渐渐被我们熟知，其中包括：指纹识别技术、语音识别技术、人脸识别技术、虹膜识别技术、dna识别技术以及眼角膜识别技术等。作为机器视觉特征识别技术的代表人脸识别技术，也越来越广泛的应用到我们的日常生活和国家军事安全中，如社区安防系统和门禁系统、智能锁、公司考勤系统、关口通行、民航身份确认、银行金融保险系统、网络银行电子支付、警方追击逃犯和反恐、军事安防等方面。

人脸识别技术是基于人的脸部特征，对输入的人脸图像进行识别。首先判断其是否存在人脸,如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。

2. 研究的基本内容与方案

在本设计中，拟采用基于pca的人脸识别算法来完成研究。（pca）主成分分析为一种统计学中特征提取方法，在实际中应用的非常广泛。pca是通过提取原始数据的主元来减少数据的冗余，使数据在低维度的空间中被处理，同时它还能很好保持了原始数据的绝大部分信息，有效的解决了由于空间维数过高而导致的一系列问题。如下将详细介绍如何使用pca算法进行人脸识别。

1.首先创建数据库：读入系统人脸数据库，并将图像变换为相应的灰度图像同时将变换后的二维人脸灰度图像变换为一维人脸向量矩阵。在灰度图像变换为一维人脸向量矩阵的过程中，首先计算出人脸图像的大小，然后将人脸图像经行转置，最后按列依次取出取出所有灰度值形成大小为mn的一维向量，其实整个阶段的效果相当于将图像的灰度值按行取出依次连接成一维图像向量。

2.计算特征脸：首先计算出图像矩阵中一维列向量的平均值m，然后对图像矩阵的每一列都减去平均值形成规范化的图像矩阵a，再计算特征脸。

3. 研究计划与安排

第1-2周：查找资料，了解设计任务；
第3周：根据毕业设计内容查找相关资料；
第4周：完成开题报告；
第5-6周：学习掌握编程技术；
第7-11周：进行软件的初步设计；
第12-14周：进行软件测试及修改；
第15周：完成论文初稿；
第16周：完善论文并定稿；
第17周：进行答辩。

4. 参考文献（12篇以上）

[1]曹妥恰.基于pca算法对人脸识别的认识[j].中国新通信,2017,19(21):74.

[2]徐金林,林玉娥.基于改进的lbp和pca算法的人脸识别[j/ol].电脑知识与技术,2017(17):1-2[2017-12-29]

[3]李昌. 基于pca和bp神经网络的人脸识别方法研究[d].哈尔滨理工大学,2017