全文总字数：5713字
文献综述
文 献 综 述一、选题背景人脸识别通常也称人像识别、面部识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，主要用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行匹配的一系列相关技术。
由于人脸的自然特性，人类能毫不费力的识别出人脸，但人脸自动识别却是一个难度极大的课题。
经过多年的研究和积累，人脸自动识别技术已取得了巨大的成就。
但在实际应用中仍面临着许多严峻的问题，人脸识别也有着较多难点：（1）人脸的差异性并不是很明显，识别率可能较低；（2）人脸特征的持久性差，如长胖，变瘦，长出胡须等；（3）人脸图像受到各种成像条件的影响，如表情，姿态，尺度，光照和背景等。
还有如何提高识别率和识别速度，减少计算量，提高鲁棒性，如何采用嵌入式及硬件实现，如何实用化都是将来值得研究的。
传统的人脸识别方法有多种，如基于局部的方法，如利用局部描述子 Gabor、局部二值模式(local binary pattern，LBP)等设计人脸识别算法；基于全局的方法，包括经典的人脸识别算法，如特征脸方法(Eigenface)，线性判别分析法(linear discriminant analysis，LDA)等子空间学习算法以及局部保持投影算法(locality preserving projection，LPP)等流行学习算法；由于受到光照、姿态及表情变化、遮挡、海量数据等因素的影响，传统的人脸识别方法的识别精度受到制约。
在深度学习框架下，学习算法直接从原始图像学习判别性的人脸特征，能有效降低不同外部因素对识别结果的影响。
在海量人脸数据支撑下，基于深度学习的人脸识别在速度和精度方面已经远远超过人类。
二、研究现状2012年，勒尼德米勒研究小组率先将深度学习用于 LFW(labeled face in the wild)数据库的人脸识别。
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。
