该资源里面有几篇关于人脸识别方面的综述文章。

简要回顾了人脸识别技术的研究背景及发展历程，总结了近三四年人脸识别方法的研究进展，根据三维人脸重构方法的数据来源不同，将其分为基于静态图像和视频序列的三维重构技术。重点对目前多特征和多模态识别技术进行了分类阐述，分析了一些有代表性的算法并对其识别结果进行了比较。最后，总结了人脸识别技术现存的研究难点，并探讨了其未来的发展方向。

大数据蕴含大发展，结合不断提升的高性能计算机更是给机器视觉技术带来日新月异的发展。深度卷积神经网络也正是借着这股力量才大放异彩，其主要应用包括语音识别、图像处理、自然语言处理等。本文就当前大环境下研究了卷积神经网络模型在静态环境下入脸识别领域的应用。相对传统人脸识别方法而言，卷积神经网络模型不需要人工进行大量而又复杂的特征提取算法设计，仅需要设计一个可行的网络模型，再将大量的人脸训练数据集加载到网络模型中，然后进行自动训练，这样就可以得到很好的识别率。把训练好的模型保存下来，那么这个模型就是一个端到端的人脸特征提取器。该方法虽然操作简单，但是需要根据训练数据集设计合理的网络结构，而且最难的关键点是超参数的调整和优化算法的设计。因此本文结合残差网络和融合网络构建了两个与计算资源和数据资源相匹配的网络模型，并通过反复调整超参数和调试优化器使其在训练集上能够收敛，最终还取得较好的识别率。

人 脸 识 别 已 成 为 多个 学 科 领 域 的 研 究 热 点 之 一 本 文 对 人 脸识 别 的 发 展 历 史 研 究 现 状 进 行 了 综 述 系统地 对 目 前 主 流 人 脸 识 别方 法进 行 了 分 类 针 对 人 脸 识 别 面 临 的 挑 战 着 重 对 近 几 年 来 在 光 照 和 姿 态 变 化 处 理 方 面的 研 究 进 展 进 行 了 详 细 论 述 并 对 未 来 人 脸 识 别 的发 展 方 向 进 行 了 展 望

随着计算机和信息技术的快速发展，人脸识别技术越来越受到重视。本文主要研究了人脸在不同光照、不同表情下的特征提取与识别的一些关键问题，提出了一些改进方法，并通过实验进行了可靠性验证。

人脸识别技术作为最重要的生物特征识别技术之一，可以利用每个人独一无 二的人脸特征来进行身份识别。在信息技术高度发达的现代社会，个人信息的鉴 别与保护已成为了重中之重。人脸识别技术以其高效性、准确性、非接触性等独 有的优点迅速成为了鉴别个人信息的重要技术手段。本文首先介绍了人脸识别技 术的研究背景与发展现状，然后具体介绍了四种经典的人脸识别方法，分别是主 成分分析、线性判别分析、局部保持投影和基于核的人脸识别方法。在学习了这 些经典方法后，本文改进了四种两维判别分析的人脸识别方法，解决了一些已有 方法的问题，这一部分是论文的主要研究内容：

基于协同表示的人脸识别研究.

TMD减振结构的主结构模态参数识别研究，谢丽宇，陈依珂，调谐质量阻尼器(Tuned Mass Damper, TMD)是最常用的一种被动控制系统。由于TMD会对结构模态参数产生影响，通过传统的频域分析或模态识别方

本文在深度学习技术基础上对唇语进行识别研究，其具体流程及章节安排 如下： 1. 主要介绍了唇语识别技术的相关内容，给出了传统的唇语识别方法与基 于深度学习的唇语识别方法的区别与联系，并针对国内外研究状况进行了分析 介绍。 2. 对唇语识别技术的一些相关理论技术进行了介绍，并且利用唇语识别研 究中的人脸检测，唇部定位，视觉特征和时序特征的提取以及最后的唇动识别 这几个方面来展开介绍，同时也介绍了深度学习方面相关模型与算法。 3. 首先对唇语识别的实现过程做了简要叙述；其次，通过检测人脸与脸部 关键点来对唇部进行检测做了详细介绍；最后，介绍了通过手工设计特征 HOG 特征以及采用 LSTM 网络来对唇语进行识别，并在公开的 GRID 数据集上进行 验证。

近年来，深度学习中的卷积神经网络已经广泛运用于图像识别领域，它不仅显著提升了识别准确率，同时在特征提取速度方面也优于许多传统方法。针对高速公路环境下的车型识别问题，引入卷积神经网络（CNNs）理论，设计相应特征提取算法，并结合SVM分类器构建识别系统。通过对高速公路上主要三种车型（小车、客车、货车）的分类实验显示，该方法在识别精度及速度上均取得了较显著的提高。