一、研究背景
随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。当前已经发展出了指纹识别、虹膜识别、视网膜识别、人脸识别等多种识别技术。其中人脸识别最早由法国人Galtonton提出，并对其识别能力做了前瞻性的分析，与其他识别方向相比人，人脸识别由于具有直接、友好、方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。目前人脸识别技术应用于各个生活中的领域，人们日常使用的智能机也基本都支持人脸识别身份认证，综上所述对于人脸识别的研究具有重要的现实意义。该课题的任务设计和实现一款基于人脸识别的签到软件。
二、人脸识别常用方法与遭遇的问题
人脸识别一般经过人脸检测，特征提取，人脸识别三个步骤，因此我将按照该步骤来论述人脸识别技术的发展现状以及一些存在的问题和解决方法：
（1）人脸检测与定位
它是人脸识别，人脸分析和脸部其他特征检测的第一步。它的主要任务是从图像的一堆非人脸对象和人脸对象中检测出人脸的存在并标记其在图像中的位置。常见的人脸检测算法有Viola-Jones人脸检测算法、连续均值量化变换（SMQT）特征和稀疏簸型网络（SNOW）分类器方法、基于神经网络的人脸检测、基于支持向量机的人脸检测等。一般使用精确度（正确检测到的人脸个数：检测到的人脸个数）和召回率（正确检测到的人脸个数：图像中的人脸个数）对人脸检测算法进行评价。其中可得到Viola-Jones算法得到的精确度和召回率最高，其次是SMQT特征和SNOW分类器方法，然后神经网络面部检测，最后是支持向量机
(2)特征提取与人脸识别（人脸身份匹配）
人脸特征提取是针对定位到的人脸区域提取该区域的纹理特征构成特征数据集。特征提取到的人脸特征将保存在特殊的数据结构中，如特征向量，将用于与数据库中的人脸特征进行比对以确定拥有该人脸特征的人脸图像的身份（人脸识别过程）。人脸提取可以使用基于结构法的纹理特征描述算子 LBP，也可以使用卷积神经网络，为了减小光照对特征提取的影响还提出了融合 LSH和LoG的特征提取。有一些算法是将特征提取与人脸识别工作都完成了，所以这两个阶段的区分有时候并不是很清晰。
人脸识别包含：人脸验证是直接判断两张图像是否是同一个人的算法，通常在应用中需要提前在数据库中保留由用户的一张标准人脸图像提取的特征，在进行验证时将新采集的用户图像提取的特征与数据库中对应人物的特征做 1:1 的比对，根据设定的阈值判断是否为同一人。人脸检索则是根据一张人脸图像，与数据库中 N 个人的特征向量进行比对，找出相似度最高的特征并进一步与设定的阈值比对，识别该用户的身份。人脸检索的难度和计算量相比于人脸验证显著增加。
在这人脸识别一阶段面临这许多许多问题如：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
