1. 研究目的与意义（文献综述）

1.1 选题意义及背景

英特尔创始人之一的戈登-摩尔提出的摩尔定律揭示了信息技术进步的速度，在集成电路芯片ic（integrated circuit）的高速发展和如今数据流量时代爆炸增长的大数据的推动之下，人工智能 ^{ref _ref4166253 * mergeformat [1]}ai（artificial intelligence）领域异常火爆，各大科技巨头之间的博弈也是非常激烈，他们的ai技术应用更是层出不穷，如谷歌deepmind的alphago的升级版——alphazero；ibm旗下的医疗ai——watson；英特尔与百度达成合作的自动驾驶ai项目——apollo等等，人工智能ai正在逐渐走进人类的生活，得到了各阶级人们广泛的关注。

人工智能ai领域之一机器学习（machine learning）的应用也走进了人们的视野，我国南京大学的周志华老师编写的《机器学习》 ^{ref _ref4164228 * mergeformat [2]}也深受入门者喜欢，机器学习在计算机视觉及图像处理 ^{ref _ref4166387 * mergeformat [3]}中有广泛应用，其中人脸识别 ^{ref _ref4164615 * mergeformat [4]}就是一个应用例子，基于机器学习的人脸识别 ^{ref _ref4164615 * mergeformat [5]}是当前人工智能和模式识别的研究热点。自从“9·11”美国遭受恐怖袭击之后，身份认证已经成为了各国政府重视的一个问题，传统的通过密码或证件的身份识别和认证方法容易被不法分子伪造，从而造成个人、甚至是国家财产的损失，对不明身份的人无法及时确定其身份信息也很容易给公共社会治安造成不稳定因素，于是基于生物特征的识别方法在这种时候脱颖而出，成为各国政府的首选方法，生物特征识别包括指纹、虹膜、人脸等的生物特征识别，相比于传统方法具有更好的安全性和可靠性。而人脸识别相对于指纹、虹膜识别，人脸识别显然具有友好性、隐蔽性、方便性等优势，它不用强制性收集被识别者的信息，也不用被识别者的主动配合，同时人脸的采集也更多元化，因而开发出能随时随地进行精准人脸识别的系统自然而然具有十分重要的安全意义和研究价值。

2. 研究的基本内容与方案

2.1 本论文的主要工作和内容

学习并掌握机器学习的相关理论知识以及图像的特征提取与比对识别的相关算法；以程序设计语言例如c ，python等为工具设计实现一套基于机器学习的人脸自动识别系统，通过对人脸面部特征的比对，达到对目标对象高效自动识别的目的。

3. 研究计划与安排

第1~3周：查阅相关文献资料；在明确设计内容的基础上撰写并提交开题报告；

第4~5周：学习和掌握机器学习技术如梯度下降法 ^{ref _ref4166476 * mergeformat [13]}的相关理论知识，确定系统整体实现方案；

第 6 周：学习opencv 开源计算机视觉库；

4. 参考文献（12篇以上）

[1] dechterr. learning while searching in constraint-satisfaction-problems[c] nationalconference on artificial intelligence. philadelphia, pa, august 11-15, 1986.volume 1: science. dblp, 1986:178-185.

[2] 周志华. 机器学习[m]. 北京: 清华大学出版社, 2016. 01.

[3] 刘燕,董蓉,李勃.基于机器学习的图像分割算法研究[j].电视技术, 2017,41(z4):32-39.