1. 研究目的与意义、国内外研究现状（文献综述）
一、课题意义
1、如今，很多人看电视剧、电影时喜欢“只看他”，即只看自己喜欢的明星在视频中出现的片段，过滤掉那些没有该明星的部分，通过该系统人们可以只通过一张明星人脸照片或人名和明星人脸数据集进行识别，就可以获取想要的明星剪辑片段，去除了没有该明星的部分，既方便了看视频的人，也让那些喜欢做单人视频剪辑的人减轻了剪辑的压力，我们不需要用把视频全部看完，再将有该明星的部分一帧帧地剪辑出来的传统的人工方法，而是用操作简便、快速的基于深度学习的人脸识别方法代替繁琐的人工识别。
2、在深度学习得到广泛应用之前，基于传统的机器学习技术不能很好地满足人脸识别的精度要求。人脸识别的最大挑战在于不同人脸的差异较小，有时候同一个人脸因光照、表情、姿态变化等不同甚至会比不同人脸之间的差异更大。传统的机器学习算法一般很难抽象出足够有效的特征，使得学习模型既可以区分不同的个体，又可以区分相同个体在不同环境中的变化，而深度学习技术可以通过从海量数据中得到更有效的人脸特征表达，可以更好的解决这个问题，从而有较高的识别率。
2. 研究的基本内容和问题
一、研究目标
本课题旨在基于深度学习，通过预训练一些不同姿态的明星人脸数据集，得到有效的特征信息，输入要查找的明星名字，通过较高效率的人脸识别技术保留视频中有该明星人脸的每一帧，剪掉没有该明星人脸的部分，从而获得一套高效、准确率较高的基于人脸识别的视频剪辑系统。
二、研究内容
3. 研究的方法与方案
一、研究方法
1、查阅资料，如网络和书籍，学习python操作，了解深度学习。
2、查阅相关国内外文献资料，分析近几年来深度学习应用于图像识别领域，特别是人脸识别领域的研究，在研究和借鉴的基础上进行优化。
4. 研究创新点
特色或创新之处
1、基于本课题，可以将该方法推广到动漫人脸识别等领域，也方便进一步在视频中研究对个人的微表情分析，具有较好的延展空间，对图像识别研究有重要意义。
2、基于人脸识别的视频剪辑方法对于视频剪辑者，尤其是单人剪辑爱好者提供了很大的便利，具有良好的应用价值和前景。
5. 研究计划与进展
一、研究计划
1-2月：学习运用python对视频关键帧进行读取操作；用python从网络爬取明星图片构建人脸集，通过半监督深度学习方法对帧图像进行人脸识别，静态图像的人脸识别初步实现；
3月初-3月中旬：测试优化算法，提高视频人脸识别速度，并将识别成功的关键帧进行合成，组成新的视频；
