基于数据降维的人脸识别算法的分析开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

课题的意义：人脸识别是模式识别领域一个活跃的课题，可用于警方安全控制，网络安全，公司考勤，隐私防护等，但现在已有的人脸识别算法总面临着这样或那样的局限，受制于数据的特征，不能得到理想的识别结果。

本课题致力于研究目前流行的几种识别算法，分析各自的局限，判断未来的发展前景。

国内外发展概况及应用前景：国内：国内的人脸识别技术发展虽然比较晚，但是发展迅速。

2. 研究的基本内容和问题

研究目标：探索目前流行的人脸识别算法的局限，长处，判断未来识别算法的方向。

研究内容：这次所要做主要是研究分析最新的不少于两种的人脸识别算法，包括线性和非线性的降维算法，如pca，lda，kpca等。

通过对数据处理的结果，分析他们各自的适用情况及受局限的情况，研究如何在各种情况下增加人脸识别的准确率。

3. 研究的方法与方案

研究方法：1、 通过查阅书籍资料以及网上搜寻相关资料做好前期准备2、 结合相关资料，选择目前流行的几种人脸识别算法3、 编写具体代码，完成算法4、 选择合适的对象，进行处理5、 分析结果，对算法的功能及局限做出判断，得出结论 可行性分析：开发环境采用了VS，opencv等平台，都为现阶段被大量使用的开发环境，易于算法的实现以及之后答辩时的展示和使用

4. 研究创新点

特色或创新之处：1、 立足最新科技成果；2、 界面简便，易于操作；3、 多种算法对比，易于得出差异

5. 研究计划与进展

研究计划及预期进展：2.15之前 前期资料搜集，算法思想理论提取2.15-2.30VS，opencv等平台中相关功能的熟悉2.30-3.30至少2个的算法具体实现并分别调试成功3..30-4.03中期汇报4.03-4.28尝试添加新算法并调试，测试算法的数据处理效果及分析，准备一辩。