摘要：随着世界经济的发展，在数字时代的21世纪，人们越来越关注隐私的保护，因此生物识别技术在此基础上得到大规模的研究应用。尤其是人脸识别技术的大规模应用。现今，随着便携智能设备的大飞跃，人脸识别技术的发展水平又再上一个新台阶。

伴随着神经网络的发展，计算机深度学习也成为了众人关注的焦点。特别是在深度学习与计算机视觉相结合下，生物人脸识别技术的识别率和成功率得到了大大的提高。此篇论文目的即探究如何在深度学习框架下完成计算机人脸识别技术的初步实现。

该人脸识别系统主要包括四个功能模块：包括人脸采集、数据处理，模型训练以及人脸验证模块。四个模块结合，实现了对人脸数据从提取到训练以及测试应用。

该系统采用keras深度学习框架，基于TensorFlow学习平台，基于在计算机视觉领域得到最广泛应用的CNN神经网络，实现基于特征点的人脸识别。

关键词：人脸识别  深度学习  卷积网络  TensorFlow  Keras

目录

摘要

Abstract

1. 引言-4

1.1 课题研究背景、状况及发展趋势-4

1.2 课题研究意义及其主要研究内容-5

2. 系统开发环境与技术-6

2.1系统开发环境-6

2.2 关键技术简介-6

2.2.1 Python简介-6 

2.2.2 Deep Learning与 CNN神经网络-7

2.2.3 TensorFlow平台-9

2.2.4 Keras框架-9

2.2.5 OpenCV 视觉库-10

3. 需求分析-11

3.1 功能需求分析-11

3.2 性能需求-11

3.3 可行性分析-11

3.3.1技术可行性-11

3.3.2 操作可行性-12

3.3 系统流程-12

3.5 本章小结-12

4. 系统设计-13

4.1 概要设计-13

4.2 详细设计-16

4.2.1采集人脸模块-16

4.2.2信息类信息模块-17

4.2.3训练模型模块-17

4.2.4 人脸测试模块-20

4.4本章小结-20

5. 系统实现-21

5.1 数据采集-21

5.2 数据处理-21

5.3 模型建立与训练-22

5.4 人脸测试-23

5.5本章小结-24

6. 系统测试-25

6.1 测试用例说明-25

6.2 测试环境-25

6.3 模块测试-26

6.4 总体测试-31

6.5本章小结-32

7.系统开发对社会的影响-33

结语-34

参考文献-35

致谢-36