1. 研究目的与意义、国内外研究现状（文献综述）
课题意义
人脸识别[1]属于生物特征识别技术的一种。生物特征识别技术[2]是一种将生物技术和信息技术相结合的新兴技术，它通过计算机利用人体所固有且特有的生理特征(人脸、视网膜、指纹、dna等)和行为特征(语音、步态、签名等)来对个人进行身份鉴别，为身份识别中常用的生物特征[3]。生物特征识别技术属于模式识别[4]问题，和传统的身份识别手段不同的是，基于人体的生物特征识别很难仿照利用，不存在丢失或遗忘的问题，每时每刻都在自己的身上，应用起来不受时间与地域的影响。
研究主要方法
2. 研究的基本内容和问题
主要工作
旨在设计了一个人脸识别系统，其中包括了摄像头采集程序、图像预处理程序、特征提取程序、学习程序和识别程序等几个模块，该系统可以根据人脸的特征信息较好的识别人脸，实验结果证明，该系统具有较高的实时性和准确性。主要内容包括：
(1)人脸图像在获取、导入计算机和变换过程中，由于设备和环境的影响，所获得的图像会存在噪声、对比度不够等缺陷，造成图像质量不高。除此之外，焦距大小、距离远近和拍摄角度等原因又使人脸在整张人脸图像中的大小和位置不确定。通过人脸图像预处理和归一化使人脸图像中的人脸大小、位置和图像质量标准统一化，有利于后续人脸特征提取与识别。该环节主要包括：人脸图像增强、去噪、光照补偿、人脸摆正(旋转、缩放和剪贴)、二值化、人脸图像灰度和几何归一化等工作；
3. 研究的方法与方案
（1）人脸的检测与定位
处理分析从图像获取模块输入的图像，判断其中是否存在人脸，如果存在人脸则找到人脸在图像中的位置，并且将人脸从背景图像中分离出来。该模块在整个人脸识别系 统中具有非常重要的作用。因为该模块的结果直接影响到后面识别的效果。从图像获取模块输入的图像可以是静态的，也可以是动态的，可以是彩色的也可以是灰度的，背景可以是简单的，也可以是复杂的。不同图像的输入条件，对该模块的设计提出了不同的要求。总之，在系统设计时要根据实际的应用环境与要求，进行精心的设计。
（2）人脸图像预处理
4. 研究创新点
特色或创新之处
基于统计特征的人脸识别算法具有较强的理论基础和较大的运算量，尤其对于大型人脸数据库的人脸识别比较快速，效果也相对不错，但是缺点是在人脸样本较少的情况下容易出现识别率下降的情况，也就是基于统计特征的人脸识别算法需要大样本情况才能提高识别的准确率。
基于几何特征的人脸识别算法没有深厚的数学功底，对于人脸特征的获取具有一定的随意性，但是对于处理一些采集不清楚或者光线较弱的人脸识别具有较高的识别准确率，因为人脸的几何特征相对变化较小。基于几何特征的人脸识别算法因为快速而常用于实施人脸识别的场合。
5. 研究计划与进展
研究计划及预期进展 2016年11月-2016年12月，选定毕设题目，查阅相关文献和技术文档，完成开题报告。 2017年1月-2017年3月，完成初步的框架搭建，学习C#和MATLAB编程 2017年4月-2017年5月，完成系统，实现功能，测试数据。 2017年5月-2017年6月，总结整理，撰写毕业论文，准备论文答辩 |
