全文总字数：2698字

1. 研究目的与意义及国内外研究现状

随着互联网应用及移动设备的飞速发展，如何准确快捷并且安全地识别人物身份再次成为一项重要的研究课题。目前生活中存在的传统识别方式很大一部分都是借助外物，如钥匙、身份证等。这种身份识别方式要求被识别对象随身携带这类物件，缺少一定的便利性和安全性。一旦这些识别物件丢失，很有可能会被犯罪分子等利用给本人带来一定的经济损失或其他危险。生物识别技术即利用人体固有特征进行身份鉴定，例如指纹、虹膜、人脸等。相较于传统识别技术，生物特征具有诸多特性。1、唯一性。2、不可复制性，生物特征是生来具有的，不可被改变，因此也不可能复制他人的生物特征。3、方便可靠，生物特征作为人体的一部分，随时可用，且永远不会遗忘。因此，生物识别技术受到了各大企业和研究所的重视，在很多领域成功取代了传统识别技术。而且随着计算机和人工智能的快速发展，生物识别技术很容易配合计算机、网络，实现自动化管理，正在快速融入人们日常的生活。

目前的生物特征识别技术有人脸识别、指纹识别、静脉识别、虹膜识别、声音识别：

类型	误认率	稳定性	便利程度
人脸识别	0.50%	一般	采集方便，成本低
指纹识别	0.80%	易磨损	接触式识别，成本低
静脉识别	0.00%	终身不变	两秒识别，采集距离有限，设备昂贵
虹膜识别	0.0001%	终身不变	识别快，距离近，设备昂贵
声音识别	1.00%	不稳定	获取方便，易接受

人脸识别技术的新应用：

1、刷脸支付

刷脸支付无需接触，不借助外物，走到哪消费到哪。

2、门禁管理

相较于传统的考勤系统，不借助外物，无需排队，借助摄像头抓拍人脸在后台自动识别签到，公司员工无需花费多余时间。

3、视频监控

从公共场所到私人住宅，可以扫描分析每个人的身份，对抓捕罪及其他公共个人安全的预防有着不可或缺的作用。

国内外研究现状

人脸识别技术的研究的研究最早可追溯到18世纪末，Galton在《Nature》杂志上发表了一篇代表性的文章，介绍如何使用人脸特征识别。在此之后国内外知名机构和公司如google、facebook、牛津大学、百度、中科等都进行了人脸识别的相关研究。直至2017年，美国Apple公司将人脸识别技术运用到了新一代的iPhone手机上再次将人脸识别带入公共视野。

当前传统的人脸识别方式有以下几种：

（1）基于模板匹配的方法

该方法将待处理的人脸图像直接与数据库中所有模板进行匹配，选取匹配相似度最高的模板图像作为待处理的图像分类。模板匹配模板数量有限，并不适用实际场景。

（2）基于几何特征的方法

人的面部有着很多形状、大小都不相同的部件，例如鼻子，嘴巴等。通过对这些部件形状的对比，部件之间的位置检测，从而实现人脸识别。可靠性有效性较低。

（3）基于代数特征的方法

该方法主要通过对待处理图片的灰度分布进行代数变化矩阵分解来实现。

（4）基于人工神经的方法

该方法模拟人脑神经元工作机制，训练参数多，训练时间过长。

（5）基于稀释表示的人脸识别方法

其稀释表示用的字典直接由训练所用的全部图像构成，而不需经过字典学习。如MPR算法和SRC算法等。

以上方法虽然都取得了大量成果，但由于人脸自身的复杂性，使得这些传统方法都很难应用在现实中。

2. 研究的基本内容

随着计算机电子科技的发展，Nvidia发布了一系列高性能显卡使得深度学习的训练时间大大缩短。Facebook提出的Deepface利用卷积神经网络和大规模人脸图像进行识别可达97.35%的精度。接而，香港中文大学提出的DeepId对卷积神经网络进行改进，采用局部 全局特征的方法，将精度提升至99%以上。

本文主要研究深度学习理论并将其应用于人脸识别。首先描述基本人脸识别原理及常见人脸识别算法，并阐述了人脸识别研究中的难题。其次探讨基于简单的局部二值模式（LBP）算法并且用于人脸识别技术中。最后提出了一种基于多特征融合的深度学习人脸识别算法，改善了浅度特征不能很好表达复杂的人脸特征的难题。实验结果表明，融合多特征的深度学习人脸识别算法提高了人脸识别的准确率。

3. 实施方案、进度安排及预期效果

本文的组织结构如下：

第一章为绪论，介绍研究背景及意义，概述目前国内外对人脸识别学习研究的进展。

第二章介绍本文所用的开放人脸库以及介绍文中主要用到的人脸算法，并且阐述人脸识别研究主要的难题。

4. 参考文献

[1]宋一龙,汪栋洋,钟钦瀚,林董.基于混合训练的深度学习人脸特征提取方法[j].新技术新工艺,2018(03):39-42.

[2]周松锋,戴曙光.改进的pca人脸识别算法研究[j].软件导刊,2018,17(02):15-18.