针对特定可变角度的人脸识别系统的开发与设计开题报告

1. 本选题研究的目的及意义

人脸识别作为一种便捷高效的生物特征识别技术，近年来在身份验证、安全监控、人机交互等领域得到广泛应用。

然而，传统的人脸识别系统大多基于正面或接近正面的人脸图像进行识别，对于姿态变化较大、特别是特定可变角度的人脸图像识别能力有限。

现实场景中，人脸姿态的多变性是不可避免的，例如监控摄像头拍摄角度、用户使用设备姿势等都会导致人脸呈现不同的角度。

2. 本选题国内外研究状况综述

人脸识别技术自上世纪60年代提出以来，经历了漫长的发展历程，从早期的几何特征方法到后来的子空间学习方法，再到近年来兴起的深度学习方法，人脸识别技术不断取得突破。

然而，可变角度人脸识别一直是该领域的研究难点。

1. 国内研究现状

3. 本选题研究的主要内容及写作提纲

本课题的主要内容包括以下几个方面：
1.人脸数据库构建与预处理:针对特定可变角度人脸识别任务，收集并构建包含丰富角度变化的人脸图像数据库，并对图像进行预处理，包括人脸检测、关键点定位、姿态估计、光照归一化等操作，为后续的人脸识别算法提供高质量的输入数据。

2.可变角度人脸特征提取:研究适用于特定可变角度的人脸特征提取方法，例如基于gabor特征、lbp特征、深度学习特征等，提取对姿态变化鲁棒的鉴别性特征，为准确识别提供依据。

3.可变角度人脸识别算法设计:研究和设计针对特定可变角度的人脸识别算法，例如基于姿态矫正的方法、基于多视角学习的方法、基于深度学习的方法等，提高算法对姿态变化的鲁棒性和识别精度。

4. 研究的方法与步骤

本课题将采用理论研究和实验研究相结合的方法，按照以下步骤逐步开展：
1.文献调研与开题准备:收集和阅读国内外关于人脸识别、可变角度人脸识别、深度学习等相关领域的文献资料，了解该领域的最新研究进展和发展趋势，完成开题报告的撰写。

2.人脸数据库构建与预处理:针对特定可变角度人脸识别的需求，收集并整理相关人脸图像数据，构建包含不同角度、不同光照条件、不同表情等变化因素的人脸数据库。

并对数据库中的图像进行预处理，包括人脸检测、关键点定位、姿态估计、光照归一化等操作，为后续算法研究提供数据基础。

5. 研究的创新点

本课题的创新点主要体现在以下几个方面：
1.特定角度人脸数据库构建:针对特定应用场景，构建包含特定角度变化的人脸图像数据库，为人脸识别算法提供更具针对性的训练和测试数据，提高算法在特定场景下的识别精度。

2.基于深度学习的可变角度人脸识别算法:研究和应用深度学习技术，设计能够提取姿态不变特征的卷积神经网络，提高算法对姿态变化的鲁棒性，并针对特定角度的人脸图像进行优化，进一步提高识别精度。

3.面向特定应用场景的系统开发:针对实际应用场景的需求，例如安防监控、人证比对等，开发定制化的可变角度人脸识别系统，提高系统的实用性和针对性。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

[1] 张翠平,苏光大.人脸识别技术综述[j].智能计算机与应用,2023,13(01):172-176.

[2] 荆晓莉,王永杰,程健.基于深度学习的人脸识别研究综述[j].计算机工程与应用,2022,58(20):1-12.

[3] 程玉虎,董立静,张宝伟.基于改进centernet的可遮挡人脸检测算法[j].计算机应用,2022,42(09):2747-2755.