摘要：人脸识别技术是当今社会中应用较为广泛的技术，无论是支付宝的刷脸支付，还是机场安检的身份认证，都免不了要用到人脸识别技术。

本课题致力于应用并优化OpenCV里的人脸检测特征文件，以及CNN卷积神经网络深度学习算法，对人脸进行检测，追踪，识别。主要用到以下方法。在人脸检测与数据集预处理过程中，优化了OpenCV里的人脸特征池，使得对俯仰角度的人脸检测更加精准，在检测到人脸之后，用方框将人脸框出并沿方框裁剪，获得人脸图片文件。然后将图片表上与之相对应的类别，保存到学习集中去。在人脸识别过程中，可利用keras框架（一个高层神经网络api，支持TensorFlow和theano）建立一个包含四个广义上的卷积层的神经网络模型，利用这个网络训练人脸识别模型，在训练过程中，将数据集打乱并随机抽取组成训练集，验证集和测试集，力求模型的准确率与可复用性。在测试过程中利用训练好的模型对摄像头采集到的人脸进行识别，并将识别的结果与概率返回。

本篇论文改进了OpenCV中人脸检测的侧脸识别方法，使得摄像头在检测侧脸的时候有更高的识别率。

关键词： linux  OpenCV  tensorflow  人脸识别

目录

摘要

Abstract

1. 引言-1

1.1课题研究的背景及意义-1

1.2国内外研究及发展现状-1

1.3本文的主要工作与结构-2

2. 系统开发对社会的影响-3

3. 主要技术介绍-4

3.1硬件条件概要-4

3.2软件技术介绍-4

3.2.1 python-4

3.2.2 OpenCV-4

3.2.3 人工智能、机器学习与深度学习-5

3.2.4 keras与Tensorflow-6

4. 系统设计-7

4.1系统概要设计-7

4.2系统详细设计-8

5. 系统原理与实现-10

5.1人脸的检测-10

5.2 人脸图像采集-14

5.3 训练集预处理-14

5.4 神经网络模型搭建-15

5.5 训练模型-18

5.6测试-19

6. 算法优化-20

6.1图像预处理优化-20

6.2神经网络模型优化-20

6.3优化效果-20

7. 毕业设计总结-21

参考文献-23

致谢-24