1、“.....而人脸识别是所有的生物识别方法中应用最广泛的技术 之，人脸识别技术是项近年来兴起的，但不大为人所知的新技术。人们更 多的是在电影中看到这种技术的神奇应用警察将偷拍到的嫌疑犯的脸部照片， 输入到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和 犯罪记录。这并非虚构的情节。在国外，人脸识别技术早已被大量使用在国家 重要部门以及军警等安防部门。在国内，对于人脸识别技术的研究始于上世纪 年代，目前主要应用在公安金融网络安全物业管理以及考勤等领域。 人脸识别国内外发展状况 人脸识别技术从应用层面上主要可分为人脸检测人脸识别查询人脸识 别身份认证，目前，我国从事人脸识别技术研究的单位有很多，使得生物特征 识别技术形成缩小了与国外的差距。年......”。

2、“.....为我国生物识别技术在安防领域的应用打下了坚实的基础。 人脸识别检测研究，主要包括人脸检测技术和人脸识别技术的研究。人西北大学本科毕业论文 脸识别检测是指对于任意幅给定的图像，采用定的策略对其进行搜索以确 定其中是否含有人脸，如果是，则返回人脸的位置大小和姿态，接着对人脸 进行识别。它是个复杂的具有挑战性的模式检测问题。同时，人脸检测要走 向实际应用，精度和速度是亟需解决的两个关健问题，自世纪年代以来， 人脸检测的精度得到了大幅度的提高，但是速度却直达不到应用系统用户满 意的程度，为此研究者们付出艰辛的努力，直到世纪基于 算法的人脸检测器的发表，人脸检测的速度才得到了实质性的提高，该算法的 发表也促进了人脸检测研究的进步蓬勃发展。按照人脸识别的自动化程度， 人脸识别的发展经历了以下三个阶段 第阶段是机械式识别阶段早期的人脸识别......”。

3、“.....以为代表，主要研究人脸 识别所需要的面部特征。在的系出最优弱分类器。 提取特征 确定阀值，由矩 形特征生成对应 的弱分类器 矩形特征原型 非人脸样本集 强分类器集 非人脸图片集 计算样本积分图 补充非人脸样本 若分类器集 挑选最优弱分类 器，调用 算法训 练强分类器 特征集 人脸样本集 计算矩形特征值 训 练 部 分 补 充 部 分 本科毕业论文设计 题目基于的视频人脸识别系统的设计与实现 学生姓名李智良 学号 指导教师李康 院系软件学院 专业软件工程 年级级 教务处制 二零四年六月 成绩 西北大学本科毕业论文 诚信声明 本人郑重声明本人所呈交的毕业论文设计，是在导师的指 导下独立进行研究所取得的成果......”。

4、“.....均已明确注明出处。除 文中已经注明引用的内容外，不包含任何其他个人或集体已经发表 或在网上发表的论文。 论文作者签名 日期年月日基于的视频人脸识别系统的设计与实现 摘要 基于生物特征识别的身份认证方法和系统研究直以来都是计算机图形学 和模式识别领域研究的热点，其中，由于人脸的稳定性和可见性，针对人脸识 别的算法研究和系统应用最为广泛，本文针对校园内实验室和宿舍安全管理需 求，设计和实现了套针对监控视频的基于的人脸识别原型系统，开发 语言选用，全文内容包括 构建了基于的视频人脸识别的技术框架。针对实验室和宿舍安 全管理需要，构建了基于的视频人脸识别的技术框架，能够完成基于视 频的实时人脸识别和身份认定 设计了基于的视频人脸快速检测算法。人脸检测是人脸识别的 前提......”。

5、“.....应用算法 实现了针对视频流的快速人脸定位和身份识别，能够实现实时身份认定。 系统基于平台设计，使用语言进行实现，完成了基于视频的实时 人脸身份认定。 关键词人脸检测人脸识别西北大学本科毕业论文 ， ， ......”。

6、“.....已开发应用了声音识别签字识别指纹识别掌形识别眼 虹膜识别等人体生物特征识别技术，与上述识别技术相比较，而最近开发的人 脸识别技术则具有简便准确经济及可扩展性良好等众多优势，因此可广泛 应用于出入口控制安全验证安防监控与搜寻罪犯等有关方面。人体生物特 征识别技术是依靠人体的生物特征来进行人的身份验证的种高科技识别技 术。而人脸识别技术具有比其他生物特征识别技术更直观简便准确可靠 ， ， ， ， ， ， ， ， ，网络的规模小，权系数少，存储量和训练时间也少。 同时......”。

7、“.....与其他人无关，固系统具有良 好的模块化结构，可扩展性能好。本节介绍基于多层感知器神经网络的人脸识 别方法。 多层感知器是个多层前馈神经网络，由输入层个或多个隐层以及个 输出层组成，其学习算法采用算法。多层感知器在训练的过程中，第层权 值决定了超平面在空间的取向，网络的不断训练，标志着由超平面所形成的超 空间在不断的变化。在隐层数足够多的情况下，由超平面所形成的线性区域将 无穷多，其第隐层可以在模式空间实现各种超平面分割第二隐层实现第 隐层的逻辑与运算，即将其分割的模式超平面空间按类别进行空间划分 而输出层由第二隐层的输出值进行逻辑或运算，即将进行逻辑与运算 的属于同类的超平面进行归类。 神经网络分三层，即输入层隐层输出层。记输入层神经元数为，隐 含层神经元数为，输出层神经元数为。对于人脸识别数为的人脸识别问题 来说......”。

8、“.....对于任意个人脸测试图 像，可根据网络输出层输出矢量的最大分量分类。人脸图像矢量的维数通常 比较大，而训练样本数通常比较小，所以设计用于人脸识别的神经网络分 类器比较困难。为了实现具有推广能力强的分类器，可以从特征压缩着手， 压缩输入矢量的维数，并适当的选择隐层的神经元数。为了加快网络训练的收 敛速度，可对输入矢量做标准化处理，并给个连接权适当的赋予初值。 网络的隐层可以认为是输入层和隐层之间的连接权值的自组织化对输入 模式进行特征抽取，并将抽取出的特征传递给输出层，关于隐层的神经元数 的选取尚无理论上的指导。般地，隐层的神经元数大，网络的冗余性大， 增加了网络次训练的训练时间，尽管使网络收敛的训练次数会减少，但会降基于的视频人脸识别系统的设计与实现 低分类器的推广能力。为了保证分类器的稳定性，显然网络未知连接权值的个 数不宜超过训练样本值的个数......”。

9、“.....而通过特征压缩网络 输入层的神经元数也是取为人脸类别数，这样可按下式选取隐层的神经元数 。 即网络隐层的神经元数是取为训练样本数的增加需要不断的舍弃些 以维持子空间维数不变，因而该方法精度稍差。四是算法，该算法是 目前检测最为成功的算法之，检测速度快。下节将详细介绍这算法。 算法 和于年将算法应用于人脸检测 中，其基本思想是针对不同的训练集训练同个分类器弱分类器，然后把这 些不同训练集上的得到的分类器联合起来，构成个最终的强分类器。 算法中不同的训练集是通过调整每个样本对应的权重来实现的。开 始时，每个样本对应的权重是相同的，对于分类的样本，加大其对应 的权重而对于分类正确的样本，降低其权重，这样分错的样本就被突出 出来，从而得到个新的样本分布。在新的样本分布下......”。