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。

人脸自动识别是模 式识别 、图像处理等学科的 一大研究热点 , 近几年来关于 人脸识别的研究取得 了很大进展 .本文重点对近三 、四年来人脸识别的研究进行综述并对各种方法加以评论 .

人脸识别中若干关键问题

首先对计算机人脸 自动识别技术的研 究背景及发 展历程做 了简单回顾 ,然后 对人脸正面 像的识别 方法 ,按 照 识别 特征 的不 同 进行 了分 类综 述 ,主要 介绍 了特 征脸 ( Eigenface)方 法、基 于小 波特 征 的弹 性 匹配 ( ElasticMatching )的方法、形状和灰度模型分离的可变形模型 ( Flexible M o del )以及传统的部件建模等分析方法 .通过对各种识别方 法的分析与比较 ,总结了影响人 脸识别技术实 用化的几 个因素 ,并提出了 研究和开发 成功的人 脸识别技术所需要考虑的几个重要方面 ,进而展望了人脸识别技术今后的发展方向

综述了人脸识别理论的概 念和研究现状 ,讨论了其中的关键技术和难点以及应 用和发展前景 ,最后对人脸识别研究中应注意的问题提出了我们 的看法 .

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

使用常规相机获得的人脸图像可能具有固定的限制，阻碍脸部图像中一些特定信息表达。为了实现更好的性能，通过专门的采集方法捕获的３Ｄ面部己经用于改进的方法。虽然由于诸如成本和可访问性的若干问题，这些３Ｄ图像仍然难以获得，但是低成本的深度传感器如Ｋｉｎｅｃｔ允许直接获取３Ｄ信息以及ＲＧＢ彩色图像。这为计算机视觉和人脸识别研究提供了新的机会。

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.