1. 研究目的与意义
人脸识别技术具有直观、非接触性、方便采集、交互性强、可扩展性的优点，成为大数据时代背景下的生物特征识别中一个非常热门的研究领域，被广泛应用于门禁考勤、访问控制、欺诈检测、公安刑侦、智能支付等领域。
随着深度学习的发展和广泛应用，人脸识别研究有了很大的突破，其适应性、精确性和智能度得到很大提升。
如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。
2. 课题关键问题和重难点
(1)基于MATLAB的人脸识别系统设计关键问题：①遮挡问题：在非配合环境下，眼镜、帽子、头发等饰物的遮挡对人脸识别会有很大的影响，它们使得采集到不完整的人脸图像，导致人脸识别率下降。
②时间跨度问题：人脸的面部会随着时间发生一些改变，这将改变人脸的一些特征，增加识别的的难度。
③多姿态多表情问题：目前主要研究还是正面的人脸以及变化幅度非常小的侧面人脸，但是在实际使用的环境中人脸的角度与面部表情是随意的，当人脸姿态变化复杂时，会导致人脸的识别率明显下降。
3. 国内外研究现状（文献综述）
目前市场上人脸识别的系统多种多样，但究其识别方式与算法而言，主要可以分为以下几种：1、基于pca算法：PCA算法是人脸识别技术中一种广泛应用的数据降维技术。
当通过使用PCA变换获得的主成分去重建原始人脸图像时,能使均方误差最小。
这种算法的优点是计算简单，主要运算是特征值分解，易于实现，仅仅需要以方差衡量信息量，不受数据集以外的因素影响。
4. 研究方案
CA方法是人脸识别技术中一种广泛应用的数据降维技术。
当通过使用PCA变换获得的主成分去重建原始人脸图像时,能使均方误差最小。
本课题基于matlab人脸识别系统进行实验，系统构成框图4-1所示①将训练集的每一个人脸图像都拉长一列，将他们组合在一起形成一个大矩阵A。
5. 工作计划
第 1 周 接受任务书，领会课题含义，按要求查找相关资料；翻译相关英文资料第 2 周 阅读相关资料，理解有关内容；写出开题报告一份；第 3 周 确定人脸识别算法，参阅有关资料，学习传统及基于深度学习的人脸识别算法；第 4 周 选择图像数据库，确定训练集、验证集和测试集；第 5 周 编写传统人脸识别算法程序，进行系统调试；第 6 周 根据调试结果，对传统算法进行改进，提高识别率；第 7 周 编写基于深度学习的人脸识别算法程序，进行系统调试；第 8 周 根据调试结果，对算法程序进行改进完善； 第 9 周 搭建GUI界面，完成系统设计、调试；成果验收；第10周 完成毕设论文查重，提交毕设论文终稿和检测报告，接受答辩资格审查；第11周 评阅教师评阅论文；学生准备答辩第12周 答辩结束。
第13周 检查毕设文档；毕设结束。
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。
