开题报告-SIFT特征提取及其在人脸识别中的应用.docVIP

一、综述本课题的研究动态，说明选题的依据和意义 人脸识别是目前计算机领域十分活跃的问题，是一种通过计算机分析人脸图像并从中提取有效识别信息，从而用来辨别身份的一门技术，在公安、商业等领域有着广泛的应用背景。人脸识别技术虽然目前取得了重大成果和技术上的突破，但是仍然存在着很多弊端。例如人脸图像会遭受噪声、光照、姿势、表情、旋转、尺度变化以及一定程度的仿射变换等复杂环境的影响。基于局部的图像特征点对复杂环境的变换具有良好的适应能力，因此是人脸识别的主流发展趋势。SIFT尺度不变特征转换，在近几年图像处理领域中是热门课题，图像匹配、图像识别等领域中得到了广泛的应用。本文重点说明了人脸识别的SIFT特征提取，通过一种改进的方法对人脸图像进行加工，以便更好的进行人脸识别。 本课题的基本内容： 本课题研究的基本内容是：了解人脸识别技术，并说明SIFT特征提取的实现原理以及在人脸上的应用。 主要的步骤： 介绍人脸识别技术研究历史 掌握SIFT特征提取的实现原理 实现SIFT特征提取在脸识别上的应用 总结及展望 主要问题和难点问题： 关于SIFT特征提取原理的理解 人脸识别的原理理解 1.根据研究的课题，查找搜集相关的文献； 2.根据对文献的学习，了解人脸识别技术的概念； 3.学习SIFT特征提取的实现原理； 4.SIFT特征提取在人脸中的应用； 5.进行实验结果的分析与总结； 6.根据所作的准备工作整理好论文，根据实验结果对论文进行改善。 序 号 设计（论文）各阶段名称 日 期 1 收集、整理和阅读文献 1-2周 2 毕业实习 3-5周 3 深入学习人脸识别的技术概述与基本原理 6-7周 4 学习SIFT特征提取的实现原理 8-9周 5 初步进行论文的撰写，中期答辩 10-12周 6 进行研究内容的总结，提交论文及源代码，撰写论文 13-14周 7 提交论文，外文翻译资料，准备答辩 15-16周 8 修改论文，答辩 17-18周 [1] 维妮拉·艾尔肯. 基于SIFT算法的人脸识别研究[D]. 华北电力大学(北京), 华北电力大学, 2014. [2] 闫家梅. 基于SIFT算法的人脸识别研究[D]. 江苏科技大学, 2013. [3] 宋涛. 基于局部特征的人脸图像分析和识别方法研究[D]. 浙江大学, 2015. [4] 薛冰, 郭晓松, 蒲鹏程. 人脸识别技术综述[J]. 四川兵工学报, 2010, 31(7):119-121. [5] 李荣健, 韩其龙, 杨鑫华. 改进的PCA人脸识别新算法[J]. 大连交通大学学报, 2008, 29(4):48-51. [6] 贾宁宁. 基于SIFT算法的人脸识别研究[D]. 东北大学, 2014. [7] 于祥春. 一种基于SIFT的特征提取在人脸识别算法中的研究[D]. 吉林大学, 2015. [8] 陆文佳. 基于PCA-SIFT算法的人脸识别技术的研究[D]. 武汉理工大学, 2011. [9] 莫修飞. 基于SIFT算法的人脸表情识别[D]. 西安电子科技大学, 2012. [10] 苏丽颖, 李小鹏, 么立双. 一种改进的SIFT特征提取新算法[J]. 华中科技大学学报自然科学版, 2013, 41(s1):396-398. [11] 崔哲. 基于SIFT算法的图像特征点提取与匹配[D]. 电子科技大学, 2016. [12] 张晓明. 基于SIFT特征的人脸表情识别研究[D]. 南京邮电大学, 2014. [13] 于淑慧. 人脸识别系统中特征提取与识别研究[D]. 中国地质大学(北京), 2008. [14] 张奇志, 周亚丽. 基于SIFT特征的单训练样本人脸识别[J]. 北京信息科技大学学报(自然科学版), 2011, 26(4):11-14. [15] 许广毅, 王杨. 基于SIFT特征的单样本人脸识别研究[J]. 信息工程大学学报, 2008, 9(2):164-167. [16] 冯嘉. SIFT算法的研究和改进[D]. 吉林大学, 2010. [17] 杨淑平. 人脸特征提取与识别算法研究[D]. 中南大学, 2013. [18] 于丽莉, 藏青. 一种改进的SIFT特征匹配算法[J]. 计算机工程, 2011, 37(2):210-212. 指导教师签字： 　　 年　　月　　日 七、专业系（教研室）评议意见： 系（教研室）主任签字： 　　 年　　月　　日 八、学院领导审核意见： 1．通过； 2．完善后通过；　　　　　３．未通过 学院领导签字：　　　　 　　　　　　　　　　　 　　 年　　月　　日 3