全文总字数：3304字

1. 研究目的与意义及国内外研究现状

随着互联网技术的快速发展，人们也越来越欣喜于网络给生活带来的改变，由此所引发的安全问题也成为各行各业关注的焦点。在这个信息大爆炸的时代，如何进行准确的身份鉴别，保护自身的信息安全也成为亟待解决的问题之一。传统的身份鉴别技术主要依赖于密码、证件、atm卡等手段，而这些信息极易伪造和盗取，很明显已经不能满足人们的日常需要。由此，生物识别技术应运而生。其凭借广泛性、唯一性、稳定性、可采集性和不易伪造性等特点，成为如今鉴别技术的首选。

如今生物识别技术多种多样，而其中的人脸识别技术也是目前研究的热点之一，相比于其他的生物识别技术，人脸识别具有以下几个优点：

（1）自然性：所谓自然性是指我们可以通过观察和比较人脸来鉴别身份，同样具有这种性能的识别还有语音识别和体态识别，而对于虹膜和指纹识别等因人类不能通过其来分辨，所以不具备自然性。

2. 研究的基本内容

本论文研究的是基于四元数深度学习的人脸识别系统。此系统主要包括四个模块：人脸采集与表示模块、人脸检测模块、预处理模块以及人脸识别模块。

首先人脸采集模块采集到的彩色图像我们利用四元数法来表示。一幅彩色图像中每个像素点都可以用一个纯四元数来表示,对于一幅的彩色图像,就可以组成一个的四元数矩阵,所以一幅彩色图像就可以抽象为一个纯四元数矩阵。

人脸检测模块采用的人脸检测方法是基于深度学习的mtcnn级联网络实现。此方法弥补了传统人脸检测方法的不足，使人脸检测更具有高效性和准确性。

3. 实施方案、进度安排及预期效果

实施方案：在tensorflow平台上进行，用python实现。

进度安排：2-3月，查阅相关资料，完成系统总体设计；4月，代码实现，规划论文框架结构；5月，论文定稿，所有文档全部完成。

预期效果：比传统人脸识别有更强的鲁棒性，数据集训练后可判断是否为同一人脸。

4. 参考文献

[1] chen bei-jing, sun xing-ming, wang ding-cheng. zhao xiao-ping. color face recognition using quaternionrepresentation of color image. acta automatica sinica, 2012, 38(11): 18151823

[2] y wen y, zhang k, li z, et al. a discriminative feature learning approach for deep face recognition[m]// computer vision – eccv 2016. springer international publishing, 2016：499-515.

[3] zhangk, zhang z, li z, et al. joint face detection and alignment using multi-taskcascaded convolutional networks[j]. arxiv preprint arxiv：1604.02878, 2016.