1. 本选题研究的目的及意义

人脸识别作为一种重要的生物特征识别技术，近年来受到越来越广泛的关注，并在安全监控、身份验证、人机交互等领域展现出巨大的应用潜力。

然而，传统人脸识别方法容易受到光照变化、姿态变化、遮挡等因素的影响，识别精度和鲁棒性难以满足实际应用需求。

因此，研究更加高效、鲁棒的人脸识别方法具有重要的理论意义和现实价值。

2. 本选题国内外研究状况综述

人脸识别技术发展至今，已经从传统的基于几何特征、统计学习的方法，发展到基于深度学习的方法，特别是卷积神经网络的应用极大地提高了人脸识别的精度。

然而，传统的卷积神经网络主要处理灰度图像或三通道彩色图像，难以充分利用图像的颜色和纹理信息。

近年来，四元数卷积神经网络作为一种新兴的深度学习模型，在图像处理领域展现出独特的优势。

3. 本选题研究的主要内容及写作提纲

本选题将针对传统人脸识别方法存在的问题，研究基于四元数卷积神经网络的人脸识别方法，并设计和实现相应的人脸识别系统。

具体研究内容如下：
1.研究四元数卷积神经网络的理论基础，分析其在处理彩色图像方面的优势，并探讨其在人脸识别任务中的应用潜力。

2.针对人脸图像的特点，设计合适的四元数卷积神经网络模型，并对模型参数进行优化，以提高人脸特征提取的有效性。

4. 研究的方法与步骤

本研究将采用理论分析、算法设计、实验验证相结合的研究方法，具体步骤如下：
1.理论分析阶段：深入研究四元数卷积神经网络的理论基础，分析其在处理彩色图像和提取人脸特征方面的优势，并与传统卷积神经网络进行比较，探讨其在人脸识别任务中的应用潜力。

2.算法设计阶段：针对人脸图像的特点，设计合适的四元数卷积神经网络模型，包括网络结构、激活函数、损失函数等，并研究相应的模型训练算法。

3.实验验证阶段：构建人脸识别实验平台，选用公开的人脸数据集，对所设计的四元数卷积神经网络模型进行训练和测试，评估其在人脸识别任务上的性能表现。

5. 研究的创新点

本研究的创新点在于：
1.提出了一种基于四元数卷积神经网络的人脸识别方法，利用四元数能够更加完整地描述图像颜色和纹理信息的特点，以及卷积神经网络强大的特征学习能力，构建更加高效、鲁棒的人脸识别系统。

2.针对人脸图像的特点，设计了合适的四元数卷积神经网络模型，并对模型参数进行了优化，以提高人脸特征提取的有效性。

3.构建了完整的人脸识别系统，并通过实验验证了所提方法的有效性和先进性。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

1.邓承志,唐良瑞,李云浩,等.基于改进center loss和残差网络的人脸识别[j].计算机应用,2021,41(01):228-234.

2.刘宇轩,孙冬梅,王宇,等.结合注意力机制和多特征融合的人脸识别算法[j].电子学报,2023,51(03):549-557.

3.王鹏,李欣.基于深度学习的人脸识别技术综述[j].计算机工程与应用,2023,59(02):1-12.