基于CNN的人脸活体检测算法及实现开题报告

1. 研究目的与意义（文献综述）

随着机计算机视觉与人工智能研究的兴起,其在生活中的应用越来越广泛。人脸识别作为生物特征识别最受关注的一种识别方法,在计算机视觉与人工智能领域成为研究热点之一。相比于指纹和虹膜等识别手段，人脸识别有着许多优势。

比如人脸识别的自然性，是指这一识别方式同人类进行个体识别时所利用的生物特征相同，是通过观察比较人脸区分和确认身份。而且人脸识别技术具有非强制性特点。被识别的人脸图像信息可以主动获取而不被被测个体察觉，人脸识别是利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而带有可被伪装欺骗性。人脸识别技术具有非接触优势。相比较其他生物识别技术而言，人脸识别是非接触的，用户不需要和设备直接接触。

和指纹、虹膜等生物特征相比，人脸特征是最容易获取的。人脸识别系统逐渐开始商用，并向着自动化、无人监督化的趋势发展，然而目前人脸识别技术能识别人脸图像的身份但无法准确辨别所输入人脸的真伪。那么如何自动地、高效地辨别图像真伪、抵抗欺骗攻击，以确保系统安全已成为人脸识别技术中一个迫切需要解决的问题。

2. 研究的基本内容与方案

1）卷积神经网络理论基础

卷积神经网络顾名思义，是在神经网络的基础上加入了卷积运算，通过卷积核局部感知图像信息，提取其特征，多层卷积之后能够提取出图像的深层抽象特征，凭借这些特征来达到更准确的提升分类或预测任务的目标。卷积神经网络相比较于一些传统的机器学习方法能够更加真实的体现数据内在的相关特征，所以卷积神经网络目前是图像、行为识别等领域的研究热点。

2）比较常用的活体检测方法

3. 研究计划与安排

第1-3周：查阅文献资料，明确研究目标，完成开题报告；

第4-5周：论文开题；

第6-10周：进行系统搭建、编写相关程序；

4. 参考文献（12篇以上）

[1]石高辉,陈晓荣,刘亚茹,戴星宇,池笑宇,李恒.基于卷积神经网络的人脸关键点检测算法设计[j].电子测量技术,2019,42(24):125-130.

[2]王静波,孟令军.卷积神经网络人脸检测算法[j].电子技术应用,2020,46(01):34-38.

[3]刘尚旺,刘承伟,张爱丽.基于深度可分卷积神经网络的实时人脸表情和性别识别[j/ol].计算机应用:1-8[2020-03-24].http://kns.cnki.net/kcms/detail/51.1307.tp.20191125.1449.004.html.