全文总字数：3666字

1. 研究目的与意义及国内外研究现状

人脸检测的基本目的是利用图像处理和计算机视觉相关算法，从一幅图片或者视频流中的一系列图片中检测图像是否包含人脸，并进一步给出人脸的各种信息，包括位置信息、大小信息，还能够将人脸单独从原始的捕捉画面中剪裁出来。更进一步的是，通过一定的算法提取出足够区分不同的人的人脸特征，再将提取到的特征与事先存放在数据库中的人脸的特征进行对比，从而实现对图片中出现的人物进行身份鉴别。人脸检测的结果将对后续的人脸识别工作产生重要的影响，是人脸识别的基础。 传统的人脸识别技术大都只能处理灰度图像，图像采集设备的发展使得彩色图像已经非常普遍。相比灰度图像，对彩色人脸图像预处理的研究更具有理论研究和实际应用价值。输入图像由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声，对比度不够等缺点。另外，距离远近、焦距大小等又使得人脸在整幅图像中间的大小和位置不确定。图像预处理的主要目的是消除图像中无关的信息，滤除干扰、噪声，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。

国内外研究现状

人脸检测要解决的是图片或视频中哪里有人脸的问题，为了识别检测到的人脸，还需进一步提取检测到的人脸的面部关键特征，对该问题的研究即为通常意义上所说的人脸特征定位。人脸特征点定位方法具有里程碑式的发展有五个：1995 年t.f. cootes的asm算法、1998 年t.f. cootes的aam算法、2006 年d. cristinacce的constrained local model算法、2010 年p. dollar的cascaded regression算法、2013年 y. sun 首次将深度学习方法cnn应用到人脸特征点定位上。自从2013年y. sun等人在人脸关键点检测任务中使用深度学习获得良好效果以来，众多学者将目光从传统方法转移到基于深度学习方法，并在近年提出多种有效的深度学习模型。2016年，k. zhang等人提出一种多任务级联卷积神经网络（mtcnn）用以同时处理人脸检测和人脸关键点定位问题。2017年，m. kowalski等人提出一种新的级联深度神经网络——dan，以往级联神经网络输入的是图像的某一部分，而dan各阶段网络的输入均为整张图片。

我国对人脸检测技术的研究始于20世纪80年代，国内清华大学、北京工业大学、中科院计算机所和自动化所等都有人员从事相关研究。2013年，王智文针对基于模板匹配人脸检测算法计算量大和基于肤色分割人脸检测算法正确率低、易受类肤色背景影响等缺陷，提出了利用人类肤色分割和自适应模板匹配的人脸检测方法。2019年，张宁和伍萍辉针对在非可控条件下的人脸检测经常遇到的问题，如复杂的人脸姿态表情、严重的人脸遮挡、外界环境背景复杂、光照条件差、小人脸等提出了一种自下而上的基于深度学习的人脸检测方法。

彩色图像预处理包括图像归一化、图像增强（包括图像去燥）以及必要的彩色空间变换等。

2. 研究的基本内容

一、了解课题研究的背景与意义、国内外研究现状。

二、了解人脸识别的相关理论，掌握人脸检测和彩色人脸图像预处理的基本原理和实现方法。

三、设计人脸检测和彩色人脸图像预处理系统，并在android上编程实现该系统。

3. 实施方案、进度安排及预期效果

实施方案：

一、去图书馆或网络上查阅相关的资料，了解该项目的研究价值。

二、通过查阅的资料确定研究方向及研究的可行性。

4. 参考文献

[1]刘成林，谭铁牛. 模式识别研究进展[j]. 中国计算机学会通讯，2007，(12): 45-52.

[2]王映辉. 人脸识别——原理、方法与技术[m]. 北京：科学出版社，2010.

[3]耿祥义. java2实用教程[m]. 北京：清华大学出版社，2017.