1. 研究目的与意义
随着社会的快速发展，传统的身份验证方式如身份证、设置密码等逐渐不能满足人们日常的生活需求，利用生物特征来进行身份识别正在成为现代社会的主流。
生物特征识别利用人个体本身独有的生理特征实现身份识别，人的生物信息不会有大的改变且每个人的生物信息都各不相同，这就使生物特征识别具有唯一性和高度的安全性。
其中，人脸识别是科研人员研究的热点也是难点，难点就在于识别过程中的精度问题和在各个环境下能否被识别。
2. 课题关键问题和重难点
关键问题：1.检测定位采用的人脸检测方式是使用「Haar 级联分类器」。
这种机器学习方法基于大量正面、负面图像训练级联函数，然后用于检测其他图像中的对象。
这里，我将用它进行人脸识别。
3. 国内外研究现状（文献综述）
人脸识别技术是新兴的生物识别技术，主要用在智能机器人、智能家居、以及军事安防等方面。
在国内，对人脸检测技术的研究始于20世纪90年代，人脸识别系统的难点主要是人脸作为生物特征的特 点所产生的识别问题，如人脸结构的相似性，不同的观察角度产生的人脸易变性，此外遮盖物、用户配合度等因素也导致人脸识别困难加大，为此，基于OpenCV的人脸识别系统，提出了对采集的图像使用多算法逐级处理，然后基于OpenCV丰富的资源库进行人脸识别。
廖春萍、陈雪芳、杨德顺、方武宏在《基于OpenCV的人脸识别系统》[5]中谈到，在摄像头实现图像获取后首先进行人脸检测定位，其后便对图像进行预处理，主要算法包含高斯平滑处理、灰度变换、对比度增强和二值化。
4. 研究方案
本论文采用摄像头实时进行识别，对采集到的图像先进行预处理，包括灰度转换、噪声消除即滤波、二值化和边缘检测，从而更有利于之后的识别算法。
在收集至少50张图像基础上，采用Haar级联分类器进行人脸检测，而后运用LBP算法对图像进行特征提取，从而实现人脸识别。
对于论证方式，主要通过PC端或树莓派平台实现算法，在界面中框出人脸范围并标注识别人的名字或特有符号，同时也会显示出精度的大小。
5. 工作计划
第1周： 阅读外文文献，将其翻译成中文并上传系统；了解国内外相关研究成果、相关行业发展进程、当下所面对的问题，以及未来的发展趋势，完成开题报告初稿；第2周： 修改开题报告，完成开题报告终稿并上传系统；第3周： 熟悉Python、OpenCV和相关算法，查询相关资料，完成基于OpenCV的人脸识别系统的总体设计和规划；第4周： 在PC端或树莓派搭建人脸识别的环境；第5周： 利用OpenCV初步实现人脸检测；第6周： 研究LBP算法实现原理；第7周： 研究LBP算法在OpenCV中用Python实现；第8周： 采集图像信息使用算法初步实现人脸识别；第9周： 系统的测试和验证第10周：系统的实验数据收集第11周：规整毕设资料，撰写论文 第12周：提交论文 第13周：准备答辩 第14周：毕设结束工作
以上是毕业论文开题报告，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。
