1. 研究目的与意义（文献综述）

随着信息技术的飞速发展，身份识别与信息安全越来越收到人们的重视，传统的身份识别的方法有很多：用户名与密码、磁卡、口令等，但是这些验证方式都有弊端：容易丢失或者遗忘，并且容易被不法分子伪造或破解，对用户造成财产或其他方面的损失，于是人们逐渐意识到仅仅靠这些传统的身份识别方法是不够的，相比于这些传统的身份识别方法，生物特征具有唯一性和不易被复制性，可以进一步增加用户身份识别的可靠性，因此近来生物识别技术成为信息安全领域研究的重点。生物识别技术是一门交叉学科，涉及数学、计算机科学、生理学、心理学、模式识别、人工智能、图像处理技术、计算机视觉以及光学等，主要有：人体生物特征和行为特征，其中人体行为特征包括指纹、虹膜、人脸等，行为特征包括字迹、步态、声音等，相比于其他几种特征，人脸识别不需要被动的配合，并且能够进行远距离检测，快速、简便，而且十分直观，只需要通用的硬件及相关软件即可完成识别，是一种相对友好的生物特征识别技术。

人脸识别作为图像处理的一个热门主题，在智能监控、门禁系统和身份辨识方面发挥着重要作用。人脸识别的过程，是对规范化的人脸图像进行特征提取和对比辨识的过程。基于传统特征提取算法的人脸识别较之近来火热的基于深度学习的方法速度更快，所需要的硬件成本更低，因此可应用于更多的场合。

本课题主要研究基于传统特征提取算法的人脸识别，该课题以图像处理技术为基础，对于人脸识别的传统特征提取算法，研究并比较其性能、研究特征对比匹配过程，寻找一种高效的特征匹配算法并实现一个基于传统特征提取算法人脸识别系统，使之同时具有较高的识别正确率与速度。

2. 研究的基本内容与方案

2.1研究的基本内容

本课题主要研究基于传统特征提取算法的人脸识别，该课题以图像处理技术为基础，需要完成的主要内容为:

（1） （1）对于人脸识别的传统特征提取算法，研究并比较其性能。

3. 研究计划与安排

第一至第二周：查阅设计题目的相关资料；

第三至第四周：撰写开题报告，翻译英文资料；

第五至第六周：掌握opencv使用方法；

4. 参考文献（12篇以上）

[1] rouhi r, amiri m, irannejad b. a review onfeature extraction techniques in face recognition[j]. signal amp; imageprocessing, 2013, 3(6):1-14.

[2] 卜秋月. 基于opencv的人脸识别系统的设计与实现[d].吉林大学,2015.

[3] 方杰.基于特征提取的人脸识别算法研究[d].重庆大学,2012.