身份鉴定和身份识别等身份识别在网络安全监控等领域具有重要的应用价值。

然而，证件、密码等传统的验证方式因容易被盗取以及被伪造，而存在严重的安全漏洞问题。

而基于活体人脸的识别技术可很好地解决以上问题。

2. 研究的基本内容

1.深度卷积网络和人脸识别基础理论知识的总结和回顾；2.深度学习框架TensorFlow的研究学习；3.基于深度卷积网络的人脸识别的现有模型的研究与分析；4.嵌入先验信息的人脸识别模型的构建改进。

3. 实施方案、进度安排及预期效果

1.实施方案：本毕设将会围绕深度卷积网络，探究其基本思想和模型结构，将其运用到人脸识别。首先，总结和回顾深度卷积网络和人脸识别的相关内容，研究和分析基于深度卷积网络人脸识别的现有模型，然后，构建深度卷积网络人脸识别模型，嵌入必要的先验性信息，以对其进行改进，最后，在相关人脸数据集上对所建模型进行训练、测试和性能分析。2.进度安排：2019.1.15-----2019.2.25 整理相关资料，进行论文第一稿的撰写；2019.3.1-----2019.3.31 与指导老师联系，修改完善第一稿，完成第二稿；2019.4.1-----2019.4.31 继续修改完善第二稿，完成论文撰写。3.预期效果：构建深度卷积网络人脸识别模型，嵌入必要的先验性信息，以对其进行改进，然后在相关人脸数据集上对所建模型进行训练、测试和性能分析。

4. 参考文献

[1] 周飞燕 金林鹏 董军 卷积神经网络研究综述[J].计算机学报,2017.7(40):40-43.[2] 杨子文 基于深度卷积神经网络的人脸识别研究[D].广西师范大学,2017.4.[3] 王先基 基于统计学习的人脸识别算法研究[D].中国科技大学,2007.4.[4 王映辉 人脸识别原理[M].科学出版社,2010.2.[5] 叶浪 基于卷积神经网络的人脸识别研究[D].东南大学,2015.