1. 研究目的与意义（文献综述）

1.1 研究目的及意义

生物特征识别技术是利用人体生物特征进行身份认证的一种技术。生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的理想依据。相较于其他身份识别方式，人体生物特征由于其稳定性和独特性，成为最理想的身份识别特征。而与其他生物特征相比，人脸识别具有唯一、稳定、不可复制、不可假冒等显著特点，用于身份认证比传统方法具有更高的安全性。因而人脸识别技术逐渐的被人们所认可，并将其视为目前为止最为理想的生物特征识别技术。传统的人脸识别算法是在二维图像上进行研究和设计的，算法的效果均受到了光照、人脸姿态和人脸表情变化的影响，这些因素成为人脸识别技术发展的巨大障碍。近几年，随着计算机视觉技术的发展，通过摄像头实时获取目标三维信息成为了可能，越来越多的研究人员将目光转向三维人脸识别领域，期望基于三维信息的人脸识别算法可以很好的解决二维图像下无法解决的问题，从而大幅度提升人脸识别效果。

研究人脸识别在理论和技术上都有重要的意义：一是可以推进对人类视觉系统本身的认识；二是可以满足人工智能应用的需要。采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱人的应用前景。而另一方面在当今的社会中尤其是涉及个人隐私等信息安全的话题备受人们的关注，人们极其希望出现一种能够更加安全、更加方便的安全保护措施。一些传统的安全保护措施比如密码、钥匙等，由于容易泄露或丢失给其他人，所以越来越多的人开始意识到传统的保护方法已不再如过去那么安全，人脸识别技术优势明显，已应用于各行各业中，并取得了非常好的效果。

2. 研究的基本内容与方案

本课题对3d人脸识别系统中的人脸检测、人脸关键点检测两个人脸识别的重要环节进行研究，主要研究的是多任务级联卷积神经网络(mtcnn, multi-task cascaded convolutional networks)，实现同时处理人脸检测和人脸关键点定位问题。

人脸检测是自动人脸识别系统中的一个关键环节，是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回一脸的位置、大小和姿态。人脸检测是一个复杂的具有挑战性的模式检测问题，其主要的难点有两方面，一方面是由于人脸内在的变化所引起：(1)人脸具有相当复杂的细节变化，不同的外貌如脸形、肤色等，不同的表情如眼、嘴的开与闭等；(2)人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等。另外一方面由于外在条件变化所引起：(1)由于成像角度的不同造成人脸的多姿态，如平面内旋转、深度旋转以及上下旋转，其中深度旋转影响较大；(2)光照的影响，如图像中的亮度、对比度的变化和阴影等；(3)图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等等。

人脸关键点检测也称为人脸关键点检测、定位或者人脸对齐，是指给定人脸图像，定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等。人脸关键点检测方法大致分为三种：(1)基于模型的asm(active shape model)和aam(active appearnce model) ；(2)基于级联形状回归cpr(cascaded pose regression) ；(3)基于深度学习的方法。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1]zhangk, zhang z, li z, et al. joint face detection and alignment using multi-taskcascaded convolutional networks[j]. ieee signal processing letters ,2016,23(10):1499-1503.

[2] b. yang, j. yan, z. lei, s. z. li, "aggregate channel features for multi-view face detection", ieee int. joint conf. biometrics, pp. 1-8, 2014.

[3]y. sun, y. chen, x. wang, x. tang, "deep learning face representation by joint identification-verification", adv. neural inf. process. syst., pp. 1988-1996, 2014.