1. 研究目的与意义（文献综述）

1.1研究目的及意义

人脸面部的皱纹信息本质上为一种人脸特征信息，准确提取到人脸面部皱纹信息对-特征提取算法加机器学习方法分析这一类人脸识别算法有提高识别准确率的帮助，有助于进行身份识别，特别是针对于年龄较大、皱纹较多的人及双胞胎等特定识别场景。

同时当皱纹提取算法精度足够高后，可以辅助进行人脸表情识别。目前人脸表情识别的研究得到广泛的关注，但表情的主观性和个体之间的差异性给研究人员带来很大的挑战和困难。从解剖学角度来讲，每一个面部表情牵动着若干条肌肉线，而肌肉的变化影响着面部表面区域的变化。因此通过定义面部肌肉的动作单元，可以提供一种更加客观的描述人脸表情的方法。目前较为科学的面部肌肉动作定义方式是通过面部活动编码系统 facs 来定义。facs 定义这种面部区域活动为“面部活动单元”，简称「au」（action units）。而这个面部活动单元很大一部分是由上述的短暂存在的因表情形成的皱纹构成。

2. 研究的基本内容与方案

2.1基本内容概述

（1）在自然场景中对人脸区域进行检测和定位。

（2）对提取到的人脸区域进行內脸轮廓及特征点提取。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案及完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译。

第6－9周：熟悉程序设计环境、理解并实现相应算法。

4. 参考文献（12篇以上）

[1] 李顾全, 赵沛然, 李丽媛,等. 基于图像处理的皮肤健康检测研究[j]. 电子世界, 2017(21):7-9.

[2] 郭金鑫,陈玮.基于hog多特征融合与随机森林的人脸识别[j].计算机科学,2013,40(10):279-282 317.

[3] 顼改燕, 徐华, 翟忠武,等. 基于gabor滤波器和bp神经网络的人脸皮肤皱纹区域自动识别[j]. 计算机应用, 2010, 30(2):430-432.