文 献 综 述 摘要 本研究课题拟对当前在计算机视觉领域中应用比较热门的卷积神经网络模型架构进行研究，并尝试在系统上应用此算法。

本课题拟在现有的研究基础上，重点探讨当前基于卷积神经网络的人脸识别模型，总结近几年最新的研究成果，研究其优化、改良、集成的方法，探索其在实际工程的应用。

一 引言 近年随着深度学习算法（Deep Learning）的日趋成熟，作为深度学习算法中的一种比较成熟的算法-卷积神经网络（Convolutional neural networks，简称CNNs）被越来越多地应用于解决计算机视觉相关领域。

作为计算机视觉领域中的一个基本方向，人脸识别具有重要的研究及工程价值，其应用领域相当广泛，包括教育，企业，政府军队等多个领域。

将来伴随着人脸识别技术的进一步成熟，将会应用在更多的领域。

本文首先对人脸识别的具体定义以及其发展历史进行了综述。

进而对应用于人脸识别领域的技术进行了一些分析和总结。

二 人脸识别 文献[1]针对基于深度学习的人脸识别这一生物特征识别领域的研究热点进行了综述.阐释了人脸识别及深度学习模型的基本结构;总结了该技术在国内外的研究现状及其应用。

人脸具有高度非刚性的特点,存在着大量体现个体差异的细节.人脸识别是通过从静态图像或者动态视频中检测出的人脸图像与数据库中的人脸图像进行比对,找到与之匹配的人脸的过程,通常用于身份识别和鉴定的目的[2]，是属于生物特征识别领域的课题。

计算机人脸识别技术是近20年才逐渐发展起来的, 90年代更成为科研热点.仅1990年到1998年之间, EI可检索到的相关文献就多达数千篇.由于人脸识别实验所采用的人脸库通常不大, 最常见的人脸库仅包括100幅左右的人脸图像。