摘要：智能交通意义在于如何提高运输效率，同时保证交通安全。从国民乘坐公共交通工具可以使用人脸支付车费，到交警使用身份证信息系统识别驾驶员信息，这一切得便利归功于人脸识别技术得普及。

在过去的一段时间里，人脸识别一直是热门话题，每年的顶尖科学会议和期刊上，这个方向的新面孔层出不穷。从深度学习之前的人工特征提取，到之后逐步使用卷积神经网络进行特征提取和分类，研究者们不断改进网络结构，同时扩大训练样本规模，使得人脸识别的精度越来越高。以更精准、更快速为目的，利用现有技术开发出一个人脸识别系统是切实可行之举。

针对使人脸识别系统更智能化、便利化、人性化的目的，文章讲述了基于机器学习的人脸识别系统的开发过程。实验使用Opencv中正脸检测器对图片进行人脸检测，调用Keras库中序贯模型创建CNN卷积神经网络对人脸特征进行提取，最后将已有模型与人脸图片进行对比。实验证明，开发的人脸识别系统识别成功率达到93%以上。

关键词：人脸识别；CNN；Kreas；序贯模型

目  录

摘  要

ABSTRACT

第一章  绪  论-1

1.1研究的背景及意义-1

1.2研究现状-2

1.2.1 国内现状-2

1.2.2 国外现状-4

1.3本文研究内容-5

1.4本文的组织结构-6

第二章  技术基础-7

2.1引言-7

2.2神经网络-7

2.2.1 概述-7

2.2.2 神经元-7

2.2.3 卷积神经网络-8

2.3本章小结-10

第三章  人脸识别系统设计-11

3.1引言-11

3.2系统设计-11

3.3相关技术-12

3.3.1 Keras库简介-12

3.3.2 OpenCV简介-13

3.4本章小结-13

第四章  人脸检测及数据采集-14

4.1引言-14

4.2人脸检测的数据采集-14

4.3图像预处理-15

4.3.1 图像灰度化-15

4.3.2 图像归一化-15

4.4本章小结-16

5.1引言-17

5.2人脸特征提取-17

5.3数据模型训练-20

5.4系统运行结果分析-22

5.4.1人脸识别结果-22

5.4.2 实验失败案例-24

5.5本章小结-25

第六章 总结与展望-26

6.1本文总结-26

6.2未来展望-26

参考文献-27

致  谢-29