1. 研究目的与意义（文献综述）

球员识别可通过人脸识别（face recognition）实现，即从获取到的图像中通过球员的脸部进行身份鉴别。

人脸识别算法主要由三个阶段构成——人脸检测（face detection），人脸对齐（face alignment），人脸特征表征（feature representation）。先通过人脸检测定位到图像中人脸的位置，再对所定位到的人脸进行相似变换，把不同角度和表情的人脸转换到同一角度和姿态中，以此提高识别的准确度。最后，从变换后的人脸中提取特征，利用分类器判别以获取结果。

人脸识别技术在监控、支付、身份认证等领域都有着重要的应用价值。警察可以通过监控与人脸识别技术搜索逃犯，提高破案效率；支付终端可以通过人脸识别技术节省结账时间，方便人们出行；火车站可利用人脸识别技术减少旅客的进站时间，避免乘客来不及上车的情况发生。近几年随着人脸识别技术的成熟，将其应用到生活中以解放劳动力、提高安全性正成为一种巨大的需求。

2. 研究的基本内容与方案

学习人脸识别的相关知识、技术、实现方法。在此基础上, 深入研究深度学习的理论,学习卷积神经网络等模型，设计和实现一个排球赛视频中球员人脸识别的算法。这个算法的目标为——输入排球比赛的视频流，识别出球员的身份。该算法以排球比赛视频为输入，检测出视频中球员的人脸区域，进而分辨出球员的身份信息，并将这些信息标注在人脸区域附近。

本文拟采用ubuntu16.04 lts 操作系统和2015年google发表的facenet实现球员识别。facenet基于tensorflow框架，由python语言实现，并由五部分组成——batch（输入的视频流），deep architecture（深度神经网络），l2（l2范式），embedding（嵌入），tripletloss（三元损失函数）。

3. 研究计划与安排

(1) 2019/1/14——2019/2/28：确定选题，阅读文献，分析、总结、确定技术路线，完成并提交开题报告；翻译英文资料并交指导教师检查。

(2) 2019/3/1——2019/4/30：需求分析，系统架构，算法或系统设计，编码、系统测试与完善等。

(3) 2019/5/1——2019/5/25：撰写论文初稿；修改论文，定稿并提交论文评审；提交毕业答辩所需所有文档及资料。

4. 参考文献（12篇以上）

[1] matthew turk，alex pentland. eigenfacesfor recognition. journal of cognitive neuroscience, 1991, pp. 71-86.

[2] r. brunelli, t. poggio. face recognition through geometrical features. european conference on computer vision,1992,pp.792-800.