1. 研究目的与意义（文献综述）

人脸识别是将静态图像或视频图像中检测出的人脸图像与数据库中的人脸图像进行对比，从中找出与之匹配的人脸的过程，以达到身份识别与鉴定的目的，它是同属于生物特征识别领域和人工智能领域的一个课题。人脸识别是图像分析与理解的一种最成功的应用，因其在商业、安全、身份认证、法律执行等众多方面的广泛应用，以及对人脸识别可行性技术的三十多年研究，使其越来越得到重视，并逐渐成为一个充满活力的研究领域。

生物识别系统对生物特征进行取样，提取其唯一的特征转化成数字代码，并进一步将这些代码组成特征模板，当人们同识别系统交互进行身份认证时，识别系统通过获取其特征与数据库中的特征模板进行比对，以确定二者是否匹配，从而决定接受或拒绝该人。

这些生物特征中人脸图像是人类主要的主要特征，与用其他身体特征鉴别身份方法相比，人脸图像相对来说比较稳定、不容易被遗忘、改变和盗取，而且利用人脸图像来识别身份，容易被人们所接受。人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。

2. 研究的基本内容与方案

主要内容有以下几个方面：

1.研究目前对人脸识别的研究和进展，以及在实践人脸识别的相关理论方法；

2.使用现有的cnn，resnet，rnn等技术方法对人脸特征模,并与现有方法进行仿真或实验对比分析；

3. 研究计划与安排

1.第1-3周 完成题目调研，完成文献阅读，进行相关资料的搜集，完成文献综述以及开题报告的撰写；

2.第4-7周 对现有方法进行实验对比分析,确定最终的实践方案；

3.第8-11周 进行详细设计，对算法进行细节性调整和修正,以适应当前问题,提升效果；

4. 参考文献（12篇以上）

[1] 尹宝才，王文通，王立春. 深度学习研究综述. 北京工业大学学报，2015，1:48-59.

[2] 吴震东，王雅妮，章坚武. 基于深度学习的污损指纹识别研究. 电子与信息学报，2017,39（7）：1585-1591.

[3]sun yi, et al. hybrid deep learning for face verification[j]. ieee transactionson pattern analysis and machine intelligence, 2016，38(10)：1997-2009.